量化價值投資精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的量化價值投資主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：量化價值投資范文

簡單地說，就是利用基于數(shù)據(jù)模型的量化投資策略運作的基金?；鸸拘麄鞔祟惍a品時，習慣于用“電腦+人腦”進行解釋。

從1971年巴克萊投資管理公司發(fā)行全球第一只定量投資產品至今，量化投資已走過30年歷程。

憑借著良好的業(yè)績表現(xiàn)，這一投資方法已占據(jù)全球投資30%的江山，成為主流的投資方法之一。其中著名的大基金自成立起至2006年的17年間，年化收益率達到38.5%。

然而，近兩年來，量化基金在全球的業(yè)績并不理想。次貸危機之后，量化基金一直舉步維艱。

國內量化基金的興起，正是在次貸危機之后。

截至目前，國內已成立的采用量化策略的基金有12只，其中9只自2009年以來成立。它們整體面臨業(yè)績不盡如人意的尷尬，據(jù)《投資者報》數(shù)據(jù)，它們的年復合增長率為11.78%，遠低于平衡類、價值類、成長類基金。

量化基金成敗，最關鍵是量化模型的有效性和投資紀律的執(zhí)行情況。然而，國內已有的量化基金兩方面均無太大優(yōu)勢。

一方面，模型相對較原始，量化投資策略要么機械地借鑒國外已經公開的模式，要么基于基金公司自有的多因子模型；另一方面，與海外量化基金一樣，具體的模型并不會公開，這樣投資紀律便無處考察。

從現(xiàn)有的幾只量化基金過往業(yè)績看，長期業(yè)績較優(yōu)異的是上投摩根阿爾法，自成立以來，年復合增長率達到35%，算得上是量化基金的龍頭。

量化模型無亮點

投資模型是量化基金最核心的競爭力。

定量基金經理基于對市場的理解，提煉出能夠產生長期穩(wěn)定超額收益的投資思想，并用歷史數(shù)據(jù)驗證其正確性，再由系統(tǒng)根據(jù)提煉出的投資思想，在全市場挑選符合標準的股票，并通過對收益、風險的優(yōu)化，建構最優(yōu)股票組合。

“對于中國這樣的新興市場，量化投資的關鍵是能否根據(jù)市場特點，設計好的投資模型?！苯邮堋锻顿Y者報》記者采訪時，上海一位從事量化投資的基金經理說道。

然而，已有的量化基金中，大多簡單地利用國外已公開的模型，或是用基金公司自有的一些簡單模型，在考察市場的有效性上普遍比較欠缺。

如中海量化策略和南方策略優(yōu)化在行業(yè)權重配置中均采用的Black-Litterman（BL）模型。

這種模型現(xiàn)是華爾街主流模型，亦是高盛公司資產管理部門在資產配置上的主要工具。

BL模型利用概率統(tǒng)計方法，將投資者對大類資產的觀點與市場均衡回報相結合，產生新的預期回報。即由投資者對某些大類資產提出傾向性意見，模型根據(jù)投資者的傾向性意見，輸出對該大類資產的配置建議。

然而，在國內市場信息搜集等方面局限性較大的情況下，該系統(tǒng)到底是否有效還僅是基金公司體現(xiàn)其“專業(yè)性”的一個由頭，有待探討。

國內量化基金模型還具有同質化特點，表現(xiàn)在對個股估值等方法的應用上，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等。

另外，模型是量化產品背后“不能說的秘密”，雖然基金契約中對要采用的量化模型做了模糊介紹，作為靠“執(zhí)行紀律”取勝的產品，實際運作是否執(zhí)行到位，也無處查證。

量化基金業(yè)績平淡

量化基金的優(yōu)點首先在于，通過具體的經濟模型對經濟復蘇行業(yè)評估并進行行業(yè)權重配置，將基金經理的投資理念與分析有效結合。

其次，覆蓋全市場，避免因基金經理個人偏見或經理不足造成選擇范圍局限。

再次，通過基金經理精細化投資運作，較好把握細微的結構性投資機會。

或許是因為模型簡單雷同，以及沒有較好體現(xiàn)A股的特征，比如說波動性、“政策市”等，現(xiàn)有的量化基金整體業(yè)績優(yōu)勢并不明顯。

根據(jù)《投資者報》數(shù)據(jù)，可比較的6只“人腦+電腦”量化產品的年復合增長率為11.78%，低于“人腦”管理的趨勢類、回報類、價值類、平衡類（年復合增長率均超過18%）。

今年以來，所有量化基金中，超越指數(shù)的僅有采用量化投資的富國滬深300增強指數(shù)型基金，截至4月1日，回報率為6.94%。

而在估值修復行情中，以對估值有量化指標要求的華商動態(tài)阿爾法、國泰金鼎價值精選、嘉實量化阿爾法大幅跑輸業(yè)績大盤，取得負收益，凈值分別下跌7.2%、6.7%和4%。

上投摩根阿爾法領銜

從已成立的采用量化策略投資的基金中，年復合增長率大幅超過平均值的僅有上投摩根阿爾法，為35%。但這與該基金是較早采用量化策略的基金之一，成立于2005年10月，經歷過2006、2007年的大牛市行情有一定關系。

截至去年底，該基金資產規(guī)模44億元，自成立以來的回報率為425%。該基金受到機構投資者的青睞，持股2.9億份，占基金總份額的21%。

近兩年的市場表明，價值投資和成長投資在不同的市場環(huán)境中都存在各自的發(fā)展周期，并呈現(xiàn)出一定的適應性。而上投摩根阿爾法量化模型適應了這一市場特點。

第2篇：量化價值投資范文

摘 要 自2010年4月股指期貨推出后，數(shù)量化投資逐漸成為我國資本市場的一個熱點。對此，本文以投資者熟知的MACD指標為基礎，運用遺傳算法和模擬退火算法，建立了一個數(shù)量化投資模型。該模型的仿真投資收益明顯超出大盤，而風險明顯低于大盤。本文基于MACD指標建立數(shù)量化投資模型的方法簡單、有效，可操作性強，可方便地推廣至其他技術指標，在數(shù)量化投資領域中可能具有廣泛的發(fā)展前景。

關鍵詞 數(shù)量化投資 MACD 遺傳算法 模擬退火算法

一、研究背景

與傳統(tǒng)投資基于各方面信息和個人判斷進行操作不同，數(shù)量化投資將適當?shù)慕鹑诶碚?、投資經驗等反映在數(shù)量模型中，然后利用程序軟件代替大腦對海量信息進行科學處理，總結歸納市場規(guī)律，最終建立可以重復使用的、不依靠個人主觀判斷的投資策略。

由于數(shù)量化投資的操作策略往往經過了嚴格的驗證，具有較強的系統(tǒng)性和規(guī)范性，主觀隨意性較少，風險可測可控，因此隨著計算機數(shù)據(jù)處理能力的迅速提高，數(shù)量化投資獲得了快速發(fā)展，數(shù)量化基金的規(guī)模亦迅速擴大。據(jù)統(tǒng)計，自2003年以來，數(shù)量化基金規(guī)模的年均增長速度高達15%，而傳統(tǒng)型基金規(guī)模的增長速度則低于5%。

很顯然，科學的數(shù)量模型是數(shù)量化投資成敗的關鍵。當前，主流的數(shù)量模型均考慮了多方面的因素，既包括各種基本面因素，又包括各種技術因素，涉及較為高深的經濟學、金融學、技術分析等知識，模型都比較復雜，理解難度較高，甚至令人望而生畏。對此，本文以人們熟知的技術指標為基礎，通過引入遺傳算法和模擬退火算法對參數(shù)進行優(yōu)化，建立了一種較為簡單、有效的數(shù)量模型構建方法，希望能為推動我國剛剛起步的數(shù)量化投資發(fā)展有所幫助。

二、模型框架

由于MACD指標以經平滑后的股票價格為基礎，而股票價格包含了絕大部分的基本信息和技術信息，因此本文以MACD指標為基礎研究建立相應的數(shù)量化投資模型。

（一）MACD公式

MACD是投資者最熟悉的技術指標之一，主要包括EMA、DIF和DEA三個指標，涉及一個已知變量（收盤價P）和三個未知參數(shù)（ 和 ），公式較為簡單。

（二）決策準則

雖然MACD指標的運用方式有很多種，既存在對指標值的應用（如比較DIF和DEA的大小），又存在對形態(tài)的應用（如底背離、頂背離等）。對此，本文制定的決策準則相當簡單，即：

時，做多

時，做空

三、模型參數(shù)優(yōu)化

（一）參數(shù)的科學取值是決定MACD指標投資決策價值的一個關鍵因素

在一般的技術分析參考書和交易軟件中， 和 通常取12、26和9。然而，該取值并不是最優(yōu)的。

例如，以2005年1月5日至2010年12月31的滬深300指數(shù)為例，根據(jù)（公式1）和（公式2），做多業(yè)務在 和 取值12、26和9時，可獲得的投資收益為230.55%（收益①）；而在 和 取40、195、130時，可獲得的投資收益為651.98%（收益②）。

因此，參數(shù)取值是否合理決定了使用MACD指標進行投資決策時投資收益的高低，決定了MACD指標的投資決策價值。

（二）人工智能算法在技術指標參數(shù)優(yōu)化領域中的突出優(yōu)勢

運用MACD指標建立數(shù)量化投資模型的關鍵在于對公式中的三個參數(shù)進行優(yōu)化。然而，雖然參數(shù)取值與投資收益間存在確定的函數(shù)關系，但該關系并不能用一個表達式予以直接闡述，因此傳統(tǒng)的解析方法在此并不適用。而其他傳統(tǒng)方法如隨機法和窮舉法的優(yōu)化效率不高。在此情況下，可運用人工智能算法有效解決此類優(yōu)化難題。

遺傳算法（Genetic Algorithms）和模擬退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，兩者均從一定的初始值開始，按照明確的規(guī)則搜索最優(yōu)解，并不要求目標函數(shù)存在明確的表達式，且具有高效、魯棒性強等特點。由于技術指標參數(shù)與投資收益間的關系相當復雜，不存在明確的函數(shù)關系式，因此遺傳算法和模擬退火算法在技術指標參數(shù)優(yōu)化領域中具有很高的應用價值。

此外，遺傳算法和模擬退火算法的基本原理和運算過程雖然較為復雜，但其運用卻相當簡單，MATLAB等數(shù)據(jù)處理軟件均提供了現(xiàn)成的工具箱供用戶方便地使用，且即使不掌握參數(shù)優(yōu)化的原理和運算過程，也不會對數(shù)量模型的研究產生重大影響，因此運用遺傳算法和模擬退火算法對技術指標參數(shù)進行優(yōu)化的可操作性強。

（三）遺傳算法和模擬退火算法應用舉例

1.MATLAB指令

假設投資收益R和參數(shù) 、 間的關系為R=gain( 、 )，則MATLAB的遺傳算法指令和模擬退火算法指令分別為：

[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；

[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。

其中：

x和fval是程序返回值，分別為參數(shù) 、 的最優(yōu)化取值及其所對應的投資收益；

gain是目標函數(shù)，可根據(jù)（公式1）、（公式2）和（公式3）編寫；

nvars是待優(yōu)化的參數(shù)個數(shù)；

x0是參數(shù) 、 的初始值；

lb是參數(shù)的下界；

ub是參數(shù)的上界；

options是MATLAB指令的設置選項。

第3篇：量化價值投資范文

關鍵詞：托賓Q理論 美聯(lián)儲 貨幣寬松政策

中圖分類號：F820

文獻標識碼：A

文章編號：1004-4914（2016）09-180-02

國際貨幣基金組織的研究報告對貨幣政策通過房地產行業(yè)進行傳輸?shù)那肋M行了總結。一國利率的變化將直接或間接影響國內的需求，直接的方式是：通過成本的改變以及信貸獲得的難易程度影響住宅建設和家庭支出；間接的方式是：通過改變房屋價格來實現(xiàn)。房屋價格的變化反過來會影響整體需求，方式是改變住房投資的激勵機制（托賓的Q理論效應）和改變家庭使用抵押物價值的能力來減少其獲得消費的資金量。貨幣的傳導中有關大國貨幣政策影響小國經濟表現(xiàn)的文獻中，利用沖擊反應函數(shù)及變數(shù)分解等，探討美國貨幣政策對美國本身的貿易收支和總體經濟的實質效果。實證結果顯示，美國貨幣政策短期會造成美國貿易赤字，而在長期貿易會呈現(xiàn)盈余的情形。

一、托賓Q理論的概述

托賓的Q理論和投資支出之間有著一種關聯(lián)。Q理論是一種投資模型，一般用于財政，假定投資任何資產是一個函數(shù)Q比率：資產的市值與其重置成本的比。

MVt：市場價值；MCt邊際成本或重置成本。

因資產多樣化外加層層包裝的架構下，一般投資大眾對于該項憑證所產生的風險根本搞不清楚。當時的美國由于低利率政策，加上大量的外資不斷的流入，創(chuàng)造出寬松的信貸條件，而政府又鼓勵負債融資性消費，導致投資銀行為了賺取高利房貸，不斷對其信評較差的客戶進行貸放，但當這些信評較差的客戶還不出錢時，銀行只好拍賣這些因次級房貸所形成抵押債權重新包裝后所形成的商品，也就是所謂的不動產投資信托憑證。

二、基于托賓Q理論的美聯(lián)儲貨幣寬松政策

金融危機過后，美國聯(lián)邦儲備系統(tǒng)（Federal Reserve System，簡稱美聯(lián)儲），對外以刺激經濟復蘇和支持勞工市場為由，通過多次量化寬松政策，逐步增加每月對美元抵押貸款支持證券的購買量。經濟學家提出，貨幣政策通過對普通股價格的影響而影響投資支出。詹姆斯?托賓發(fā)展了一種有關股票價格和投資支出相互關聯(lián)的理論，通常稱作托賓的Q理論。托賓把Q定義為企業(yè)的市場價值除以資本的重置成本。如果Q很高，那么企業(yè)的市場價值要高于資本的重置成本，新廠房和設備的資本要低于企業(yè)的市場價值。這種情況下，公司可發(fā)行股票，而且能在股票上得到一個比正在購買的設施和設備要高一些的價格。由于廠商可以發(fā)行較少股票而買到較多新的投資品，投資支出便會增加。

貨幣政策如何會影響股票價值呢？很簡單，當貨幣供給增加時，社會公眾發(fā)現(xiàn)他們持有的貨幣比所需要的多，于是就會通過支出來花掉這些貨幣。去處之一就是股票市場，社會公眾會增加對股票的需求從而提高股票的價格。把這一點和上述事實――股票價格（Ps）愈高，則Q愈高，從而投資支出I也愈高――相結合，得出下面的貨幣政策傳遞機制：

當Q>1時，股價高，公司價值高于重置成本，相對企業(yè)市值而言，新的廠房和設備比較便宜，企業(yè)愿意通過購買資產來擴大投資。

當Q

在傳統(tǒng)貨幣政策受阻時，美國Fed采取直接向民間商銀購入中長期資產，并設定目標來直接影響中長期利率（及實質利率），通過通膨預期、財富管道、信用與匯率管道等，來傳遞貨幣政策效果。當量化寬松（QE）政策實施后使得市場上產生了預期的通貨膨脹率，當預期的通貨膨脹率產生時，市場上同時預期了中長期利率將會下降，導致市場上資金流出美國，當資金流出時造成市場上利率降低。因利率降低反而造成市場上需求增加，同時使得當期的股票價格和不動產價格上升。由于實質利率下降，當資產價格上揚時也造成家庭財富、資產凈值以及銀行擔保品價值增加。最終造成消費、投資以及銀行放款增加。而預期長期利率降低同時使得國內資金流出，造成美國匯率貶值，促進出口增加，且當長期利率降低時也造成民間投資增加。進一步激勵美國國內經濟活動而改善失業(yè)率。

采用美國房貸違約率、房價成長率、失業(yè)率、實質國內生產毛額及聯(lián)邦基準利率為變量，利用模型中的因果關系檢定、沖擊反應分析及預測誤差變異數(shù)分解法，進行研究美國貨幣政策對總體經濟變量和房屋市場的傳遞效果。結果發(fā)現(xiàn)在緊縮性貨幣政策下會造成房貸違約率的增加以及房價的下跌。而全局變量中可知，失業(yè)率、國內生產毛額對房屋市場也有一定程度的影響。從沖擊反應分析中可以發(fā)現(xiàn)房價與房貸違約率呈負向關系。托賓Q理論貫穿資本市場的價格機制與套利投資機制之中，把企業(yè)與資本市場緊密地聯(lián)系起來。托賓Q理論的含義是豐富的：企業(yè)的市場價值發(fā)現(xiàn)和價值確定不僅是企業(yè)投資決策的依據(jù)，而且還是企業(yè)優(yōu)化資本配置和優(yōu)化產權或所有權結構配置的依據(jù)。股票價格的高低成為了左右企業(yè)進行套利投資的關鍵因素，也就Q定了企業(yè)能否利用資本市場達到資本升值，迅速擴大規(guī)模的目的。同時，資本市場在企業(yè)資本配置與產權或所有權動態(tài)轉換中也必然將達到均衡――資本市場在托賓Q值等于1時達到無套利均衡，企業(yè)股票價格反映了資本的真實價值，企業(yè)在重置資本與并購企業(yè)之間的選擇沒有差異。托賓Q值也必將圍繞資本市場的均衡點上下波動。

三、結論

綜上，量化寬松政策的最直接的目的，是增加貨幣供給，刺激支出；但是，中央銀行同時還有目的地選擇它用新創(chuàng)造的貨幣購買的證券的類型，影響這些證券的價格，改變經濟中的信貸條款。托賓Q理論更新了傳統(tǒng)的投資理念，企業(yè)之間并購和出售的套利行為是一種全新的投資思維，企業(yè)產權或所有權也在動態(tài)轉換中達到最優(yōu)配置。

參考文獻：

[1] 向松祚.從三大經典貨幣理論看量化寬松政策[J].金融博覽，2016（4）

[2] 胡曉，蔣華豐.寬松貨幣政策對我國要素收入分配的影響――基于經濟非瓦爾拉斯特征的理論分析與實證檢驗[J].西部論壇，2016（2）

[3] 姚婷.2008-2014年美聯(lián)儲量化寬松貨幣政策的理論價值和政策意義：文獻述評[J].金融理論與教學，2015（2）

[4] 李宗怡.試析美聯(lián)儲量化寬松貨幣政策的理論基礎及矛盾――現(xiàn)代貨幣數(shù)量論視角的批判[J].河北經貿大學學報，2013（6）

[5] 劉瑞.日本長期通貨緊縮與量化寬松貨幣政策――理論爭論、政策實踐及最新進展[J].日本學刊，2013（4）

[6] Forrest Capie，Terence C.Mills，Geoffrey Wood.Gold as a hedge against the dollar[J].Journal of International Financial Markets，Institutions & Money.2013（4）

[7] 馬冀勛.托賓的Q投資理論與資本市場均衡機制.中央財經大學學報，2008（10）

第4篇：量化價值投資范文

（遼寧對外經貿學院，遼寧 大連 116052）

摘要：隨著滬港通的正式實施，中國股市交易量不斷創(chuàng)歷史新高.同時在世界石油價格持續(xù)降低的情況下，投資策略顯得十分重要.本文重點分析策略指數(shù)投資在股市投資中的運用.

關鍵詞 ：投資組合；股市；策略指數(shù)投資

中圖分類號：F830.59文獻標識碼：A文章編號：1673-260X（2015）05-0068-03

1 策略指數(shù)投資介紹

2014年末隨著股市行情的走強，指數(shù)化產品迅速擺脫前幾年凈贖回的頹勢，呈現(xiàn)爆發(fā)式快速增長.伴隨著規(guī)模的迅速擴張，結構上也出現(xiàn)了一些變化.其中策略指數(shù)產品尤其引人關注.廣發(fā)中證百發(fā)100指數(shù)基金在開放募集后2天即超過20億元，顯示市場對特定方式策略指數(shù)投資的熱情追捧.策略指數(shù)投資，在國外又稱為Smart Beta，即“聰明”的Beta，是相對于“傳統(tǒng)”的Beta策略而存在的一種投資理念.傳統(tǒng)認知上的Beta是指一種全市場投資組合的系統(tǒng)性風險，在CAPM中以全市場所有股票的市值加權方式計算（market capitalization weighted）.比如標普500指數(shù)、日經指數(shù)、以及在國內最具代表性的滬深300指數(shù).通過簡單的推演，就可以論證市值加權并非是最優(yōu)的方法.市場對股票的定價并非完全有效，那么市值加權的方式傾向于給高估的股票以更高的權重，而低估的股票以更低的權重，顯然這種方式并非是最優(yōu)的.在這一點上，Hsu（2006）已經給出嚴格的論證.事實上，市值加權更加注重的是投資機會的市場容量（capacity），因此該類指數(shù)更多地被用作投資的業(yè)績基準.那么，如果將投資組合更換成一種非市值加權的方式，其得到的beta就是smart beta，相關的投資策略就稱為策略指數(shù)投資.這種smart beta指數(shù)中的股票權重往往是通過特定的量化算法獲得，看起來投資效果會比傳統(tǒng)的市值加權beta更加實用，相關的投資策略也往往會選擇市值加權指數(shù)作為投資業(yè)績的基準.

常見的Smart Beta策略包括價值策略、低波動策略、分散化策略、動量策略等.其中價值策略是以一些股票的價值指標為加權方式，目標是選擇一些基本面滿足特定屬性的股票構成組合.比如基于財務基本面評分的基本面加權，或基于分紅率的紅利加權等.低波動策略的目標是構建一個最低或較低波動率的投資組合，通常包括最小方差目標加權、波動率倒數(shù)加權等方法.分散化策略的目的是提高組合中股票的分散度，應用最廣的是等權重策略.動量策略在國外也是一種常見的策略，因為國外市場上驗證發(fā)現(xiàn)動量因子非常有效，因此會選擇以動量因子來作為股票選擇和加權的方式，見表1.

據(jù)統(tǒng)計，美國近三年新發(fā)行的Smart Beta策略投資產品規(guī)模約在600億美元，大致與市值加權的指數(shù)產品規(guī)模相當，策略也主要以紅利、等權重、基本面、低波動為主.而國內近年來策略指數(shù)投資產品發(fā)展也非常迅速.中證指數(shù)公司針對主要的Smart Beta策略進行了驗證，證明Smart Beta策略確實能大概率上擊敗以市值加權的滬深300指數(shù).其中表現(xiàn)最好的是低波動相關策略，包括300最小方差、300低貝塔、300低波動.

2 資產配置下的策略指數(shù)投資

根據(jù)經典的CAPM模型我們知道，股票資產的收益率取決于其承擔的市場風險大小Beta，而無法被解釋的部分則為Alpha.但隨后的諸多研究發(fā)現(xiàn)，各種股票之間的Alpha具有異常的高相關性特征，或許存在市場因子以外的其他因素在影響股票資產的收益率.隨后發(fā)展的Fama-French三因素模型提出在市場因子以外，價值因子和規(guī)模因子也是非常顯著的.后來又將動量因子補充進來，從而形成四因素模型.

自此，風格因子投資的概念逐漸被學術界與投資界所廣泛接受.事實上，自從1970年代以來，國外就開始萌生基于這種理念的主動投資管理.投資業(yè)界在三因素模型基礎上開發(fā)了非常有效的線性因子投資模型，如Barra公司將國家地域因子、宏觀因子、概念風險因子等逐步納入到其風險評估模型中.隨后，學術界又逐步發(fā)現(xiàn)了更多有效的風險和策略因子，如低波動率、低流動性、基本面因子等.人們也逐漸發(fā)現(xiàn)，原來投資界以往的諸多策略產品實際上并非是提供了有效的Alpha，而只不過是將各種風格因子的beta巧妙包裝成投資能力的Alpha來推銷給投資者.

在這樣的視角上，資產配置投資就自然而然地成為投資方法的主流.我們對資產的看法不再是其表面上所呈現(xiàn)出來的風險與收益特征，而是其特定或持續(xù)暴露的風險因子敞口，比如價值因子敞口、規(guī)模因子敞口等.如果投資者能夠設定自己的風險預算，明確其將在各種風險因子上的敞口，就可以從市場上選擇合適的股票、策略指數(shù)產品，經過合理的搭配而形成組合.這樣的投資組合在風險上是可控的，從而將投資引入了一個新的配置時代.

因此，基于特定量化策略的Smart Beta策略指數(shù)投資開始風靡.這些指數(shù)投資產品不僅能夠提供超越傳統(tǒng)Beta的收益表現(xiàn)，更重要的是它們滿足了投資者的資產配置需求.這些產品的透明性好、費用低廉，并且突出地暴露到某一個特定的風險因子上.比如在紅利策略中，通常會選擇那些分紅率最高的股票進入組合，并給予高分紅股票更高的權重，這樣就使得組合在價值因子上產生了顯著的風險敞口.在等權策略中，全部入選組合的股票無論市值大小都給予相同權重，從而導致小盤股獲得比市值加權指數(shù)更高的權重，導致組合在規(guī)模因子上產生顯著的風險敞口.波動率倒數(shù)加權策略則會給予波動率較低的股票更高的權重，從而整體上降低組合的波動性風險，因此也在波動率因子上產生顯著的敞口.投資者在把握這些策略指數(shù)產品的風險特征后，就能夠方便地構建自己的組合配置，反過來也促進了策略指數(shù)投資的快速興起.

然而，Smart Beta策略指數(shù)產品也并非完全的“聰明”.在某一段時間內，也許特定的策略指數(shù)能戰(zhàn)勝市值加權組合，使得它看起來非?！奥斆鳌?，但在另一段時間內該策略指數(shù)可能會落后市值加權組合，使得它看起來也不是那么“聰明”.這是因為策略指數(shù)產品通常會有嚴重的風險因子敞口，因此其業(yè)績也隨著風險因子的表現(xiàn)而起伏不定.可能有一些因子長期來看存在明顯的超額收益，導致這些策略看起來非常具有吸引力.

針對幾個主要的風險因子，測算了2006-2014年間的表現(xiàn).表3中我們發(fā)現(xiàn)小盤因子是中國A股市場上長期表現(xiàn)最好的，但其波動率也比較大.價值因子、反轉因子、基本面因子的長期表現(xiàn)也非常好.然而，表4測算了這些因子表現(xiàn)的相關性，發(fā)現(xiàn)各種因子之間的相關性非常低.并且單一因子的信息比率都無法達到2以上，這就表明單純使用一個因子，即使是表現(xiàn)最好的小盤因子也依然無法達到滿意的投資效果.

因此，風格偏向非常明顯的策略指數(shù)投資產品也即往往會隨著市場風格的切換而發(fā)生特別明顯的波動.但是，如果投資者能夠設定自己的風險預算約束，就能夠合理地選擇多個策略指數(shù)投資產品來構造自己的組合基金.組合基金利用不同產品風險敞口的低相關性來降低組合的波動風險.

3 組合基金投資

組合基金是能充分利用策略指數(shù)投資產品的優(yōu)勢，同時又充分控制和分散風險的一種很好的方法.目前國內興起的量化投資基金很多策略就是試圖去搭配不同的風險因子，希望在控制一定的風險暴露基礎上，追求更高的收益.然而我們發(fā)現(xiàn)，這些策略大多數(shù)仍然是存在明顯的風險暴露.

我們選擇2014年表現(xiàn)最好的三只公募基金：華泰柏瑞量化指數(shù)、大摩多因子、長信量化先鋒.可以發(fā)現(xiàn)，雖然這三只基金在2014年、2013年表現(xiàn)較好，但在2011年、2012年里普遍較弱.其主要原因是這些基金普遍在小盤因子上有很強的暴露，2013-2014年里小盤因子表現(xiàn)很強，但2011-2012年里價值因子表現(xiàn)更好.表6拆解了三只基金的全部持倉的自由流通市值分布，不難看出大摩多因子與長信量化先鋒在小盤股上偏向非常明顯，而華泰柏瑞量化指數(shù)向小盤的偏離較小.

我們選擇其中業(yè)績記錄較長的大摩多因子、長信量化先鋒，另外搭配兩只偏向價值的策略指數(shù)基金：華寶興業(yè)上證180價值ETF、銀河滬深300價值.以等權重在四個產品之間搭配，構造一個混合的組合基金投資產品（FOF）.

經過計算，不難看出兩個偏向價值的基金產品在2011和2012年明顯好于兩只偏向小盤的量化產品，但在2013年和2014年里表現(xiàn)弱于量化產品.經過等權構造后，F(xiàn)OF組合在2011-2014年間均能取得正的超額收益，更重要的是其信息比率提升到了2.20，遠遠高于四只產品各自的信息比率，這說明經過搭配后，資產組合的收益風險表現(xiàn)得到了明顯的提升.

4 結論

策略指數(shù)投資的Smart Beta正逐漸成為市場上非常重要的一類產品，因其風格特征顯著，在特定的市場環(huán)境下提供“聰明”的Beta收益而逐漸受到投資者的熱捧.然而，單一投資策略指數(shù)產品并不能提供穩(wěn)健的收益，可以考慮在資產配置的目標下合理搭配策略指數(shù)投資產品，獲取更加穩(wěn)健的收益.

參考文獻：

〔1〕鄭鳴,李思哲.我國基金風格投資的積極風險補償研究[J].廈門大學學報(哲學社會科學版)，2010(02).

〔2〕蔡偉宏.我國股票市場行業(yè)指數(shù)超額聯(lián)動的實證分析[J].南方經濟，2006(02).

第5篇：量化價值投資范文

2016年以來，A股震蕩明顯加劇。如何更好地規(guī)避風險、保住前期浮盈，成為投資者最關心的話題。在此背景下，一些收益穩(wěn)定、回撤控制能力強的量化產品就成了投資者穩(wěn)健配置的首選。據(jù)《投資者報》數(shù)據(jù)研究中心對全市場成立于2016年前的67只量化產品（A、C類分開計算）的區(qū)間復權單位凈值增長率、以及區(qū)間復權單位凈值相對大盤增長率的統(tǒng)計數(shù)據(jù)顯示，截至5月13日，華寶興業(yè)基金旗下的華寶興業(yè)量化對沖策略混合型發(fā)起式基金A/C（以下簡稱“華寶量化對沖”）在全部67只量化產品中業(yè)績表現(xiàn)最好，其區(qū)間復權單位凈值相對大盤增長率均超過了20%。

震蕩市場上的投資利器

對于旨在獲取絕對回報的華寶量化對沖來說，完全稱得上是震蕩市場上的投資利器。

據(jù)公開資料顯示，自2014年9月成立以來，華寶量化對沖基金已成功穿越4次股市大劫：在2015年1月下旬、4月下旬、6月中旬、以及2016年1月上旬的A股大幅調整中，平穩(wěn)規(guī)避了風險，歷次凈值漲幅超越滬指均在5個百分點以上（數(shù)據(jù)來源：Wind；截至：2016.4.22）。

此外，值得一提的是，現(xiàn)任基金經理徐林明，證券從業(yè)經歷14年，除了擔任華寶興業(yè)量化對沖基金、上證180價值ETF及聯(lián)接基金、華寶興業(yè)事件驅動的基金經理外，還是華寶興業(yè)基金的助理投資總監(jiān)兼量化投資部總經理。據(jù)業(yè)內人士介紹，徐林明長期從事主動量化策略研究和量化投資工作，在擇時、行業(yè)配置和選股領域有較深入的思考和研究，總體負責量化對沖的投資運作和量化模型開發(fā)。

談及當前的投資操作，徐林明表示，“2016年以來股指期貨負基差結構仍然存在，在此局面下，華寶量化對沖繼續(xù)保持低倉位運作，股票部分用于滿足申購新股的市值要求，同時對這部分頭寸，利用股指期貨對沖系統(tǒng)性風險。一季度華寶量化對沖的資金主要投資于低風險的標的或者現(xiàn)金管理，并積極參與新股申購、可轉債申購、協(xié)議存款、隔夜回購等，力爭在風險可控的前提下實現(xiàn)凈值的穩(wěn)健增長?！?/p>

業(yè)內創(chuàng)新量化投資專家

實際上，華寶量化對沖成立自以來，其凈值一直穩(wěn)步上升，雖然，期間受到市場基差擾動有一定回撤，但很快就回歸正常，這顯然得益于旗下強大的創(chuàng)新量化投資專家團隊。

第6篇：量化價值投資范文

計算機給投資帶來的改變

1997年5月11日，國際象棋世界冠軍卡斯帕羅夫與1BM公司的國際象棋電腦“深藍”的六局對抗賽降下帷幕。在前五局以2.5對2.5打平的情況下，卡斯帕羅夫在第六盤決勝局中僅走了19步就向“深藍”拱手稱臣。整場比賽進行了不到一個小時，卡斯帕羅夫賽后說，在最后一局時，“我已經無力再戰(zhàn)?！庇诖送瑫r，利用計算機和數(shù)學模型來進行數(shù)量化投資的基金正邁入高速增長期。

量化基金即以數(shù)量化投資來進行管理的基金。數(shù)量化投資區(qū)別于基本面投資，他不是通過“信息和個人判斷”來管理資產，而是遵循固定規(guī)則，由計算機模型產生投資決策。量化投資并不是基本面分析的對立者，90％的模型是基于基本面因素，同時考慮技術因素。由此可見，它也不是技術分析，而是基于對市場深入理解形成的合乎邏輯的投資方法。

數(shù)量化技術發(fā)源于20世紀70年代，以1971年富國銀行發(fā)行跟蹤紐約證券交易所1500只股票的指數(shù)基金為標志，此后隨著計算機處理能力的提高，越來越多的物理學家和數(shù)學家離開學校被華爾街雇傭，基金經理們開始依靠電腦來篩選股票。

1979年巴克萊全球投資(Barclays Global Investor)成立了第一支主動數(shù)量(Quantitative & Active)投資基金標志著量化投資由草根實踐走到了公募基金歷史舞臺聚光燈下。此后，Vanguard，F(xiàn)ederated，Janus，American Century,Alliance Bernstein，Evergreen以及Schwab都開始在運作數(shù)量化基金，他們也都開始加入Barclays Global Investors和LSVAsset Management的陣營，后兩者是數(shù)量化基金管理中最大的兩家公司。另外，NumericInvestors和AQR CapitalManagement是增長最快的數(shù)量化基金公司。

根據(jù)Bloomberg的數(shù)據(jù)，截至2008年底，1184只數(shù)量化基金管理的總資產高達1848億美元，相比1988年21只數(shù)量化基金管理的80億美元資產來說，平均增長速度高達20％，而同期非數(shù)量化基金的年增長速度僅為8％。

2000年之后是數(shù)量化基金發(fā)展的黃金時期，無論是個數(shù)還是管理規(guī)模都有了跨越式的發(fā)展。1998年數(shù)量化基金僅136只，至2002年增長一倍多，達316只，2008年底更是達到1848只，1988年至1998年年平均增長率為46％，2000年至2008年年平均增長幅度達54％。從規(guī)模上來看，1988年至1998年年平均增長率為32％，2000年至2008年年平均增長幅度達49％。

其中的原因有二：一是，2000年之后計算機技術飛速發(fā)展，為數(shù)量化的應用提供了良好的平臺；更為主要的是主動管理型基金很難戰(zhàn)勝大盤，于是投資指數(shù)基金以及采用數(shù)量化方法篩選股票逐漸流行起來。而且數(shù)量化基金的表現(xiàn)也非常不錯。2002年至2007年5年間，相比美國市場主動型管理基金每年5.93％的超額收益，那些覆蓋所有資產的數(shù)量化基金每年的超額收益可以達到6.95％。另外，有研究表明，2004年至2007年，投資美國大盤股的數(shù)量化基金產品的表現(xiàn)平均超越非大盤主動型基金103個基點。

模型――量化基金的心臟

數(shù)量化基金的興起，建立在數(shù)量化投資技術的發(fā)展之上。在20世紀80年代，大量復雜模型得以發(fā)展，這包括：混沌理論(chaos theory)、分形(fraetals)、多維分形(multi-fractals)、適應過程(adaptive programming)、學習理論(leaming theory)、復雜性理論(complexity theory)、復雜非線性隨機理論(complex nonlinear stochasticmodels)、數(shù)據(jù)挖掘(data mining)和智能技術(artificial intelligence)。然后，回歸分析(regression analysis)和動量模型(momentum modeling)仍然是被調查者使用最廣泛的數(shù)量化投資方式。

數(shù)量化基金最明顯的優(yōu)勢之一就是計算機處理數(shù)據(jù)的能力遠遠勝過人腦，這使電腦在海量股票選擇中占有絕對優(yōu)勢。例如在嘉信證券的股票評級系統(tǒng)跟蹤的股票超過3000只，并且每只股票都綜合了基本面、估值、動理和風險因素進行打分，并按分數(shù)高低給A至F不同的評級。其次。量化基金是以定量投資為主，用紀律性較強的精細化定量模型，代替了基金經理或分析師在定性層面的主觀判斷，使投資業(yè)績較少受到個人“熟悉度偏好”的影響。最后，數(shù)量化基金收取的費率及管理費用比傳統(tǒng)的主動型基金低很多，因為他們需要的研究人員更少，成本更低。據(jù)Lipper調查，數(shù)量化基金的平均費用是1.32％，相比而言，主動型基金的管理費用平均達到1.46％。

數(shù)量化投資理念成就了一大批數(shù)量化基金經理，詹姆斯?西蒙斯無疑是其中的佼佼者。他所管理的大獎章基金對沖基金(Medallion)，從1989年到2006年的17年間，平均年收益率達到了38.5％，而股神巴菲特過去20年的平均年回報率為20％。從1988年成立到1999年12月大獎章基金總共獲得2478.6％的凈回報率，超過第二名索羅斯的量子基金一倍，而同期的標準普爾指數(shù)僅有9.6％。即使在次貸危機全面爆發(fā)的2007年，該基金的回報率仍高達85％。

然而量化基金并非所有市場都能有效戰(zhàn)勝非量化基金。Lipper把基金分為四類型，每一類型量化投資與傳統(tǒng)投資比較，2005年量化投資基金戰(zhàn)勝傳統(tǒng)基金，而2006年在增強指數(shù)型基金中，量化投資落后于傳統(tǒng)型基金，到2007年情況則發(fā)生較大轉彎，除市場中立基金外，其余量化投資基金全部跑輸傳統(tǒng)型基金。在考慮了風險、跟蹤誤差后，數(shù)量化投資具有更小的跟蹤誤差和更高的回報。研究表明數(shù)量投資基金業(yè)績具有很強的輪動特點。大部分數(shù)量投資基金具有很強的價值投資偏好(value bias)，因此，他們在價值型市場下表現(xiàn)良好，而1998-1999年是成長型市場，數(shù)量化投資基金大部分跑輸傳統(tǒng)型基金。2001-2005年是價值型市場，數(shù)量化投資基金普遍表現(xiàn)優(yōu)異。

用數(shù)學創(chuàng)造財富

國內基金業(yè)雖然歷史較短，但發(fā)展迅速。美國等成熟基金市場的現(xiàn)狀，也很可能會是我們未來的發(fā)展方向。指數(shù)基金、量化基金以及免傭基金等品種，在未來有望陸續(xù)發(fā)展壯大，受到越來越多投資者的認可。

目前，國內基金市場上有4只量化基金，光大保德信量化核心、上投摩根阿爾法、嘉實量化阿爾法、中海量化策略，其中后兩只均是今年才成立，前兩只分別成立于2004年8月和2005年10月。

光大保德信量化核心一方面通過光大保德信的多因素數(shù)量模型對股票的預期收益率進行估算，個股預期收益率的高低決定投資組合是否持有股票；另一方面，投資團隊從風險控制角度，重點關注數(shù)據(jù)以來的信息，通過行業(yè)分析和個股分析形成對量化的補充；最后由投資組合優(yōu)化器根據(jù)預先設計的風險構建組合。

上投摩根阿爾法基金的描述則是同步以“成長”與“價值”雙重量化指標進行股票選擇，然后研究團隊將對個股進行基本面審核，結合跟蹤誤差的緊密監(jiān)控，以求不論指數(shù)高低，市場多空皆創(chuàng)造主動管理回報。投研團隊最終決定進入組合的股票，量化分析是輔助和基礎。

嘉實量化基金“定量投資”為主，輔以“定性投資”。通過行業(yè)選擇模型，捕捉具有投資吸引力的行業(yè)，然后再在所選行業(yè)中運用Alpha多因素模型篩選個股。定性的輔助作用表現(xiàn)在利用基本面研究成果，對模型自動選股的結果進行復核，剔除掉滿足某些特殊條件的股票。

中海量化策略以量化模型作為資產配置與構建投資組合的基礎。根據(jù)量化指標實行從一級股票庫初選、二級股票庫精選，再根據(jù)相關模型計算行業(yè)配置權重。結合行業(yè)配置權重，組合中每只股票的配置比例。

第7篇：量化價值投資范文

[關鍵詞] 風險評估；風險處置；投資回報率；安全投資回報率

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 12. 031

[中圖分類號] G934 [文獻標識碼] A [文章編號] 1673 - 0194（2014）12- 0050- 03

0 引 言

信息安全風險評估是信息安全管理中的重要環(huán)節(jié)，評估采用系統(tǒng)化的流程，從識別資產開始，到識別威脅、脆弱性及現(xiàn)有的控制措施，從而估算風險發(fā)生的可能性和影響級別，最后得到風險值的大小，其結果實際上是一個相對的等級列表（rank）[1-5]，隨后的信息安全風險處置過程，則是根據(jù)這個相對的風險等級列表選擇減緩、接受、規(guī)避或轉移等選項[6]。

但對組織的決策者而言，僅僅根據(jù)風險的相對大小列表，實際上只能決定資源調配的優(yōu)先級，并不能對某個具體風險是否進行處理這類決策有所幫助[7]。例如，信息安全風險評估的結果顯示，沒有IDS（入侵檢測系統(tǒng)）使核心業(yè)務系統(tǒng)的風險值為70（滿分為100，70劃入中風險區(qū)域）。這可能告訴決策者應該著手處理這個風險，但不是最重要的。以組織目前的規(guī)模，購買IDS 的價格可能為30萬元，那么這30萬元的支出是否值得，就必須進行系統(tǒng)分析并確定風險造成的損失到底有多大，需要確定實際的財務價值，而不僅僅是用高、中或低的模糊序列概念來定義。

公司的決策者在選擇購買技術設備后用于服務的時候，通常會以投資回報率、現(xiàn)金凈流量等方法衡量技術設備購買支出的必要性，此時技術人員應該提供信息安全投資影響企業(yè)收益的安全度量數(shù)據(jù)。如果解決方法的支出大于風險處置的支出時，信息安全應對方法是沒有實施必要的，選擇風險接受可能就是最優(yōu)的風險處置決策。本文借鑒傳統(tǒng)的投資回報率模型（Return On Investment， ROI），提出了安全投資回報率（Return On Security Investment， ROSI）計量模型，并對各個輸入變量的計算方法做詳細的討論，為組織信息安全決策者及信息安全服務商提供了更為直觀的決策依據(jù)。

1 安全投資回報率（ROSI）模型

目前，公司決策者在評估選擇投資戰(zhàn)略的時候大多采用ROI（投資回報率）模型判斷公司資金支出獲得的收益回報率，見式（1）。ROI模型首先要判斷資金支出后的獲得預期收入金額，其次就是確定需要的投資成本，在不考慮資金的時間價值前提下，最終確定投資回報的收益率。

ROI=■×100%（1）

ROI模型在引進新技術及新技術升級換代方面同樣具有應用價值，但是信息安全的預期收益并不像其他收益能夠清晰地體現(xiàn)在財務數(shù)據(jù)的增長上，信息安全技術和服務的目的是避免信息安全事件發(fā)生的可能性，具體到財務數(shù)據(jù)上表現(xiàn)為避免公司財務損失可能性，而不是表現(xiàn)為財務數(shù)據(jù)的增長[8-9]。因此，信息安全的投資收益回報率的預期收益應該表現(xiàn)為風險預期損失與信息安全風險降低預期比率的乘積，信息安全投資收益回報率可以表述為式（2）。

ROSI=■×100%（2）

案例：某組織的某資產價值為100 000元，一場意外火災可能損壞其價值的25%，那么火災的單一風險預期損失為25 000元。按照經驗統(tǒng)計這種火災一般每5年發(fā)生一次，那么年發(fā)生次數(shù)即為1/5，年預期損失為元。

公司可以購買干粉滅火器和火警預警器來降低火災的發(fā)生概率或損害程度。假設購買成本為6 000元，壽命為3年，不需要額外的維護費用。那么年度安全控制支出本為2 000元（6 000/3）。

實施控制后，火災的損壞程度將為5%，而發(fā)生的次數(shù)降為1/10次，那么單一風險預期損失將降低為5 000元（100 000*5%），年預期損失為元。

在不考慮關聯(lián)風險的情況下，其安全投資回報率計算如下：

ROSI=■=125%

從125%的安全投資回報率來看，這個安全控制措施是可以實施的。但是在ROSI的計算過程中存在以下問題：

（1）風險預期損失數(shù)據(jù)如何獲??？目前風險預期損失數(shù)據(jù)并沒有統(tǒng)一的標準，保險索賠、學術研究以及一些獨立數(shù)據(jù)調查公司會零星地信息安全事件損失的報告，但大多僅僅匯報信息安全事件事后統(tǒng)計的損失平均值[10]，對發(fā)生概率則多只有定性的判斷，因此，組織需要計算風險預期損失。

（2）安全控制支出如何獲??？雖然安全控制會集中的表現(xiàn)為產品或服務采購，合同額明確，但是安全控制一般不會只針對單一產品的單一風險，不能直接對應到風險預期損失上去，可以選擇分解合同金額進行分配，或者將安全控制所影響的風險預期損失進行整合。前者的分配比例顯然難以確定，因此，本研究選擇后一種方法，式（2）轉變?yōu)椋?/p>

ROSI=■（3）

2 風險預期損失的量化

2.1 年度預期損失（ALE）法

在風險預期損失的量化（或信息安全風險評估定量化）領域，文獻[11]引入了層次分析法、信息熵、神經網絡以及小波分析，文獻[12]引入了免疫進化算法、基于區(qū)間數(shù)和理想點法的決策技術，決策實驗和評價實驗室法、模糊理論和群體決策法，文獻[13]引入了貝葉斯概率風險分析，類似文獻還有文獻[14-16]等，但上述文獻多關注風險的計算過程，并未過多關注數(shù)據(jù)來源，而數(shù)據(jù)來源的定量化才是最關鍵的環(huán)節(jié)。文獻[17]提出了一個利用軟件漏洞的網絡攻擊行為所導致的系統(tǒng)宕機風險模型，在這個模型中，利用MX/G/1隊列來預計宕機時間，用脆弱性矩陣和配置矩陣計算攻擊發(fā)生的可能性，該模型是目前比較好的量化思路，但是該文獻的目的是探討軟件多樣化所帶來的優(yōu)勢，因此應用范圍非常窄，對量化的風險處置決策研究貢獻有限。

目前，信息安全行業(yè)內比較認可的風險預期損失的模型為ALE（Annual Loss Expectancy， ALE）法[17]，即年度預期損失法。

ALE=■SLE[i]×ARO[i]（4）

式中，n為單次風險所影響的資產數(shù)量；SLE（Single Loss Expectancy）為單一風險預期損失；ARO（Annual Rate of Occurrence）為年度發(fā)生率。

單一風險預期損失又可以細化為資產價值與單一風險的破壞程度的乘積，由于對于組織而言，n是確定的客觀數(shù)據(jù)，式（4）的未知參數(shù)為：①資產價值；②破壞程度；③年度發(fā)生率。

2.2 幾個主要參數(shù)的確定

資產的價值不是資產的購置價或者賬面價，而是基于對業(yè)務的重要性計算出來的虛擬價值?？梢哉J為待評估資產的價值是通過信息安全的途徑造成了影響組織業(yè)務的假設價值。對于如何參考財務賬面價值來得到資產在信息安全中的價值并沒有現(xiàn)成的公式可以用。文獻[7]中使用美國證券交易委員會（SEC， US Security Exchange Commission）在Staff Accounting Bulletin No. 99（99號專職會計公告）中認可的一般準則，引用參考的一般準則是財務報告凈收入值的 5%。按照這個指導原則，如果組織每年約有 20 000 000元的凈收入，重要資產可以被指定為1 000 000元的價值。

破壞程度和年度發(fā)生率經驗數(shù)據(jù)可以從以下途徑獲取[7]：

（1）通過組織中發(fā)生過的歷史信息安全事件報告或記錄，統(tǒng)計各種發(fā)生過的威脅和其發(fā)生頻率；

（2）在評估對象的實際環(huán)境中，通過IDS等系統(tǒng)獲取的威脅發(fā)生數(shù)據(jù)的統(tǒng)計和分析，各種日志中威脅發(fā)生的數(shù)據(jù)的統(tǒng)計和分析；

（3）過去一年或兩年來國際公司（如Symantec）或機構（例如：CERT和CNCERT等）、業(yè)務關聯(lián)公司的對于整個社會或特定行業(yè)安全威脅及其發(fā)生頻率的統(tǒng)計數(shù)據(jù)。

2.3 實施前/后風險預期損失

實施前的風險預期損失要根據(jù)風險評估的結果及建議的控制措施進行估算，并以此作為風險處置選項的依據(jù)，而實施后的風險預期損失則根據(jù)殘余風險進行估算。

3 安全控制支出的量化

3.1 成本的組成

最明確的安全控制支出表現(xiàn)為產品或服務采購合同，但是安全控制支出的總金額肯定不僅僅表現(xiàn)為合同額，其他相關的因素也應該納入考慮。當然，安全控制支出的量化除了合同額之外的部分，可能含有一定的主觀因素。

文獻[17]認為信息系統(tǒng)是信息技術和人類行為的結合體，所以產品的部署會帶來的一系列問題，都應該考慮在內。這其中可能包括購買成本、實施成本、持續(xù)維護成本、通信成本、培訓成本和檢查驗證有效性的成本等[4，18]。

3.2 購買和實施成本

購買成本在ROSI模型中指產品或服務的合同金額，也是最普遍被認識到的成本。如果安全控制不需要產品，而需要第三方服務，這時候購買成本就體現(xiàn)為服務購買成本。

實施成本指安裝或維護所帶來的人工成本。某些控制措施可能需要大量的人力來進行正確的指定、設計、測試和部署。

3.3 維護與通信成本

維護成本與新控制措施的持續(xù)活動有關，例如管理、監(jiān)控和維護。這需要考慮：任務需要多少人參與？每周（或每月、每年）需要多少時間？這些成本都需要進行盡量精確的考慮，甚至某些時候比購買成本更加巨大，尤其是咨詢服務，更應該注意，內部人員的時間成本必須進行考慮，例如：信息安全規(guī)劃咨詢等。

通信成本與向用戶通知新的策略或程序有關。對于只有幾百名員工的組織而言，如果組織為其服務器機房安裝了電子鎖，向 IT 員工和高級經理發(fā)送幾封電子郵件可能已經足夠。 但是對于任何部署智能卡的組織而言，例如，在分發(fā)智能卡和讀卡器之前、期間和之后，將需要大量的通信，因為用戶將必須學習全新的計算機登錄方式，并且毫無疑問，會遇到大量新的或不可預計的情形。

3.4 培訓成本

這些成本與需要實施、管理、監(jiān)控和維護新控制措施的員工有關。組織內的各個小組肩負不同的責任，因此需要不同類型的培訓。例如：幫助臺員工必須知道如何幫助最終用戶解決常見問題，例如智能卡或讀卡器損壞以及忘記 PIN碼；桌面系統(tǒng)支持人員必須知道如何安裝、疑難解答、診斷和更換智能卡讀卡器等。

此外，培訓成本可能不但與員工相關，還可能涉及到用戶，需要支付用戶培訓成本。

3.5 有效性檢驗成本

安全控制應該稱為一個有效的閉環(huán)，就必須有檢驗和持續(xù)改進的過程。組織必須能夠證明沒有人已經無意地或惡意地修改或禁用控制措施，并且必須確定由誰負責此驗證工作。 對于極其敏感的資產，有必要由多人負責驗證結果。這些都會增加額外的成本支出。

4 考慮凈現(xiàn)值以及其他因素

由于資金使用是有時間價值的，因此在一般的投資收益率測算過程中，應該考慮其時間價值，以努力實現(xiàn)收益計算的最大化和精確化。在信息安全投資決策中，由于其損失本來就是潛在的，而且隨著計算機的使用時間，這種潛在損失的發(fā)生率會越來越顯著，因此在決策時，需要考慮凈現(xiàn)值NPV（Net Present Value）等更多因素。由于本文的重點是初步建立ROSI模型，因此凈現(xiàn)值等因素不是本研究考慮的重點，這將在后續(xù)研究中繼續(xù)討論。

5 確定風險處置選項

計算安全投資回報率的最終目的是為了給決策者提供者提供決策依據(jù)，在本研究中沿用文獻[6]中給出的風險處置選項：風險減緩、風險接受、風險規(guī)避和風險轉移。例如，在本文案例中，如果選擇干粉滅火器和火警預警器是作為風險減緩的選項，也可以采取資產托管的方式，即將重要設備托管到寫字樓的統(tǒng)一機房中，假設租費為2 000元/年，這樣該資產的風險就被轉移到寫字樓物業(yè)，在不考慮關聯(lián)風險的情況下，其安全投資回報率計算如下：

ROSI=■=150%

在本案例中，風險減緩的ROSI值為125%，風險轉移的ROSI值為150%，顯然應該選擇后者。

無論選擇上述4個選項中的哪一項，由于控制前風險預期損失用的值都是一致的，因此就決策選擇而言，控制前風險預期損失不會影響風險處置選項的選擇過程，這是本模型的一個重要優(yōu)勢。

6 結束語

為了解決信息安全風險處置階段的投資決策問題，本文給出了基于投資回報率（ROI）改進的安全投資回報率（ROSI）模型，ROSI模型是基于財務的風險價值測算模型，作為目前通用的六因素（資產、威脅、脆弱性、控制措施、可能性和影響）信息安全風險評估方法的輔助。計算過程中主要依據(jù)安全控制實施前后的風險預期損失差額和安全控制支出的估算值的比較，首先，ROSI模型是全定量數(shù)據(jù)模型，可以直觀地表達投資與回報的比率，有利于組織快速做出投資決策；其次，該模型中數(shù)據(jù)來源相對比較客觀，而且有效地利用了專家知識庫數(shù)據(jù)，有利于組織做出正確的投資決策；最后，該模型中利用了風險預期損失在控制措施實施前后的差額，使得ROSI模型在使用過程中，實際上取決于風險處置選項的比較值，而不是絕對值，使投資決策更加準確有效。

主要參考文獻

[1]ISO/IEC. ISO/IEC 27005：2011 Information Security Risk Management [S]. 2011.

[2]NIST. NIST Special Publication 800-30 Revision 1. Guide for Conducting Risk Assessments [S]. 2011.

[3]Alberts Christopher， Dorofee Audrey， James Stevens，etc.Introduction to the OCTAVE ■ Approach[EB/OL]. http：///octave/approach_intro.pdf.

[4]Microsoft. the security risk management guide1.1[R].2004.

[5]GB/T 20984-2007 信息安全風險評估規(guī)范[S].2007.

[6]ISO/IEC. ISO/IEC 27001：2005 Information Security Management System Requirments[S]. 2005.

[7]趙戰(zhàn)生，謝宗曉. 信息安全風險評估概念、方法與實踐[M]. 北京：中國標準出版社，2007.

[8]M Bishop.計算機安全學[M].王立斌，譯. 北京：電子工業(yè)出版社，2005.

[9]謝宗曉.信息安全管理體系實施指南[M].北京：中國標準出版社，2012.

[10]W Sonnenreich，J Albanese，B Stout. Return on Security Investment （ROSI）： A Practical Quantitative Model [J]. Journal of Research and Practice in Information Technology，2005， 38（1）： 45-56.

[11]趙冬梅. 信息安全風險評估量化方法研究[D]. 西安：西安電子科技大學，2007.

[12]黃景文. 基于知識的信息安全風險評估研究[D].沈陽：東華大學，2008.

[13]谷勇浩. 信息系統(tǒng)風險管理理論及關鍵問題研究[D]. 北京：北京郵電大學，2007.

[14]程建華. 信息系統(tǒng)管理、評估與控制研究[D]. 長春：吉林大學，2008.

[15]李志偉. 信息系統(tǒng)風險評估及風險管理對策研究[D]. 北京：北京交通大學，2010.

[16]彭俊好. 信息安全風險評估及網絡蠕蟲傳播模型[D].北京：北京郵電大學，2007.

第8篇：量化價值投資范文

如何解讀新數(shù)據(jù)？本周《投資者報》“基金經理面對面”專欄邀請的嘉賓分別是摩根士丹利華鑫基金量化投資團隊負責人劉釗、華泰柏瑞指數(shù)投資部總監(jiān)張婭、信誠周期輪動張光成、嘉實滬深300ETF楊宇、富國新天鋒趙恒毅、交銀資源鄭偉輝、國投瑞銀融華債券徐煒哲以及天弘基金固定收益總監(jiān)、天弘永利陳鋼。

CPI意外反彈

《投資者報》：怎么看新出爐的CPI？

張光成：CPI數(shù)據(jù)是國家宏觀政策調控的風向標。CPI不跌，而國家的GDP出現(xiàn)下降，說明中國經濟處于滯漲階段，使得政策處于兩難局面，這也是近期市場表現(xiàn)不佳的主要原因。但目前A股估值處于底部，指數(shù)沒多少下跌空間。同時，我國經濟具備持續(xù)增長的條件，在穩(wěn)健的貨幣政策和積極的財政政策的預期下，明后年股市或將迎來又一個“黃金投資期”。

趙恒毅：3月份CPI指數(shù)3.6%的反彈，主要是由于蔬菜價格大幅上漲所致，不具可持續(xù)性，加之去年上半年的高物價基數(shù)，因此，未來幾個月內同比漲幅的反彈也難以持續(xù)。這對信用債投資而言，比較有利。在宏觀經濟層面，盡管目前處于觸底過程，未來往上走的概率依然較大。這種情況下，我們認為，通過信用債獲得相對比較穩(wěn)定的票息，是比較好的選擇。

《投資者報》：新的CPI數(shù)據(jù)讓很多投資者又開始擔心通脹的問題，對債基關注度也進一步提高。國投瑞銀融華債券基金累計收益率超過216%，作為經驗豐富的管理人，徐煒哲怎么看固定收益類投資？

徐煒哲：我們延續(xù)了去年四季度提出的慢牛觀點，經濟從底部回升，通脹也將逐步回落。但本輪經濟周期的復蘇將非常緩慢，原因在于通脹雖回落但通脹中樞仍將上行，而其根源在于全球發(fā)展中國家的工業(yè)化過程中資源的供給不足，而這種情況在短期內無法改變。債券方面，基本面對債市有支撐，但不同品種表現(xiàn)將有所分化，我們將根據(jù)經濟增速、通脹、政策等變量對組合進行靈活調整。

陳鋼：債券市場應該還不錯，仍有機會，尤其4月是個較好的機會。我們比較看好高收益的債券走勢，利率品種和高等級債有波段性的機會，高收益的債券收益率下降空間相對大一些，機會多一些。貨幣政策有所放松，但放松有限，所以利率產品收益率有一定下降空間，但下降有限。城投債不錯，違約風險在減弱。

一季度QDII與量化“雙秀”

《投資者報》：一季度QDII可謂一枝獨秀，51只QDII基金平均回報率達6.7%，站在現(xiàn)在時點，是否還能樂觀看待QDII？

鄭偉輝：目前經濟增長不確定性和歐債危機依然存在，但海外投資在政策面上出現(xiàn)些積極因素。經濟的基本面改善程度可能會制約股市的上漲空間，但海外市場特別是自然資源投資或將存在階段性、結構性的機會。現(xiàn)階段，包括中國在內的新興市場面臨經濟增速下滑的風險，但支持商品價格趨勢上漲的因素依然存在，只不過可能需要更長時間來演繹。

《投資者報》：除了QDII，量化基金也不錯。一季度，上證綜指漲2.88%，同期標準股基為0.31%，而按Wind分類的13只量化基金，平均業(yè)績?yōu)?.92%，大摩多因子基金取得7.65%的正收益，在量化基金中排名第一。量化基金何以成為震蕩市的贏家？

劉釗：在復雜多變的市場中，克服情緒影響、堅守理性投資才是制勝的關鍵。而量化基金恰恰是通過計算機的篩選，克服投資中的非理性因素，有計劃、有紀律、有原則地投資，不貪婪、不恐懼、不放棄，心平氣和地追求超額收益，避免了基金管理人的情緒干擾。

除了抗情緒干擾，量化投資的優(yōu)勢還在于有一套完整、科學的投資體系。以大摩多因子基金量化模型舉例，多因子量化基金將大量數(shù)據(jù)或實踐證明的有效策略通過數(shù)量化模型固定下來。進而按照模型指令，通過計算機將大量股票收集到一起統(tǒng)一分析，較傳統(tǒng)的研究員選股可覆蓋更廣泛的股票。在考察個股投資價值時，收集與計算多方面的數(shù)據(jù)和信息，分析體系更完整。同時，投資流程和分析方法高度科學，避免過分夸大的個體性事件，從數(shù)據(jù)與事實出發(fā)尋找價值。

嚴格的紀律性是量化投資區(qū)別于主動投資的重要特征。在基金運作中，我們的主觀判斷也會出現(xiàn)和量化模型相左的情況，但我們會堅持量化投資的紀律，相信模型判斷的長期穩(wěn)定性，不會盲目調整。

需要強調的是，與傳統(tǒng)偏股型基金不同，我們一季度的業(yè)績并不來自重倉股的業(yè)績拉升。大摩多因子采用獨特的投資組合管理方式，漸進動態(tài)調整基金組合。這樣不僅可順應瞬息萬變的市場，還可降低個股集中度，平穩(wěn)投資業(yè)績。因此，這種方式并不會產生傳統(tǒng)意義上的重倉股，也就大大降低了重倉個股的風險。

伴隨量化投資在國內的發(fā)展，量化基金也面臨更多挑戰(zhàn)。當越來越多的基金參與進來，特定因子就可能被更多地應用，其帶來超額收益的可能性也就降低了。因此，持續(xù)發(fā)掘新因子，不斷對模型進行優(yōu)化，也是量化基金長期制勝的密碼所在。

滬深300ETF玩法解密

《投資者報》：近期我們討論了多次滬深300ETF這一創(chuàng)新產品，ETF的本質在于一攬子股票和ETF份額的替換，所以實物申購贖回是其一個核心特征，實物申贖的運作到底有什么特點？

楊宇：更為透明，風險可控性更佳。對投資者來說，實物申購、實物贖回的運作模式，降低了大規(guī)模申購贖回造成基金經理被迫調整資產組合而形成被動的跟蹤誤差，因而其跟蹤效果要優(yōu)于普通的開放式指數(shù)基金。另外，作為期現(xiàn)套利成本的一部分，跟蹤誤差的降低有利于降低套利風險，在同等條件下使無套利區(qū)間收窄，提升套利操作的準確性和獲利能力。

第9篇：量化價值投資范文

股票走勢圖分析

1) 白色曲線：表示大盤加權指數(shù)，即證交所每日公布媒體常說的大盤實際指數(shù)。

2) 黃色曲線：大盤不含加權的指標，即不考慮股票盤子的大小，而將所有股票對指數(shù)影響看作相同而計算出來的大盤指數(shù)。

參考白黃二曲線的相互位置可知：

A)當大盤指數(shù)上漲時，黃線在白線之上，表示流通盤較小的股票漲幅較大;反之，黃線在白線之下，說明盤小的股票漲幅落后大盤股。

B)當大盤指數(shù)下跌時，黃線在白線之上，表示流通盤較小的股票跌幅小于盤大的股票;反之，盤小的股票跌幅大于盤大的股票。

3) 紅綠柱線：在紅白兩條曲線附近有紅綠柱狀線，是反映大盤即時所有股票的買盤與賣盤在數(shù)量上的比率。紅柱線的增長減短表示上漲買盤力量的增減;綠柱線的增長縮短表示下跌賣盤力度的強弱。

4) 黃色柱線：在紅白曲線圖下方，用來表示每一分鐘的成交量，單位是手(每手等于100股)。

5) 委買委賣手數(shù)：代表即時所有股票買入委托下三檔和賣出上三檔手數(shù)相加的總和。

6) 委比數(shù)值：是委買委賣手數(shù)之差與之和的比值。當委比數(shù)值為正值大的時候，表示買方力量較強股指上漲的機率大;當委比數(shù)值為負值的時候，表示賣方的力量較強股指下跌的機率大。

股票分析方法

技術分析

技術分析是以預測市場價格變化的未來趨勢為目的，通過分析歷史圖表對市場價格的運動進行分析的一種方法。技術分析是證券投資市場中普遍應用的一種分析方法。

所有的技術分析都是建立在三大假設之上的。

一、市場行為包容消化一切。這句話的含義是：所有的基礎事件--經濟事件、社會事件、戰(zhàn)爭、自然災害等等作用于市場的因素都會反映到價格變化中來。二、價格以趨勢方式演變。三、歷史會重演。

《股市趨勢技術分析》是技術分析的代表著作。初版1948年，作為經典中的經典、技術分析的權威之作，《股市趨勢技術分析》至今仍牢牢處于無法超越的地位。

基本分析

基本分析法通過對決定股票內在價值和影響股票價格的宏觀經濟形勢、行業(yè)狀況、公司經營狀況等進行分析，評估股票的投資價值和合理價值，與股票市場價進行比較，相應形成買賣的建議。

演化分析

演化分析是以演化證券學理論為基礎，將股市波動的生命運動特性作為主要研究對象，從股市的代謝性、趨利性、適應性、可塑性、應激性、變異性和節(jié)律性等方面入手，對市場波動方向與空間進行動態(tài)跟蹤研究，為股票交易決策提供機會和風險評估的方法總和。

量化分析法

量化分析法是利用數(shù)學和計算機的方法對股票進行分析，從而找出漲跌的概率，將量化分析方法設定為:

a. 趨勢判斷型量化投資策略

判斷趨勢型是一種高風險的投資方式，通過對大盤或者個股的趨勢判斷，進行相應的投資操作。如果判斷是趨勢向上則做多，如果判斷趨勢向下則做空，如果判斷趨勢盤整，則進行高拋低吸。這種方式的優(yōu)點是收益率高，缺點是風險大。一旦判斷錯誤則可能遭受重大損失。所以趨勢型投資方法適合于風險承受度比較高的投資者，在承擔大風險的情況下，也會有機會獲得高額收益。

b.波動率判斷型量化投資策略

判斷波動率型投資方法，本質上是試圖消除系統(tǒng)性風險，賺取穩(wěn)健的收益。這種方法的主要投資方式是套利，即對一個或者N個品種，進行買入同時并賣出另外一個或N個品種的操作，這也叫做對沖交易。這種方法無論在大盤哪個方向波動，向上也好，向下也好，都可以獲得一個比較穩(wěn)定的收益。在牛市中，這種方法收益率不會超越基準，但是在熊市中，它可以避免大的損失，還能有一些不錯的收益。

股指期貨套利是在股票和股指期貨之間的對沖操作，商品期貨是在不同的期貨品種之間，統(tǒng)計套利是在有相關性的品種之間，期權套利則是在看漲看跌期權之間的對沖。

看過“如何觀看股票走勢”的人還看了：

1.如何看股票走勢圖視頻

2.怎么看懂股票走勢圖

3.怎么根據(jù)大盤走勢看個股