量化投资分析报告.docx
《量化投资分析报告.docx》由会员分享，可在线阅读，更多相关《量化投资分析报告.docx（21页珍藏版）》请在冰豆网上搜索。
量化投资分析报告
1.概述
量化投资在国外的实践已经有了40多年的发展，我国的量化投资起步较晚，从2004年开始出现量化投资的产品，由于缺乏有效的对冲手段，直到2010年4月沪深300股
指期货上市之后才能算是真正意义上开始涉足量化投资。
2015年的中国股市跌宕起伏，杠杆配资引发了大幅上涨和断崖式下跌，股市出现罕见的千股涨停、千股跌停、千股停牌的奇观，众多机构投资者和散户蒙受了巨大的损失。
但其中少数量化投资基金在大幅波动的市场中却表现相对稳定。
量化投资基金和量化对冲策略的稳健，很快引起了全市场的关注，也成为近期银行、券商、信托等机构追捧的新的产品模式。
在此背景下，结合建行现有的业务体系，本文将对量化投资的市场和可行性进行全面阐述，以分析其成为新业务模式的可能。
量化投资解读
量化投资定义
量化投资在学术界并没有严格统一的定义，现有的定义对于量化投资的定义的侧重点各有不同。
本文对于量化投资的定义为：
量化投资是借助现代统计学和数学的方法，利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的量化策略来指导投资，以求获取可持续的、稳定且高于市场平均的超额回报。
量化投资的特点客观执行，避免情绪因素
传统投资的分析决策，大多数方面都由人工完成，而人并非能做到完全理性，在进行投资决策时，很难不受市场情绪的影响。
量化投资运用模型对历史和当时市场上的数据进行分析检测，模型一经检验合格投入正式运行后，投资决策将交由计算机处理，一般情况下拒绝人为的干预，这样在进行投资决策时受人的情绪化的影响将很小，投资过程可以做到理性客观。
支持大数据处理，提高决策效率
我国股票市场上有近3000只股票，与上市公司相关的各种信息纷繁复杂，包括政策、国内外经济指标、公司公告、研究报告等，投资者靠自己手工的筛选根本就是力不从心。
量化投资的出现为这个问题的解决带来了希望。
量化投资运用计算机技术快速处理大量数据，对其进行辨别、分析、找出数据之间的关联并做出投资决策，大大减少了人工工作量，提高了投资决策效率。
统计模型支撑，策略选股择时精准
传统的投资方法中认为投资是一门艺术，投资决策需要的是投资者的经验和技术，投资者的主观评价起到决定作用。
而量化投资有所不同，尤其是在套利策略中，它能做到精准投资。
例如在股指期货套利的过程中，现货与股指期货如果存在较大的差异时就能进行套利，量化投资策略和交易技术会抓住精确的捕捉机会，进行套利交易来获利。
另外，在控制头寸规模方面，传统的投资方法只能凭感觉，并没有具体的测算和界定，而量化投资必须要设定严格精确的标准。
程序化交易，缩短决策与交易时滞
量化投资往往利用高速计算机进行程序化交易，与人脑相比它能够迅速发现市场存在的信息并进行相应的处理，具有反应快速、把握市场稍纵即逝的机会的特点。
量化投
资在速度上最出色的运用就是高频交易，与低频交易相对，高频交易是通过高速计算机，在极短的时间内对市场的变化做出迅速的反应并完成交易。
能够有效地控制风险
与传统投资方式不同的是，量化投资在获得较高超额收益的同时能够更好地控制风险，业绩也更为稳定。
相关研究显示，1996年至2005年期间，量化投资基金与以所有传统主动型投资基金和偏重于风险控制的传统主动型投资基金的信息比率对比情况中，量化投资基金的信息比率都是最高，说明量化投资相对于传统投资，能够在获得更高的超额收益的同时，有效地控制风险。
量化投资的应用量化投资几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、统计套利、算法交易和资产配置等。
量化选股
量化选股就是采用数量的方法判断某个公司是否值得买入的行为。
根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。
量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类。
量化择时
股市的可预测性问题与有效市场假说密切相关。
众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分。
股指期货套利
股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同（但相近）类别股票指数合约交易，以赚取差价的行为，股指期货套利主要分为期现套利和跨期套利两种。
商品期货套利：
商品期货套利盈利的逻辑原理是基于以下几个方面：
（1）相关商品在不同地点、不同时间对应都有一个合理的价格差价；
（2）由于价格的波动性，价格差价经常出现不合理；
（3）不合理必然要回到合理；
（4）不合理回到合理的这部分价格区间就是盈利区间。
统计套利
统计套利是利用证券价格的历史统计规律进行套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。
统计套利在方法上可以分为两类，一类是利用股票的收益率序列建模，目标是在组合的β值等于零的前提下实现alpha收益，我们称之为β中性策略；另一类是利用股票的价格序列的协整关系建模，我们称之为协整策略。
算法交易
指通过使用计算机程序来发出交易指令。
在交易中，程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。
根据各个算法交易中算法的主动程度不同，可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。
资产配置
指资产类别选择，投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。
量化投资管理将传统投资组合理论与量化分析技术的结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。
量化投资与传统投资的区别
传统的投资方法主要有基本面分析法和技术分析法这两种，注重人为的分析和投资者的感觉，而量化投资主要依靠数学模型来寻找投资标的和投资策略。
量化投资是由计算机自动产生交易策略的一种投资方法，通过建立数学模型来实现交易理念，它具有完整的评价体系。
模型建立后，通过对历史数据进行回测检验，确定模型在各个行情阶段均能有效运行，实现盈利。
因此量化投资较传统投资更准确、更高效、更理性。
量化投
资与传统投资对比如下图：
量化投资
传统投资
代表人物
詹姆斯·西蒙斯
沃伦·巴菲特
分析方法
依据科学模型
依据人的经验与判断
信息来源
海量数据以及多层次多方面的因
素（定量分析）
基本面及宏观经济（定性分析）
投资风格
投资周期偏向短期
投资周期偏向长期
投资标的
分散化
投资于某一只或少量股票
风险处理
在风险最小化前提下实现收益最
大化
风险考虑不周全
2.行业发展状况
国外篇
国外量化投资的兴起和发展主要可以分为三个阶段：
第一阶段（1971——1977）
1971年，世界上第一只被动量化基金由巴克莱国际投资管理公司发行，1977年世
界上第一只主动量化基金业是由巴克莱国际投资管理公司发行，发行规模达到70亿美元，算是美国量化投资的开端。
第二阶段（1977——1995）
从1977年到1995年，量化投资在海外经历一个缓慢的发展，这其中受到诸多因素的影响，随着信息技术和计算机技术方面取得巨大进步，量化投资才迎来了其高速发展的时代。
第三阶段（1995——至今）
从1995到现在，量化投资技术逐渐趋于成熟，同时被大家所接受。
在全部的投资中，量化投资大约占比30%，指数类投资全部采用定量技术，主动投资中，约有20%——30%采用定量技术。
数据显示2016年，量化科技在国外的理财产品管理规模已达到了万亿美元，而通过计算机和数字模型进行下单和下达指令的比例达到了惊人56%。
量化投资基本实现了从最初的技术分析手段，逐渐发展演变为如今有金融理论支撑的金融设计工具，以计算机程序算法主导的高频交易。
国外量化投资的代表企业及人物：
量化投资的鼻祖——巴克莱国际投资管理公司（BGI）。
1971年，巴克莱国际投资管理公司发行了世界上第一只被动量化基金，1977年，巴克莱国际投资管理公司发行了世界上第一只主动量化基金，发行规模30亿美元。
巴克莱国际投资管理公司的投资管理规模从1977年的30亿美元逐渐发展到2010年上半年的2万5千亿美元，高居全球资产管理规模的榜首
指数化投资的倡导者和实践者——先锋集团。
先锋集团于1974年由约翰·鲍格尔（JohnBogle创）立是世界上第二大基金管理公司。
同时，先锋集团是世界上最大的不收费基金家族，现在在全世界管理着3700多亿美元的资产。
“赢在投研”——富达投资集团。
富达投资集团是全球最大的基金管理公司之一，拥有者许多世界级的明星基金经理，分支机构遍布全球23个国家和地区，全球雇员4万人。
“最赚钱的基金经理”——詹姆斯·西蒙斯，文艺复兴科技公司创始人采用数学模型和计算机技术进行投资决策，他所管理的大奖章基金从1989年到2006年平均年收益率高达%，净回报率超过股神巴菲特。
“定量分析之王”——大卫·肖，1988年以2800万美元在纽约创立德劭集团，20年中，集团所管理的基金资产规模敏捷膨胀，年均回报率高达20%，其最巅峰时期的生意量可以占到整个纽约证券生意的5%。
国内篇
量化投资在国外已经有30多年的历史，但直到21世纪初，我国普通投资者仍对量化投资几乎一无所知。
量化投资起步较晚的主要原因为：
A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟；我国证券市场效率低下，量化投资效果不明显；国内市场对冲工具单一，可量化的标的过少；受到交易规则的限制，量化投资不能充分发挥作用，很难引起人们重视。
随着国内金融衍生产品市场的不断发展，定性分析越来越不能满足投资需求，与此同时资本市场制度不断完善，A股市场的股票数量不断增加，基金规模不断扩大，基本面研究成本提高，使量化投资的出现成为必然
2010年4月股指期货的出台，标志着量化投资在国内市场的发展进入一个全新的阶段。
首先，各大机构都在积极组建量化投资的团队、研究量化投资的策略，很多量化基金产品层出不穷，尤其是在传统投资基金业绩不佳的情况下，很多利用量化投资策略的基金产品获得了相当不错的收益率。
其次，随着融资融券、股指期货、转融通等业务相继推出，券商资管量化投资十分火热。
国信、华泰、长江、国泰君安等各大券商都在发力量化投资产品研究，在我国百余家券商中，已有38家券商资管发行量化产品。
同时已有国泰安金融学院，北京大学汇丰商学院，上海交通大学安泰管理学院投入数百万开设了专业的量化投资金融实验室，并开办了量化投资高级研修班，为国内量化投资的市场发展提供了良好的学术和实战环境。
2015年，上证50ETF期权于2月9日正式推出，这对于对我国的量化投资有着极大的促进作用。
4月16日，上证50与中证500两只股指期货新品种的上市给量化投资带来更多的策略的运用，金融衍生品的不断丰富和发展，为量化投资提供更多的丰富对冲手段，也提供了更多的套利机会。
我国第一只量化基金成立已有12年历史，此后几年量化基金发展较为缓慢，至2011年末市场上仅有15只量化基金，而近两年量化基金发展较快，截至2016年市场共有123只量化基金相继设立（不含指数型、增强指数型和QDII基金）。
从规模来看，在2015年量化基金的规模翻了一番，2016年规模增速稍有下滑，截至2016年年底量化基金总规模超1000亿元，行业仍处于快速扩张期。
总的来说，量化投资在国内进行一个短暂的适应性过渡后，已经开始步入高速发展的初级阶段了。
3.量化投资市场分析
市场现状
目前从事量化投资主要有两种商业模式，一种是提供量化商业平台服务，可全方位为投资机构提供最专业的技术和产品支撑，当前市场上知名的量化平台提供商主要有文华财经、金之塔、交易开拓者（TB）、国泰安、龙软DTS、天软等，它们大多具有金融IT背景，尤其以期货行情、交易软件开发商居多。
另一种就是建自有平台，搭建一套覆盖策略研究、回测、模拟交易全流程的量化平台，主要以优矿（通联）、聚宽（JoinQuant）、京东量化、米筐、诸葛量化、果仁和盈时为代表。
平台名称
产品上线
时间
产品服务
客户群体
量化标的
盈利模式
国泰安
2009
提供涵盖股票、期货、
专业机构客
股票、期
机构合作
债券市场的数据、策略
户
货、债券
分佣，出售
研究、回测、模拟、正
系统及系
式交易等全套解决方
统维护费
案。
龙软DTS
早于2011
同上
同上
同上
出售系统
及系统维
护费。
天软科技
早于2011
同上
同上
同上
同上
文华财经
主要提供数据、平台服
个人投资者、
股票、期
平台使用
务，根据客户的特点需
中小投资机
货
年费
求编写策略。
构
金之塔
同上
同上
股票、期
同上
货
交易开拓者
早于2012
同上
同上
股票、基
交易佣金
（TB）
金、期货
诸葛量化
2014
选取参数，自动生成策
有经验的
股票
会员费用
略
quant
优矿（通联）
提供编码环境，编译代
刚入门的
股票、基
暂未获取
码生成策略
quant，有编
金、期货
程基础
聚宽
选取参数，自动生成策
有经验的
股票、基
会员费用、
（JoinQuant）
略；提供编码环境，编
quant
金、期货
策略交易
译代码生成策略
费用
果仁、
选取参数，自动生成策
一般投资者
股票、基
会员费用
略
金
京东量化
2015
选取参数，自动生成策
同上
股票、基
暂未获取
略；提供编码环境，编
金、期货
译代码生成策略
米筐
提供编码环境，编译代
有经验的
股票、基
暂未获取
码生成策略
quant
金、期货
盈时
选取参数，自动生成策
略
期货投资者
期货
服务费
产品分析
随着金融科技（Fintech）时代的到来，中国金融业正经历着一场新的变革，并且这场变革不断升级。
中国的金融科技行业由原来注重流量和模式的时代，升级为以人工智能技术为主导，数据为驱动力的时代。
量化投资借力人工智能技术，运用现代统计学和数学的方法，从大量的历史数据中寻找并搭建获得超额收益的投资策略，服务于个人投资者和机构，也成为了金融科技新时代的领军者。
目前量化投资平台的业务模式主要有两种，一种是给用户提供编码的环境，让用户通过代码编译生成策略，其用户群体均拥有良好的编程基础，具备一定的专业技能，当前主流编程语言包括Python、Java、MATLAB和R。
以聚宽为例进行说明，其交互界面如下图所示：
左侧为代码编译区域，用户在此处将股票指标用代码表示出来，确立逻辑关系，编译完成后进行编译运行，如下图所示：
在右侧上方显示编译运行结果，包括策略收益走势图、最大回撤和相关收益指数，下方显示日志和报错信息，用来检验策略的正确性。
点击运行回测，如下图所示：
显示该策略运行的详细情况，包括收益值、持仓明细和交易记录等信息，这样就成功的创建了一个策略，策略可以导入实盘进行模拟交易。
其它类似的代码编译平台，如米筐、优矿等，业务模式和聚宽基本一致。
另外一种就是无编码模式，平台提供量化多因子让用户进行选择，这些量化因子包括但不限于行情指标、技术指标、财务指标和财报数据，用户通过选择搭配各指标数据，进而生成策略模型，其用户群体以个人投资者为主。
以果仁为例进行说明，其大体业务流程如下图所示：
其首页交互界面如下图所示：
第一步：
选择创建策略模型，包括股票策略、基金策略和策略组合。
股票策略和基金策略是指生成一个标的为股票或者基金的量化策略；策略组合是指添加多个策略，通过回测分析，计算策略之间的收益相关度，寻求达到最优收益的策略组合；交互如下图，
第二步：
择股设置（默认创建股票策略），是对量化标的的分类变量和数字变量进行设置。
分类变量设置包括对指数成分、板块、行业、所处交易所等信息进行选择，交互如下图，
数字变量设置包括对行情、技术指标、财务指标、财报条目、公司事件、情绪和大盘指标的设置。
行情指标有股票价格、成交额、成交量等，交互如下图，
技术指标有乖离率、波动率、MA、KDJ、RSI等，交互如下图，财务指标有估值、清偿能力、盈利能力、营运效率和成长能力等，交互如下图，财报条目有营业收入、营业支出、收益利润、负债和权益等，交互如下图，公司事件有高管增持、未解禁股本、业绩预告和重大事项违规处罚等，交互如下图，情绪有分析师情绪指数、重仓基金数和重仓基金持有比例，交互如下图，大盘指标有指数指标和交易日历指标，交互如下图，
对所选指标进行参数设置，设置比较符、区间和排名，也可以对指标进行删除和勾选操作，交互如下图，
点击选择选股指标，生成排名条件，策略模型按照排名条件购买股票，若无排名，则优先买入成交额大的股票，交互如下图，
第三步，交易模型设置，是对策略买卖股票的时机进行设置，分为定期轮动和条件触发。
定期轮动模型可以设置调仓周期、调仓时点、空闲资金配置、最大持仓股票数、备选买入股票数和个股最大买入仓位等信息，设置完成后，在每一个调仓日，果仁策略卖出仓内的所有股票，并依据调仓日前一交易日的数据，选出股票等权重买入。
如果选出的股票已经在仓内，这支股票的仓位也会被重新调整成和其它股票一样的仓位，但如果这只股票因为停牌或涨停跌停无法调整仓位，则仓位保持不变。
交互如下图，条件触发模型可以设置调仓周期、调仓时点、空闲资金配置、新股理想仓位、个股仓位范围、最小建仓仓位和备选股票数等信息。
同时可以对新股买入附加限制条件，包括排名名次、仓内同行业股票数和调仓日交易非跌停，也可以自定义条件。
设置完成后，在每一个调仓日，卖出满足卖出条件的股票，把余下的资金等权重买入符合买入条件的新股票。
必须满足所有条件，才会自动买入该股票。
交互如下图，卖出条件设置包括排名名次、持有天数、止损止盈，也可以自定义条件，设置完成后，当有股票收益排名靠后，或者超过持有天数，达到止损止盈，只要满足一个触发条件会被卖出。
交互如下图，
不卖条件设置包括持有天数、调仓日交易时涨停和调仓前一日收盘涨停，也可以自定义条件，设置完成后，仓内股票只要满足一个不卖条件就会继续持有，不管是否满足卖出条件，不卖条件优先级高于卖出条件。
交互如下图，
第四步，大盘择时，用户使用大盘择时能够有效减小由整体市场波动带来的风险，减小策略收益的最大回撤率，为可选项，默认为不择时。
使用择时模板，决定策略总体持股仓位，包括指标选择和择时条件设置。
交互如下图，
择时条件编辑如下图所示，
自定义择时公式，如下图，
第五步，股指对冲，使用股指对冲可以分析回测策略对冲股指期货以后的收益情况。
为可选项，默认为不对冲。
选择使用对冲，则包括对对冲基金、对冲比例、对冲比例校准周期、保证金比例和月贴水率进行设置。
交互如下图，
第六步，完成以上五步，就成功创建了一个策略，用户可以对策略进行回测、每日选股和实时选股，也可以对选出的股票进行排名分析。
选择策略回测，对回测时间、收益基准和交易费用进行设置，点击开始回测，如下图所示，
回测显示信息包括收益曲线、相关收益值、持仓明细和交易记录等，用户可以通过对比基准收益来调整指标值，进行策略优化。
选择每日选股，可以根据模型的选股设置，在历史上任何一天选股，如下图所示，
选择实时选股，根据以上模型的选股设置，使用实时行情选股。
选择排名分析，对筛选出的所有股票，按照排名条件划分成N组，对比每组的收益。
排名分析展示所有股票按排名分段的收益情况，提供择股策略全局有效性分析。
其它类似的量化因子选择平台，如盈时、诸葛量化等，业务模式和果仁基本一致。
4.量化投资模块建立的必要性为专业投资者提供专业服务
目前市场上的投资者大致可以分成三个等级，分别是普通投资者、中级投资者和高级投资者。
建行投资服务体系中的智能投顾主要适用于普通投资者和部分中级投资者，资产比较庞大的客户通常会选择私人银行进行服务，如下表所示：
由表可知，当前的投资服务体系并没有完全覆盖所有客户群，部分中级投资者和大部分的高级投资者并没有相匹配的服务，而这部分客户却显得非常重要，因其具备投资理念和投资经验，一旦提供完善的服务体系，他们会进行持续而稳定的投资
量化投资模块能够提供良好的编码环境和全面的量化指标选择体系，投资者可以将成熟的投资理念在模块中表达出来，通过编程语言进行编译或者选择量化指标进行建模，形成一个策略模型，对该策略进行回测分析和优化，最终可以得到一个用于实盘操作的投资策略。
由此可见，建立一个成熟的量化投资模块可以完善当前的服务体系，覆盖所有客群，满足专业投资者的投资需求。
受投资者追捧
微量网2014年1月上线以来，截至目前实盘运行策略2323个，累计成交金额超过
193亿；
米筐2014年12月上线，目前已有超过50万的注册用户；
聚宽2015年8月上线到现在活跃用户已接近80000人，累计超过60万个量化策略生成。
种种迹象表明，量化投资被越来越多的投资者所青睐，这必将成为最流行的投资方式。
众多机构参与，重视发展前景
最近两年来，越来越多的机构正在加快进入量化投资市场的步伐，它们看中量化投资良好的发展前景，积极寻求第三方量化平台进行合作或投资，打造专业化的量化交易和研究服务平台，如下表所示：
时间
机构（投资方）
第三方平台
事件
华睿资本、XX
Ricequant米筐
米筐获得华睿资本和XX
2500万元的A轮融资
汇垠澳丰股权投
量财富
量财富宣布完成1亿元A轮融
资基金
资
峰谷资本、启迪之星、WeroadshowLimited（微路演）
烯牛数据（Rhino
Data）
大数据量化投资服务商烯牛数据（RhinoData）宣布获得800万元天使轮投资
广发证券
聚宽
上线国内首家券商版量化交
易平台
中信证券
优矿
发布覆盖投资全流程的量化
研究和交易平台
第一创业证券
Ricequant米筐
推出服务于个人的量化终端
——RQLite以及服
升级会员 