前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇量化投資與分析范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

量化投資與分析范文第1篇

盡管量化投資已經成為市場投資的發展趨勢,但是大多數投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數學模型,而賺錢的投資模型都是機構的秘密武器,不會輕易披露。另一方面是由于量化投資采用計算機系統,設計各種交易手段,有著較為復雜的數學計算與技術要求,現在許多量化投資都是計算機自動執行的程序交易。另外,量化交易者,俗稱寬客(quants)的交易和故事多多少少增加了量化投資的神秘感。所以,人們一般把量化投資稱為“黑箱”。納蘭(Narang,R.,2012)描述了量化交易系統的典型構造,打開了量化投資的“黑箱”。納蘭認為阿爾法模型用來預測市場未來方向,風險控制模型用來限制風險暴露,交易成本模型用來分析為構建組合產生的各種成本,投資組合構建模型在追逐利潤、限制風險與相關成本之間做出平衡,然后給出最優組合。最優目標組合與現有組合的差異就由執行模型來完成。數據和研究部分則是量化投資的基礎:有了數據,就可以進行研究,通過測試、檢驗與仿真正確構建各個模型。預測市場并制定策略是量化投資的核心,即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發展,量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為,如期現套利組合、市場異象研究中的差價組合等。統計套利策略是經典的量化投資策略,如匹配交易或攜帶交易。近年來,高頻交易成為量化投資的重要內容,基于高速的計算機系統實施高頻的程序交易已經是量化投資的重要利器。丁鵬(2012)將量化投資的主要內容分為以下幾個方面:量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優勢在于:紀律性、系統性、及時性、準確性和分散化。

二、量化投資“黑箱”中的構造與證券投資學的差異

在傳統的證券投資學中,投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想,后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類,而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看,量化投資既不是基本面分析,也不是技術分析,但它可以采用基本面分析,也可以采用技術分析,關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示,本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。

(一)資產定價與收益的預測

根據組合優化理論,投資者將持有無風險組合與市場風險資產組合,獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合,認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價,超過的部分就是超額收益,即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻。基于因素模型的套利定價理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中,法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考。可以說,在因素定價方面,量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇,證券投資學認為,對資產價格的影響,長期應主要關注基本面因素,而短期應主要關注市場的交易行為,即采用技術分析。在量化投資中,主要強調按照事先設定的規則進行投資,這在一定程度上與技術分析類似。但是,在技術分析中,不同的人會有不同的結論,而量化投資則強調投資的規則化和固定化,不會因人的差異而有較大的不同。另外,量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。

(二)無套利條件與交易成本

在證券投資學里,流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券,投資者可以自由買賣證券。這主要是為了保證各種交易都能實現,如套利交易。根據套利定價理論,一旦市場出現無風險的套利機會,理性投資者會立即進行套利交易,當市場均衡時就不存在套利機會。現實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中,對市場中套利限制與非流動性的關注較少,這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下,金融資產交易的過程及其結果,旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中,不同的市場微觀結構對市場流動性的沖擊是不同的。因而,從量化投資的角度看,為了降低交易帶來的價格沖擊,能實施量化投資策略的證券往往都應有較好的流動性,因為交易時非流動性直接影響投資策略的實施。從這個意義上講,量化投資時的交易成本不僅包括交易費用,更主要的是要考慮市場交易沖擊的流動性成本。

(三)風險控制與市場情緒

在證券市場中,高收益與高風險相匹配。量化投資在追求高收益的同時,不可避免地承擔了一定的風險。在證券投資學中,系統性風險主要源于宏觀經濟因素,非系統性因素則主要源于行業、公司因素,并且不考慮市場交易行為的影響。在量化投資中,較多地使用因素定價模型,不僅會考慮市場經濟因素,而且會考慮交易行為等因素,只是不同的模型有不同的側重點,在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外,量化投資還有自身不可忽視的風險源。一方面,量化交易中,部分交易是采用保證交易的期貨、期權等衍生品交易,這種杠桿交易具有放大作用,隱藏著巨大的風險。另一方面,市場沖擊的流動性成本也是量化投資的風險控制因素,理所當然地在圖1的風險控制模型中體現出來。另外,在一般的投資過程中,市場情緒或多或少會成為風險控制的一個對象。然而,在量化投資中,更多的交易都是通過計算機來實現的,如程序交易等,這樣以來,投資者情緒等因素對投資決策的影響相對較小。所以,在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒,主要是通過承擔適度的風險來獲得超額回報,因為畢竟減少風險也減少了超額回報。

(四)執行高頻交易與算法交易

在對未來收益、風險和成本的綜合權衡下,實現投資策略成為量化投資的重要執行步驟。為了達到投資目標,量化投資不斷追求更快的速度來執行投資策略,這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里,技術分析認為股價趨勢有長期、中期和短期趨勢,其中,長期和中期趨勢有參考作用,短期趨勢的意義不大。然而,隨著計算機信息科技的創新,量化投資策略之間的競爭越來越大,誰能運作更快的量化模型,誰就能最先找到并利用市場錯誤定價的瞬間,從而賺取高額利潤。于是,就誕生了高頻交易:利用計算機系統處理數據和進行量化分析,快速做出交易決策,并且隔夜持倉。高頻交易的基本特點有:處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略:自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法:產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行,目前“算法交易”比較流行。算法交易

優化買賣指令的執行方式,決定在給定市場環境下如何處理交易指令:是主動的執行還是被動的執行,是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。 三、對量化投資在證券投資教學中應用的思考

從上述分析可以知道,量化投資的“黑箱”構造與證券投資學之間存在一定的差異,因此,在證券投資的教學中應當考慮量化投資發展的要求。

(一)市場微觀結構與流動性沖擊

在理性預期和市場有效假說下,市場價格會在相關信息披露后立即調整,在信息披露前后市場有著截然不同的表現。在證券投資學里,一般認為價格的調整是及時準確的,然而,現實的世界里,價格調整需要一個過程。在不同的頻率下,這種價格形成過程的作用是不同的。在長期的投資中,短期的價格調整是瞬間的,影響不大。然而,在高頻交易中,這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型:存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響,解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程,認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型,這些市場微觀結構的研究加強了流動性與資產價格之間的聯系,強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容,因而,為了加強證券投資學的實用性,應關注市場微觀結構的內容與發展。

(二)業績評價與高杠桿

對于證券組合而言,不僅要分析其超額收益和成本,還要考慮其風險與業績。在組合業績評價中,一方面要考慮風險的衡量,另一方面則要分析業績的來源。在證券投資學中,組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言,市場時機和管理者的能力依然重要,然而,量化投資的業績評價還應考慮另一個因素:高杠桿。量化交易中,部分交易是采用保證交易的期貨、期權等衍生品交易,這種杠桿交易具有放大作用,在市場好的時候擴大收益,但在市場不好的時候會加速虧損,這些與傳統的業績評價就不太一樣。在一般的證券投資學里,業績評價主要考慮經風險調整的收益,很少考慮其杠桿的作用,這不僅忽略了杠桿的貢獻,而且有可能夸大了投資者的技能水平。

(三)人為因素與模型風險

在量化投資中,非常注重計算機對數據和模型的分析,這突出了量化投資的規則性和固定性。然而,實際中,別看量化采用了各種數學、統計模型,但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究,并借助計算機實施策略,能夠消除很多認為的隨意性。但是,量化策略畢竟體現投資者的交易理念,這一部分依賴于投資者的經驗,一部分依賴于投資者對市場的不斷觀察與更新。實際上,人始終處于交易之中,對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性:決策實施依賴于人的設定,而人的設定不僅依賴于經驗,而且人還會犯錯。人之所以會犯錯,一方面是因為人們對市場的認知是不完全的,另一方面則是人們使用了錯誤的模型。經典的證券投資理論中,股票價格的變動被認為是隨機的,小概率事件出現的機會比較小,但是經驗研究表明股票收益率具有肥尾現象,小概率事件發生的機會超出了人們原先的認識,即市場還會出現“黑天鵝”。更為關鍵的是,量化投資更依賴數學和統計模型,這就使得量化投資存在較大的模型風險,即使用了錯誤的模型。為了防范模型風險,應采用更為穩健的模型,即模型的參數和函數應該適應多種市場環境。近年來,研究表明,證券收益及其與風險因素的關系存在較大的非線性,同時,市場中存在一定的“噪聲”,采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。

量化投資與分析范文第2篇

關鍵詞：量化基金；數量化投資；量化策略

中圖分類號：F832.51 文獻標識碼：A doi:10.3969/j.issn.1672-3309（x）.2011.11.38 文章編號：1672-3309（2011）11-84-02

近年來，隨著我國資本市場的不斷發展，數量化投資在國內越來越受到關注。國內機構投資者逐漸增加量化分析在投資中的應用。在基本面投資的基礎上應用數量化策略,成為投資領域發展的新趨勢。國內的基金公司在這股潮流下也紛紛推出自己的量化基金產品。

依據資訊商wind的顯示，截至2011年9月底市場上一共有14只不同類型的量化基金。

一、國內量化基金的發展

據統計，國外定量投資在全部投資產品中的份額中占30%以上，主動投資產品中大約有20-30%使用量化技術。與國外市場相比，國內基金無論數量還是規模都要小很多。國內大部分量化基金都是在2008年金融危機之后才陸續推出。目前市場上有65家基金公司，正式推出量化基金的也只有13家。

自開始兩只量化基金成立后，2006-2008年期間市場上沒有任何新的量化基金成立，之后又呈現出一個快速增長的態勢。為什么國內量化基金的發展會有如此特點？分析一下其中原因，筆者認為有如下幾點：

（一）國內資本市場的發展為量化投資準備了必要條件。2005年以來，證券市場發生了一系列變化：股權分置改革完成、IPO擴容，賣方量化研究能力提高、股指期貨及融資融券的推出等。如何在眾多的上市公司中迅速、有效地選擇投資目標，降低調研和投資成本，成為機構投資者面對的新問題。而通過用量化手段，分析、歸納出相對客觀的選股模式，發掘內在的驅動因素，正是量化選股的優勢所在。正是在這樣的環境下，機構投資者開始重視起量化投資來。作為證券市場上的賣方，券商紛紛在自己的金工團隊基礎上成立數量化研究團隊，推出了大量量化策略報告和量化投資方面的服務（如程序化交易服務）。一些陽光私募基金也開始成立。公募基金作為市場的領頭羊，自然在量化投資方面不甘落后，招兵買馬為發行量化基金做準備。

（二）國外量化基金的優異表現吸引了眾人的目光，特別是2008年金融危機期間，量化基金的優異表現吸引了更多的人關注。當時大部分基金都虧損嚴重，但部分采用量化策略的基金卻獲得了非常好的收益。詹姆斯?西蒙斯管理的大獎章基金的年均凈回報率高達35%，成為量化基金中令人眼紅的明星。國內基金公司正是抓住投資者對量化基金的興趣，適時推出各自的量化基金產品。

（三）人才隊伍的積累，為國內量化基金的推出提供了可能。量化基金是一個舶來品，熟悉量化基金管理的人才在國內相當缺乏。光大保德信和上投摩根之所以能較早推出其量化基金，關鍵在于其外方股東的支持，其產品采用的是其外方股東提供的量化投資方法。而當時國內的本土基金則缺乏這方面的人才，自然沒有實力推出量化基金產品。但金融危機給了國內基金行業機會，危機之后很多國外的投資人才回到國內，他們也帶來的國外的一些先進的量化投資知識和經驗。目前市場上量化基金經理絕大多數均是有海外背景的。

二、國內量化基金的量化技術

通過基金的招募說明書，我們可以將市場上目前量化基金采用的數量化模型和模型主要使用的選股指標羅列出來。

我們無法了解各基金量化模型的詳細內容，但從表2可以看出，目前國內基金采用的模型多是側重于選股的。其中多因子模型應用最多，通過多因子模型篩選出被低估的股票，進行價值投資是大部分基金所采用的量化方法。這一情況也與海外情況類似。

三、國內量化基金收益及績效

本文選取了成立以來、最近1年（20100930-20110930）、今年以來這3個時間段來從收益和績效兩個方面對市場上量化基金進行對比。通過比較，我們可以看到富國滬深300、光大保德信核心和中海量化策略這三支基金表現相對較好。但從總體上來說，國內量化基金表現還不是很突出，各只業績差距也很大。

四、影響國內量化基金發展的因素

國內量化基金的發展畢竟要取決于證券市場的大環境，隨著股改的結束、股指期貨的推出，市場環境相比之前更有利于量化投資的發展，但仍然有很多的約束，如衍生產品的缺乏，對基金公司、保險公司投資的約束，這些都制約了機構投資者在量化投資方面施展拳腳的空間。當然，我相信隨著中國資本市場的發展，這些情況在未來會逐步改善。

數量化模型的應用需要結合實際的市場環境，國內量化投資水平的提高，不能依靠引進模型，最關鍵的還是要結合本土的實際情況，開發適合國內市場的模型。量化技術的本土化發展是未來量化基金發展的關鍵，只有設計出符合國內市場環境并能取得不錯業績的量化模型，投資者才能真正認同量化基金。

另外，基金的考核機制也是影響量化基金發展的一個重要因素。量化基金因其特殊性，其績效考核與普通基金會有不同。設定一個合理的基金考核制度，給其一個寬松的投資環境，只有這樣量化基金才能更加健康的發展。

參考文獻：

[1] 數量化投資的解讀及其本土化―量化基金專題研究之一[R].聯合證券，2009-11-17.

[2] 影響量化基金業績的主要因素[R].海通證券，2009-10-28.

量化投資與分析范文第3篇

關鍵詞：量化；投資；基金

數量化投資（以下簡稱量化投資）作為一種新興的投資方法出現于20世紀50年代，千禧年后蓬勃發展，截至2008年，該類投資基金占美國證券市場份額的30%。

近年來，量化投資在中國漸漸引起重視，光大保德信基金、上投摩根基金、嘉實基金、中海基金、長盛基金、華商基金和富國基金等，先后推出了自己的量化基金產品。不少基金公司國內外廣攬數量化投資人才，一股“量化基金”的熱潮悄然掀起。

正如定性投資的偶像巴菲特一樣，量化投資領域的傳奇人物為詹姆斯 西蒙斯。據統計，詹姆斯 西蒙斯管理的大獎章基金從1989到2006年的平均年收益率高達38.5%，凈回報率超過股神巴菲特（他以連續32年保持戰勝市場的紀錄，過去20年平均年回報達到20%），即使在2007年次債危機爆發當年，該基金回報都高達85%，西蒙斯也因此被譽為“最賺錢基金經理”，“最聰明億萬富翁”。與巴菲特的“價值投資”不同，西蒙斯依靠數學模型和計算機管理著自己旗下的巨額基金，他稱自己為“模型先生”。西蒙斯幾乎從不雇用華爾街的分析師，他的文藝復興科技公司里坐滿了數學和自然科學的博士。用數學模型捕捉市場機會，由計算機做出交易決策，是這位超級投資者成功的秘訣。（上海金融學院國際金融研究院 鹿長余）

截至2009年6 月30 日，中國定量投資規模總量大約187 億元，在全部基金管理規模中占比僅0.6%。可以說量化投資在中國目前還是一塊需要開墾的處女地，可以預期的是，量化投資在中國發展前景廣闊。

什么是量化投資呢？“通過信息和個人判斷（using information and judgment）來管理資產為基本面投資或者傳統投資，如果遵循固定規則，由計算機模型產生投資決策則可被視為數量化投資。” ――Fabozzi《Challenges In Quantitative Equity Management》

與傳統投資相比，量化投資的優越性主要來自兩個方面：其一，現資組合理論強調通過多元化投資組合消除非系統性風險，以實現降低風險的作用。但實際上由于人的視野和精力都相對有限，基金經理或研究員不可能進行大范圍的股票甄選和高頻率的驗證測算，形成的投資策略得不到寬度、廣度上的肯定，難免形成一孔之見。靠人力甄選得到的投資組合很難達到最優化配置，無法確保在風險管理和利潤追求上的投資目標。而量化投資的視角更廣，借助計算機高效、準確地處理海量信息，更廣泛地尋找和驗證投資機會，消除投資組合配置的局限性。其二，行為金融學認為，投資者是不理性的。任何一個投資個體的判斷與決策過程都會不同程度地受到認知、情緒、意志等各種心理因素的影響。基金經理和投資研究員在一段時間跟蹤某只股票之后，由于時刻關心股價的表現和基本面的變動，可能出現不同程度的情感依賴，“和股票談起戀愛”。即使出現了下跌趨勢，也可能因為過度自信、抵制心理等不理性的分析出發點而導致投資、薦股時的行為偏差。而量化投資依靠計算機配置投資組合，克服了人性弱點，使投資決策更科學、更理性。

簡單的說，量化投資是快速高效、客觀理性、個股與組合并重、收益與風險并重的投資方法。

量化投資的一般步驟如下：

數據化模型構建組合

1、 數據化：主要任務是把眾多紛繁復雜的數據整理分類歸納成有用的數據；

2、 建立模型：給定一個策略，選擇合適的模型預測收益與風險，選擇最好的策略建立模型；

3、 構建組合：根據預測結果按照規則選擇對象構建組合；

最后我們來看下專業金融人士對量化投資的一些看法。

嘉實基金公司的王永宏博士介紹，定量投資和傳統的定性投資本質上是相同的，二者都是基于市場是非有效或弱有效的理論基礎，投資經理可以通過對個股估值、成長等基本面的分析研究，建立戰勝市場、產生超額收益的組合。不同的是，定性投資管理較依賴對上市公司的調研，以及基金經理個人的經驗和主觀判斷，而定量投資管理則是“定性思想的理性應用”。定量投資的核心投資思想包括宏觀周期、估值、成長、盈利質量、市場情緒變化等等。

俗話說，“條條大路通羅馬”。巴菲特與西蒙斯的投資理念與成功，說明投資沒有一定之規。

以巴菲特為代表的一類投資家認為，“現實世界是極為復雜的，經驗與思考才是財富制勝之道”。因此，其成功的關鍵，不是頂級的科技，而是對市場的理解、洞悉和不隨波逐流的勇氣，即以“人”的因素造就財富的增值。

西蒙斯代表的一類投資家則被看作是推論公式、信任模型的數學家。他們利用搜集分析大量的數據，利用電腦來篩選投資機會，并判斷買賣時機，將投資思想通過具體指標、參數的設計體現在模型中，并據此對市場進行不帶任何主觀情緒的跟蹤分析，借助于計算機強大的數據處理能力來選擇投資，以保證在控制風險的前提下實現收益最大化。

目前量化投資觀念也在中國興起，量化產品正開始萌芽。新發行的嘉實量化阿爾法基金就是量化投資產品，其試圖將投資專家的銳利洞悉和數學家的嚴格客觀進行整合，在基本面分析的基礎上，提煉出產生長期超額收益的投資思想，借助計算機系統強大的信息處理能力構建定量模型及投資組合，并根據市場變化趨勢及時動態調整，加上基金經理嚴格遵守紀律性投資法則，使該基金在融合定性投資思想精髓的同時，能夠規避基金經理個人情緒對組合的影響，有效克服人性弱點，力爭取得長期、持續、穩定的超額收益。

富國基金另類投資部總經理，前巴克萊（BGI）大中華主動股票投資總監李笑薇認為量化投資的核心仍是“人腦”。盡管量化投資在海外發展已有30 余年。由于種種原因，目前這一投資方式在中國尚處起步階段，對于量化投資也存在諸如“量化就是模型決定一切”、“量化是完全由計算機選股”等較片面的認識。李笑薇表示，量化投資的核心是模型設計，“模型決定一切”的說法只能說是部分正確。當一個模型已經設計建設好之后，模型所產生的交易單的確需要嚴格執行，只有在特殊情況下才能對其進行修改。

但量化投資的核心是模型的設計和建設。而人腦無疑是這一過程中的關鍵。人對市場的理解，對模型構建的了解，對模型在市場中應用的經驗，是搭建一個完美“黑匣子”的最關鍵。“只有模型設計和建設得好，投資業績的把握才會增加。”李笑薇表示。

此外，不同的市場以及同一個市場的不同階段對應的投資模型是不一樣的。所以模型從開始設計到最后應用要經過不斷修改，這是最難的問題。“這需要足夠的對市場的理解和對模型的理解。”李笑薇解釋到，定性投資人和定量投資人看待市場的角度不同。

量化投資與分析范文第4篇

主動型投資方法面臨革新

人的思維在任何時候都只能考慮有限個變量，對傳統主動型投資人而言，決策廣度的有限性，體現在跟蹤股票數量上的限制，以及決策時思考變量上的限制。當然，傳統的主動投資方法在決策深度上是有優勢的，所以做更加深入的基本面研究，以彌補決策廣度的不足，是決定成敗的關鍵。

隨著市場信息傳遞速度的加快，眾多分析師對基本面數據的不斷挖掘，更加深入的分析，似乎越來越難以彌補決策廣度的不足。如果將傳統主動型投資比喻為―個“揀西瓜”比賽的話，現在剩下的西瓜越來越小了，那么這時“揀西瓜”的工具與方法就顯得非常重要了。

即使投資人有超越市場的預測能力，但現實中收益常常被投資人主觀認知上的情緒化波動侵蝕掉了。同時，傳統投資的管理者本身情緒難免受到周圍環境的影響，常常會做出一些偏離自己判斷的交易行為，這樣的隨機交易常常會侵蝕掉部分應該獲得的收益。

數量化投資彌補主觀判斷的缺陷

與傳統基金的基金經理相比，量化基金經理們更愿意將他們的見解與目前速度驚人的計算機技術、統計技術等結合起來作為研究工具，在模型中可以將自己的研究和視野拓展到只要有數據支持的任何地方。比如，量化基金經理們可以把所有股票納入自己的海選范圍內，從多維度的變量空間中找到自己的獲利機會，并可以檢驗這樣的獲利機會在歷史上的成敗概率。這樣的變量可以包括宏觀變量、基本面變量、財務數據以及有關投資者心理的市場行為變量。當然，量化投資跟蹤調查的范圍可以很廣，但是在最終決策上要受到眾多限制的，以保證在控制風險水平的前提下，實現收益率的最大化。

另外，量化投資和傳統的投資可以找到合理的結合點，這在量化模型的輸入變量View上，因為任何觀點既可以來自于歷史規律的檢驗，也可以來自于人腦對未來的主觀判斷。當然，在量化投資的過程中，依賴主觀判斷的成分相對要小得多，因為大多數量化經理們認為，依靠沒有數據支持的主觀判斷做出的決策總是不可靠的。

量化投資與分析范文第5篇

其實，市場上還有一類被動管理的基金，那就是量化基金。與指數基金不同的是，該基金在被動之前，加入了基金經理的不少主動成分。

近一年表現最好的量化基金是長盛量化紅利，獲得了11.48%的收益率。

量化投資成未來趨勢

量化基金充分發揮人腦和電腦的優勢，將定性和定量更好地結合在一起，以得到最優的策略。借助模型通常也可以避免投資過程中的情緒化行為。

量化投資已成為未來的發展趨勢。從1970年定量投資在海外全部投資中占比為零，到2009年定量投資在全部投資產品中的份額中占30%以上，量化投資已經成為全球基金業的主流投資方法之一。

國內量化基金投資剛剛起步，截至目前，從基金合約和基金名稱分析，做量化投資的基金僅有8只，分別是長盛量化紅利策略、南方策略優化、中海量化策略、長信量化先鋒、華泰柏瑞量化先行、上投摩根阿爾法、嘉實量化阿爾法、華商動態阿爾法。

一季度收益領先

量化基金的優勢在今年一季度體現得比較明顯。據《投資者報》數據研究部統計，今年一季度，8只量化基金的收益率遠遠高于偏股型基金的平均水平。這8只基金的平均收益率為-0.58%，而偏股型基金的平均收益率為-1.97%。截至目前（4月27日），差距依然存在。

一季度，雖然上證指數上漲了4.3%，但是僅有三成的基金獲得了正收益，而量化基金獲得正收益的比例達五成。

成立滿一年的量化基金今年一季度收益率前三名是南方策略優化、中海量化策略和長盛量化紅利策略，分別為2.67%、2.16%和1.9%；長信量化先鋒去年11月成立，一季度也獲得了2%的收益率。

從整體排名看，量化基金也優勢明顯，8只基金有6只業績位居偏股型基金的前1/3。在238只股票型基金的業績排名中，南方策略優化、中海量化策略、長信量化先鋒、長盛量化紅利策略、上投摩根阿爾法和華泰柏瑞量化先行分別排名第13、第16、第18、第22、第60和第68。