金融數量分析基金業績歸因

① 有對Matlab金融數量分析視頻課感興趣的同學嗎

考研沒什麼用吧 金融的統計還不如去學Eviews和R
Eviews是專門用於計量經濟學的，不需要寫代碼
R是用於大數據的

② 證券投資是數量分析重要還是基本面分析重要

你給的這個命題很大，我覺得對於每種方法，你至少有兩個條件需要考慮：

1、你是否掌握了這個方法。
2、你所選用的這個方法是否適合你的所在的市場、投資的品種和資金規模。

為了嚴謹，我把你所說的數量分析泛化為統計套利、圖標技術分析等一系列嘗試通過程式化挖掘價格內部信息和其它可數量化（Quantify）信息的交易策略集合；把你說的基本面分析嚴格鎖定為嘗試通過挖掘財務報表等公開經營管理信息來做投資決策的交易策略集合。如果我的理解有謬誤，歡迎指出。

請注意，按照我給的這個框架，數量分析也可以利用基本面信息，特別是那些可以數量化的基本面信息，但其特點是「程式化」，基本不做各個案例各自分析的考慮。而基本面分析大量進行個例分析。

對於第一點（是否掌握）：我覺得沒有人可以否定，這兩個流派都有大家，都有投資收益驚人的主體存在。基本面的巴菲特、林奇不必贅述，而數量化，根據我在美國觀察的感受，文藝復興（就是西蒙斯那家公司）、DE Shaw等頂級數量化對沖基金，也都是能保持長期盈利的。
當時一般人很難判斷自己是否真的掌握一門技術的，基本面由於比較艱深，而且需要大量主觀判斷介入，一般投資者（特別是中國的股民）望而生畏，號稱自己掌握了的人本身就不多。

但是對於數量分析，尤其是所謂的圖標技術分析，由於很多是標准化的公式或者「圖形」，比如金叉、死叉等等，一般投資者總覺得自己摸到了點門道，如果自己試驗幾次，也有盈利的話，就覺得自己真的會了。其實這個真的掌握差距很大，我不否認民間智慧，但是我想說說DE Shaw和文藝復興的招聘標准，很簡單，只有一句話：不管你是研究什麼的，只要你是業內最好的，我們都會考慮。我很清楚的知道，文藝復興有頂級的物理學家、數學家、統計學家，還有人類語言學家，歷史學家、哲學家等你覺得跟數量分析沒有關系的專業人士。比如人類語言學家，他們就參與利用微博（Twitter）上的數據流，進行自然語言識別，然後統計推斷股市的變化（邏輯：人對市場的看法——》他們在Twitter上的發言，反過來，Twitter上的發言——》人對市場的看法——》人對於自己倉位的決策）。從這個標准來看，又有幾個人真的符合標准呢？如果你真的對於數量分析精深到這個地步，我覺得獲得超額收益只是時間問題。

對於第二點（是否適合），我提到了三點，市場、品種和資金規模。這里不展開，盡量簡單的說。基本面分析主要適用於並購、重組和股票、債券投資等基本資產種類，這個相信也是大家的共識。

對於數量化分析來說，差異很大，你可以用KDJ、MACD等等去判斷大盤之流，也有美國這邊的主流主要應用數量化分析到衍生產品（期權、期貨、互換等等）上（當然也有很多是投資股票、債券的）。

之所以大量用在衍生產品上，我覺得可以這樣來理解，衍生產品本身對應的資產的價格，其運行相當於行星公轉，而衍生產品相當於此行星眾多的衛星。因此你可以通過行星的速度（資產價格）去計算對應的衛星（衍生產品）價格，這是一個相對速度。理論情況下，衛星的速度相對於行星的速度有一個較穩定的關系，如果這個關系破壞（或破壞到一定程度）了，這個衛星相對於其它眾多衛星的相對速度也改變了，這被認為是不合理的，因此會存在套利機會。而數量化的交易對於偵查這種大量相對速度的變化，具有先天性的優勢。而且這個決定這個相對速度，比決定行星的絕對速度（資產價格）來說有數學關系得多。

中國本身衍生產品就很少，股指期貨也是剛剛開放，而期權更是數量少的可憐，這種方法在國內應用價值有限。加上對於股票做空的高門檻，因此我覺得數量化分析在中國這個市場本身就有先天性不足。

在美國，數量化分析尤其強調對沖。所謂對沖，通俗的講，就是採用某些金融產品，把你原有資產組合的風險轉移、或者減少。這里的「某些金融產品」，以衍生產品為主。風險減少的代價是你的最大絕對收益會要削弱。這也對於市場金融產品的豐富度、流動性有著非常高的要求。同時，雖然每一單絕對收益小了，但是很多對沖基金採用高杠桿來彌補，這也很難在國內市場實現。

至於資金規模，我認為如果你是小額資金，那麼基本面分析和圖標類技術分析，都沒有問題，完全看你的興趣。如果要應用嚴謹的數量化分析，考慮對沖、做空等等因素，資金量不能太小。如果太大，可能由於一單交易量太大，也許這個世界上沒有一個市場的流動性可以滿足你的要求。所以美國大規模的基金，很多是共同基金（類似於國內的公募基金），做基本面為主，如果是數量化的，也是分倉後應用於多個不同的市場和策略，防止單個基金對市場沖擊太大導致原本的策略無法生效。尤其是對於高頻交易（一秒鍾交易數單），一般都是具有交易所席位資格的基金公司才會考慮接入，不然高額的交易費用完全不可行。

最後：如果你覺得自己掌握了一種，並且找到了適合的市場、品種，更好的是，你有對應的資金規模，我覺得你如何選擇都會成功。反之，只能說贏面<50%。

我個人的建議是，對於個人投資者，如果不是職業投資人，可以考慮買指數，或者杠桿類指數基金，長期持有，如果中國股市長期是趨向理性的話，至少你可以穩定的分享中國經濟成長的紅利。如果追求一定的超額收益，可以考慮買基金。如果堅持要自己操盤，那一定做好風險控制。

③ 請問如何評價基金的績效表現

基金的績效應該是最重要的考慮 投資人可從以下四方面客觀地評價基金績效表現：將基金的績效表現和既定的指標作比較在海外,基金成立時都會設定一個衡量和評估該基金績效表現的指標這個指標的設定與該基金的投資標的、運作風格等有直接關系,比如高科技基金對應的是高科技指數,小規模基金對應的是小規模基金指數。如果基金的績效表現好於該指標,該基金的績效表現就是值得肯定的；同類基金進行比較大盤基金和大盤基金之間、小盤基金和小盤基金之間、投資標的相同的基金之間才具有可比性。如果將投資標的、運作風格、規模大小都不相同的基金進行比較,則是不科學的；以長期投資的觀點看待基金績效中長期的績效表現才能體現出一隻基金績效表現的全貌。某隻基金可能在短期內凈值表現不佳,但從長期歷史的績效表現來看，該基金的累計績效平攤到每一年,則可能會相當不錯。

④ 四種基金績效評價法

基金績效評價是一個復雜的問題。它不僅涉及到衡量績效的客觀有效的度量方法，也關繫到基金績效的持續性和業績歸因分析等多方面的因素。從目前的情況看，我國在基金績效評價方面的研究依然非常薄弱，不僅在理論研究上還基本停留在國外90年代的理論水平，在實證研究上也比較缺乏。
國外近幾十年的理論研究和實踐表明，數量分析的方法被大量地引入基金績效評價。隨著現代金融理論的不斷發展，基金績效評價在理論研究的指導下進行了許多實證分析，而實證分析的結果又反過來對相關的金融理論和假設進行了驗證。事實上，許多在金融投資理論界存在爭議的假設依然能夠在基金績效評價的領域發現其蹤跡。
國外對基金績效評價研究有著長期的歷史、較為完善的理論體系和大量的實證研究，而我國目前還基本處在開始的階段。這是因為證券投資基金在我國的時間較短，即使以90年代初期各地不規范設立的基金（如藍天基金、天驥基金和廣發基金等）算起，也不過10餘年的時間。若以1998年3月第一隻封閉式基金（基金金泰、基金開元）成立算起也僅幾年的時間。由於封閉式基金的基金規模（份額）並不隨基金績效發生變動，封閉式基金的發行長期處於超額認購的局面，加之持有人主要是通過封閉式基金的交易獲取價差收益而不是通過凈值增長獲得資本利得，因此無論是管理公司、持有人、監管層和獨立第三方對基金績效評價的研究並不系統和深入。從2001年華安基金公司在中國市場發行了第一隻開放式基金起，截至2005年12月28日，共有217隻證券投資基金正式運作，其中開放式基金163隻，封閉式基金54隻。按照證監會11月底的統計數據，目前證券投資基金的凈值規模已經達到5000億元；共有52家基金管理公司，其中正式管理基金的是49家；與迅猛增長的基金市場相比，我國在基金績效評價的理論研究和實證分析方面還遠遠落在後面。
國外的績效評價具有較長的歷史。60年代資產組合理論、資本資產定價模型和股票價格行為理論，奠定了現代基金評價理論的基石。特別是Sharpe/Lintner的資本資產定價模型（CPAM），更是基金績效評價的基礎。Treynor、Sharpe和Jensen幾乎同時分別提出了經過風險調整後的基金績效評價方法，這才使績效評價能夠在同樣的風險水平上進行比較。盡管他們在衡量風險的指標選取上有所不同（Sharpe指數採用的是全部風險）。CPAM模型歷史久遠而且目前仍被廣泛應用（例如Malkiel，1995和Ferson、Schadt，1996）。不過這個理論也遭到了強烈的反對（RichardRoll1977，1978，AdmatiandRoss，1985，和DybvigandRoss，1985a，b）。例如，使用證券市場線來進行績效評價是「不確定的」。使用這種方法來判斷績效有時會被視為「無望的」（AdmatiandRoss，1985，p.16）和「總體而言任何事情皆有可能。」（DybvigandRoss，1985a， p.383）
針對上述的批評，又有一些改進的指標被提出。例如信息率，即是改進的詹森指數，通過單位非系統風險的超常收益率對基金投資業績進行評價。1997年諾獎得主FrancoModigliani和其孫女LeahModigliani把國債引入證券投資的實際資產組合，構建一個虛擬的資產組合，使其總風險等於市場組合的風險，通過比較虛擬資產組合與市場組合的平均收益率來評價基金業績，該種方法被命名為M2.
2000年Muralidhar認為Sharp值、信息率、M2法不足以有效地進行組合構建和基金業績排序，問題的關鍵在於對組合和基準之間標准差的差異調整不夠，並且忽略了「組合和基準的相關性」常導致錯誤排序和評價。鑒於此，Muralidhar提出了M3測度方法。Stutzer（2000）在損失厭惡理論基礎上，假定投資者選擇最大可能地迴避風險，從而構建了一個新的評價指標，即衰減度（ProbabilityofDecayRate），該指標最大的特點在於允許收益率收斂於各種分布。當收益率收斂於非正態分布式衰減度對於偏度和峰度敏感性較高，正偏度的基金風險趨小。
此外，證券選擇和時機選擇、業績歸因、績效的持續性、基金風格、績效評估的一致性、基準組合的有效性和資產配置分析等方面，也是國外近期基金績效評價研究的熱點。
Treynor＆Mazuy（1966）首次提出的二次方程模型（T-M模型）可以用來檢驗基金經理的擇時能力。擇時能力是指基金經理預測風險資產的收益高於或低於無風險利率的能力。Heriksson＆Merton（1981）則提出在CPAM模型中增加一個二項式隨機變數，稱之為雙β模型（H-M模型）。Bhattacharya＆Pfleiderer（1983）對H-M模型的研究表明，經過他們改進後的模型可以判斷基金經理是否正確地利用了正確的信息。Connor＆Kora jczyk（1991）的研究表明在基金組合與市場收益率之間有協偏度（Co-skewness）時，T-M和H-M模型會得到錯誤的結論。Grinblatt＆Titman（1989，1994）針對這種情況提出了（PPW）的模型，此模型通過計算期內各時期的超額收益率的加權收益率，給出了擇股和擇時能力的綜合檢驗結果。此外，Chang＆Lewellen（1984）基於APT模型提出了一種新的檢驗方法。引入變數β1和β2，通過計算它們的差來判斷資產管理人的擇時能力。
Fama（1972）最早對基金績效進行了歸因分析，並提出了著名的Fama模型。Fama的模型建立在CAPM模型有效的前提上，他將資產組合的超額收益率分為「選擇回報」（由分散回報和凈選擇回報組成）和「風險回報」（由投資者風險回報和經理人風險回報組成）兩部分。Brinson，Hood＆Beebower（1986）提出的BHB模型則將資產組合與基準組合的差異歸因於擇時、擇股和交互作用三類。但他們的研究結果也遭到了許多批評，如Hensel，Ezra＆Ilkiw（1991），JohnNuttall（1998）等。
績效的持續性是績效評價的又一個主要研究方面。如果基金績效是持續的，則績效評價的結果對投資者而言是具有實際應用意義的。盡管關於績效持續性的研究常常是相互矛盾的，不過近來眾多的研究比較傾向於認為基金的績效具有較為顯著的持續性。如Brown＆Goetzmann（1995）認為基金「短期內」具有持續性。比較常用的檢驗方式有半期平均秩差檢驗法和交叉積比率（CPRCrossProctRadio）法。半期平均秩差檢驗法是通過將基金按時間分為前後時間相等的兩部份，並分別計算其秩。如果這兩段的秩相等，則表明該基金的業績在全部基金的排名保持穩定狀態，其業績具有長期的穩定性。CPR法是將一定時期內的基金績效與所有基金的中位值相比較，將比較結果高者標為W（win），低於中位值者標為L（lost）。定義CPR=WW LL/（WL LW）。CPR的取值范圍為（0，+∞），如果績效的持續性越差，CPR值越接近0，反之若持續性越強，CPR值越接近正無窮。據Carhart（1997）的觀點，短期的基金績效的持續性應歸咎於持有的好或差的股票，長期的持續性則是由於費率結構的設計不同。
基金的風格研究是對基金的投資和收益特點進行的研究。隨著金融創新的深化和產品設計競爭的加劇，市場上逐漸出現了許多類型和風格差異的基金。因此基金的風格研究具有極大的實用性。基金風格研究的方法可以分為因素分析法和特徵分析法。最早的風格研究方法是所謂的HBS（HoldingsBasedStyleAnalysis）法。這種方法通過對基金披露的全部持股信息進行分析而進行。缺點是無法有效地剔除「披露日修飾」行為。1992年夏普（Sharpe）採用12因素模型（這12個因素是短期票據、中期政府債、長期政府債、公司債、抵押證券、大盤價值股票、大盤成長股票、中盤股票、小盤股票、非美國債券、日本股票和歐洲股票）進行研究，這種方法被稱為RBS（ReturnBasedStyleAnalysis）。RBS方法將基金收益分解為風格收益和選擇收益。模型中因素的選取遵循排他、無遺漏和易於獲得等原則。目前有越來越多的各種因素模型出現。而特徵分析法有MSB（MorningstarStyleBox）方法等。晨星風格箱法（MSB）由著名的晨星公司於1992年提出並於2002年進行了改進。它首先根據資產組合中各股票市值規模的大小將其分為大盤、中盤和小盤，再在劃分的每個市值區間根據定義的演算法計算其價值和成長得分，最後將其定位到基金風格箱里的不同位置。
GolloandLockwood（1999）對1983-1991期間更換了經理人的共同基金的業績、風險及投資風格的改變進行了研究。當用公司規模、價值/成長重新對基金進行分類時，發現有多於65%的基金在改變管理之後投資風格也發生了改變。
績效評估的一致性是研究和比較基金績效評價的諸方法結果差異性的。不過該方面的研究一直比較少，國內目前還只有王聰（2001）對多重比較法等概念進行了一些介紹。評估一致性的檢驗方法主要有Spearman秩相關檢驗、Kendall協同檢驗和多重比較法等。Spearman秩相關檢驗方法是通過對兩種績效評估方法所形成秩序列的相關性，判斷兩方法是否一致。如果該兩種方法的秩（排序的差的平方）較小，則表明該兩種方法對基金的評估具備一致性。Kendall協同檢驗是在相關系數檢驗法上發展的。其中Kendall協同系數定義為12S/m2n（n2-1）。W的取值范圍在0和1之間。W的值越大，諸績效評估方法具備越強的一致性。極端地，W取值1時說明所有的績效評估方法結果完全相同。經過Kendall協同檢驗，具有一致性的基金可以通過多重比較法來進行總體業績評估。
國內關於基金績效評價的研究目前還比較少。從已發表的文章和收集的資料來看，國內的研究還局限於對國外理論的介紹和實證研究，更多地是對某種單獨的理論或角度進行研究，缺乏整體和系統的研究和缺少理論上的創新。
[編輯]

基金績效評價的指標[1]
1、夏普(Sharpe)指數簡介
美國經濟學家威廉·夏普於1966年發表《共同基金的業績》一文，提出用基金承擔單位總風險（包括系統風險和非系統風險）所帶來的超額收益來衡量基金業績，這就是夏普指數。夏普指數通過一定評價期內，基金投資組合的平均收益超過無風險收益率部分與基金收益率的標准差之比來衡量基金的績效。計算公式為：
Sp = (rp-rf)/σp
其中，Sp為夏普指數，rp為基金組合的實際收益, rf為無風險收益率, σp 為基金收益率所對應的標准差。
夏普指數的理論依據是資本資產模型（CAPM模型），以資本市場線(CML)為評價的基點,如果基金證券組合的夏普指數大於市場證券組合M的夏普指數，則該基金組合就位於CML之上，表明其表現好於市場；反之，如果基金投資組合P的夏普指數小於市場證券組合M的夏普指數，則該基金組合就位於CML之下，表明其表現劣於市場。因此，可以認為，夏普業績指數越大,基金績效就越好；反之，基金績效就越差。
2、特雷諾(Treynor)指數簡介
傑克·特雷諾1965年發表《如何評價投資基金的管理》一文，認為足夠的證券組合可以消除單一資產的非系統性風險,那麼系統風險就可以較好地刻畫基金的風險，即與收益率變動相聯系應為系統性風險。因此，特雷諾指數採用在一段時間內證券組合的平均風
險報酬與其系統性風險對比的方法來評價投資基金的績效。這就是特雷諾指數，它等於基金的超額收益與其系統風險測度β之比。
計算公式為：
Tp = (rp-rf)/ βp
其中，Tp為特雷諾指數；βp表示基金投資組合的β系數，是投資組合要承擔的系統風險。
特雷諾業績指數的理論依據也是資本資產定價模型（CAPM模型），但是是以證券市場線（SML）為評價的基點，當市場處於平衡時，所有的資產組合都落在SML上，即SML的斜率就表示市場證券組合的特雷諾指數。當基金投資組合的特雷諾指數大於SML的斜率時， 該投資組合就位於SML線之上，表明其表現優於市場表現；反之，當基金投資組合的特雷諾指數小於SML的斜率時，該投資基金組合位於SML線之下，表明其表現劣於市場表現。所以，特雷諾業績指數越大,基金的績效就越好；反之，基金的績效就越差。
3、詹森(Jensen)指數簡介
美國經濟學家邁克爾·詹森1968年發表《1945-1964年間共同基金的業績》一文，提出了一種評價基金業績德絕對指標，即詹森指數。他認為,基金投資組合的額外收益可衡量基金額外信息的價值,因而可以衡量基金的投資業績，其計算公式為：
Jp=rp-[rf+βp(rm-rf)]
----Jp為詹森指數。
詹森業績指數,又稱為α值,它反映了基金與市場整體之間的績效差異。詹森指數也以資本資產定價模型為基礎，根據SML來估計基金的超額收益率。其實質是反映證券投資組合收益率與按該組合的β系數算出來的均衡收益率之間的差額。當然，差額越大，也就是詹森系數越大,反映基金運作效果越好。如果為正值，則說明基金經理有超常的選股能力,被評價基金與市場相比，高於市場平均水平，投資業績良好；為負值則說明基金經理的選股能力欠佳,不能跑過指數,被評價基金的表現與市場相比較整體表現差；為零則說明基金經理的選股能力一般,只能與指數持平。

⑤ MATLAB金融數量分析,求解求解求解！！！

有金融背景，會編程的人很少，這個你得上淘寶搞定

⑥ 求 《金融數量分析:基於MATLAB編程(第2版) 》

A = [22 10 1 18 3];
max_A =最大值（A）;

「http://..com/api/getdecpicpicenc=d236796f755f314206」>種「http://..com/api/getdecpicpicenc=d23666616e675f314206 「>

A = [22 10 1 18 3];

M =長度（A）;

B = 0;

對於i = 1：M

如果A（I）>乙

B = A（i）條;

B =;

對於i = 1：M

ERR（I）= B（I）;

err_min = B;

對於i = 1：M

若ERR（I）= 0

如果err_min <ERR（I）

err_min = err_min;

err_min = ERR（I）;

err_min = B;

B_1 = B-err_min;

⑦ 證券投資是數量分析重要還是基本面分析重要

這個問題我思考了很久，盡量給你一個公允的答案，並給出一個折中的建議。
你給的這個命題很大，我覺得對於每種方法，你至少有兩個條件需要考慮：
1、你是否掌握了這個方法。
2、你所選用的這個方法是否適合你的所在的市場、投資的品種和資金規模。
請注意，按照我給的這個框架，數量分析也可以利用基本面信息，特別是那些可以數量化的基本面信息，但其特點是「程式化」，基本不做各個案例各自分析的考慮。而基本面分析大量進行個例分析。
對於第一點（是否掌握）：我覺得沒有人可以否定，這兩個流派都有大家，都有投資收益驚人的主體存在。基本面的巴菲特、林奇不必贅述，而數量化，根據我在美國觀察的感受，文藝復興（就是西蒙斯那家公司）、DE Shaw等頂級數量化對沖基金，也都是能保持長期盈利的。
當時一般人很難判斷自己是否真的掌握一門技術的，基本面由於比較艱深，而且需要大量主觀判斷介入，一般投資者（特別是中國的股民）望而生畏，號稱自己掌握了的人本身就不多。
但是對於數量分析，尤其是所謂的圖標技術分析，由於很多是標准化的公式或者「圖形」，比如金叉、死叉等等，一般投資者總覺得自己摸到了點門道，如果自己試驗幾次，也有盈利的話，就覺得自己真的會了。其實這個真的掌握差距很大，我不否認民間智慧，但是我想說說DE Shaw和文藝復興的招聘標准，很簡單，只有一句話：不管你是研究什麼的，只要你是業內最好的，我們都會考慮。我很清楚的知道，文藝復興有頂級的物理學家、數學家、統計學家，還有人類語言學家，歷史學家、哲學家等你覺得跟數量分析沒有關系的專業人士。比如人類語言學家，他們就參與利用微博（Twitter）上的數據流，進行自然語言識別，然後統計推斷股市的變化（邏輯：人對市場的看法——》他們在Twitter上的發言，反過來，Twitter上的發言——》人對市場的看法——》人對於自己倉位的決策）。從這個標准來看，又有幾個人真的符合標准呢？如果你真的對於數量分析精深到這個地步，我覺得獲得超額收益只是時間問題。
對於第二點（是否適合），我提到了三點，市場、品種和資金規模。這里不展開，盡量簡單的說。基本面分析主要適用於並購、重組和股票、債券投資等基本資產種類，這個相信也是大家的共識。
對於數量化分析來說，差異很大，你可以用KDJ、MACD等等去判斷大盤之流，也有美國這邊的主流主要應用數量化分析到衍生產品（期權、期貨、互換等等）上（當然也有很多是投資股票、債券的）。
之所以大量用在衍生產品上，我覺得可以這樣來理解，衍生產品本身對應的資產的價格，其運行相當於行星公轉，而衍生產品相當於此行星眾多的衛星。因此你可以通過行星的速度（資產價格）去計算對應的衛星（衍生產品）價格，這是一個相對速度。理論情況下，衛星的速度相對於行星的速度有一個較穩定的關系，如果這個關系破壞（或破壞到一定程度）了，這個衛星相對於其它眾多衛星的相對速度也改變了，這被認為是不合理的，因此會存在套利機會。而數量化的交易對於偵查這種大量相對速度的變化，具有先天性的優勢。而且這個決定這個相對速度，比決定行星的絕對速度（資產價格）來說有數學關系得多。
中國本身衍生產品就很少，股指期貨也是剛剛開放，而期權更是數量少的可憐，這種方法在國內應用價值有限。加上對於股票做空的高門檻，因此我覺得數量化分析在中國這個市場本身就有先天性不足。
在美國，數量化分析尤其強調對沖。所謂對沖，通俗的講，就是採用某些金融產品，把你原有資產組合的風險轉移、或者減少。這里的「某些金融產品」，以衍生產品為主。風險減少的代價是你的最大絕對收益會要削弱。這也對於市場金融產品的豐富度、流動性有著非常高的要求。同時，雖然每一單絕對收益小了，但是很多對沖基金採用高杠桿來彌補，這也很難在國內市場實現。
至於資金規模，我認為如果你是小額資金，那麼基本面分析和圖標類技術分析，都沒有問題，完全看你的興趣。如果要應用嚴謹的數量化分析，考慮對沖、做空等等因素，資金量不能太小。如果太大，可能由於一單交易量太大，也許這個世界上沒有一個市場的流動性可以滿足你的要求。所以美國大規模的基金，很多是共同基金（類似於國內的公募基金），做基本面為主，如果是數量化的，也是分倉後應用於多個不同的市場和策略，防止單個基金對市場沖擊太大導致原本的策略無法生效。尤其是對於高頻交易（一秒鍾交易數單），一般都是具有交易所席位資格的基金公司才會考慮接入，不然高額的交易費用完全不可行。
我個人的建議是，對於個人投資者，如果不是職業投資人，可以考慮買指數，或者杠桿類指數基金，長期持有，如果中國股市長期是趨向理性的話，至少你可以穩定的分享中國經濟成長的紅利。如果追求一定的超額收益，可以考慮買基金。如果堅持要自己操盤，那一定做好風險控制。

⑧ 金融數量分析的圖書目錄

第1章 金融市場與金融產品1
第2章 數量分析的基本概念10
第3章 商業保險與按揭貸款的現金流分析33
第4章 股票掛鉤結構分析46
第5章 組合保險策略分析60
第6章 金融數量計算技巧與實例78
附錄參考文獻166
……