量化投资资产配大成基金周健男

⑴ 量化投资

没有你想的书

我多年来都有关注这方面的书 可是也没有在国内找到

数量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪；相对于传统投资方式来说，具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。量化投资技术几乎覆盖了投资的全过程，包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等，在各个环节都有不同的方法及量化模型：

一、估值与选股

估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。对上市公司的估值包括相对估值法和绝对估值法，相对估值法主要采用乘数方法，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；绝对估值法主要采用折现的方法，如公司自由现金流模型、股权自由现金流模型和股利折现模型等。相对估值法因简单易懂，便于计算而被广泛使用；绝对估值法因基础数据缺乏及不符合模型要求的全流通假设而一直处于非主流地位。随着全流通时代的到来和国内证券市场的快速发展，绝对估值法正逐渐受到重视。

选股：在当前品种繁多的资本市场中，从浩瀚复杂的数据背后选出适合自己投资风格的股票变得越加困难。在基本面研究的基础上结合量化分析的手段就可以构建数量化选股策略，主流的选股方法如下：

资产配置方法与模型
资产配置类别 资产配置层次 资产配置方法 资产配置模型
战略资产配置 全球资产配置 大类资产配置 行业风格配置 收益测度 风险测度 估计方法 马克维茨 MV 模型 均值 -LPM 模型 VaR 约束模型 Black-Litterman 模型
战术资产配置 ( 动态资产配置 ) 周期判断 风格判断 时机判断 行业轮动策略 风格轮动策略 Alpha 策略 投资组合保险策略

基本面选股：通过对上市公司财务指标的分析，找出影响股价的重要因子，如：与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。然后通过建立股价与因子之间的关系模型得出对股票收益的预测。股价与因子的关系模型分为结构模型和统计模型两类：结构模型给出股票的收益和因子之间的直观表达，实用性较强，包括价值型(本杰明·格雷厄姆—防御价值型、查尔斯·布兰迪—价值型等)、成长型(德伍·切斯—大型成长动能、葛廉·毕克斯达夫—中大型成长股等)、价值成长型(沃伦·巴菲特—优质企业选择法、彼得·林奇—GARP价值成长法等)三种选股方法；统计模型是用统计方法提取出近似线性无关的因子建立模型，这种建模方法因不需先验知识且可以检验模型的有效性，被众多经济学家推崇，包括主成分法、极大似然法等。

多因素选股：通过寻找引起股价共同变动的因素，建立收益与联动因素间线性相关关系的多因素模型。影响股价的共同因素包括宏观因子、市场因子和统计因子(通过统计方法得到)三大类，通过逐步回归和分层回归的方法对三类因素进行选取，然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。多因素模型对因子的选择有很高的要求，因子的选择可依赖统计方法、投资经验或二者的结合，所选的因子要有统计意义上或市场意义上的显著性，一般可从动量、波动性、成长性、规模、价值、活跃性及收益性等方面选择指标来解释股票的收益率。

动量、反向选股：动量选股策略是指分析股票在过去相对短期的表现，事先对股票收益和交易量设定条件，当条件满足时买进或卖出股票的投资策略，该投资策略基于投资者对股票中期的反应不足和保守心理，在投资行为上表现为购买过去几个月表现好的股票而卖出过去几个月表现差的股票。反向选股策略则基于投资者的锚定和过度自信的心理特征，认为投资者会对上市公司的业绩状况做出持续过度反应，形成对业绩差的公司业绩过分低估和业绩的好公司业绩过分高估的现象，这为投资者利用反向投资策略提供了套利机会，在投资行为上表现为买进过去表现差的股票而卖出过去表现好的股票。反向选股策略是行为金融学理论发展至今最为成熟，也是最受关注的策略之一。

二、资产配置

资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。资产配置一般包括两大类别、三大层次，两大类别为战略资产配置和战术/动态资产配置，三大层次为全球资产配置、大类资产配置和行业风格配置。资产配置的主要方法及模型如下：

战略资产配置针对当前市场条件，在较长的时间周期内控制投资风险，使得长期风险调整后收益最大化。战术资产配置通常在相对较短的时间周期内，针对某种具体的市场状态制定最优配置策略，利用市场短期波动机会获取超额收益。因此，战术资产配置是在长期战略配置的过程中针对市场变化制定的短期配置策略，二者相互补充。战略资产配置为未来较长时间内的投资活动建立业务基准，战术资产配置通过主动把握投资机会适当偏离战略资产配置基准，获取超额收益。

三、股价预测

股价的可预测性与有效市场假说密切相关。如果有效市场假说成立，股价就反映了所有相关的信息，价格变化服从随机游走，股价的预测就毫无意义，而我国的股市远未达到有效市场阶段，因此股价时间序列不是序列无关，而是序列相关的，即历史数据对股价的形成起作用，因此可以通过对历史信息的分析来预测股价。

主流的股价预测模型有灰色预测模型、神经网络预测模型和支持向量机预测模型(SVM)。灰色预测模型对股价的短期变化有很强的预测能力，近年发展起来的灰色预测模型包括GM(1, 1)模型、灰色新陈代谢模型和灰色马尔可夫模型。人工神经网络模型具有巨量并行性、存储分布性、结构可变性、高度非线性和自组织性等特点，且可以逼近任何连续函数，目前在金融分析和预测方面已有广泛的应用，效果较好。支持向量机模型在解决小样本、非线性及高维模式识别问题中有许多优势，且结构简单，具有全局优化性和较好的泛化能力，比神经网络有更好的拟合度。

四、绩效评估

作为集合投资、风险分散、专业化管理、变现性强等特点的投资产品，基金的业绩虽然受到投资者的关注，但要对基金有一个全面的评价，则需要考量基金业绩变动背后的形成原因、基金回报的来源等因素，绩效评估能够在这方面提供较好的视角与方法，风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。

绩效评估模型 / 指标

绩效评估准则
择时 / 股能力
业绩归因分析
风险调整收益
业绩持续性
Fama 业绩分解

模型 / 指标
T-M 模型

H-M 模型

GII 模型

C-L 模型
资产配置收益

证券选择收益

行业选择收益

行业内个股选择收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
双向表分析

时间序列相关性
总风险收益

系统风险收益

分散化投资收益

五、基于行为金融学的投资策略

上世纪50～70年代，随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出，现代金融经济学建立了一套成熟的理论体系，并且在学术界占据了主导地位，也被国际投资机构广泛应用和推广，但以上传统经济学的理论基石是理性人假设，在理性人假设下，市场是有效率的，但进入80年代以后，关于股票市场的一系列研究和实证发现了与理性人假设不符合的异常现象，如：日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应等。面对这些金融市场的异常现象，诸多研究学者从传统金融理论的基本假设入手，放松关于投资者是完全理性的严格假设，吸收心理学的研究成果，研究股市投资者行为、价格形成机制与价格表现特征，取得了一系列有影响的研究成果，形成了具有重要影响力的学术流派－行为金融学。

行为金融学是对传统金融学理论的革命，也是对传统投资实践的挑战。随着行为金融理论的发展，理论界和投资界对行为金融理论和相关投资策略作了广泛的宣传和应用，好买认为，无论机构投资者还是个人投资者，了解行为金融学的指导意义在于：可以采取针对非理性市场行为的投资策略来实现投资目标。在大多数投资者认识到自己的错误以前，投资那些定价错误的股票，并在股价正确定位之后获利。目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。

六、程序化交易与算法交易策略

根据NYSE的定义，程序化交易指任何含有15只股票以上或单值为一百万美元以上的交易。程序化交易强调订单是如何生成的，即通过某种策略生成交易指令，以便实现某个特定的投资目标。程序化交易主要是大机构的工具，它们同时买进或卖出整个股票组合，而买进和卖出程序可以用来实现不同的目标，目前程序化交易策略主要包括数量化程序交易策略、动态对冲策略、指数套利策略、配对交易策略和久期平均策略等。

算法交易，也称自动交易、黑盒交易或无人值守交易，是使用计算机来确定订单最佳的执行路径、执行时间、执行价格及执行数量的交易方法，主要针对经纪商。算法交易广泛应用于对冲基金、企业年金、共同基金以及其他一些大型的机构投资者，他们使用算法交易对大额订单进行分拆，寻找最佳路由和最有利的执行价格，以降低市场的冲击成本、提高执行效率和订单执行的隐蔽性。任何投资策略都可以使用算法交易进行订单的执行，包括做市、场内价差交易、套利及趋势跟随交易。算法交易在交易中的作用主要体现在智能路由、降低冲击成本、提高执行效率、减少人力成本和增加投资组合收益等方面。主要的算法包括：交易量加权平均价格算法(VWAP)、保证成交量加权平均价格算法(Guaranteed VWAP)、时间加权平均价格算法(TWAP)、游击战算法(Guerrilla)、狙击手算法(Sniper)、模式识别算法(Pattern Recognition)等。

综上所述，数量化投资技术贯穿基金的整个投资流程，从估值选股、资产配置到程序化交易与绩效评估等。结合量化投资的特点及我国证券市场的现状，好买认为量化投资技术在国内基金业中的应用将主要集中在量化选股、资产配置、绩效评估与风险管理、行为金融等方面，而随着包括基金在内的机构投资者占比的不断提高、衍生品工具的日渐丰富(股指期货、融资融券等)以及量化投资技术的进步，基金管理人的投资策略将会越来越复杂，程序化交易(系统)也将有快速的发展。

⑵ 谁有wind数据库里面的中国上市基金的投资组合构成及行业数据【比如什么收益率啊各种的】发给我一份咯

要哪个季度呢?如果是去年第四季度的还没有出

⑶ 什么是量化投资

定义：是指通过数理统计分析，选择那些未来回报可能会超越基准的证券进行投资，以期获取超越指数基金收益的基金。

释义：区别于普通基金，量化基金主要采用量化投资策略来进行投资组合管理。总的来说，量化基金采用的策略包括：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、资产配置等。对于量化基金的产品设计，虽然量化基金一般都是采用多因素模型对股票进行分析和筛选，但不同的量化基金的侧重点是不一样的，也就是包括投资思路、观察角度、分析方法在内都是不同的。

在我国证券市场，基本面研究占主流地位，然而随着证券市场的不断发展、证券数目的增加、衍生品的出现等，基金要想战胜指数的难度也越来越大，量化投资则开始发挥越来越重要的作用，因此我国也涌现出了大批量化基金。

⑷ 大成基金周健男去了哪里

现在是光大证券的执行总裁哦~

⑸ 谁知道大成基金都有哪些基金类型

简单说一下吧，有：大成动态量化配置混合大成中证360互联+指数大成标普500等权重指数(QDII)大成策略回报混合大成精选增值混合大成景安短融债券A大成景旭纯债债券A

⑹ 量化投资基金的优势

南方策略优化是最新一只量化投资基金。该基金在产品设计上充分考虑了中国市场的现状和发展趋势，提出了创新的主动量化投资模式。这种以定量模型为核心，但在决策流程和模型构建中有机结合定性分析的模式有可能成为量化投资的主导模式。同时，根据国外量化投资发展的新趋势和国内市场的特点，南方也开发了最新进化的量化投资模型。
南方策略优化的主动量化投资模式主要体现在三个层次：在资产配置层面上定性定量并重，在行业配置层面上的定量为主定性为辅，以及在个股选择层面的量化筛选。
在资产配置层面，综合分析经济周期、财政政策、市场环境等因素的基础上，采用定量和定性相结合的思路确定本基金的资产配置。这与传统的主动型基金可以说基本一致；但恰恰是在资产配置层面上，解决了量化模型最大的缺陷，即对周期转换缺乏预判能力。也就是说，在市场趋势可能发生转折的时候，定性决策可能占据主导。
在行业配置层面上，该基金提出以B-L模型为基础构建的行业配置模型。这一模型体现了定量为主，有机结合定性分析的思想。这一模型的关键在于，在分析行业指数历史收益数据的基础上，利用概率统计方法，将投资人对各行业或板块的预期收益的倾向性观点相结合，产生新的预期收益，通过求解量化模型进而得到优化的行业配置比例。简单来说，这一模型的思想就是把投研人员对未来预期的主观判断当作模型本身的关键因子，用于修正从历史数据中得出的预期收益，从而优化模型配置结果。因此模型给出的不仅是客观规律，而且也结合了投研人员关于未来行业判断的观点修正。
在个股选择上以量化模型为主，以实现对个股的广泛筛选。其采用的模型是经典的多因子选股模型，“南方多因子量化选股模型”重点选择四方面的因子：（1）基本面因子：包括上市公司的盈利能力、现金流情况、财务杠杆水平以及未来成长性等，反映了上市公司的当前价值和成长潜力。（2）价值因子：反映股票的绝对和相对估值水平。（3）市场面因子：包括股票价格的动量/反转趋势、股票所处风格板块的轮动，股票价格的历史波动等。（4）流动性因子：包括平均成交量、平均流通市值、Amivest流动比率等各种指标，对个股流动性进行衡量。通过数据分析筛选未来可能具有超额收益的个股。
量化投资要有严格的纪律，也应有鲜明的投资目标定位。南方策略优化把自身的投资目标定位在稳定超越指数，稳定获取超额收益。超额收益主要通过量化配置和选股获取超额alpha收益，也可能来源于通过主动选时获取beta超额收益。量化投资希望在持续性，稳定性上保持优势。而稳定超越指数，也就相当于超越多数主动型基金。 和传统的主动管理基金相比，量化基金的优点正在于降低了对基金经理主观能力和经验的依赖。但量化基金要想成功运作，管理人的能力同样重要。这主要体现在两方面：一是能否开发和设计出好的量化模型，二是如何做到主动和量化的结合，在投资实践中用好模型。在这两方面，国内的基金公司都进行了长期的积累和准备，南方基金的量化投资团队即是其中的典型。

⑺ 如何简单理解量化投资

1、定义：
量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪
2、特点：
具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点
3、具体运行
一、估值与选股

估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。
二、资产配置

资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。
三、基于行为金融学的投资策略

金业中的应用将主要集中在量化选股、资产配置、绩效评估与风险管理、行为金融等方面，而随着包括基金在内的机构投资者占比的不断提高、衍生品工具的日渐丰富(股指期货、融资融券等)以及量化投资技术的进步，基金管理人的投资策略将会越来越复杂，程序化交易(系统)也将有快速的发展。

⑻ 目前对量化投资非常感兴趣 所以想请教下各位大神

模型仅仅是方法论,不是说模型本身能解决投资问题.
模型能否有效,主要还是看你的模型背后的逻辑思路是否有效.
你去看看：经济学（曼昆）金融学(博迪);金融工程(约翰希尔);在学学量子力学、计算机编程+你的本行（实变函数、复变函数、测度论、鞅、随机过程等等）。
你的数学基础会派上用途的，前途路漫漫，加油吧！

⑼ 大成基金的投资操作上做了哪些新调整

大成基金数量与指数投资部总监黎新平认为目前市场上整体投资标的的机会仍较少，他和团队均认为，通过量化选股的方式，或通过多种策略的组合来寻找更符合当前市场环境的选股标的更有机会。
大成动态量化配置策略混合型证券投资基金就是一只典型的量化基金，黎新平给它的定位是“三重量化技术综合在统一的量化模型中进行投资操作的产品”，其量化主要表现在量化选股的层面上，配置反映的是量化配置的技术。新产品有一个突出的亮点，即通过动态的量化选股和动态的量化配置，把这两个最重要的核心内容综合在统一的模型里，除量化选股内容之外，还实现大类资产配置。
一般来说，在动态的量化选股和动态的量化配置方面，多数产品未能两者兼顾，用动态的方式通过将量化择时的模型与选股融合在一起，并在大成动态量化配置策略上发力。
把好的进攻性的资产和好的防御性资产组合在一起，在经济增长比较稳定的情况下，选择一些进攻性比较强的权益类资产；在市场风险增大之时，对整个资产配置进行调整，加大债券类资产配置。这一模型的配置比例也是根据市场环境和宏观经济条件的变化而定，看每一大类资产在宏观环境下表现的情况进行配置比例调整，整体是一个动态的过程。
在择时周期方面，大成基金并没有一个固定的周期而将更加注重仓位的调整。不定期的调整基本上会根据市场环境的变化，每天都会计算一个最优的配资比例，在最优配资比例和当前现实的比例发生偏差超过一定值的时候，它就会发生不定期的调整。大成基金会在季度和月度的定期调整中防止换手率过高进而进行频繁的交换。
那么，为了获取相对于大盘风险的差额收益，量化管理也并非无风险，同样需要通过风险管理的方式来找到潜在的危机。而纯粹的无风险收益是不现实的，尤其是在一个有效市场里更难。量化操作要做到四件事情：第一是风险分割，任何的资产都需要把它分割成不同的风险；第二是风险估值，对每一个风险因子进行定价和分析；第三是资产组合，对风险因子进行动态挑选、动态赋予权重；第四是风险的管理和对冲，对不想持有的风险因子进行管理或对冲。

⑽ 量化投资和对冲基金间的联系和区别

首先你要明确定性分析和定量分析的区别，定性分析举个简单的例子就是股票和债券的性质是不同的，A股票和B股票是不同的。A股票上午买和A股票下午买是不同的。这是从定性的角度来分析问题。但实际运用当中A股票和B股票又是有联系的。而他们的关联度如何去确定，那么就引入定量分析整个概念了。一般来讲，量化投资都是运用金融建模进行定量分析。其中运用最普遍的是对冲基金。
对冲基金意思是买一个标的物，然后再卖一个标的物。利用标的物与标的物之间的关联性进行套利。而这种套利是需要精确的量化分析进行的。

所以说对冲基金主要运用量化投资这种方法。但量化投资不见得是对冲基金。