金融数量分析基金业绩归因

① 有对Matlab金融数量分析视频课感兴趣的同学吗

考研没什么用吧 金融的统计还不如去学Eviews和R
Eviews是专门用于计量经济学的，不需要写代码
R是用于大数据的

② 证券投资是数量分析重要还是基本面分析重要

你给的这个命题很大，我觉得对于每种方法，你至少有两个条件需要考虑：

1、你是否掌握了这个方法。
2、你所选用的这个方法是否适合你的所在的市场、投资的品种和资金规模。

为了严谨，我把你所说的数量分析泛化为统计套利、图标技术分析等一系列尝试通过程式化挖掘价格内部信息和其它可数量化（Quantify）信息的交易策略集合；把你说的基本面分析严格锁定为尝试通过挖掘财务报表等公开经营管理信息来做投资决策的交易策略集合。如果我的理解有谬误，欢迎指出。

请注意，按照我给的这个框架，数量分析也可以利用基本面信息，特别是那些可以数量化的基本面信息，但其特点是“程式化”，基本不做各个案例各自分析的考虑。而基本面分析大量进行个例分析。

对于第一点（是否掌握）：我觉得没有人可以否定，这两个流派都有大家，都有投资收益惊人的主体存在。基本面的巴菲特、林奇不必赘述，而数量化，根据我在美国观察的感受，文艺复兴（就是西蒙斯那家公司）、DE Shaw等顶级数量化对冲基金，也都是能保持长期盈利的。
当时一般人很难判断自己是否真的掌握一门技术的，基本面由于比较艰深，而且需要大量主观判断介入，一般投资者（特别是中国的股民）望而生畏，号称自己掌握了的人本身就不多。

但是对于数量分析，尤其是所谓的图标技术分析，由于很多是标准化的公式或者“图形”，比如金叉、死叉等等，一般投资者总觉得自己摸到了点门道，如果自己试验几次，也有盈利的话，就觉得自己真的会了。其实这个真的掌握差距很大，我不否认民间智慧，但是我想说说DE Shaw和文艺复兴的招聘标准，很简单，只有一句话：不管你是研究什么的，只要你是业内最好的，我们都会考虑。我很清楚的知道，文艺复兴有顶级的物理学家、数学家、统计学家，还有人类语言学家，历史学家、哲学家等你觉得跟数量分析没有关系的专业人士。比如人类语言学家，他们就参与利用微博（Twitter）上的数据流，进行自然语言识别，然后统计推断股市的变化（逻辑：人对市场的看法——》他们在Twitter上的发言，反过来，Twitter上的发言——》人对市场的看法——》人对于自己仓位的决策）。从这个标准来看，又有几个人真的符合标准呢？如果你真的对于数量分析精深到这个地步，我觉得获得超额收益只是时间问题。

对于第二点（是否适合），我提到了三点，市场、品种和资金规模。这里不展开，尽量简单的说。基本面分析主要适用于并购、重组和股票、债券投资等基本资产种类，这个相信也是大家的共识。

对于数量化分析来说，差异很大，你可以用KDJ、MACD等等去判断大盘之流，也有美国这边的主流主要应用数量化分析到衍生产品（期权、期货、互换等等）上（当然也有很多是投资股票、债券的）。

之所以大量用在衍生产品上，我觉得可以这样来理解，衍生产品本身对应的资产的价格，其运行相当于行星公转，而衍生产品相当于此行星众多的卫星。因此你可以通过行星的速度（资产价格）去计算对应的卫星（衍生产品）价格，这是一个相对速度。理论情况下，卫星的速度相对于行星的速度有一个较稳定的关系，如果这个关系破坏（或破坏到一定程度）了，这个卫星相对于其它众多卫星的相对速度也改变了，这被认为是不合理的，因此会存在套利机会。而数量化的交易对于侦查这种大量相对速度的变化，具有先天性的优势。而且这个决定这个相对速度，比决定行星的绝对速度（资产价格）来说有数学关系得多。

中国本身衍生产品就很少，股指期货也是刚刚开放，而期权更是数量少的可怜，这种方法在国内应用价值有限。加上对于股票做空的高门槛，因此我觉得数量化分析在中国这个市场本身就有先天性不足。

在美国，数量化分析尤其强调对冲。所谓对冲，通俗的讲，就是采用某些金融产品，把你原有资产组合的风险转移、或者减少。这里的“某些金融产品”，以衍生产品为主。风险减少的代价是你的最大绝对收益会要削弱。这也对于市场金融产品的丰富度、流动性有着非常高的要求。同时，虽然每一单绝对收益小了，但是很多对冲基金采用高杠杆来弥补，这也很难在国内市场实现。

至于资金规模，我认为如果你是小额资金，那么基本面分析和图标类技术分析，都没有问题，完全看你的兴趣。如果要应用严谨的数量化分析，考虑对冲、做空等等因素，资金量不能太小。如果太大，可能由于一单交易量太大，也许这个世界上没有一个市场的流动性可以满足你的要求。所以美国大规模的基金，很多是共同基金（类似于国内的公募基金），做基本面为主，如果是数量化的，也是分仓后应用于多个不同的市场和策略，防止单个基金对市场冲击太大导致原本的策略无法生效。尤其是对于高频交易（一秒钟交易数单），一般都是具有交易所席位资格的基金公司才会考虑接入，不然高额的交易费用完全不可行。

最后：如果你觉得自己掌握了一种，并且找到了适合的市场、品种，更好的是，你有对应的资金规模，我觉得你如何选择都会成功。反之，只能说赢面<50%。

我个人的建议是，对于个人投资者，如果不是职业投资人，可以考虑买指数，或者杠杆类指数基金，长期持有，如果中国股市长期是趋向理性的话，至少你可以稳定的分享中国经济成长的红利。如果追求一定的超额收益，可以考虑买基金。如果坚持要自己操盘，那一定做好风险控制。

③ 请问如何评价基金的绩效表现

基金的绩效应该是最重要的考虑 投资人可从以下四方面客观地评价基金绩效表现：将基金的绩效表现和既定的指标作比较在海外,基金成立时都会设定一个衡量和评估该基金绩效表现的指标这个指标的设定与该基金的投资标的、运作风格等有直接关系,比如高科技基金对应的是高科技指数,小规模基金对应的是小规模基金指数。如果基金的绩效表现好于该指标,该基金的绩效表现就是值得肯定的；同类基金进行比较大盘基金和大盘基金之间、小盘基金和小盘基金之间、投资标的相同的基金之间才具有可比性。如果将投资标的、运作风格、规模大小都不相同的基金进行比较,则是不科学的；以长期投资的观点看待基金绩效中长期的绩效表现才能体现出一只基金绩效表现的全貌。某只基金可能在短期内净值表现不佳,但从长期历史的绩效表现来看，该基金的累计绩效平摊到每一年,则可能会相当不错。

④ 四种基金绩效评价法

基金绩效评价是一个复杂的问题。它不仅涉及到衡量绩效的客观有效的度量方法，也关系到基金绩效的持续性和业绩归因分析等多方面的因素。从目前的情况看，我国在基金绩效评价方面的研究依然非常薄弱，不仅在理论研究上还基本停留在国外90年代的理论水平，在实证研究上也比较缺乏。
国外近几十年的理论研究和实践表明，数量分析的方法被大量地引入基金绩效评价。随着现代金融理论的不断发展，基金绩效评价在理论研究的指导下进行了许多实证分析，而实证分析的结果又反过来对相关的金融理论和假设进行了验证。事实上，许多在金融投资理论界存在争议的假设依然能够在基金绩效评价的领域发现其踪迹。
国外对基金绩效评价研究有着长期的历史、较为完善的理论体系和大量的实证研究，而我国目前还基本处在开始的阶段。这是因为证券投资基金在我国的时间较短，即使以90年代初期各地不规范设立的基金（如蓝天基金、天骥基金和广发基金等）算起，也不过10余年的时间。若以1998年3月第一只封闭式基金（基金金泰、基金开元）成立算起也仅几年的时间。由于封闭式基金的基金规模（份额）并不随基金绩效发生变动，封闭式基金的发行长期处于超额认购的局面，加之持有人主要是通过封闭式基金的交易获取价差收益而不是通过净值增长获得资本利得，因此无论是管理公司、持有人、监管层和独立第三方对基金绩效评价的研究并不系统和深入。从2001年华安基金公司在中国市场发行了第一只开放式基金起，截至2005年12月28日，共有217只证券投资基金正式运作，其中开放式基金163只，封闭式基金54只。按照证监会11月底的统计数据，目前证券投资基金的净值规模已经达到5000亿元；共有52家基金管理公司，其中正式管理基金的是49家；与迅猛增长的基金市场相比，我国在基金绩效评价的理论研究和实证分析方面还远远落在后面。
国外的绩效评价具有较长的历史。60年代资产组合理论、资本资产定价模型和股票价格行为理论，奠定了现代基金评价理论的基石。特别是Sharpe/Lintner的资本资产定价模型（CPAM），更是基金绩效评价的基础。Treynor、Sharpe和Jensen几乎同时分别提出了经过风险调整后的基金绩效评价方法，这才使绩效评价能够在同样的风险水平上进行比较。尽管他们在衡量风险的指标选取上有所不同（Sharpe指数采用的是全部风险）。CPAM模型历史久远而且目前仍被广泛应用（例如Malkiel，1995和Ferson、Schadt，1996）。不过这个理论也遭到了强烈的反对（RichardRoll1977，1978，AdmatiandRoss，1985，和DybvigandRoss，1985a，b）。例如，使用证券市场线来进行绩效评价是“不确定的”。使用这种方法来判断绩效有时会被视为“无望的”（AdmatiandRoss，1985，p.16）和“总体而言任何事情皆有可能。”（DybvigandRoss，1985a， p.383）
针对上述的批评，又有一些改进的指标被提出。例如信息率，即是改进的詹森指数，通过单位非系统风险的超常收益率对基金投资业绩进行评价。1997年诺奖得主FrancoModigliani和其孙女LeahModigliani把国债引入证券投资的实际资产组合，构建一个虚拟的资产组合，使其总风险等于市场组合的风险，通过比较虚拟资产组合与市场组合的平均收益率来评价基金业绩，该种方法被命名为M2.
2000年Muralidhar认为Sharp值、信息率、M2法不足以有效地进行组合构建和基金业绩排序，问题的关键在于对组合和基准之间标准差的差异调整不够，并且忽略了“组合和基准的相关性”常导致错误排序和评价。鉴于此，Muralidhar提出了M3测度方法。Stutzer（2000）在损失厌恶理论基础上，假定投资者选择最大可能地回避风险，从而构建了一个新的评价指标，即衰减度（ProbabilityofDecayRate），该指标最大的特点在于允许收益率收敛于各种分布。当收益率收敛于非正态分布式衰减度对于偏度和峰度敏感性较高，正偏度的基金风险趋小。
此外，证券选择和时机选择、业绩归因、绩效的持续性、基金风格、绩效评估的一致性、基准组合的有效性和资产配置分析等方面，也是国外近期基金绩效评价研究的热点。
Treynor＆Mazuy（1966）首次提出的二次方程模型（T-M模型）可以用来检验基金经理的择时能力。择时能力是指基金经理预测风险资产的收益高于或低于无风险利率的能力。Heriksson＆Merton（1981）则提出在CPAM模型中增加一个二项式随机变量，称之为双β模型（H-M模型）。Bhattacharya＆Pfleiderer（1983）对H-M模型的研究表明，经过他们改进后的模型可以判断基金经理是否正确地利用了正确的信息。Connor＆Kora jczyk（1991）的研究表明在基金组合与市场收益率之间有协偏度（Co-skewness）时，T-M和H-M模型会得到错误的结论。Grinblatt＆Titman（1989，1994）针对这种情况提出了（PPW）的模型，此模型通过计算期内各时期的超额收益率的加权收益率，给出了择股和择时能力的综合检验结果。此外，Chang＆Lewellen（1984）基于APT模型提出了一种新的检验方法。引入变量β1和β2，通过计算它们的差来判断资产管理人的择时能力。
Fama（1972）最早对基金绩效进行了归因分析，并提出了著名的Fama模型。Fama的模型建立在CAPM模型有效的前提上，他将资产组合的超额收益率分为“选择回报”（由分散回报和净选择回报组成）和“风险回报”（由投资者风险回报和经理人风险回报组成）两部分。Brinson，Hood＆Beebower（1986）提出的BHB模型则将资产组合与基准组合的差异归因于择时、择股和交互作用三类。但他们的研究结果也遭到了许多批评，如Hensel，Ezra＆Ilkiw（1991），JohnNuttall（1998）等。
绩效的持续性是绩效评价的又一个主要研究方面。如果基金绩效是持续的，则绩效评价的结果对投资者而言是具有实际应用意义的。尽管关于绩效持续性的研究常常是相互矛盾的，不过近来众多的研究比较倾向于认为基金的绩效具有较为显著的持续性。如Brown＆Goetzmann（1995）认为基金“短期内”具有持续性。比较常用的检验方式有半期平均秩差检验法和交叉积比率（CPRCrossProctRadio）法。半期平均秩差检验法是通过将基金按时间分为前后时间相等的两部份，并分别计算其秩。如果这两段的秩相等，则表明该基金的业绩在全部基金的排名保持稳定状态，其业绩具有长期的稳定性。CPR法是将一定时期内的基金绩效与所有基金的中位值相比较，将比较结果高者标为W（win），低于中位值者标为L（lost）。定义CPR=WW LL/（WL LW）。CPR的取值范围为（0，+∞），如果绩效的持续性越差，CPR值越接近0，反之若持续性越强，CPR值越接近正无穷。据Carhart（1997）的观点，短期的基金绩效的持续性应归咎于持有的好或差的股票，长期的持续性则是由于费率结构的设计不同。
基金的风格研究是对基金的投资和收益特点进行的研究。随着金融创新的深化和产品设计竞争的加剧，市场上逐渐出现了许多类型和风格差异的基金。因此基金的风格研究具有极大的实用性。基金风格研究的方法可以分为因素分析法和特征分析法。最早的风格研究方法是所谓的HBS（HoldingsBasedStyleAnalysis）法。这种方法通过对基金披露的全部持股信息进行分析而进行。缺点是无法有效地剔除“披露日修饰”行为。1992年夏普（Sharpe）采用12因素模型（这12个因素是短期票据、中期政府债、长期政府债、公司债、抵押证券、大盘价值股票、大盘成长股票、中盘股票、小盘股票、非美国债券、日本股票和欧洲股票）进行研究，这种方法被称为RBS（ReturnBasedStyleAnalysis）。RBS方法将基金收益分解为风格收益和选择收益。模型中因素的选取遵循排他、无遗漏和易于获得等原则。目前有越来越多的各种因素模型出现。而特征分析法有MSB（MorningstarStyleBox）方法等。晨星风格箱法（MSB）由著名的晨星公司于1992年提出并于2002年进行了改进。它首先根据资产组合中各股票市值规模的大小将其分为大盘、中盘和小盘，再在划分的每个市值区间根据定义的算法计算其价值和成长得分，最后将其定位到基金风格箱里的不同位置。
GolloandLockwood（1999）对1983-1991期间更换了经理人的共同基金的业绩、风险及投资风格的改变进行了研究。当用公司规模、价值/成长重新对基金进行分类时，发现有多于65%的基金在改变管理之后投资风格也发生了改变。
绩效评估的一致性是研究和比较基金绩效评价的诸方法结果差异性的。不过该方面的研究一直比较少，国内目前还只有王聪（2001）对多重比较法等概念进行了一些介绍。评估一致性的检验方法主要有Spearman秩相关检验、Kendall协同检验和多重比较法等。Spearman秩相关检验方法是通过对两种绩效评估方法所形成秩序列的相关性，判断两方法是否一致。如果该两种方法的秩（排序的差的平方）较小，则表明该两种方法对基金的评估具备一致性。Kendall协同检验是在相关系数检验法上发展的。其中Kendall协同系数定义为12S/m2n（n2-1）。W的取值范围在0和1之间。W的值越大，诸绩效评估方法具备越强的一致性。极端地，W取值1时说明所有的绩效评估方法结果完全相同。经过Kendall协同检验，具有一致性的基金可以通过多重比较法来进行总体业绩评估。
国内关于基金绩效评价的研究目前还比较少。从已发表的文章和收集的资料来看，国内的研究还局限于对国外理论的介绍和实证研究，更多地是对某种单独的理论或角度进行研究，缺乏整体和系统的研究和缺少理论上的创新。
[编辑]

基金绩效评价的指标[1]
1、夏普(Sharpe)指数简介
美国经济学家威廉·夏普于1966年发表《共同基金的业绩》一文，提出用基金承担单位总风险（包括系统风险和非系统风险）所带来的超额收益来衡量基金业绩，这就是夏普指数。夏普指数通过一定评价期内，基金投资组合的平均收益超过无风险收益率部分与基金收益率的标准差之比来衡量基金的绩效。计算公式为：
Sp = (rp-rf)/σp
其中，Sp为夏普指数，rp为基金组合的实际收益, rf为无风险收益率, σp 为基金收益率所对应的标准差。
夏普指数的理论依据是资本资产模型（CAPM模型），以资本市场线(CML)为评价的基点,如果基金证券组合的夏普指数大于市场证券组合M的夏普指数，则该基金组合就位于CML之上，表明其表现好于市场；反之，如果基金投资组合P的夏普指数小于市场证券组合M的夏普指数，则该基金组合就位于CML之下，表明其表现劣于市场。因此，可以认为，夏普业绩指数越大,基金绩效就越好；反之，基金绩效就越差。
2、特雷诺(Treynor)指数简介
杰克·特雷诺1965年发表《如何评价投资基金的管理》一文，认为足够的证券组合可以消除单一资产的非系统性风险,那么系统风险就可以较好地刻画基金的风险，即与收益率变动相联系应为系统性风险。因此，特雷诺指数采用在一段时间内证券组合的平均风
险报酬与其系统性风险对比的方法来评价投资基金的绩效。这就是特雷诺指数，它等于基金的超额收益与其系统风险测度β之比。
计算公式为：
Tp = (rp-rf)/ βp
其中，Tp为特雷诺指数；βp表示基金投资组合的β系数，是投资组合要承担的系统风险。
特雷诺业绩指数的理论依据也是资本资产定价模型（CAPM模型），但是是以证券市场线（SML）为评价的基点，当市场处于平衡时，所有的资产组合都落在SML上，即SML的斜率就表示市场证券组合的特雷诺指数。当基金投资组合的特雷诺指数大于SML的斜率时， 该投资组合就位于SML线之上，表明其表现优于市场表现；反之，当基金投资组合的特雷诺指数小于SML的斜率时，该投资基金组合位于SML线之下，表明其表现劣于市场表现。所以，特雷诺业绩指数越大,基金的绩效就越好；反之，基金的绩效就越差。
3、詹森(Jensen)指数简介
美国经济学家迈克尔·詹森1968年发表《1945-1964年间共同基金的业绩》一文，提出了一种评价基金业绩德绝对指标，即詹森指数。他认为,基金投资组合的额外收益可衡量基金额外信息的价值,因而可以衡量基金的投资业绩，其计算公式为：
Jp=rp-[rf+βp(rm-rf)]
----Jp为詹森指数。
詹森业绩指数,又称为α值,它反映了基金与市场整体之间的绩效差异。詹森指数也以资本资产定价模型为基础，根据SML来估计基金的超额收益率。其实质是反映证券投资组合收益率与按该组合的β系数算出来的均衡收益率之间的差额。当然，差额越大，也就是詹森系数越大,反映基金运作效果越好。如果为正值，则说明基金经理有超常的选股能力,被评价基金与市场相比，高于市场平均水平，投资业绩良好；为负值则说明基金经理的选股能力欠佳,不能跑过指数,被评价基金的表现与市场相比较整体表现差；为零则说明基金经理的选股能力一般,只能与指数持平。

⑤ MATLAB金融数量分析,求解求解求解！！！

有金融背景，会编程的人很少，这个你得上淘宝搞定

⑥ 求 《金融数量分析:基于MATLAB编程(第2版) 》

A = [22 10 1 18 3];
max_A =最大值（A）;

“http://..com/api/getdecpicpicenc=d236796f755f314206”>种“http://..com/api/getdecpicpicenc=d23666616e675f314206 “>

A = [22 10 1 18 3];

M =长度（A）;

B = 0;

对于i = 1：M

如果A（I）>乙

B = A（i）条;

B =;

对于i = 1：M

ERR（I）= B（I）;

err_min = B;

对于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 证券投资是数量分析重要还是基本面分析重要

这个问题我思考了很久，尽量给你一个公允的答案，并给出一个折中的建议。
你给的这个命题很大，我觉得对于每种方法，你至少有两个条件需要考虑：
1、你是否掌握了这个方法。
2、你所选用的这个方法是否适合你的所在的市场、投资的品种和资金规模。
请注意，按照我给的这个框架，数量分析也可以利用基本面信息，特别是那些可以数量化的基本面信息，但其特点是“程式化”，基本不做各个案例各自分析的考虑。而基本面分析大量进行个例分析。
对于第一点（是否掌握）：我觉得没有人可以否定，这两个流派都有大家，都有投资收益惊人的主体存在。基本面的巴菲特、林奇不必赘述，而数量化，根据我在美国观察的感受，文艺复兴（就是西蒙斯那家公司）、DE Shaw等顶级数量化对冲基金，也都是能保持长期盈利的。
当时一般人很难判断自己是否真的掌握一门技术的，基本面由于比较艰深，而且需要大量主观判断介入，一般投资者（特别是中国的股民）望而生畏，号称自己掌握了的人本身就不多。
但是对于数量分析，尤其是所谓的图标技术分析，由于很多是标准化的公式或者“图形”，比如金叉、死叉等等，一般投资者总觉得自己摸到了点门道，如果自己试验几次，也有盈利的话，就觉得自己真的会了。其实这个真的掌握差距很大，我不否认民间智慧，但是我想说说DE Shaw和文艺复兴的招聘标准，很简单，只有一句话：不管你是研究什么的，只要你是业内最好的，我们都会考虑。我很清楚的知道，文艺复兴有顶级的物理学家、数学家、统计学家，还有人类语言学家，历史学家、哲学家等你觉得跟数量分析没有关系的专业人士。比如人类语言学家，他们就参与利用微博（Twitter）上的数据流，进行自然语言识别，然后统计推断股市的变化（逻辑：人对市场的看法——》他们在Twitter上的发言，反过来，Twitter上的发言——》人对市场的看法——》人对于自己仓位的决策）。从这个标准来看，又有几个人真的符合标准呢？如果你真的对于数量分析精深到这个地步，我觉得获得超额收益只是时间问题。
对于第二点（是否适合），我提到了三点，市场、品种和资金规模。这里不展开，尽量简单的说。基本面分析主要适用于并购、重组和股票、债券投资等基本资产种类，这个相信也是大家的共识。
对于数量化分析来说，差异很大，你可以用KDJ、MACD等等去判断大盘之流，也有美国这边的主流主要应用数量化分析到衍生产品（期权、期货、互换等等）上（当然也有很多是投资股票、债券的）。
之所以大量用在衍生产品上，我觉得可以这样来理解，衍生产品本身对应的资产的价格，其运行相当于行星公转，而衍生产品相当于此行星众多的卫星。因此你可以通过行星的速度（资产价格）去计算对应的卫星（衍生产品）价格，这是一个相对速度。理论情况下，卫星的速度相对于行星的速度有一个较稳定的关系，如果这个关系破坏（或破坏到一定程度）了，这个卫星相对于其它众多卫星的相对速度也改变了，这被认为是不合理的，因此会存在套利机会。而数量化的交易对于侦查这种大量相对速度的变化，具有先天性的优势。而且这个决定这个相对速度，比决定行星的绝对速度（资产价格）来说有数学关系得多。
中国本身衍生产品就很少，股指期货也是刚刚开放，而期权更是数量少的可怜，这种方法在国内应用价值有限。加上对于股票做空的高门槛，因此我觉得数量化分析在中国这个市场本身就有先天性不足。
在美国，数量化分析尤其强调对冲。所谓对冲，通俗的讲，就是采用某些金融产品，把你原有资产组合的风险转移、或者减少。这里的“某些金融产品”，以衍生产品为主。风险减少的代价是你的最大绝对收益会要削弱。这也对于市场金融产品的丰富度、流动性有着非常高的要求。同时，虽然每一单绝对收益小了，但是很多对冲基金采用高杠杆来弥补，这也很难在国内市场实现。
至于资金规模，我认为如果你是小额资金，那么基本面分析和图标类技术分析，都没有问题，完全看你的兴趣。如果要应用严谨的数量化分析，考虑对冲、做空等等因素，资金量不能太小。如果太大，可能由于一单交易量太大，也许这个世界上没有一个市场的流动性可以满足你的要求。所以美国大规模的基金，很多是共同基金（类似于国内的公募基金），做基本面为主，如果是数量化的，也是分仓后应用于多个不同的市场和策略，防止单个基金对市场冲击太大导致原本的策略无法生效。尤其是对于高频交易（一秒钟交易数单），一般都是具有交易所席位资格的基金公司才会考虑接入，不然高额的交易费用完全不可行。
我个人的建议是，对于个人投资者，如果不是职业投资人，可以考虑买指数，或者杠杆类指数基金，长期持有，如果中国股市长期是趋向理性的话，至少你可以稳定的分享中国经济成长的红利。如果追求一定的超额收益，可以考虑买基金。如果坚持要自己操盘，那一定做好风险控制。

⑧ 金融数量分析的图书目录

第1章 金融市场与金融产品1
第2章 数量分析的基本概念10
第3章 商业保险与按揭贷款的现金流分析33
第4章 股票挂钩结构分析46
第5章 组合保险策略分析60
第6章 金融数量计算技巧与实例78
附录参考文献166
……