精品資料（2021-2022年收藏）量化投資分析報(bào)告

1、1. 概述背景量化投資在國(guó)外的實(shí)踐已經(jīng)有了40多年的發(fā)展，我國(guó)的量化投資起步較晚，從2004年開(kāi)始出現(xiàn)量化投資的產(chǎn)品，由于缺乏有效的對(duì)沖手段，直到2010年4月滬深300股指期貨上市之后才能算是真正意義上開(kāi)始涉足量化投資。2015年的中國(guó)股市跌宕起伏，杠桿配資引發(fā)了大幅上漲和斷崖式下跌，股市出現(xiàn)罕見(jiàn)的千股漲停、千股跌停、千股停牌的奇觀(guān)，眾多機(jī)構(gòu)投資者和散戶(hù)蒙受了巨大的損失。但其中少數(shù)量化投資基金在大幅波動(dòng)的市場(chǎng)中卻表現(xiàn)相對(duì)穩(wěn)定。量化投資基金和量化對(duì)沖策略的穩(wěn)健，很快引起了全市場(chǎng)的關(guān)注，也成為近期銀行、券商、信托等機(jī)構(gòu)追捧的新的產(chǎn)品模式。在此背景下，結(jié)合建行現(xiàn)有的業(yè)務(wù)體系，本文將對(duì)量化投資的市場(chǎng)

2、和可行性進(jìn)行全面闡述，以分析其成為新業(yè)務(wù)模式的可能。量化投資解讀量化投資定義量化投資在學(xué)術(shù)界并沒(méi)有嚴(yán)格統(tǒng)一的定義，現(xiàn)有的定義對(duì)于量化投資的定義的側(cè)重點(diǎn)各有不同。本文對(duì)于量化投資的定義為：量化投資是借助現(xiàn)代統(tǒng)計(jì)學(xué)和數(shù)學(xué)的方法，利用計(jì)算機(jī)技術(shù)從龐大的歷史數(shù)據(jù)中海選出能帶來(lái)超額收益的多種“大概率”事件以制定策略，用數(shù)量模型驗(yàn)證及固化這些規(guī)律和策略，然后嚴(yán)格執(zhí)行已固化的量化策略來(lái)指導(dǎo)投資，以求獲取可持續(xù)的、穩(wěn)定且高于市場(chǎng)平均的超額回報(bào)。量化投資的特點(diǎn)客觀(guān)執(zhí)行，避免情緒因素傳統(tǒng)投資的分析決策，大多數(shù)方面都由人工完成，而人并非能做到完全理性，在進(jìn)行投資決策時(shí)，很難不受市場(chǎng)情緒的影響。量化投資運(yùn)用模型對(duì)歷史

3、和當(dāng)時(shí)市場(chǎng)上的數(shù)據(jù)進(jìn)行分析檢測(cè)，模型一經(jīng)檢驗(yàn)合格投入正式運(yùn)行后，投資決策將交由計(jì)算機(jī)處理，一般情況下拒絕人為的干預(yù)，這樣在進(jìn)行投資決策時(shí)受人的情緒化的影響將很小，投資過(guò)程可以做到理性客觀(guān)。支持大數(shù)據(jù)處理，提高決策效率我國(guó)股票市場(chǎng)上有近3000只股票，與上市公司相關(guān)的各種信息紛繁復(fù)雜，包括政策、國(guó)內(nèi)外經(jīng)濟(jì)指標(biāo)、公司公告、研究報(bào)告等，投資者靠自己手工的篩選根本就是力不從心。量化投資的出現(xiàn)為這個(gè)問(wèn)題的解決帶來(lái)了希望。量化投資運(yùn)用計(jì)算機(jī)技術(shù)快速處理大量數(shù)據(jù)，對(duì)其進(jìn)行辨別、分析、找出數(shù)據(jù)之間的關(guān)聯(lián)并做出投資決策，大大減少了人工工作量，提高了投資決策效率。統(tǒng)計(jì)模型支撐，策略選股擇時(shí)精準(zhǔn)傳統(tǒng)的投資方法中認(rèn)為

4、投資是一門(mén)藝術(shù)，投資決策需要的是投資者的經(jīng)驗(yàn)和技術(shù)，投資者的主觀(guān)評(píng)價(jià)起到?jīng)Q定作用。而量化投資有所不同，尤其是在套利策略中，它能做到精準(zhǔn)投資。例如在股指期貨套利的過(guò)程中，現(xiàn)貨與股指期貨如果存在較大的差異時(shí)就能進(jìn)行套利，量化投資策略和交易技術(shù)會(huì)抓住精確的捕捉機(jī)會(huì)，進(jìn)行套利交易來(lái)獲利。另外，在控制頭寸規(guī)模方面，傳統(tǒng)的投資方法只能憑感覺(jué)，并沒(méi)有具體的測(cè)算和界定，而量化投資必須要設(shè)定嚴(yán)格精確的標(biāo)準(zhǔn)。程序化交易，縮短決策與交易時(shí)滯量化投資往往利用高速計(jì)算機(jī)進(jìn)行程序化交易，與人腦相比它能夠迅速發(fā)現(xiàn)市場(chǎng)存在的信息并進(jìn)行相應(yīng)的處理，具有反應(yīng)快速、把握市場(chǎng)稍縱即逝的機(jī)會(huì)的特點(diǎn)。量化投資在速度上最出色的運(yùn)用就是高頻

5、交易，與低頻交易相對(duì)，高頻交易是通過(guò)高速計(jì)算機(jī)，在極短的時(shí)間內(nèi)對(duì)市場(chǎng)的變化做出迅速的反應(yīng)并完成交易。能夠有效地控制風(fēng)險(xiǎn)與傳統(tǒng)投資方式不同的是，量化投資在獲得較高超額收益的同時(shí)能夠更好地控制風(fēng)險(xiǎn)，業(yè)績(jī)也更為穩(wěn)定。相關(guān)研究顯示，1996年至2005年期間，量化投資基金與以所有傳統(tǒng)主動(dòng)型投資基金和偏重于風(fēng)險(xiǎn)控制的傳統(tǒng)主動(dòng)型投資基金的信息比率對(duì)比情況中，量化投資基金的信息比率都是最高，說(shuō)明量化投資相對(duì)于傳統(tǒng)投資，能夠在獲得更高的超額收益的同時(shí)，有效地控制風(fēng)險(xiǎn)。量化投資的應(yīng)用量化投資幾乎覆蓋了投資的全過(guò)程，包括量化選股、量化擇時(shí)、股指期貨套利、統(tǒng)計(jì)套利、算法交易和資產(chǎn)配置等。量化選股量化選股就是采用數(shù)量

6、的方法判斷某個(gè)公司是否值得買(mǎi)入的行為。根據(jù)某個(gè)方法，如果該公司滿(mǎn)足了該方法的條件，則放入股票池，如果不滿(mǎn)足，則從股票池中剔除。量化選股的方法有很多種，總的來(lái)說(shuō)，可以分為公司估值法、趨勢(shì)法和資金法三大類(lèi)。量化擇時(shí)股市的可預(yù)測(cè)性問(wèn)題與有效市場(chǎng)假說(shuō)密切相關(guān)。眾多的研究發(fā)現(xiàn)我國(guó)股市的指數(shù)收益中，存在經(jīng)典線(xiàn)性相關(guān)之外的非線(xiàn)性相關(guān)，從而拒絕了隨機(jī)游走的假設(shè)，指出股價(jià)的波動(dòng)不是完全隨機(jī)的，它貌似隨機(jī)、雜亂，但在其復(fù)雜表面的背后，卻隱藏著確定性的機(jī)制，因此存在可預(yù)測(cè)成分。股指期貨套利股指期貨套利是指利用股指期貨市場(chǎng)存在的不合理價(jià)格，同時(shí)參與股指期貨與股票現(xiàn)貨市場(chǎng)交易，或者同時(shí)進(jìn)行不同期限，不同（但相近）類(lèi)別股

7、票指數(shù)合約交易，以賺取差價(jià)的行為，股指期貨套利主要分為期現(xiàn)套利和跨期套利兩種。商品期貨套利：商品期貨套利盈利的邏輯原理是基于以下幾個(gè)方面：（1）相關(guān)商品在不同地點(diǎn)、不同時(shí)間對(duì)應(yīng)都有一個(gè)合理的價(jià)格差價(jià)；（2）由于價(jià)格的波動(dòng)性，價(jià)格差價(jià)經(jīng)常出現(xiàn)不合理；（3）不合理必然要回到合理；（4）不合理回到合理的這部分價(jià)格區(qū)間就是盈利區(qū)間。統(tǒng)計(jì)套利統(tǒng)計(jì)套利是利用證券價(jià)格的歷史統(tǒng)計(jì)規(guī)律進(jìn)行套利，是一種風(fēng)險(xiǎn)套利，其風(fēng)險(xiǎn)在于這種歷史統(tǒng)計(jì)規(guī)律在未來(lái)一段時(shí)間內(nèi)是否繼續(xù)存在。統(tǒng)計(jì)套利在方法上可以分為兩類(lèi)，一類(lèi)是利用股票的收益率序列建模，目標(biāo)是在組合的值等于零的前提下實(shí)現(xiàn)alpha收益，我們稱(chēng)之為中性策略；另一類(lèi)是利用股票

8、的價(jià)格序列的協(xié)整關(guān)系建模，我們稱(chēng)之為協(xié)整策略。算法交易指通過(guò)使用計(jì)算機(jī)程序來(lái)發(fā)出交易指令。在交易中，程序可以決定的范圍包括交易時(shí)間的選擇、交易的價(jià)格、甚至可以包括最后需要成交的證券數(shù)量。根據(jù)各個(gè)算法交易中算法的主動(dòng)程度不同，可以把不同算法交易分為被動(dòng)型算法交易、主動(dòng)型算法交易、綜合型算法交易三大類(lèi)。資產(chǎn)配置指資產(chǎn)類(lèi)別選擇，投資組合中各類(lèi)資產(chǎn)的適當(dāng)配置以及對(duì)這些混合資產(chǎn)進(jìn)行實(shí)時(shí)管理。量化投資管理將傳統(tǒng)投資組合理論與量化分析技術(shù)的結(jié)合，極大地豐富了資產(chǎn)配置的內(nèi)涵，形成了現(xiàn)代資產(chǎn)配置理論的基本框架。量化投資與傳統(tǒng)投資的區(qū)別傳統(tǒng)的投資方法主要有基本面分析法和技術(shù)分析法這兩種，注重人為的分析和投資者的感

9、覺(jué)，而量化投資主要依靠數(shù)學(xué)模型來(lái)尋找投資標(biāo)的和投資策略。量化投資是由計(jì)算機(jī)自動(dòng)產(chǎn)生交易策略的一種投資方法，通過(guò)建立數(shù)學(xué)模型來(lái)實(shí)現(xiàn)交易理念，它具有完整的評(píng)價(jià)體系。模型建立后，通過(guò)對(duì)歷史數(shù)據(jù)進(jìn)行回測(cè)檢驗(yàn)，確定模型在各個(gè)行情階段均能有效運(yùn)行，實(shí)現(xiàn)盈利。因此量化投資較傳統(tǒng)投資更準(zhǔn)確、更高效、更理性。量化投資與傳統(tǒng)投資對(duì)比如下圖：量化投資傳統(tǒng)投資代表人物詹姆斯·西蒙斯沃倫·巴菲特分析方法依據(jù)科學(xué)模型依據(jù)人的經(jīng)驗(yàn)與判斷信息來(lái)源海量數(shù)據(jù)以及多層次多方面的因素（定量分析）基本面及宏觀(guān)經(jīng)濟(jì)（定性分析）投資風(fēng)格投資周期偏向短期投資周期偏向長(zhǎng)期投資標(biāo)的分散化投資于某一只或少量股票風(fēng)險(xiǎn)處理在風(fēng)險(xiǎn)最

10、小化前提下實(shí)現(xiàn)收益最大化風(fēng)險(xiǎn)考慮不周全2. 行業(yè)發(fā)展?fàn)顩r國(guó)外篇國(guó)外量化投資的興起和發(fā)展主要可以分為三個(gè)階段：第一階段（19711977）1971年，世界上第一只被動(dòng)量化基金由巴克萊國(guó)際投資管理公司發(fā)行，1977年世界上第一只主動(dòng)量化基金業(yè)是由巴克萊國(guó)際投資管理公司發(fā)行，發(fā)行規(guī)模達(dá)到70億美元，算是美國(guó)量化投資的開(kāi)端。第二階段（19771995）從1977年到1995年，量化投資在海外經(jīng)歷一個(gè)緩慢的發(fā)展，這其中受到諸多因素的影響，隨著信息技術(shù)和計(jì)算機(jī)技術(shù)方面取得巨大進(jìn)步，量化投資才迎來(lái)了其高速發(fā)展的時(shí)代。第三階段（1995至今）從1995到現(xiàn)在，量化投資技術(shù)逐漸趨于成熟，同時(shí)被大家所接受。在全部

11、的投資中，量化投資大約占比30%，指數(shù)類(lèi)投資全部采用定量技術(shù)，主動(dòng)投資中，約有20%30%采用定量技術(shù)。數(shù)據(jù)顯示2016年，量化科技在國(guó)外的理財(cái)產(chǎn)品管理規(guī)模已達(dá)到了3.2萬(wàn)億美元，而通過(guò)計(jì)算機(jī)和數(shù)字模型進(jìn)行下單和下達(dá)指令的比例達(dá)到了驚人56%。量化投資基本實(shí)現(xiàn)了從最初的技術(shù)分析手段，逐漸發(fā)展演變?yōu)槿缃裼薪鹑诶碚撝蔚慕鹑谠O(shè)計(jì)工具，以計(jì)算機(jī)程序算法主導(dǎo)的高頻交易。國(guó)外量化投資的代表企業(yè)及人物：量化投資的鼻祖巴克萊國(guó)際投資管理公司（BGI）。1971年，巴克萊國(guó)際投資管理公司發(fā)行了世界上第一只被動(dòng)量化基金，1977年，巴克萊國(guó)際投資管理公司發(fā)行了世界上第一只主動(dòng)量化基金，發(fā)行規(guī)模30億美元。巴克萊

12、國(guó)際投資管理公司的投資管理規(guī)模從1977年的30億美元逐漸發(fā)展到2010年上半年的2萬(wàn)5千億美元，高居全球資產(chǎn)管理規(guī)模的榜首。指數(shù)化投資的倡導(dǎo)者和實(shí)踐者先鋒集團(tuán)。先鋒集團(tuán)于1974年由約翰·鮑格爾(John Bogle)創(chuàng)立是世界上第二大基金管理公司。同時(shí)，先鋒集團(tuán)是世界上最大的不收費(fèi)基金家族，現(xiàn)在在全世界管理著3700多億美元的資產(chǎn)?！摆A在投研”富達(dá)投資集團(tuán)。富達(dá)投資集團(tuán)是全球最大的基金管理公司之一，擁有者許多世界級(jí)的明星基金經(jīng)理，分支機(jī)構(gòu)遍布全球23個(gè)國(guó)家和地區(qū)，全球雇員4萬(wàn)人。“最賺錢(qián)的基金經(jīng)理”詹姆斯·西蒙斯，文藝復(fù)興科技公司創(chuàng)始人采用數(shù)學(xué)模型和計(jì)算機(jī)技術(shù)進(jìn)行投資決

13、策，他所管理的大獎(jiǎng)?wù)禄饛?989年到2006年平均年收益率高達(dá)38.5%，凈回報(bào)率超過(guò)股神巴菲特?！岸糠治鲋酢?大衛(wèi)·肖，1988年以2800萬(wàn)美元在紐約創(chuàng)立德劭集團(tuán)，20年中，集團(tuán)所管理的基金資產(chǎn)規(guī)模敏捷膨脹，年均回報(bào)率高達(dá)20%，其最巔峰時(shí)期的生意量可以占到整個(gè)紐約證券生意的5%。國(guó)內(nèi)篇量化投資在國(guó)外已經(jīng)有30多年的歷史，但直到21世紀(jì)初，我國(guó)普通投資者仍對(duì)量化投資幾乎一無(wú)所知。量化投資起步較晚的主要原因?yàn)椋篈股市場(chǎng)的發(fā)展歷史較短，投資者隊(duì)伍參差不齊，投資理念還不夠成熟；我國(guó)證券市場(chǎng)效率低下，量化投資效果不明顯；國(guó)內(nèi)市場(chǎng)對(duì)沖工具單一，可量化的標(biāo)的過(guò)少；受到交易規(guī)則的限制，量

14、化投資不能充分發(fā)揮作用，很難引起人們重視。隨著國(guó)內(nèi)金融衍生產(chǎn)品市場(chǎng)的不斷發(fā)展，定性分析越來(lái)越不能滿(mǎn)足投資需求，與此同時(shí)資本市場(chǎng)制度不斷完善，A股市場(chǎng)的股票數(shù)量不斷增加，基金規(guī)模不斷擴(kuò)大，基本面研究成本提高，使量化投資的出現(xiàn)成為必然。2010年4月股指期貨的出臺(tái)，標(biāo)志著量化投資在國(guó)內(nèi)市場(chǎng)的發(fā)展進(jìn)入一個(gè)全新的階段。首先，各大機(jī)構(gòu)都在積極組建量化投資的團(tuán)隊(duì)、研究量化投資的策略，很多量化基金產(chǎn)品層出不窮，尤其是在傳統(tǒng)投資基金業(yè)績(jī)不佳的情況下，很多利用量化投資策略的基金產(chǎn)品獲得了相當(dāng)不錯(cuò)的收益率。其次，隨著融資融券、股指期貨、轉(zhuǎn)融通等業(yè)務(wù)相繼推出，券商資管量化投資十分火熱。國(guó)信、華泰、長(zhǎng)江、國(guó)泰君安等各

15、大券商都在發(fā)力量化投資產(chǎn)品研究，在我國(guó)百余家券商中，已有38家券商資管發(fā)行量化產(chǎn)品。同時(shí)已有國(guó)泰安金融學(xué)院，北京大學(xué)匯豐商學(xué)院，上海交通大學(xué)安泰管理學(xué)院投入數(shù)百萬(wàn)開(kāi)設(shè)了專(zhuān)業(yè)的量化投資金融實(shí)驗(yàn)室，并開(kāi)辦了量化投資高級(jí)研修班，為國(guó)內(nèi)量化投資的市場(chǎng)發(fā)展提供了良好的學(xué)術(shù)和實(shí)戰(zhàn)環(huán)境。2015年，上證50ETF期權(quán)于2月9日正式推出，這對(duì)于對(duì)我國(guó)的量化投資有著極大的促進(jìn)作用。4月16日，上證50與中證500兩只股指期貨新品種的上市給量化投資帶來(lái)更多的策略的運(yùn)用，金融衍生品的不斷豐富和發(fā)展，為量化投資提供更多的豐富對(duì)沖手段，也提供了更多的套利機(jī)會(huì)。我國(guó)第一只量化基金成立已有12年歷史，此后幾年量化基金發(fā)展較

16、為緩慢，至2011年末市場(chǎng)上僅有15只量化基金，而近兩年量化基金發(fā)展較快，截至2016年市場(chǎng)共有123只量化基金相繼設(shè)立（不含指數(shù)型、增強(qiáng)指數(shù)型和QDII基金）。從規(guī)模來(lái)看，在2015年量化基金的規(guī)模翻了一番，2016年規(guī)模增速稍有下滑，截至2016年年底量化基金總規(guī)模超1000億元，行業(yè)仍處于快速擴(kuò)張期?？偟膩?lái)說(shuō)，量化投資在國(guó)內(nèi)進(jìn)行一個(gè)短暫的適應(yīng)性過(guò)渡后，已經(jīng)開(kāi)始步入高速發(fā)展的初級(jí)階段了。3. 量化投資市場(chǎng)分析市場(chǎng)現(xiàn)狀目前從事量化投資主要有兩種商業(yè)模式，一種是提供量化商業(yè)平臺(tái)服務(wù)，可全方位為投資機(jī)構(gòu)提供最專(zhuān)業(yè)的技術(shù)和產(chǎn)品支撐，當(dāng)前市場(chǎng)上知名的量化平臺(tái)提供商主要有文華財(cái)經(jīng)、金之塔、交易開(kāi)拓者（

17、TB）、國(guó)泰安、龍軟DTS、天軟等，它們大多具有金融IT背景，尤其以期貨行情、交易軟件開(kāi)發(fā)商居多。另一種就是建自有平臺(tái)，搭建一套覆蓋策略研究、回測(cè)、模擬交易全流程的量化平臺(tái)，主要以?xún)?yōu)礦（通聯(lián)）、聚寬（JoinQuant）、京東量化、米筐、諸葛量化、果仁和盈時(shí)為代表。平臺(tái)名稱(chēng)產(chǎn)品上線(xiàn)時(shí)間產(chǎn)品服務(wù)客戶(hù)群體量化標(biāo)的盈利模式國(guó)泰安2009提供涵蓋股票、期貨、債券市場(chǎng)的數(shù)據(jù)、策略研究、回測(cè)、模擬、正式交易等全套解決方案。專(zhuān)業(yè)機(jī)構(gòu)客戶(hù)股票、期貨、債券機(jī)構(gòu)合作分傭，出售系統(tǒng)及系統(tǒng)維護(hù)費(fèi)龍軟DTS早于2011同上同上同上出售系統(tǒng)及系統(tǒng)維護(hù)費(fèi)。天軟科技早于2011同上同上同上同上文華財(cái)經(jīng)2011.2主要提供數(shù)據(jù)

18、、平臺(tái)服務(wù)，根據(jù)客戶(hù)的特點(diǎn)需求編寫(xiě)策略。個(gè)人投資者、中小投資機(jī)構(gòu)股票、期貨平臺(tái)使用年費(fèi)金之塔2011.11同上同上股票、期貨同上交易開(kāi)拓者（TB）早于2012同上同上股票、基金、期貨交易傭金諸葛量化2014選取參數(shù)，自動(dòng)生成策略有經(jīng)驗(yàn)的quant股票會(huì)員費(fèi)用優(yōu)礦（通聯(lián)）2015.6提供編碼環(huán)境，編譯代碼生成策略剛?cè)腴T(mén)的quant，有編程基礎(chǔ)股票、基金、期貨暫未獲取聚寬（JoinQuant）2015.8選取參數(shù)，自動(dòng)生成策略；提供編碼環(huán)境，編譯代碼生成策略有經(jīng)驗(yàn)的quant股票、基金、期貨會(huì)員費(fèi)用、策略交易費(fèi)用果仁、2015.8選取參數(shù)，自動(dòng)生成策略一般投資者股票、基金會(huì)員費(fèi)用京東量化2015選

19、取參數(shù)，自動(dòng)生成策略；提供編碼環(huán)境，編譯代碼生成策略同上股票、基金、期貨暫未獲取米筐2014.12提供編碼環(huán)境，編譯代碼生成策略有經(jīng)驗(yàn)的quant股票、基金、期貨暫未獲取盈時(shí)2016.6選取參數(shù)，自動(dòng)生成策略期貨投資者期貨服務(wù)費(fèi)產(chǎn)品分析隨著金融科技（Fintech）時(shí)代的到來(lái)，中國(guó)金融業(yè)正經(jīng)歷著一場(chǎng)新的變革，并且這場(chǎng)變革不斷升級(jí)。中國(guó)的金融科技行業(yè)由原來(lái)注重流量和模式的1.0時(shí)代，升級(jí)為以人工智能技術(shù)為主導(dǎo)，數(shù)據(jù)為驅(qū)動(dòng)力的2.0時(shí)代。量化投資借力人工智能技術(shù)，運(yùn)用現(xiàn)代統(tǒng)計(jì)學(xué)和數(shù)學(xué)的方法，從大量的歷史數(shù)據(jù)中尋找并搭建獲得超額收益的投資策略，服務(wù)于個(gè)人投資者和機(jī)構(gòu)，也成為了金融科技新時(shí)代的領(lǐng)軍者。

20、目前量化投資平臺(tái)的業(yè)務(wù)模式主要有兩種，一種是給用戶(hù)提供編碼的環(huán)境，讓用戶(hù)通過(guò)代碼編譯生成策略，其用戶(hù)群體均擁有良好的編程基礎(chǔ)，具備一定的專(zhuān)業(yè)技能，當(dāng)前主流編程語(yǔ)言包括Python、Java、MATLAB和R。以聚寬為例進(jìn)行說(shuō)明，其交互界面如下圖所示：左側(cè)為代碼編譯區(qū)域，用戶(hù)在此處將股票指標(biāo)用代碼表示出來(lái)，確立邏輯關(guān)系，編譯完成后進(jìn)行編譯運(yùn)行，如下圖所示：在右側(cè)上方顯示編譯運(yùn)行結(jié)果，包括策略收益走勢(shì)圖、最大回撤和相關(guān)收益指數(shù)，下方顯示日志和報(bào)錯(cuò)信息，用來(lái)檢驗(yàn)策略的正確性。點(diǎn)擊運(yùn)行回測(cè)，如下圖所示：顯示該策略運(yùn)行的詳細(xì)情況，包括收益值、持倉(cāng)明細(xì)和交易記錄等信息，這樣就成功的創(chuàng)建了一個(gè)策略，策略可以

21、導(dǎo)入實(shí)盤(pán)進(jìn)行模擬交易。其它類(lèi)似的代碼編譯平臺(tái)，如米筐、優(yōu)礦等，業(yè)務(wù)模式和聚寬基本一致。另外一種就是無(wú)編碼模式，平臺(tái)提供量化多因子讓用戶(hù)進(jìn)行選擇，這些量化因子包括但不限于行情指標(biāo)、技術(shù)指標(biāo)、財(cái)務(wù)指標(biāo)和財(cái)報(bào)數(shù)據(jù)，用戶(hù)通過(guò)選擇搭配各指標(biāo)數(shù)據(jù)，進(jìn)而生成策略模型，其用戶(hù)群體以個(gè)人投資者為主。以果仁為例進(jìn)行說(shuō)明，其大體業(yè)務(wù)流程如下圖所示：其首頁(yè)交互界面如下圖所示：第一步：選擇創(chuàng)建策略模型，包括股票策略、基金策略和策略組合。 股票策略和基金策略是指生成一個(gè)標(biāo)的為股票或者基金的量化策略；策略組合是指添加多個(gè)策略，通過(guò)回測(cè)分析，計(jì)算策略之間的收益相關(guān)度，尋求達(dá)到最優(yōu)收益的策略組合；交互如下圖，第二步：擇股設(shè)置（

22、默認(rèn)創(chuàng)建股票策略），是對(duì)量化標(biāo)的的分類(lèi)變量和數(shù)字變量進(jìn)行設(shè)置。分類(lèi)變量設(shè)置包括對(duì)指數(shù)成分、板塊、行業(yè)、所處交易所等信息進(jìn)行選擇，交互如下圖，數(shù)字變量設(shè)置包括對(duì)行情、技術(shù)指標(biāo)、財(cái)務(wù)指標(biāo)、財(cái)報(bào)條目、公司事件、情緒和大盤(pán)指標(biāo)的設(shè)置。行情指標(biāo)有股票價(jià)格、成交額、成交量等，交互如下圖，技術(shù)指標(biāo)有乖離率、波動(dòng)率、MA、KDJ、RSI等，交互如下圖，財(cái)務(wù)指標(biāo)有估值、清償能力、盈利能力、營(yíng)運(yùn)效率和成長(zhǎng)能力等，交互如下圖，財(cái)報(bào)條目有營(yíng)業(yè)收入、營(yíng)業(yè)支出、收益利潤(rùn)、負(fù)債和權(quán)益等，交互如下圖，公司事件有高管增持、未解禁股本、業(yè)績(jī)預(yù)告和重大事項(xiàng)違規(guī)處罰等，交互如下圖，情緒有分析師情緒指數(shù)、重倉(cāng)基金數(shù)和重倉(cāng)基金持有比例，

23、交互如下圖，大盤(pán)指標(biāo)有指數(shù)指標(biāo)和交易日歷指標(biāo)，交互如下圖，對(duì)所選指標(biāo)進(jìn)行參數(shù)設(shè)置，設(shè)置比較符、區(qū)間和排名，也可以對(duì)指標(biāo)進(jìn)行刪除和勾選操作，交互如下圖，點(diǎn)擊選擇選股指標(biāo)，生成排名條件，策略模型按照排名條件購(gòu)買(mǎi)股票，若無(wú)排名，則優(yōu)先買(mǎi)入成交額大的股票，交互如下圖，第三步，交易模型設(shè)置，是對(duì)策略買(mǎi)賣(mài)股票的時(shí)機(jī)進(jìn)行設(shè)置，分為定期輪動(dòng)和條件觸發(fā)。定期輪動(dòng)模型可以設(shè)置調(diào)倉(cāng)周期、調(diào)倉(cāng)時(shí)點(diǎn)、空閑資金配置、最大持倉(cāng)股票數(shù)、備選買(mǎi)入股票數(shù)和個(gè)股最大買(mǎi)入倉(cāng)位等信息，設(shè)置完成后，在每一個(gè)調(diào)倉(cāng)日，果仁策略賣(mài)出倉(cāng)內(nèi)的所有股票，并依據(jù)調(diào)倉(cāng)日前一交易日的數(shù)據(jù)，選出股票等權(quán)重買(mǎi)入。如果選出的股票已經(jīng)在倉(cāng)內(nèi)，這支股票的倉(cāng)位也會(huì)被

24、重新調(diào)整成和其它股票一樣的倉(cāng)位，但如果這只股票因?yàn)橥Ｅ苹驖q停跌停無(wú)法調(diào)整倉(cāng)位，則倉(cāng)位保持不變。交互如下圖，條件觸發(fā)模型可以設(shè)置調(diào)倉(cāng)周期、調(diào)倉(cāng)時(shí)點(diǎn)、空閑資金配置、新股理想倉(cāng)位、個(gè)股倉(cāng)位范圍、最小建倉(cāng)倉(cāng)位和備選股票數(shù)等信息。同時(shí)可以對(duì)新股買(mǎi)入附加限制條件，包括排名名次、倉(cāng)內(nèi)同行業(yè)股票數(shù)和調(diào)倉(cāng)日交易非跌停，也可以自定義條件。設(shè)置完成后，在每一個(gè)調(diào)倉(cāng)日，賣(mài)出滿(mǎn)足賣(mài)出條件的股票，把余下的資金等權(quán)重買(mǎi)入符合買(mǎi)入條件的新股票。必須滿(mǎn)足所有條件，才會(huì)自動(dòng)買(mǎi)入該股票。交互如下圖，賣(mài)出條件設(shè)置包括排名名次、持有天數(shù)、止損止盈，也可以自定義條件，設(shè)置完成后，當(dāng)有股票收益排名靠后，或者超過(guò)持有天數(shù)，達(dá)到止損止盈，只要

25、滿(mǎn)足一個(gè)觸發(fā)條件會(huì)被賣(mài)出。交互如下圖，不賣(mài)條件設(shè)置包括持有天數(shù)、調(diào)倉(cāng)日交易時(shí)漲停和調(diào)倉(cāng)前一日收盤(pán)漲停，也可以自定義條件，設(shè)置完成后，倉(cāng)內(nèi)股票只要滿(mǎn)足一個(gè)不賣(mài)條件就會(huì)繼續(xù)持有，不管是否滿(mǎn)足賣(mài)出條件，不賣(mài)條件優(yōu)先級(jí)高于賣(mài)出條件。交互如下圖，第四步，大盤(pán)擇時(shí)，用戶(hù)使用大盤(pán)擇時(shí)能夠有效減小由整體市場(chǎng)波動(dòng)帶來(lái)的風(fēng)險(xiǎn)，減小策略收益的最大回撤率，為可選項(xiàng)，默認(rèn)為不擇時(shí)。使用擇時(shí)模板，決定策略總體持股倉(cāng)位，包括指標(biāo)選擇和擇時(shí)條件設(shè)置。交互如下圖，擇時(shí)條件編輯如下圖所示，自定義擇時(shí)公式，如下圖，第五步，股指對(duì)沖，使用股指對(duì)沖可以分析回測(cè)策略對(duì)沖股指期貨以后的收益情況。為可選項(xiàng)，默認(rèn)為不對(duì)沖。選擇使用對(duì)沖，則包括

26、對(duì)對(duì)沖基金、對(duì)沖比例、對(duì)沖比例校準(zhǔn)周期、保證金比例和月貼水率進(jìn)行設(shè)置。交互如下圖，第六步，完成以上五步，就成功創(chuàng)建了一個(gè)策略，用戶(hù)可以對(duì)策略進(jìn)行回測(cè)、每日選股和實(shí)時(shí)選股，也可以對(duì)選出的股票進(jìn)行排名分析。選擇策略回測(cè)，對(duì)回測(cè)時(shí)間、收益基準(zhǔn)和交易費(fèi)用進(jìn)行設(shè)置，點(diǎn)擊開(kāi)始回測(cè)，如下圖所示，回測(cè)顯示信息包括收益曲線(xiàn)、相關(guān)收益值、持倉(cāng)明細(xì)和交易記錄等，用戶(hù)可以通過(guò)對(duì)比基準(zhǔn)收益來(lái)調(diào)整指標(biāo)值，進(jìn)行策略?xún)?yōu)化。選擇每日選股，可以根據(jù)模型的選股設(shè)置，在歷史上任何一天選股，如下圖所示，選擇實(shí)時(shí)選股，根據(jù)以上模型的選股設(shè)置，使用實(shí)時(shí)行情選股。選擇排名分析，對(duì)篩選出的所有股票，按照排名條件劃分成N組，對(duì)比每組的收益。排名

27、分析展示所有股票按排名分段的收益情況，提供擇股策略全局有效性分析。其它類(lèi)似的量化因子選擇平臺(tái)，如盈時(shí)、諸葛量化等，業(yè)務(wù)模式和果仁基本一致。4. 量化投資模塊建立的必要性為專(zhuān)業(yè)投資者提供專(zhuān)業(yè)服務(wù)目前市場(chǎng)上的投資者大致可以分成三個(gè)等級(jí)，分別是普通投資者、中級(jí)投資者和高級(jí)投資者。建行投資服務(wù)體系中的智能投顧主要適用于普通投資者和部分中級(jí)投資者，資產(chǎn)比較龐大的客戶(hù)通常會(huì)選擇私人銀行進(jìn)行服務(wù)，如下表所示：由表可知，當(dāng)前的投資服務(wù)體系并沒(méi)有完全覆蓋所有客戶(hù)群，部分中級(jí)投資者和大部分的高級(jí)投資者并沒(méi)有相匹配的服務(wù)，而這部分客戶(hù)卻顯得非常重要，因其具備投資理念和投資經(jīng)驗(yàn)，一旦提供完善的服務(wù)體系，他們會(huì)進(jìn)行持續(xù)

28、而穩(wěn)定的投資。量化投資模塊能夠提供良好的編碼環(huán)境和全面的量化指標(biāo)選擇體系，投資者可以將成熟的投資理念在模塊中表達(dá)出來(lái)，通過(guò)編程語(yǔ)言進(jìn)行編譯或者選擇量化指標(biāo)進(jìn)行建模，形成一個(gè)策略模型，對(duì)該策略進(jìn)行回測(cè)分析和優(yōu)化，最終可以得到一個(gè)用于實(shí)盤(pán)操作的投資策略。由此可見(jiàn)，建立一個(gè)成熟的量化投資模塊可以完善當(dāng)前的服務(wù)體系，覆蓋所有客群，滿(mǎn)足專(zhuān)業(yè)投資者的投資需求。受投資者追捧微量網(wǎng)2014年1月上線(xiàn)以來(lái)，截至目前實(shí)盤(pán)運(yùn)行策略2323個(gè)，累計(jì)成交金額超過(guò)193億；米筐2014年12月上線(xiàn)，目前已有超過(guò)50萬(wàn)的注冊(cè)用戶(hù)；聚寬2015年8月上線(xiàn)到現(xiàn)在活躍用戶(hù)已接近80000人，累計(jì)超過(guò)60萬(wàn)個(gè)量化策略生成。種種跡象

29、表明，量化投資被越來(lái)越多的投資者所青睞，這必將成為最流行的投資方式。眾多機(jī)構(gòu)參與，重視發(fā)展前景最近兩年來(lái)，越來(lái)越多的機(jī)構(gòu)正在加快進(jìn)入量化投資市場(chǎng)的步伐，它們看中量化投資良好的發(fā)展前景，積極尋求第三方量化平臺(tái)進(jìn)行合作或投資，打造專(zhuān)業(yè)化的量化交易和研究服務(wù)平臺(tái)，如下表所示：時(shí)間機(jī)構(gòu)（投資方）第三方平臺(tái)事件2016.10華睿資本、百度Ricequant米筐米筐獲得華睿資本和百度2500萬(wàn)元的A輪融資2016.11匯垠澳豐股權(quán)投資基金量財(cái)富量財(cái)富宣布完成1億元A輪融資2016.12峰谷資本、啟迪之星、Weroadshow Limited(微路演)烯牛數(shù)據(jù)(Rhino Data)大數(shù)據(jù)量化投資服務(wù)商烯牛

30、數(shù)據(jù)(Rhino Data)宣布獲得800萬(wàn)元天使輪投資2017.4廣發(fā)證券聚寬上線(xiàn)國(guó)內(nèi)首家券商版量化交易平臺(tái)2017.4中信證券優(yōu)礦發(fā)布覆蓋投資全流程的量化研究和交易平臺(tái)2017.7第一創(chuàng)業(yè)證券Ricequant米筐推出服務(wù)于個(gè)人的量化終端RQLite以及服務(wù)于專(zhuān)業(yè)機(jī)構(gòu)的量化終端RQPro2017.7興業(yè)證券Ricequant米筐專(zhuān)業(yè)的量化研究與交易平臺(tái)通過(guò)以上數(shù)據(jù)我們不難發(fā)現(xiàn)：目前機(jī)構(gòu)和第三方量化公司合作推出的量化平臺(tái)上線(xiàn)數(shù)量增長(zhǎng)加快，涉及投資品種增多，券商推出服務(wù)客戶(hù)的量化平臺(tái)的速度也越來(lái)越快，但是還沒(méi)有一家銀行有傳出類(lèi)似的消息。5. 量化投資模塊建立的條件基本架構(gòu)UI展現(xiàn)層UI展現(xiàn)層為

31、前端展示頁(yè)面，主要負(fù)責(zé)展示量化投資模塊子菜單區(qū)域、量化標(biāo)的區(qū)域、量化指標(biāo)區(qū)域、策略模型關(guān)聯(lián)區(qū)域和回測(cè)結(jié)果分析區(qū)域，以果仁為例進(jìn)行說(shuō)明，如下圖所示：業(yè)務(wù)處理層業(yè)務(wù)處理層主要負(fù)責(zé)實(shí)現(xiàn)業(yè)務(wù)邏輯、與數(shù)據(jù)支持層進(jìn)行交互、為UI 展現(xiàn)層提供信息等功能。量化平臺(tái)整體業(yè)務(wù)流程如下圖所示：數(shù)據(jù)支持層數(shù)據(jù)支持層是量化交易的核心，利用Spark等大數(shù)據(jù)技術(shù)通過(guò)大量計(jì)算為量化交易提供理論和數(shù)據(jù)支持，它包括指標(biāo)計(jì)算服務(wù)、信號(hào)計(jì)算服務(wù)、實(shí)時(shí)交易數(shù)據(jù)提供和數(shù)據(jù)處理服務(wù)。指標(biāo)計(jì)算服務(wù)是指對(duì)量化指標(biāo)進(jìn)行科學(xué)計(jì)算，它包括交易數(shù)據(jù)、宏觀(guān)經(jīng)濟(jì)指標(biāo)和公司財(cái)務(wù)數(shù)據(jù)等指標(biāo)的計(jì)算。通過(guò)指標(biāo)計(jì)算，可以對(duì)量化標(biāo)的進(jìn)行劃分歸類(lèi)。信號(hào)計(jì)算服務(wù)是指量

32、化標(biāo)的行情的波動(dòng)導(dǎo)致量化指標(biāo)達(dá)到量化策略的預(yù)期，從而觸發(fā)量化策略運(yùn)行的過(guò)程。實(shí)時(shí)交易數(shù)據(jù)提供是指對(duì)量化標(biāo)的成交價(jià)、成交量和漲跌幅等動(dòng)態(tài)數(shù)據(jù)的轉(zhuǎn)發(fā)。數(shù)據(jù)處理服務(wù)主要研究大量歷史交易數(shù)據(jù)，以圖表形式評(píng)估量化策略和投資組合。運(yùn)行流程量化投資模塊是一個(gè)相對(duì)獨(dú)立的系統(tǒng)，對(duì)數(shù)據(jù)和回測(cè)系統(tǒng)的要求非常高，其運(yùn)行流程可大致分為三大步驟：數(shù)據(jù)輸入、模型開(kāi)發(fā)、回測(cè)輸出。數(shù)據(jù)輸入量化投資的基礎(chǔ)就是數(shù)據(jù)，任何策略的設(shè)計(jì)、搭建都依托于對(duì)數(shù)據(jù)篩選、清洗和打磨。目前量化投資公司數(shù)據(jù)的來(lái)源多是選擇wind、choice等平臺(tái)，優(yōu)勢(shì)在于這些平臺(tái)數(shù)據(jù)較為全面，可匹配多種軟件接口，但目前都是付費(fèi)使用，同時(shí)也有TB交易開(kāi)拓者、預(yù)測(cè)者網(wǎng)

33、等平臺(tái)提供數(shù)據(jù)源。輸入數(shù)據(jù)類(lèi)型包括：實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)（行情、高頻數(shù)據(jù)等）、行為數(shù)據(jù)（新聞資訊、評(píng)級(jí)報(bào)告等）、自定義數(shù)據(jù)（宏觀(guān)數(shù)據(jù)、行業(yè)數(shù)據(jù)、企業(yè)財(cái)報(bào)等）以及投資經(jīng)驗(yàn)。模型開(kāi)發(fā)這一階段主要是將投資邏輯通過(guò)計(jì)算機(jī)語(yǔ)言進(jìn)行編寫(xiě)，形成可執(zhí)行的程序。在實(shí)現(xiàn)的過(guò)程中，需要對(duì)準(zhǔn)備好的數(shù)據(jù)進(jìn)行大量的計(jì)算，而實(shí)現(xiàn)的方式一般是使用第三方統(tǒng)計(jì)軟件（excel、R、SAS、MATLAB、SPSS等），再通過(guò)接口對(duì)接到量化平臺(tái)上執(zhí)行，或者直接選用量化平臺(tái)自身的語(yǔ)言，如天軟的TSL語(yǔ)言；大智慧的DTS的LUA語(yǔ)言來(lái)進(jìn)行編寫(xiě)開(kāi)發(fā)?；販y(cè)輸出模型建立后，需要通過(guò)歷史數(shù)據(jù)對(duì)已開(kāi)發(fā)的模型進(jìn)行檢驗(yàn)，對(duì)回測(cè)報(bào)告中不同的數(shù)值進(jìn)行模型參數(shù)的反

34、復(fù)調(diào)試。策略驗(yàn)證是策略實(shí)現(xiàn)較為關(guān)鍵的環(huán)節(jié)，是控制投資風(fēng)險(xiǎn)，提高策略盈利能力最重要的步驟。在對(duì)策略進(jìn)行驗(yàn)證后，還需要在仿真環(huán)境下進(jìn)行測(cè)試，這也是量化策略進(jìn)入實(shí)際運(yùn)營(yíng)前的最后一環(huán)，觀(guān)測(cè)觸發(fā)條件后系統(tǒng)相關(guān)指標(biāo)與運(yùn)行等。從上述量化投資運(yùn)行流程等，可以看出，量化投資策略搭建極為嚴(yán)謹(jǐn)和繁瑣，影響因素較多，投資者及機(jī)構(gòu)從早期準(zhǔn)備到策略搭建再到回測(cè)輸出，需要投入較長(zhǎng)的時(shí)間。量化標(biāo)的選擇目前量化投資標(biāo)的已從傳統(tǒng)的基金延伸到債券、股票、期貨、外匯等領(lǐng)域，這些投資標(biāo)的因其相關(guān)數(shù)據(jù)指標(biāo)可以被量化，所以能夠很好的用計(jì)算機(jī)語(yǔ)言來(lái)表達(dá)或者直接拆分成若干量化因子，便于讓投資者理解。結(jié)合建行現(xiàn)有的投資產(chǎn)品，基金、外匯、貴金屬和

35、賬戶(hù)商品，我們從產(chǎn)品豐富度、數(shù)據(jù)更新頻率、交易模式、交易費(fèi)用、影響價(jià)格主要因素和技術(shù)分析成熟度六個(gè)維度進(jìn)行分析，如下表所示： 基金外匯貴金屬賬戶(hù)商品量化分析優(yōu)先級(jí)排序產(chǎn)品豐富度五種類(lèi)型共2168只基金對(duì)應(yīng)有14種產(chǎn)品對(duì)應(yīng)有10種產(chǎn)品對(duì)應(yīng)有3種產(chǎn)品1基金2外匯3貴金屬4賬戶(hù)商品數(shù)據(jù)更新頻率凈值按交易日更新價(jià)格每30秒刷新一次價(jià)格每20秒刷新一次價(jià)格每6秒刷新一次1賬戶(hù)商品2貴金屬3外匯4基金交易模式T+1交易制度， 只能買(mǎi)漲T+0交易制度，雙向交易T+0交易制度，雙向交易T+0交易制度，雙向交易1賬戶(hù)商品貴金屬外匯2基金交易費(fèi)用千分之二以?xún)?nèi)不同品種，點(diǎn)差不一樣不同品種，點(diǎn)差不一樣人民幣計(jì)價(jià)點(diǎn)差不

36、超過(guò)0.2，美元計(jì)價(jià)點(diǎn)差不超過(guò)0.0251貴金屬外匯2賬戶(hù)商品3基金影響價(jià)格的主要因素國(guó)家政策影響地緣政治和國(guó)際事件影響地緣政治和國(guó)際事件影響供需調(diào)節(jié)和國(guó)家政策影響1 貴金屬外匯2賬戶(hù)商品3基金技術(shù)分析成熟度無(wú)細(xì)化技術(shù)指標(biāo)，分析體系不成熟技術(shù)指標(biāo)全面，分析體系成熟可靠技術(shù)指標(biāo)全面，分析體系成熟可靠技術(shù)指標(biāo)全面，分析體系成熟可靠1賬戶(hù)商品貴金屬外匯2基金投資產(chǎn)品豐富程度越高，量化可選標(biāo)的就越全面，量化結(jié)果較單一產(chǎn)品就更具科學(xué)性；投資產(chǎn)品數(shù)據(jù)更新頻率高，表明其行情波動(dòng)特性強(qiáng)烈，利于做量化分析；投資產(chǎn)品交易制度完備，支持雙向交易，投資轉(zhuǎn)換效率就越高，就能更好滿(mǎn)足量化交易需求；交易費(fèi)用多元化體現(xiàn)，能夠細(xì)分量化標(biāo)的，使量化策略分析結(jié)果更準(zhǔn)確；影響價(jià)格的因素較多，行情波動(dòng)頻率就越高，利