数量化研究文献综述

《数量化研究文献综述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

数量化投资的综述摘要：数量化投资是近年来国外十分流行的投资理念和投资策略，在国内目前尚处于起步和探讨阶段。本文旨在对国内外数量化投资的理论、内容、方法、现状等做较为全面的概述和评述,并结合我国和我部实际，给出我部在数量化投资方面的对策和建议。关键词：量化选股资产配置算法交易一、引言1、降低运作成本，提升竞争优势，以更好的业绩回报投资者,这是投资管理永恒的主题。数量化投资因其成本节约、绩效不俗的优势，正在海外市场流行开来。然而，在国内数量化投资却尚处于起步和探讨阶段。2、2005年股改以来,随着我国资本市场市值的迅速扩大、上市公司数量的急剧增加，以及QDII陆续出海，如何在众多的境内外上市公司中迅速、有效地选择投资目标，降低调研和投资的成本，更科学地分配规模庞大的资产，成为机构投资者面对的新问题。3、2010年4月16日国内股指期货的成功推出使得如何降低交易的对冲成本变得更为迫切。4、数量化投资目前在基金、保险资产、QFII、QDII等机构投资者中的应用大大增加，在基本面投资的基础上应用数量化策略正在成为投资经理共同关心的问题。5、近年来，国外的数量化共同基金变得十分流行，投资者对数量化基金的认可程度不断提高,基金公司也在加快步伐设计数量化基金产品，以丰富各自的产品线，满足客户对数量化基金的需求。越来越多的投资经理也在采用计算机模型来选股、择时、构建组合、优化组合、风险管理等，以此来提高投资收益。6、数量化投资技术正成为投资领域发展的新趋势。本文结构安排是:第一部分是引言；第二部分是数量化投资的概念和优势；第三部分是数量化投资的理论和内容；第四部分是国内外数量化投资软件的简介；第五部分是数量化投资的对策和建议。二、数量化投资的概念和优势数量化投资是利用计算机技术并采用一定的数学模型去实现投资理念和投资策略的过程.它具体包括：估值、量化选股、资产配置、组合优化、程序化交易、算法交易、绩效评估、风险管理等金融投资的全过程。与传统定性的投资方法不同,数量化投资不是靠个人感觉来管理资产，而是将适当的投资思想、投资经验、甚至包括直觉反映在量化模型中，利用电脑帮助人脑处理大量信息、帮助人脑总结归纳市场的规律、建立可以重复使用并反复优化的投资策略（经验），并指导投资决策的过程。数量化投资的优势主要体现在：（一）快速高效不断飞速提升的计算速度可以降低数量化基金的管理成本，从而使得小型基金管理人也可以采用数量化模型进行基金管理。另外，数量化方法的研究与选择的范围可以覆盖整体市场,因而可以建立更加分散化的投资组合。（二）客观理性这种基于计算机运算的数量化方法很大的一个优势是客观、公正和理性的去分析和筛选股票,并且不受外部分析师的影响,甚至不受公司投资者相关关系的影响。因此,完全的数量化分析过程将极大地减少投资者情绪的影响。(三）收益与风险并重数量化模型比主动型基金管理人更注重风险管理,这也是个人投资者逐渐选择数量化基金的原因之一.数量化模型采用系统化的投资策略,也就是说抛开个人的情绪,这也是吸引机构投资者的重要因素,而现在也吸引到了个人投资者。9

1(四）个股与组合并重通过统计分析、多因素分析、敏感性分析等量化方法,数量化技术不仅可以在选股方面发挥独特的优势；同样的，在资产配置领域，通过统计分析、最优化技术等量化方法发挥巨大的优势.三、数量化投资的理论和内容(一)估值方法估值方法是上市公司基本面分析的重要利器，在“基本面决定价值，价值决定价格”的基本逻辑下,通过比较估值方法得出的理论股票价格与市场价格的差异，判断股票的市场价格是否被高估或者低估，从而寻找出被价值低估或价值被高估的股票，指导投资者具体投资行为。如买入、卖出或继续持有.估值方法主要分两大类:一类为相对估值法，特点是主要采用乘数方法,较为简便，主要有，PE（市盈率)估值法、PB(市净率）估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；另一类为绝对估值法，特点是主要采用折现方法,较为复杂，如现金流量折现方法、期权定价方法等.（二）数量化选股方法1、基本面选股方法该方法是依据公司的财务数据指标进行量化选股。常用的财务数据指标有盈利能力、成长性、偿债能力、运营能力、资产运行效率、股本情况、现金情况等。根据公司财务理论和估值理论，得出公司估值的大致影响因子，就可以使用结构模型和统计模型建立因子与股价之间的联系.结构模型给出股票的收益和某些特定变量之间的关系，这些变量包括股票基本面变量、市场相关变量等.由于结构模型可以将特定的变量和因子联系起来,具有直观意义，所以实际工作者往往更倾向于使用结构模型。统计模型指的是用统计方法提取出因子所建立的模型，这是经济学家们更加倾向于使用的建模方法，因为这种方法在建模以前不需要先验知识，可以通过建立统计模型来检验市场有效性的各种假设，也可以检验CAPM模型的有效性等等。统计模型建模方法常用的是主成分方法,该方法首先给出股票收益率的方差协方差矩阵，然后用主成分方法提取出不相关的若干因子,接着用回归方法得到股票对因子的风险暴露，最后用移动平均方法得到因子收益的预测。2、动量反转选股方法股票价格的变动方式有两类很重要的模式:动量效应和反转效应.动量效应（MomentumEffect）指的是投资策略或组合的持有期业绩方向和形成期业绩方向一致的股价波动现象；而反转效应（ContrarianEffect）则指的是投资策略或组合的持有期业绩方向和形成期业绩方向相反的股价波动现象.对于动量和反转效应，学术界有很多解释，其中比较具有说服力的是行为金融学的解释:反应不足和反应过度。如果在市场上发现了动量效应，说明股价对信息反应不足，股价在消息公布后不是第一时间上涨或下跌至其应有的位置,而是较为缓慢的移动至其应有的位置；同理,如果在市场上发现了反转效应,则可说明股价对信息反应过度。由此可见，动量效应与反应不足、反转效应与反应过度,这两组概念是紧密联系在一起的.动量效应和反转效应可以看作是反应不足与反应过度的实证支持。在使用动量反转方法选股的时候，需要考虑的问题有：样本选择的区间、不同策略在不同市况下的表现、持有期的长短、显著性检验等。3、多因素选股方法多因素模型力图通过捕捉那些引起证券共同变动的因素，然后开发基于这些因素的模型，简化投资组合分析所要求的关于证券之间相关系数的输入。只不过,多因素模型进一步提出,证券之间的联动性，除了源于市场因素的影响之外，还取决于其他一些非市场因素。9

2对于因素的选取可以采用逐步回归和分层回归的方法进行筛选，然后进行主成分分析，从众多因素中找出解释度较高的某几个指标，尽可能反映原来所有的信息。本文将影响股票价格的因素分为三类：(1）外部经济环境的影响,即宏观因子;(2）截面对比.这类因子描述了股票的不同特征，大致可以分为两类：基本面因子以及市场因子；（3）统计因子。这类因子由统计方法得到，比如主成分分析、极大似然估计等.因子识别的方法可以是统计方法，也可以是投资经验，或者是两者的结合。所选定的因子或者具有统计意义上的显著性，或者具有市场意义的显著性，或者兼而有之.一般可以从动量、波动性、成长性、规模、价值、活跃性、收益性以及收益的变异性等方面选择指标来解释股票的收益率。（三)资产配置与组合优化随着基金规模的不断扩大，选股对基金业绩的贡献将有所下降,资产配置的重要性日益彰显.Brinson,Hood，Beebower被广泛引用的1991年研究报告《投资业绩的决定因素》指出资产配置策略可以解释91。5%的基金回报率的波动，市场时机选择可以解释1.8％,而证券选择可以解释4.6％。由此可见，资产配置在投资收益中处于核心性和决定性的地位。资产配置（AssetAllocation）是指资产类别选择、投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。在过去几十年中,国际资本市场发生了巨大变化，资产配置的内涵也经历了相应的变迁。在六十年代，资产配置这个名词根本不存在，传统的分散化投资也只是简单地避免“将所有的鸡蛋放在一个篮子里".在没有资产配置之前，多样化对投资者来说是指投资于几十种股票、债券和现金等同物，退休金计划和其他机构投资者通过平衡型基金进行多样化投资,而基金经理的工作就是以成功的市场时机选择和优秀的证券选择来使基金得到增值，其重点在于单个证券而非整个组合。随着时间的推移和现代投资理论的发展，资产管理的重心从单个证券逐渐转移到将投资组合作为一个整体来看。通过控制组合中股票、债券这些特性迥异的资产的比例，可以有效地规避和调节风险，这就是最早的资产配置的涵义。随着投资组合整体属性的进一步挖掘，形成了资产类的概念，深化了资产配置的内涵,出现了行业资产配置和风格资产配置，在不同行业（如交通运输业、医疗保健业、金融地产业等），以及不同风格（如价值型和成长型、小盘股和大盘股）的资产类之间进行合理配置。现代投资理论对多样化的重新定义远远突破了仅仅使用许多篮子来放鸡蛋的做法，而是寻求最好的篮子和合适的篮子数量之间的最佳平衡关系。特别是自20世纪70年代初，量化投资管理在华尔街崭露头角以来，传统投资组合理论与量化分析技术的结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架.它突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上,通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。今天，全世界有超过万亿美元的资产全部或部分以量化分析为基础进行资产配置。资产配置一般包括两大类别、三大层次，两大类别分别为战略资产配置和战术资产配置，三大层次分别为全球资产配置、大类资产配置以及行业风格配置。可以把资产配置的两大类别看成是资产配置的种类，把资产配置的三个层次看成是资产配置的方法.战略资产配置(StrategicAssetAllocation，SAA），根据基金的投资目标和所在国的法律限制，确定基金资产配置的主要资产类型以及各种资产类型所占的长期均衡比率；战术资产配置（TacticalAssetAllocation，9

3TAA）,指在确定了战略资产配置之后，是否根据市场情况在短期内适时调整资产分配比例，以及如何调整的问题.显然，战术资产配置含有对市场时机的选择.战略性资产配置和战术性资产配置的根本区别在于战略性资产配置是基于长期的数据和最优化模型，因此是一个长期平均的配置比率,或者可以看作是一个均衡配置比率；而战术性资产配置是基于短期的数据和评估而对战略性资产配置比率的暂时性偏离,也可以看作是短期内的非均衡比率，是对战略性资产配置比率的“微调".资产配置结构和模型图如下：资产配置战略资产配置战术资产配置资产配置类别资产配置层次全球资产配置大类资产配置行业风格配置资产配置方法风险测度收益测度估计方法周期判断风格判断时机判断资产配置模型马克维茨MV模型均值-LPM模型VAR约束模型Black-Litterman模型风格轮动策略可转移Alpha策略行业轮动策略投资组合保险策略（四）基于指数预测的时机选择股市的可预测性问题与有效市场假说（EfficientMarketHypothesis，简称EMH）密切相关.如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。从中国股票市场的特征来看，大多数研究报告的结论支持中国的股票市场尚未达到弱势有效，也就是说，中国股票市场的股票价格时间序列并非序列无关，而是序列相关的，即历史数据对股票的价格形成起作用。因此，可以通过对历史信息的分析预测价格。随着计算机技术、混沌、分形理论的发展，人们开始将股票的市场行为纳入非线性动力学研究范畴。众多的研究发现我国股市的指数收益中,存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后,却隐藏着确定性的机制,因此存在可预测成分.当然，认为股价可预测，并不等于说可以100%的准确预见，而是指可以使用经济预测的方法，建立起能在一定误差要求之下的预测股价变动的预测模型。一批学者先后证实了证券市场的确存在着一些可利用的规律,其成功率之高和稳定性之久,远远超出了“随机行走理论"可以解释的范围。因此，最近二十年，持证券市场缺乏效率观点人越来越多，证券市场预测的研究也再次成为人们关注的热点.1、灰色预测模型虽然我们知道自变量和因变量之间可能满足某种数学关系和满足某种特定条件，但由于历史数据不全面和不充分或某些变量尚不清楚和不确定,使预测处于一种半明半暗的状态。由此，利用灰色模型来预测股票市场价格成为目前比较可行的办法，我们可以把股价动态变化看作一个灰色系统，主要针对受多种不确定因素影响的股票价格建立GM（l，l)模型，利用此模型可以更好的预测股票价格短期发展变化趋势。除了灰色GM(1，1）模型外，近来发展起来的灰色预测模型还有:灰色新陈代谢模型和灰色马尔可夫模型。9

42、神经网络预测模型因为股市的建模与预测所处理的信息量往往十分庞大，因此对算法有很严格的要求，它的非线性动力学特性也非常复杂,所以一般传统的方法对于股市的预测往往难如人意.而人工神经网络因具有广泛的适应能力、学习能力和映射能力，在多变量非线性系统的建模方面取得了惊人的成就,成为新兴的预测时间序列的方法。人工神经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、自学习性和自组织性等特点，而且可以逼近任何连续函数，目前广泛应用神经网络作为非线性函数的逼近模型.神经网络目前在国际上已广泛应用于金融分析和预测，并取得了较好的效果。3、支持向量机预测模型1992年至1995年，Vapnik等人在统计学习理论的基础上，发展出一种新的学习方法——支持向量机(SVM）,其在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，并且能够推广到函数逼近和概率密度估计等其他机器学习问题中。支持向量机结构简单,并且具有全局最优性和较好的泛化能力，自20世纪90年代中期提出以来得到了广泛的研究。另外,支持向量机在处理非线性问题时，首先将非线性问题转化为高维空间中的线性问题,然后用一个核函数来代替高维空间中的内积运算,从而巧妙地解决了复杂计算问题，并且有效地克服了维数灾难问题.它还解决了神经网络技术许多不能解决的问题,比神经网络有更好的拟合度和泛化能力。（五）行为金融及其指导下的投资策略进入20世纪80年代以后，关于股票市场一系列经验研究发现了与有效市场理论不相符合的“异常现象（Anoma1ies）”，例如,日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应等等。面对这一系列金融市场的异常现象，一些研究学者开始从传统金融理论的最基本假设入手，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，研究股票市场投资者行为、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。行为金融学不仅是对传统金融学理论的革命，也是对传统投资实践的挑战。近年来，随着行为金融理论的发展，各国特别是美国的理论界和投资界在各大媒体上大力推崇行为金融理论和投资策略,使得行为金融投资策略广为人知。对于投资者而言，无论是机构投资者还是个体投资者，了解行为金融学的指导意义主要在于：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,并在股票价格正确定位之后获利。目前发达国家市场中比较常见且相对成熟的行为金融投资策略包括反向投资策略、动量投资策略、成本平均策略和时间分散策略等。1、反向投资策略与动量交易策略反向投资策略(ContrarianInvestmentStrategy,CIS）就是买进过去表现差的股票而卖出过去表现好的股票（BuyingpastloserandSellingpastwinners）来进行套利的投资方法.其主要论据是投资者心理的锚定和过度自信特征。行为金融理论认为，由于投资者在实际投资决策中，往往过分注重上市公司近期表现的结果,通过一种质朴策略（NaiveStrategy）—也就是简单外推的方法,根据公司的近期表现对其未来进行预测,从而导致对公司近期业绩情况做出持续过度反应,形成对绩差公司股价的过分低估和对绩优公司股价的过分高估现象,这一点为投资者利用反向投资策略提供了套利的机会。它是行为金融理论发展至今最为成熟，同时也是最受关注的论点之一,主要源于人们对信息过度反应的结果。动量交易策略（MomentumTradingStrategy）是指分析股票在过去的相对短时期的时间内（一般指一个月至一年之间）的表现，事先对股票收益和交易量设定“筛选"9

5条件，只有当条件满足时才买入或卖出股票的投资策略.动量策略与反转策略正好相反，即购买过去几个月中表现良好的股票，卖出过去几个月中表现糟糕的股票.该投资策略起源于对股票中期的反应不足和保守性心理有关。动量交易策略能够获利，存在着许多解释：一是“收益动量”，即当股票收益的增长超过预期，或者当投资者一致预测股票未来收益的增长时，股票的收益会趋于升高。因此,动量交易策略所获得的利润是由于股票基本价值的变动带来的。另外的解释是，基于价格动量和收益动量的策略因为利用了市场对不同信息的反应不足而获利。收益动量策略是利用了对公司短期前景的反应不足—-最终体现在短期收益中；价格动量策略利用了对公司价值有关信息反应迟缓和在短期收益中未被近期收益和历史收益增长充分反应的公司长期前景.2、捕捉并集中投资策略选择少数几种可以在长期拉据战中产生高于平均收益的股票，将大部分资本集中在这些股票上，不管股市短期跌升,坚持持股，稳中求胜。即，集中持股，长期持有。行为金融理论指导下的投资者追求的是努力超越市场，采取有别于传统型投资者的投资策略从而获取超额收益。要达到这一目的，可以通过三种途径来实现：（1)尽力获取相对于市场来说要超前的优势信息,尤其是未公开的信息。投资者可以通过对行业、产业以及政策、法规、相关事件等多种因素的分析、权衡与判断,综合各种信息来形成自己的独特信息优势；(2）选择利用较其他投资者更加有效的模型来处理信息。而这些模型也并非是越复杂就越好，关键是实用和有效；(3)利用其他投资者的认识偏差或锚定效应等心理特点来实施成本集中策略.一般的投资者受传统均值方差投资理念的影响,注重投资选择的多样化和时间的间隔化来分散风险,从而不会在机会到来时集中资金进行投资,导致收益随着风险的分散也同时分散.而行为金融投资者则在捕捉到市场价格被错误定价的股票后,率先集中资金进行集中投资，赢取更大的收益。3、小盘股策略小盘股投资策略就是利用小公司效应，对小盘股进行投资的一种策略.在使用该策略时，投资者找到具有投资价值的小盘股,当预期小盘股的实际价值与将来股票价格的变动有较大的差距时，可以考虑选择该种股票；先前被低估的小盘价值股一旦有利好消息传出时,市场上可能导致投资者对新信息反应过度,从而使股票价格大幅上涨。另外，由于小盘股流通盘较小，市场上投资者所犯系统性错误对其股价波动的影响更大,从而为掌握该种投资策略的投资者带来超额投资收益。4、成本平均策略成本平均策略是指投资者在投资股票时，按照预定计划根据不同的价格分批进行,以备不测时摊薄成本,从而规避一次性投入可能带来较大风险的策略。成本平均策略假定投资者的财富只有一种形式，并且想把资产转化为另一种形式。成本平均策略的投资者通常会把现金分成不同的部分，然后每次以同样数量的现金按照事先确定的方案投资，这样可以避免一次性投资带来的风险。成本平均策略使得投资者在股票价格较高时投资的股数少,而股票价格低时投资的股数多,即可以减少投资成本。成本平均策略的投资者其实是次优的而非最优的投资策略.1994年，Warther的实证研究发现，基金公司的现金流入和流出存在着强烈的联系，采用成本平均策略的投资者在经过股价下跌一段时间以后更有可能买进股票。5、时间分散化策略9

6时间分散化策略是指根据投资股票的风险将随着投资期限的延长而降低的信念，建议投资者在年轻时较大比例地投资股票，随后逐渐减少此比例的投资策略。Fisher和Statman(1999）对这种策略进行了系统解释，提出了其合理性并给出了实施中加强自我控制的建议。时间分散化策略有两个方面，一方面是认为股市的风险会随着投资期限的增加而降低；另一方面是,建议投资者在年轻时将资产组合中的较大比例投入股市中,而随着年龄的增长则不断地减少股票在资产组合中比例。无论是个人投资者还是机构投资者，都认为时间分散会减少风险。1998年，Ibbotson,Associate通过研究股票不同时间范围内的收益——从1年到20年,结果发现时间分散的影响，长时间地持有资产可以降低损失的风险，并且认为如果期限15年或者以上，基本就可以获得非负的收益.6、设立止损点的交易策略设立止损点策略是指投资者针对证券市场投资者的处置效应在投资活动中设立一个合理的获利或亏损了结点，当股价上涨或下跌到该价位时,投资者即将持有的股票卖出的策略和方法.由于投资市场风险颇高,为了避免万一投资失误时带来的损失，因此每一次入市买卖时投资者都应该订下停损点，即当证券价格跌至某个预定的价位立即平仓以限制损失的进一步扩大。因此设立止损点策略的关键是合理确定获利了结点.设立止损点策略是行为投资分析方法的一个重要内容，止损的决定给投资者带来的精神压力是可想而知的，但是该止损的时候一定要止损，任何侥幸求胜等待价格回头或不服输的所谓处置效应的影响都会妨碍止损的决心，并有招致严重损失的可能性.因此运用设立止损点策略进行投资对于证券投资者来说是十分重要的，必须严格遵守.（六）程序化交易程序化交易系统是指将设计人员交易策略的逻辑与参数在电脑程序运算后，并将交易策略系统化。当趋势确立时，系统发出多空讯号锁定市场中的价量模式,并且有效掌握价格变化的趋势,让投资人不论在上涨或下跌的市场行情中，都能轻松抓住趋势波段，进而赚取波段获利。程序化交易的操作方式不求绩效第一、不求赚取夸张利润，只求长期稳健的获利，于市场中成长并达到财富累积的复利效果。经过长时期操作，年获利率可保持在一定水准之上.整个程序化交易系统包括：模型（策略）的设计、风险动态管理技术、误差矫正反馈检验准确率、快捷的下单速度。目前的程序化交易策略主要包括五种：指数套利策略、数量化程序交易策略、动态对冲策略、配对交易策略和久期平均策略。1、程序化交易系统投资模式的特点(1）将交易模式系统化：程序化交易的买卖决策完全决定于系统化、制度化的逻辑判断规则，透过电脑的辅助，将各种信息转化为程序语言，由电脑来代替人为发出买卖讯号，再根据系统使用者发出的委托方式，执行下单程序;（2）克服人性的四大心理障碍：排除人为情感因素，用电脑取代人性，消除交易时人性的恐惧、贪婪、迟疑及赌性等四大情绪因子;(3)确保交易方法的一致性：严守既定的操作纪律及交易的基本原则，透过电脑将既定的操作规范、获利以及风险管理等条件写成程序语言，依程序发出进出场买卖的讯号。2、程序化交易系统投资模式的优势(1）有效掌握多空趋势，顺势操作，赚取波段利润；（2）系统化交易，策略明确,可排除人为贪婪及恐惧等因素；(3）讯号指令简单明确，操作方式轻松一致；（4）稳健的投资报酬率；(5）大赚小赔的优异稳定性；（6)有效的风险控管。(七）算法交易1、算法交易的内涵机构投资者在交易的过程中，每天都需要面对订单执行的问题.复杂而频繁的订单执行很难仅仅通过传统的人工方式来完成。一方面是因为传统的人工手动下单方式，很难在较短时间内执行次数繁多的订单指令；另一方面，由于订单指令太多，传统的人工下单方式在执行时间不够充裕的情况下，就只能简化操作流程,导致执行的随意性加大,因而9

7不容易争取到较好的交易价格和容易造成较大的冲击成本。算法交易策略是近年来出现的解决上述问题的有效方法.算法交易通过事先设计好交易策略，将其编制成计算机程序，利用计算机程序的算法来决定交易下单的时机、价格和数量等,从而避免人的非理性因素造成的干扰，并能更精确地下单,而且程序化便于验证与检讨交易策略。另外，算法交易可以同时管理大量的操作，自动判断将大单分拆为小单,减小冲击成本.算法交易可以被应用于任何投资策略,包括做市、跨市套利、期现套利和单边投机(包括趋势追随）。在投资决策和执行的任何一个阶段，算法交易信号都能够提供良好的技术支持，甚至整个投资决策和执行可以完全依靠算法交易自动运行。算法交易已被国外的对冲基金、养老基金、共同基金以及其他机构投资者广泛使用，取得了良好的效果。但是，目前算法交易在国内仅仅在极少数机构投资者中得到小范围的应用，理论界对算法交易的研究也刚起步。2、算法交易的影响算法交易的兴起对整个金融市场带来了深刻的影响与变化。百分位报价改革引起的交易规模缩小可能促进了算法交易的发展，而算法交易则进一步缩小了交易规模。曾经由人来担任的交易员工作正在被电脑所取代.数以毫秒计的电脑连接速度,变得更为重要。电子化交易的经济规模效应为降低佣金和交易费用做出了贡献,也为金融交易所的国际化兼并整合做出了贡献.交易所之间的竞争也愈加激烈，交易处理速度也越来越快。以伦敦证券交易所为例，它在2007年6月启动了一个叫TradElect的新系统，该系统平均每10毫秒就能完成从下单到确认的整个过程，并且能够每秒处理3000个指令。实际上，程序化交易和算法交易各有侧重点,算法交易更多强调的是交易的执行，即如何快速、低成本、隐蔽的执行大批量的订单;而程序化交易更多强调的是订单是如何生成的,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。(八）绩效评估技术建立基金绩效综合评价指标,全面客观地评价证券投资基金的管理绩效，既有助于基金产品设计人员评估模拟组合的风险收益特征、投资的分散化程度、资产配置的效果等，更有助于投资管理人准确把握基金本身的投资效果，及时修改投资策略、改善投资绩效.四、国内外数量化投资软件的简介（一)数量化投资软件数量化投资软件是对数量化投资理念、策略的具体实施载体，是经过专门机构组织专家开发和设计出来的专业化的计算机应用软件和平台，是数量化投资的工具。数量化投资软件的诞生为数量化投资的实施提供了坚实的物质基础和技术保障,为数量化投资的推广和普及提供了可能性和现实性。因此,数量化投资软件对数量化投资的实施具有重大的意义和影响。相信数量化投资软件在国内将来会像股票交易软件一样的流行和普及。（二)程序化交易软件1、国际方面主要有：（1)tradestation（交易大师）：国际一流交易软件，不过收费比较贵,软件使用费298$/月，如果要研究历史数据还要另买;（2）MT4（即将升级到MT5)：功能强大,免费使用，因为免费所以它的用户数迅速增长大有超过tradestation的趋势；(3）esignal：国际比较流行；（4)Amiborker：老牌交易软件.2、国内方面主要有：（1）交易开拓者；（2）文华财经Mytrader.投资家大策略；9

8（3）国内金仕达期货交易软件:已经实现止损止赢和条件单功能，等于部分实现程序化交易；（4）国内的龙软程序化交易平台(DTS，DragonSoftTradingSystem):已经实现了交易策略(Lua代码），交易界面（XML配置）的灵活自定义，目前支持，期现套利、ETF套利、商品期货、股指期货、权证、股票的全品种程序化交易。该系统的主要特点是交易速度快，计算速度快，采用后端服务器分布式部署模式，客户端只做数据浏览和指令操作，所有的计算都在后台完成。另外，市场上免费编写程序化交易，可联系腾讯（可提供指导和培训服务）。（三)算法交易软件在中国，对算法交易的研究起步很晚,深圳国泰安信息技术有限公司在国内算法交易的推广上走在前列，已经率先推出了完全自主知识产权的算法交易系统1.0版，该系统填补了国内算法交易的空白.国泰安金融学院在国内是唯一从事算法交易的高端培训机构，对国内算法交易的普及和推广起到了重要的作用。深圳国泰安信息技术有限公司目前已经推出了算法交易系统,并在香港市场上线交易。国泰安算法交易研发组与多位美国华尔街业内资深算法专家保持密切联系,紧密跟踪最前沿的算法研发趋势，目前已成功实现了适应国内A股和港股的多种国际主流算法策略：主要有“VWAP"、“VP”、“TWAP”、“Schedule"、“MOC”、“Sniper"等策略。国泰安设计的算法策略考虑了国内证券交易的实际规则,经过对大量历史高频数据的建模分析,完全适合国内证券交易市场;同时支持用户灵活配置策略参数,动态监控算法执行情况，能够有效的控制交易风险；而且操作简单,能够让客户非常方便地体验到算法策略带来的便利和收益.五、数量化投资的对策和建议数量化投资是一种科学且系统的投资决策体系，包括投资的各个层面和流程。它不仅在国外是十分流行的,而且也是国内投资的大势所趋。数量化投资软件是是数量化投资的工具和载体.对一个机构投资者来讲，开发数量化投资软件成本昂贵，且该种专业性软件需要与专门的软件公司通力合作，故开发数量化投资软件对一个机构投资者来说不具有可行性。因此，对我们资产管理部来说,一个务实和行之有效的方案是，引进国内外先进的数量化投资技术(数量化投资软件),即把先进的理论、技术和软件引进过来,并与引进公司进行合作和交流，加强相关人员的技术培训和学习，切实掌握数量化投资的理论、技术和软件等各个层面的核心技术和要领。以此提高投资的科学性和先进性，增强自身的综合竞争力。因此，抢先于国内机构投资者把数量化投资技术应用到实际投资中来，具有重大的意义和深远的影响。9