公募量化投资策略100分
公募量化投资策略
返回上一级
单选题（共4题，每题10分）
1 . 以下哪项不属于人工智能领域的研究？（）
? A.机器学习
? B.自动推理
? C.遗传算法
? D.聚类处理
我的答案：D
2 . 下面哪项不属于打分法多因子选股策略的模型构建流程？（）? A.构建因子库
? B.因子筛选
? C.风格预测
? D.因子打分
我的答案：C
3 . 多因子选股策略中，目前在公募基金领域应用较多的是？（）? A.回归法
? B.打分法
我的答案：B
4 . 一揽子股票与ETF申购/赎回的市场是在哪个市场完成的？（）? A.银行间市场
? B.交易所市场
? C.ETF一级市场
? D.ETF二级市场
我的答案：C
多选题（共3题，每题10分）
1 . 下面哪些策略属于量化选股投资策略的范畴？（）
? A.多因子选股策略
? B.行业轮动策略
? C.一致预期策略
? D.CTA策略
我的答案：ABC
2 . 商品期货套利的基本模式包括？（）
? A.期现套利
? B.跨期套利
? C.跨商品套利
? D.跨市场套利
我的答案：ABCD
3 . 下面属于周期性行业的有？（）
? A.能源行业
? B.消费行业
? C.金融行业
? D.医药行业
我的答案：AC
判断题（共3题，每题10分）
1 . 单个指数无法全面反映真实市场情绪，因此要结合多方面因素选取有效指标。
对错
我的答案：对
2 . T-sharp值与指数收益有较强的正相关关系。
对错
我的答案：错
3 . 被动型投资策略无法获得超越市场的收益。
对错
我的答案：对
中国量化基金研究调研报告
中国量化基金研究调研报告 成文日期：2017/12/21 公募量化基金篇 一、量化基金简介 量化基金的本质实际上是采用量化投资策略来进行投资组合管理的基金，根据量化基金的投资策略，我们通常将量化基金，尤其是公募量化基金分为三大类，分别是主动量化型基金、指数量化型基金以及对冲量化型基金。主动量化型基金策略多为量化选股策略，同时也有部分基金采用事件驱动、行业轮动、大数据选股等策略，其中量化选股策略又分为多因子模型选股、量化基本面选股以及人工智能选股；指数量化型基金以增强指数为主，多为对股票型指数（如沪深300指数等）的增强，也有部分对债券型指数（如对国债指数或信用债指数）的增强；对冲量化型基金多为股票、期货等的多空策略基金，策略偏向于市场中性策略。三种基金类型具体介绍如下： （1）主动量化型 主动量化型基金指的是量化基金中，以股票多头为投资方向，结合资产配臵、量化选股及风险控制等策略进行量化投资的基金。据统计，主动量化型基金多数为混合型基金，其契约限定的股票仓位限制多为0-95%或60%-95%。实际操作中，主动量化型基金最近一年的调仓幅度并不大，2016年年初、年中及年末的平均仓位均在80%左右。此类型量化基金的表现受股票市场表现的影响很大。此外，主动量化型基金的管理费率多为1.5%，收费水平与主动投资偏股型基金相当。
（2）指数量化型 传统的指数量化型基金以增强指数型为主，近两年随着债券基金和行业主题基金的升温，一些被动投资的债券指数基金和股票指数基金也结合了量化的投资运作方式，加入到指数量化型基金的行列。指数量化型基金的收费水平差异较明显，跟踪权益类指数的基金管理费率大都在0.8%以上，而跟踪债券指数的被动指数型债基管理费率多为0.3%，仅个别跟踪企业债指数的基金将费率设臵在0.7%。 （3）对冲量化型 对冲量化型基金虽然也是进行主动投资的，但区别于主动量化型基金的是，对冲量化型基金在进行多头的同时开立空头账户，从而将系统性风险进行对冲，以达到绝对收益的目的，因此大部分对冲量化型基金将“绝对收益”也体现在基金名称中。除国泰全球绝对收益外，对冲量型基金均为混合型基金，契约限定仓位均为80%-120%，以便对冲操作。此外，大部分对冲量化型基金的费率为1%，个别对冲量化型基金将管理费提升至1.5%，与主动量化型基金持平。 二、我国公募量化基金发展现状 （1）公募量化基金发行概况 截止至2016年，公募市场上现存的量化基金共132只。最早发行于2004年8月——光大保德信量化核心证券投资基金，次年10月上投摩根发行了一只量化选股策略的基金——上投摩根阿尔法股票型证券投资基金（后因仓位上限不足80%改名为“上投摩根阿尔法混合型证券投资基金”）。 早期量化基金的运作并未引起市场的重视，直至2009年市场经历了一轮牛熊切换后，市场对于量化投资渐渐关注，伴随着2015年以来的基金发行热潮，量化基金在数量上出现激增。2015年和2016年分别发行量化基金32只和55只（如图1所示），发行的产品类型也出现了一定程度的分化，除了主动量化型基金外，对冲量化型和指数量化型基金数量也逐渐增多。
量化投资策略与技术期末报告精编WORD版
量化投资策略与技术期末报告精编W O R D版 IBM system office room 【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】
《量化投资策略与技术》结课报告 学科专业： 研究方向： 姓名： 学号： 2015年7月9日 目录 1 目标股票的选取 (3) 1.1 备选对象 (3) 1.2 择股标准 (4) 2 投资组合的构建 (4) 2.1 目标股票的收益率 (4) 2.2 最优投资组合 (6) 3 预期收益和风险 (7) 4 风险对冲策略 (8) 附录A：原始数据 (10) 表A1: 财务指标 (10)
表A2：投资组合股票收益率（节选） (11) 表A3：投资组合日收益率（节选） (11) 表A4：资产组合预期收益率（节选） (12) 表A5：沪深300股指期货日收盘价和收益率（节选） (12) 附录B：代码 (13) B1：择股 (13) B2：投资组合风险-收益的计算 (13) B3：最优投资组合求解 (14) 1 目标股票的选取 1.1 备选对象 从上海主板、深圳主板、中小板和创业板分别随机选择10只股票，列示于表1.1中： 表1.1 投资组合备选对象 所属板块股票名称股票代码 武钢股份600005 上海主板 中国国贸600007
首创股份600008包钢股份600010华能国际600011日照港600017上港集团600018上海电力600021中国石化600028三一重工600031 深圳主板 万科A000002.SZ 世纪星源000005.SZ 深振业A000006.SZ 零七股份000007.SZ 中国宝安000009.SZ 南玻A000012.SZ 沙河股份000014.SZ 深康佳A000016.SZ
量化投资基础知识C14070课后测试100分
一、单项选择题 1. 著名的Chern-Simons定理是由（）与数学家陈省身共同创立。 A. 詹姆斯·西蒙斯 B. 大卫·肖 C. 伊曼纽尔·德曼 D. Ray Dalio 您的答案：A 题目分数：10 此题得分：10.0 2. 事件驱动策略的特点是（）。 A. 低收益、低风险、大容量 B. 高收益、低风险、小容量 C. 高收益、高风险、大容量 D. 低收益、高风险、小容量 您的答案：B 题目分数：10 此题得分：10.0 二、多项选择题 3. 数学理论和方法在量化投资中非常重要，以下（）是对图形进 行模式识别的数学理论或方法。 A. 贝叶斯分类 B. 分形理论 C. 机器学习 D. 小波分析 您的答案：C,B,D 题目分数：10 此题得分：10.0 4. 量化投资具有以下（）等优点。 A. 以组合对冲为主，赌大概率事件 B. 以机器交易为主，克服人性弱点 C. 可进行全市场、全产品、全周期监控，精力无限
D. 利用算法交易降低对市场的冲击，实现精细化交易 您的答案：C,B,A,D 题目分数：10 此题得分：10.0 5. 下列选项属于主要量化对冲策略的是（）。 A. 阿尔法套利 B. 股指期货套利 C. 商品期货套利 D. 期权套利 您的答案：B,D,A,C 题目分数：10 此题得分：10.0 三、判断题 6. 阿尔法套利是主流的量化对冲策略，Pure Alpha是阿尔法套利 的代表性产品。（） 您的答案：正确 题目分数：10 此题得分：10.0 7. 投资的核心是小数定律。（） 您的答案：错误 题目分数：10 此题得分：10.0 8. 对于资产管理而言，高收益率策略是主导策略。（） 您的答案：错误 题目分数：10 此题得分：10.0 9. 商品期货套利策略的核心是持仓成本的计算和现货的组织。（） 您的答案：正确 题目分数：10 此题得分：10.0 10. 统计套利可以看作无风险套利。（）
丁鹏：量化投资是诞生英雄的地方知识分享
《量化投资——策略与技术》作者 丁鹏：量化投资是诞生英雄的地方 市场在不断进步的同时，策略也在不断进化的，某些策略可能会因为使用的人太多而失效，但是量化投资这门学科，不会消亡。 量化投资模型只是一种工具、一种方法、一种手段，一种能实现成熟而有效的投资理念的方式而已。 量化投资它不是靠一个投资模型就能永远赚钱，而且也不是使用一个模型就能解决一切问题，更不是一个模型就能胜任任何市场状况。 我们需要建立很多量化模型，并不断根据投资理念的变化、市场状况的变化而进行修正、改善和优化。 根据我的经验，很多简单的模型往往是非常有效的。模型的稳定性其实比模型的收益率更加重要。 从收益的角度看，我认为一个实战的策略最重要的考虑是该策略的市场容量。 一个好的策略，不仅仅是在小资金的时候能获得高额收益，更重要的是当该策略面对大资金的时候，是否还可以保持收益率的稳定性。 量化投资的风险主要在于对数据和模型的过度依赖，或者是对杠杆的过分放大。 在量化基金的运作中，仍需要经验丰富的基金经理和投资团队来把握一些更加宏观的和大的趋势。 基金经理还将进行策略的研发，优化，调整，进化，可以说，对他的能力的要求将比传统的基金经理高很多。 私募基金，由于市场竞争的压力，使得他们必须走出一条新路来，他们反而是将来量化投资的主力军。 一般而言，一个产品的策略是比较固定的，不会轻易移植别的策略。 融券费率理论价格应该大致等于半年期贷款利率与机会成本之和，所以，国内融券的最低理论费率应该不低于5%，那么，转融通开放后，融券费率对我们产品净值贡献应该在3.75%到7.5%之间。 实际上，对一个产品来说，选择好的交易品种有时比策略本身更重要。
什么是私募基金量化策略
金斧子财富：https://www.360docs.net/doc/117896885.html, 什么是私募基金量化策略 什么是量化投资呢?其实，就如同中医和西医的区别，中医靠经验，讲究“望、闻、问、切、听”，西医靠指标，通过一系列的检查数据综合判断病情。量化投资无非就是用指标和公式驱动投资和交易。还是举淘宝的例子，卖家需要考虑安排今年双十一的客服配备和商品物流安排，如果卖家根据去年的经验判断，“中午的时候买家比较多”从而在中午增倍客服，并预约好物流，这就是定性投资。如果卖家使用云计算对自己去年双十一的销售大数据进行了建模分析，发现“11：25至12：15，12：45—13：30”的时段交易最活跃，并因此倍增客服、预约物流，这就是微量网量化投资。 2010年我国推出了股指期货，第一次有了可以做空市场的工具，从而为设计基于算法的复杂策略提供了基础，因此2010年我们叫做对冲基金和量化投资元年。随着股指期货的推出，有四种和量化投资相关的产品蓬勃发展。第一种是做多股票、做空股指期货的阿尔法对冲型产品;第二种是利用股指期货可以日内多次买卖交易的特点，用技术分析和程序化交易股指期货，所谓的程序化CTA产品;第三种是在极短的时间里，用复杂算法高频率交易股指期货，所谓的高频交易产品;第四种是，对股指期货和其现货ETF/股票进行价差买卖操作。当然，这些高端的量化工具需要大量的计算机和科研投入，因此主要掌握在专业机构手中。量化投资出现的意义是，科技和工程力量进入了理财行业，老百姓不仅可以选择跟大盘随波逐流的公募基金，也可以选择所谓的绝对收益理财产品。 云计算时代的量化投资
金斧子财富：https://www.360docs.net/doc/117896885.html, 量化投资元年之后，很多对此感兴趣的相关专业人士都加入到量化投资策略的开发阵营中，相对于有限的资产管理机构和产品需求，人才和策略出现了阶段性过剩，需要出路。另外一方面，有一个庞大的客户群体，他们对直接购买理财产品不感兴趣，希望可以通过证券期货账户参与到自身财富管理的过程中，但他们又没有太多的时间去打理自己的账户。市场需要一个策略提供者和需要租用策略模型的理财者对接的平台，使他们可以交易;理财者租用模型后，也需要一个功能强大的模型使用环境，保证策略的正常运行，这就是云计算时代的量化投资，所谓的“云交易”。微量网正是上述云交易一个具体的大众应用。 在一个创新和变革的时代中，信息技术、工程技术、互联网、物联网甚至万联网已经改变了人们的衣食住行，改变了我们的生活。如今，这些技术也开始逐渐渗透到智力博弈的巅峰行业——财富管理行业。上个世纪的科幻片中，那些笨头笨脑的机器人如同天方夜谭，在快速发展的时代中，那些形象现在已经成了古董。租个机器人去投资理财，已经成为了现实，但会像最近电影上那样，出现一个和人完全一样，还具有自进化能力的“机器人”吗?当然，量化投资的思想来源终归是人，云计算和大数据时代的量化投资，将投资的想象力又向前推进了一步，简化了我们的生活，满足了我们的需求。这让大家看到了科技进步的某种希望。 如需投资私募理财，可预约金斧子理财师，【金斧子】持第三方基金销售牌照，国际风投红杉资本和大型央企的招商局创投实力注资，致力于打造中国领先私募发行与服务平台，提供阳光私募、私募股权、固收产品、债券私募、海外配置等产品，方便的网上路演平台，免费预约理财师，用科技创新提升投资品质！预约热线：400-9302-888。
中信证券——量化投资策略特征
量化投资策略特征 量化投资注重数理分析与逻辑推导，不依赖主观判定形成交易决策，当模型思想来源于投资者市场体会，基于历史数据所作的几率统计，也可以是技术指标，甚至基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 量化投资是指将投资理念或市场洞见转化为数学模型，并依据历史数据对模型进行测实验证，总结收益-风险特性以及相关参数，最后通过运算机技术实现自主化交易的投资方法。量化投资主要运用在具有高流动性与历史数据丰盛的金融投资市场，就期货市场而言，既可以在商品类品种也可以在股指等金融类品种上进行。 总的来说，一个完整的量化投资策略具备四个方面的特征： 一是具有特定的定量分析策略。量化投资是基于一定的市场逻辑或依据历史数据作出的几率统计，形成特定的数学模型用以分析和评判市场表现，进而形成交易策略，这与当前大多数分析师所采用的定性分析方法有很大区别。量化投资注重数理分析与逻辑推导，不依赖体会主义和主观判定形成交易决策，当然其模型思想仍旧是来源于投资者的市场体会，这种来源可以是基于历史数据所作的几率统计，也可以是一些技术指标，甚至可以是来源于基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 二是绩效具有可追溯性。量化投资是基于特定的交易模型，可以用历史数据输入模型进行绩效检测，从而运算出交易策略的胜算率、期望收益与风险度等，并且可以根据这些检测值来预判模型未来的收益表现。相反基于体会主义的主观交易方法无法通过历史数据进行合理的检测，不具有可追溯性，也无法对以后的交易行为进行合理的预估。 三是具有极高的纪律性，量化投资是依据经过历史验证的模型进行分析和交易，从而规避了主观判定带来的局限，而在具体操作上大多采用运算机程序实现自动化交易，不会呈现主观交易中经常会呈现的人性弱点。 四是在信息处置上具有主观交易不可比拟的优势。当前金融投资品种非常丰盛，以国内商品期货市场为例，品种已经超过二十个，加上每个品种有数份合约同时交易，可供选择的标的组合可以达到成百上千个，倘若再考虑海外商品市场以及金融类市场，信息将更是几何倍递增，处置如此海量的数据，显然依赖数学模型与运算机程序处置的量化投资比传统交易方法效率更高。 从特性上看，量化投资相较主观交易方法具有许多优势，所以自上世纪七十年代诞生以来受到很多投资者尤其是机构投资者的追捧。经过三十多年的发展，已经成为国际金融市场主流的交易方法之一，包含对冲基金和共同基金等在内的
公募量化投资策略 100
公募量化投资策略 100
返回上一级
单选题（共 4 题，每题 10 分）
1 . 利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，以赚取差价的行为，属 于哪种投资策略？（）
?
A.股指期货套利策略
?
B.商品期货套利策略
?
C.ETF 套利策略
?
D.行业轮动策略
我的答案： A
2 . 晨星风格箱风格鉴别法共将股票分为几种风格？（）
?
A.3 种
?
B.5 种
?
C.7 种
?
D.9 种
我的答案： D
3 . 一揽子股票与 ETF 申购/赎回的市场是在哪个市场完成的？（）
?
A.银行间市场
?
B.交易所市场
?
C.ETF 一级市场
?
D.ETF 二级市场
我的答案： C
4 . 下面哪项不属于打分法多因子选股策略的模型构建流程？（）
?
A.构建因子库
?
B.因子筛选
?
C.风格预测
?
D.因子打分
我的答案： C
多选题（共 3 题，每题 10 分）
1 . 下面属于周期性行业的有？（）
?
A.能源行业
?
B.消费行业
?
C.金融行业
?
D.医药行业
我的答案： AC
2 . 常用的趋势型指标包括以下哪些？（）
?
A.AMA
?
B.MACD
?
C.DMA
?
D.TRIX
我的答案： BCD
3 . 商品期货套利的基本模式包括？（）
?
A.期现套利
?
B.跨期套利
?
C.跨商品套利
?
D.跨市场套利
我的答案： ABCD
判断题（共 3 题，每题 10 分）
1 . 被动型投资策略无法获得超越市场的收益。 对错
我的答案： 对
2 . T-sharp 值与指数收益有较强的正相关关系。 对错
我的答案： 错
3 . 动量策略就是寻找前期弱势的股票，判断它将继续强势后买入持有。 对错
我的答案： 错
完整量化投资策略四个特征
完整量化投资策略的四个特征 量化投资注重数理分析与逻辑推导，不依赖主观判定形成交易决策，当模型思想来源于投资者市场体会，基于历史数据所作的几率统计，也可以是技术指标，甚至基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 量化投资是指将投资理念或市场洞见转化为数学模型，并依据历史数据对模型进行测实验证，总结收益-风险特性以及相关参数，最后通过运算机技术实现自主化交易的投资方法。量化投资主要运用在具有高流动性与历史数据丰盛的金融投资市场，就期货市场而言，既可以在商品类品种也可以在股指等金融类品种上进行。 总的来说，一个完整的量化投资策略具备四个方面的特征： 一是具有特定的定量分析策略。量化投资是基于一定的市场逻辑或依据历史数据作出的几率统计，形成特定的数学模型用以分析和评判市场表现，进而形成交易策略，这与当前大多数分析师所采用的定性分析方法有很大区别。量化投资注重数理分析与逻辑推导，不依赖体会主义和主观判定形成交易决策，当然其模型思想仍旧是来源于投资者的市场体会，这种来源可以是基于历史数据所作的几率统计，也可以是一些技术指标，甚至可以是来源于基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 二是绩效具有可追溯性。量化投资是基于特定的交易模型，可以用历史数据输入模型进行绩效检测，从而运算出交易策略的胜算率、期望收益与风险度等，并且可以根据这些检测值来预判模型未来的收益表现。相反基于体会主义的主观交易方法无法通过历史数据进行合理的检测，不具有可追溯性，也无法对以后的交易行为进行合理的预估。 三是具有极高的纪律性，量化投资是依据经过历史验证的模型进行分析和交易，从而规避了主观判定带来的局限，而在具体操作上大多采用运算机程序实现自动化交易，不会呈现主观交易中经常会呈现的人性弱点。 四是在信息处置上具有主观交易不可比拟的优势。当前金融投资品种非常丰盛，以国内商品期货市场为例，品种已经超过二十个，加上每个品种有数份合约同时交易，可供选择的标的组合可以达到成百上千个，倘若再考虑海外商品市场以及金融类市场，信息将更是几何倍递增，处置如此海量的数据，显然依赖数学模型与运算机程序处置的量化投资比传统交易方法效率更高。 从特性上看，量化投资相较主观交易方法具有许多优势，所以自上世纪七十年代诞生以来受到很多投资者尤其是机构投资者的追捧。经过三十多年的发
基金从业考试第12章内容归总(DOC)
第12章 1.系统性风险：在一定程度上无法通过一定范围内的分散化投资来降低的风险。系性统风险是相对于一定的投资范围而言的。 系统性因素一般为宏观层面的因素，主要包含政治因素、宏观经济因素、法律因素以及某些不可抗力因素。系统性风险具有以下几个特征：由同一个因素导致大部分资产的价格变动，大多数资产价格变动方向往往是相同的，无法通过分散化投资来回避。 2.非系统性风险又被称为特定风险、异质风险、个体风险等，往往是由与某个或少数的某些资产有关的一些特别因素导致的。 3. 市场上信用风险较高的企业债券与同期限、同息票率的国债相比价格更低，收益率更高，这个高出的收益率称为信用风险溢价。 市场上期限较长的债券收益率通常比期限较短的债券收益率更高，这个高出的收益率称为流动性溢价。 4.资产收益之间的相关性会影响投资组合的风险，而不会影响投资组合的预期收益率。 5.马可维茨(Markowitz)于1952 年开创了以均值方差法为基础的投资组合理论 投资组合的两个相关的特征是：①具有一个特定的预期收益率，②可能的收益率 围绕其预期值的偏离程度，其中方差是这种偏离程度的一个最容易处理的度量方式。其次，投资者将选择并持有有效的投资组合，即那些在给定的风险水平下使得期望收益最大化的投资组合，或那些在给定的期望收益率上使得风险最小化的投资组合 6. 均值方差法的应用 (一)两个风险资产的投资组合: 一个特定的投资组合对应于这个平面图中的一个特定的点，即一个特定的预期收益率与方差的配对。若投资比例在允许的范围内变动，则代表投资组合的点在方差一预期收益率平面图中滑动，形成一条曲线。这条曲线即为可行投资组合集。(二)加入无风险资产的投资组合 可行投资组合集不再是一条曲线，而是一片区域 相比于仅有风险资产的可行投资组合集，该可行投资组合集的重要区别在于两个方面：首先，由于无风险资产的引入，风险最小的可行投资组合风险为零；其次，在标准差一预期收益率平面中，可行投资组合集的上沿及下沿为射线，而不是双曲线。 7. 最小方差法：最小方差法适应于投资者对预期收益率有一个最低要求的情形. 8. 有效前沿:有效前沿是由全部有效投资组合构成的集合。如果一个投资组合在所有风险相同的投资组合中具有最高的预期收益率，或者在所有预期收益率相同的投资组合中具有最小的风险，那么这个投资组合就是有效的。 9. 资本资产定价模型(CAPM)：资本资产定价模型认为只有证券或证券组合的系统性风险才能获得收益补偿，其非系统性风险将得不到收益补偿。 CAPM 的一个假设，即所有的投资者都进行充分分散化的投资，因此没有投资者会“关心”非系统性风险。 10. 资本资产定价模型的基本假定 (1)市场上存在大量投资者，每个投资者的财富相对于所有投资者的财富总量而言是 微不足道的 (2)所有投资者的投资期限都是相同的，并且不在投资期限内对投资组合做动态调整。 (3)投资者的投资范围仅限于公开市场上可以交易的资产，这一假定排除了非流动性资产，如人力资本、私有企业、政府资产等。此外，假定投资者可以按固定的无风险利率任意地借入或贷出资金。 (4)不存在交易费用及税金。 (5)所有投资者都是理性的。
量化阿尔法策略
金斧子财富：https://www.360docs.net/doc/117896885.html, 什么是量化交易 量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。 定量投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于定量投资管理是“定性思想的量化应用”，更加强调数据。量化交易具有以下几个方面的特点： 1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。 2、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。 3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。 4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。
金斧子财富：https://www.360docs.net/doc/117896885.html, 什么是阿尔法策略 在期指市场上做空，在股票市场上构建拟合300指数的成份股，赚取其中的价差，这种被动型的套利就是贝塔套利。那么在如今贝塔套利空间越来越小的状况下，我们还有什么好方法吗？这就是更主动的、也更考验操作者判断能力的阿尔法套利。 阿尔法套利也称阿尔法策略，是指指数期货与具有阿尔法值的证券产品之间进行反向对冲套利，也就是做多具有阿尔法值的证券产品，做空指数期货，实现回避系统性风险下的超越市场指数的阿尔法收益。为实现阿尔法套利，选择或构建证券产品是关键。 首先，兼具折价率与超额收益阿尔法的证券产品是进行阿尔法套利交易的首选，包括具有折价率，并能超越市场指数的认购权证，封闭式基金等。其次，具有超额收益阿尔法的证券产品是进行阿尔法套利交易的次选，主要包括开放式股票基金、股票、行业指数产品。 它在套利中属于典型的高收益、高风险套利方式。此种套利仅适合有能力挑选出具有稳定阿尔法证券产品的投资者，投资者在做阿尔法套利的时候应该与市场驱动因子监测体系结合起来分析。 如需投资私募理财，可预约金斧子理财师，【金斧子】持第三方基金销售牌照，国际风投红杉资本和大型央企的招商局创投实力注资，致力于打造中国领先私募发行与服务平台，提供阳光私募、私募股权、固收产品、债券私募、海外配置等产品，方便的网上路演平台，免费预约理财师，用科技创新提升投资品质！
公募量化投资策略 答案
公募量化投资策略
返回上一级
单选题（共 4 题，每题 10 分）
1 . 晨星风格箱风格鉴别法共将股票分为几种风格？（）
?
A.3 种
?
B.5 种
?
C.7 种
?
D.9 种
我的答案： D
2 . 利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，以赚取差价的行为， 属于哪种投资策略？（）
?
A.股指期货套利策略
?
B.商品期货套利策略
?
C.ETF 套利策略
?
D.行业轮动策略
我的答案： A
3 . 一揽子股票与 ETF 申购/赎回的市场是在哪个市场完成的？（）
?
A.银行间市场
?
B.交易所市场
?
C.ETF 一级市场
?
D.ETF 二级市场
我的答案： C
4 . 下面哪项不属于打分法多因子选股策略的模型构建流程？（）
?
A.构建因子库
?
B.因子筛选
?
C.风格预测
?
D.因子打分
我的答案： C
多选题（共 3 题，每题 10 分）
1 . 常用的趋势型指标包括以下哪些？（）
?
A.AMA
?
B.MACD
?
C.DMA
?
D.TRIX
我的答案： BCD
2 . 商品期货套利的基本模式包括？（）
?
A.期现套利
?
B.跨期套利
?
C.跨商品套利
?
D.跨市场套利
我的答案： ABCD
3 . 下面哪些策略属于量化选股投资策略的范畴？（）
?
A.多因子选股策略
?
B.行业轮动策略
?
C.一致预期策略
?
D.CTA 策略
我的答案： AB
判断题（共 3 题，每题 10 分）
1 . 单个指数无法全面反映真实市场情绪，因此要结合多方面因素选取有效指标。 对错
我的答案： 对
2 . 被动型投资策略无法获得超越市场的收益。 对错
我的答案： 对
3 . 正常情况下，价格在一定区间内一般波动，不具有方向性特征，而一旦价格突破临界值即可视为方向 性诞生，转势开始。 对错
我的答案： 对
中信证券-数量化投资的核心策略
数量化投资的核心策略 量化选股方法能够充分利用数量化投资手段，对上市公司大量相关数据进行处理，对个股基本面、估值水平、市场面和流动性等指标进行多角度的分析。强调投资纪律，尽量避免人为主观情绪的波动。量化投资与定性投资之比较与定性投资相比，量化投资更加注重计算机在投资过程中的作用，利用电脑将人脑的思维和精力加以延伸和补充。作为一种新的投资方式，量化投资为投资者提供了一个新的投资思路。定性投资与量化投资二者各有优长，只要利用得当，都能获得超额收益。 一、量化投资（Quantitative Investing）简介 即将发行的南方策略优化基金的首要特征就是"量化投资"，即该基金将通过数量化手段，优化投资策略，精选优势个股，力争获取超越业绩比较基准的投资回报。为了更好的分析南方策略优化基金的产品特性，本文将首先对量化投资加以分析。 1、量化投资的起源 量化投资是一种规范化、模型化的投资方式。具体来说，投资者将搜集到的相关数据与其自身的投资理念相结合，构建出一个或多个量化投资模型。在此基础上借助计算机科技的支持，对股票（或其他资产）进行筛选，并严格依照计算机的输出结果，实现最终的投资决策。 量化投资起源于上世纪70年代的美国，至今已有30多年的历史。其诞生的一个重要标志就是指数化投资（Indexing）的提出，就是说最初的量化投资是以被动形式出现的。 指数化投资的目标，就是简单的跟踪标的指数的涨跌，获取与标的指数相仿的投资收益。在此之后，投资者不满足于被动的跟踪指数，开始将被动指数化投资中的数量化投资技术进一步拓展，力图发现能够超越市场指数的量化投资方法，进行更加主动的量化投资，主动性量化投资（Active Quantitative Investing）由此产生。本次发行的南方策略优化基金就是一只主动性量化投资基金。 2、量化投资与定性投资之比较 量化投资和定性投资（Qualitatively-based Investment）本质上都是以市场非有效或弱有效理论为基础，通过对个股估值，成长等基本面的分析研究，建立战胜市场，产生超额收益的组合。 二者不同之处在于，定性投资依赖对上市公司的调研以及基金经理个人经验及主观判断，在此基础上挑选具有价格上涨潜力的个股；而定量投资管理则不对
数量化投资
数量化投资 继岁首年代嘉实量化基金成立后，中海量化策略基金也于6月19日顺利停止募集，初次募集16.46亿元，两只基金均采取国际风行的数量化投资办法。算上2004年发行的光大年夜保德信量化核心基金和2005年发行的上投摩根阿尔法基金，至此我国共有4只公募量化基金。 从本质上看，数量化投资理念将金融理论、数量化统计分析技巧与投资者的定性分析和断定有机地结合在一路作为研究对象,将投资思惟经由过程具体指标、参数的设计表如今模型中,并据此对市场进行不带任何主不雅情感的跟踪分析,借助于计算机强大年夜的数据处理才能来进行资产设备、股票选择、机会选择以及仓位控制等,以包管在控制风险的前提下实现收益最大年夜化。 数量化投资与传统的定性投资办法比拟，雷同点是，二者都致力于建立克服市场、产生超额收益的投资组合；不合点是，定性投资办法侧重对上市公司的调研、基金经理小我的经验及其对市场的主不雅断定，而量化投资治理则加倍强调数据的分析和应用，以先辈的数学统计技巧和模型替代工资主不雅断定。所以，与传统的定性分析办法比拟，数量化投资办法能更为理性、客不雅地分析和筛选股票，避免投资的盲目性和有时性，以及主不雅熟悉的局限性，它能更有效地控制非体系性风险及一些工资身分导致的风险。 作为数量化投资理念的领航者，BGI(巴克莱全球投资)于1978年创建了全球第一只数量化投资策略基金。经由逾30年的成长，数量化投资如今已经在全球范围内获得投资人的广泛承认。特别是2005年以来，跟着计算机技巧的飞速成长，数量化投资基金已逐渐变成一个主流的偏向。据统计，今朝在美国零售市场发行的主动型股票基金中，数量化投资基金已占据了16%的市场份额，而在竞争激烈的机构投资市场，量化投资则获得了更多的存眷，以BGI、SSGA（道富全球）和GSAM（高盛国际）为首的一大年夜批以数量化投资为核心竞争力的机构已成为资产治理公司中的领头羊，BGI更以14000亿美元的范围，高居全球资产治理范围之首。 同时，数量化投资理念也培养了一大年夜批卓有成效的基金经理.个中，詹姆斯·西蒙斯最具有代表性，他创造了由数学家成为“最赚钱基金经理”的神话。西蒙斯将他的数学理论背景奇妙应用于股票投资实战中，借助数学统计理论和计算模型，其所治理的大年夜奖章基金，从1989年到2006年的17年间，平均年收益率达到了38.5%，而股神巴菲特以前20年的平均年回报率为20%。更为神奇的是，在1998年俄罗斯债券危机、2001年高科技股泡沫危机以及2007年的次贷危机中，很多曾经有名遐迩的对冲基金经理都走向式微，但西蒙斯治理的大年夜奖章基金却在几回金融危机中都表示得异常坚挺！从1988年成立到1999年12月大年夜奖章基金总共获得2478.6%的净回报率，事迹可谓“鹤立鸡群”，跨越第二名索罗斯的量子基金一倍，而同期的标准普尔指数仅有9.6%。即使在次贷危机周全爆发的2007年，该基金的回报率仍高达85%。西蒙斯也是以被誉为“最赚钱基金经理”、“最聪慧亿万财主”。其实西蒙斯的成功依附于他的数学背景，他就是靠数学模型和电脑治理着本身旗下的基金，即用数学模型捕获市场机会，由电脑做出交易决定计划。他称本身为“模型师长教师”，依附量化的模型对象，而非较多的主不雅断定，西蒙斯也为投资人创造了惊人的回报。
量化交易主要有哪些经典的策略
量化交易主要有哪些经典的策略？ 这是一个对于刚入门的投资者的好问题。讲之前，先推荐一本好书《Efficiently Inefficient》（作者：Lasse Heje Pedersen）。它对于想了解对冲基金的朋友，是一本很好的启蒙书籍。不说废话，讲正题。从对冲基金的角度，交易策略可以有以下分类（来自《Efficiently Inefficient》）：我们可以先把交易策略大体分成三类：1）股票策略2）宏观策略3）套利策略。其中，股票策略和宏观策略的收益主要来自投资目标的实际价值（absolute value）的变化，而套利策略的收益来自一对或一组投资目标的相对价值（relative value）的变化。这三者不是完全的独立，比如套利策略也有应用于股票市场，宏观资产配置也会借鉴股票策略中基本面分析方法。之所以这么分是因为三者有各自显著的特点。下面我们来逐一介绍：1）股票策略：股票策略主要指的是单一的应用于股票市场的交易策略。按照人的主观和计算机在策略的参与程度，我们把股票策略分成主动权益投资和主动量化投资。这里的主动投资更准确的翻译是决定型交易，之所以称为主动权益投资，是因为这是业界一般的称呼。主动权益投资主要是靠投资者的主观判断，他们通过对行业和企业的深入调查，形成自己的投资逻辑，然后进行筛选股票。这里又根据交易的限制分为多空策略，做多策略和做空策略。这里提一
下做空策略（见于国外），只做空的投资者往往会把目标锁定在，那些对外披露的报告和实际表现不符的公司，然后去调查该公司的财务状况是否作假。该策略类型的代表就是浑水公司（Muddy Waters Research）。相较于主动权益投资，主动量化投资是把自己的逻辑输入计算机，通过计算机的快速运算，来构建自己的投资组合。它和主动权益投资的区别体现在研究的深度和广度上。量化投资依赖于数据。换句话说，对于那些不是以数据形式存在的信息（比如与他人的谈话），计算机是没法获得的，也无法转化成交易信号。从这个角度来看，量化投资对单一股票的研究深度不如主动权益投资。但是，借助于计算机的快速处理能力，量化投资所构建的自动化模型，能在短时间内消化各种类型的数据信息，并且把它转换成有价值的交易信号。从这个角度来看，量化投资在研究的广度上比主动权益投资更具有优势。在中国的股票市场，目前主要存在的量化交易策略是多因子选股模型（具体不在这里做介绍）和一些基于流动性的高频交易策略。前者更适用于资金规模大的公募基金，后者则适用于追求短期高回报的私募基金。2）宏观策略：宏观策略的投资范围不局限于单一类型的市场，而是进行全类型市场的投资。这一类型的策略又可以分成以期货为投资工具的CTA策略，和宏观资产配置策略。CTA策略是动量策略的代表作。动量策略又称作趋势型策略。它研究的是价格的变化趋势，基于行为金
基于Python工具的股票量化投资策略研究
2019年第07期20世纪80年代，一些投资者开始利用计算机研究金融数据，并初显 成效。20世纪末，投资者把计算机技术进一步应用在金融数据分析上，进行模型设计，构建股票投资组合。这时，金融数据趋于规范化，在日渐复杂的数据分析过程中，产生了更多类型的因子和更多样化的投资策略。量化投资是借助量化金融分析方法进行资产管理，量化金融分析方法是结合金融数据、个人经验、数学模型和计算机技术的一种复杂金融建模的分析方法[1]。实现量化投资的方法多达数十种，Python 、Matlab 、SPSS 、Eviews 、Excel 、SAS 、R 在量化界都是非常好用的工具，尤其是在数据分析方面。除Python 外，其余几个工具的优势都体现在数据分析方面，而量化投资是一个系统性工程，数据分析只是其中的一部分，不是全部。根据GitHub 官网统计，量化交易开源项目共145个，其中使用Python 以外的技术进行开发的项目共70个，应用Python 语言进行开发的多达75个。Python 的开源性促使开发者开发了大量的库和模块，而这些库和模块又使很多外行人能够轻松入手，反过来又促进了Python 在该领域的发展。应用Python 语言爬取数据，进行数据挖掘和深度案例分析，能够使量化投资基本实现从技术分析到金融设计，实现系统性掌控。因此，采用Python 驱动量化股票投资，对优化股票投资策略和规避投资风险具有十分重要的意义。 1基于Python 的股票量化投资交易程序1.1基于Python 的股票量化投资步骤 将Python 要应用到量化投资交易中，其步骤如图1-1所示。 图1-1股票量化交易应用模块库流程图 第一阶段是数据收集。数据收集是很多券商机构在做的业务，有影响力的模块库有Tushare 和Windpy ，其中Windpy 是Wind 公司开发的一个开源接口。国内的金融终端一般是Wind 、iFind 和Choice 终端，这些终端软件就是把企业和行业的数据收集到数据库，进行深度分析，并稍加整理成表格，然后上传到服务器中，方便客户进行相关的数据分析，一般情况下客户都需要付费来获得数据。 第二阶段是数据分析。NumPy 用来存储和处理多维数组和大型矩阵，搭配SciPy 进行计算；Pandas 解决时间序列；用Matplotlib 进行2D 绘图从而实现数据可视化。Wind 终端和Choice 终端也有相关的业务在平台上销售，而该服务的购买者通常是一些尚未具备分析能力和资格的小型机构或行外人。 第三阶段是策略研究。IPython 是一个Python 的交互式shell ，能进行变量的自动补全和缩进，支持bash shell 命令，内置了一系列有用的功能和函数；Jupyter 可以对数据进行清理和转换，进行数值模拟和统计建模等，是比较方便的策略研究工具；Zipline （国内公司开发的是RQalpha 回测引擎）对真实交易系统的运转进行模拟，利用历史数据对投资策略进行回测检验；具体的策略便可以理解为Python 代码的执行。 第四阶段是实盘交易。vn.py 是基于Python 的开源交易平台开发框架；easytrader 也是开源模块库，比较适合个人投资者。通俗来说，狭义的量化投资的应用意义到第三阶段为止，关于第四步的实盘交易还是需要经过投资者参考过量化投资的模型后作出的决定。因为工具只是投资者进行决策的辅助，人才是真实交易的决定者。 需要说明的是，数据收集及案例中的模型，直接采用第三方平台供应的API 数据源；数据分析因避免代码繁冗多杂，直接采用第三方平台的库和框架进行Python 编程，其中BOLL 指标案例的策略使用到了Sig 原nal 框架。利用第三方平台的意义及其最终达到的回测效果与纯自建量化交易策略项目无异，也非常适合个人投资者入手。本文选取A 股市场进行研究，选取样本的原因是A 股市场的数据有利于简化代码量。比如，在A 股市场上进行交易，1手即为100股，而在港股市场上，不同的股票1手的股数不尽相同，有的1手是交易50股，有的1手是交易200股，这样的数据可以简化很多代码量。 1.2基于Python 的股票量化投资流程 虽然Python 实现股票量化 交易分为4个阶段，但具体操作起来，为了更贴合实际，通常可以解析为8个流程，即：获取数据、数据分析挖掘、构建信号、构建策略、回测、策略分析、模拟交易和实盘交易。如图1-2所示。一是获取数据。包括获取公司新闻数据、关联数据，产业上下游、主营业务、所属行业主题等数据，基本行情数据，高频数据，股票Level-1数据，股票Level-2数据、期货Level-1数据等。 二是数据分析。数据分析挖 掘采用传统分析方法、新兴大数 据、机器学习和数据挖掘方法[2]； 三是构建信号。在构建信号前进行数据处理、标准化、去极值、中性化，基础信号的研究、分组回测、衰减、行业分布，将基础信号合成复杂信号。 四是构建策略。构建策略模板要兼容不同标的指标函数和参数的策略，适用于股票、基金、期货等金融资产，兼容日线、分钟线的策略，方便好用的策略函数，获取历史行情、历史持仓信息、调仓记录等，支持各种订单类型:止盈止损单、限价单、市价单。 五是回测测试。回测要符合历史的真实行情，并相应的进行股票分红送转、除权除息处理，股票涨跌停处理，股票停复牌处理，市场冲击，交易滑点、手续费、期货保证金交易，大单分笔成交处理等； 六是策略分析。包括策略归因、风险归因、实时监控，订单分析、成交分析、持仓分析、交易行为分析，多策略分析。 七是模拟交易。模拟交易需要接入实时行情、实时获取成交回报，篮子交易、算法交易，支持撤单处理，实时监控、实时归因分析。 八是实盘交易，实盘交易就是接入真实券商账户，紧紧跟随市场行情，实时进行下单，同时实时获取订单收益回报。2构建基于Python 的量化股票投资策略2.1BOLL 指标策略 利用BOLL 指标进行模拟回测，构造一个BOLL 指标买卖策略，根据个人投资者的账户情况，设置账户初始资金为10万元，策略背景与规则如下： （1）如果收盘价上穿BOLL 上轨，买入；如果收盘价下穿BOLL 下轨，则开盘卖掉；（2）回测策略时间区间设定为2018年全年，股票池为“沪深300”，参考指标为“沪深300”；（3）资金账户初始资金10万，类型为股票账户；（4）每次每只股票买20000元左右，出现重复信号时不重复买入；（5）当买入信号的股票数量比资金多时，随机挑选买入，每个交易日全仓操作。（6）策略需导入第三方库Pandas ，框架为Signal 。 利用Python 语言编辑策略代码并运行回测，得到BOLL 指标买卖策略收益回测结果，如图2-1所示。 注：粗线———沪深300指数2018年基准年化收益率线细线———基于沪深300指数的BOLL 指标策略的年化收益率线 图2-1BOLL 指标策略回测 策略回测结果显示，2018年全年，沪深300指数涨幅为-25.9%，依据沪深300制定的BOLL 策略收益率仅为-6.9%，BOLL 指标买卖策略的模拟收益曲线较平缓，波动幅度明显小于沪深300的收益率波动幅度，收 基金项目：2017年广东省本科高校教学质量与教学改革工程建设项目“省级特色专业建设项目：经济学特色专业建设”的部分研究成果，项目编 号：294。作者简介：孙丽颖（1980-），女，辽宁营口人，哈尔滨工业大学会计学硕士研究生，中山大学南方学院讲师，研究方向：公司理财。收稿日期：2019年3月19日。 基于Python 工具的股票量化投资策略研究 孙丽颖 （中山大学南方学院，广东广州510970） 摘要：在大数据快速发展的背景下，将程序算法与股票投资相结合是创新股票投资方式并实现投资收益率提升的关键。文章在量化投资理念的基础上，运用Python 语言对A 股市场的一些历史指数和个股数据进行梳理分析，针对Python 量化工具对投资项目进行初始性设计，制定量化股票投资策略，并对策略进行收益回测，进而提出量化股票投资的保障措施。 关键词：Python 量化工具；投资策略；BOLL 指标；格雷厄姆成长 股 图1-2股票量化交易流程 图市场·贸易 49