前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇量化投資的步驟范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

量化投資的步驟范文第1篇

曾在全球量化資產(chǎn)管理規(guī)模最大的巴克萊投資管理公司（BGI）管理量化基金、現(xiàn)任富國基金公司另類投資部總經(jīng)理的李笑薇，以自己多年的海內(nèi)外成功投資經(jīng)歷，與《投資者報(bào)》記者分享了量化投資的神秘與魅力所在。

自李笑薇加盟富國以來，富國A股量化投資模型于2009年底投入實(shí)戰(zhàn)，并獲得了不俗的戰(zhàn)績。截至2011年6月30日，富國旗下兩只指數(shù)增強(qiáng)基金――天鼎中證紅利、富國滬深300分別獲得了4.32%與 3.79%的收益，在所有指數(shù)型基金中位居前兩名。而同期滬深300指數(shù)、中證紅利指數(shù)分別下跌2.69%、2.1%。這一團(tuán)隊(duì)，正推出第三只指數(shù)增強(qiáng)基金――富國中證500指數(shù)增強(qiáng)。

量化不是“黑匣子”

《投資者報(bào)》：提及量化投資，國內(nèi)投資者總認(rèn)為很神秘。它與主動的定性投資差別到底有哪些？

李笑薇：量化模型的特點(diǎn)之一是抽象，但它稱不上是一個“黑匣子”，與傳統(tǒng)基金的投資區(qū)別也并非像投資者認(rèn)為的那樣大。

傳統(tǒng)基金經(jīng)理在做市場判斷時，腦子中會閃過好幾個模型，比如如何選定行業(yè)、個股，實(shí)質(zhì)這都是一個個模型。嚴(yán)格說，他們腦子里的模型比量化模型中能看到的都要多，只是他們沒有把這些模型提煉出來而已。

投資者購買傳統(tǒng)主動股票基金，并不代表他們對基金經(jīng)理的操作完全熟悉?；鸾?jīng)理在哪個時間段，配置了哪些行業(yè)、個股，投資人無法確切知道，只是能看到每個季度的報(bào)告和最終的投資結(jié)果。

相比之下，量化投資進(jìn)出市場的每一個步驟，都非常清晰明了。在我的眼里，這個過程不是“黑匣子”，而是團(tuán)隊(duì)里每一個人按流程逐步去完成的。

《投資者報(bào)》：量化投資的詳細(xì)工作流程是怎樣的？

李笑薇：量化投資對團(tuán)隊(duì)合作要求更高。一般來說，有一部分人專門進(jìn)行數(shù)據(jù)的清洗、整理、輸送等，這需要計(jì)算機(jī)信息技術(shù)較強(qiáng)的人才；模型的設(shè)計(jì)和研究，往往需要很強(qiáng)的金融及數(shù)學(xué)背景；基金的日常管理往往需要金融及工程方面的專才。因此，通常量化投資團(tuán)隊(duì)的成員學(xué)歷都較高，但不是說學(xué)位很重要，而是需要一定的技術(shù)積累。

具體流程中，提取數(shù)據(jù)的人看數(shù)據(jù)，有人專做研究，有的做優(yōu)化或者交易下單。每個人都有自己的側(cè)重點(diǎn)，在整個團(tuán)隊(duì)中起不同的作用。一個人可能干多件事情，但想要全部完成是不可能的。

《投資者報(bào)》：量化投資能否穩(wěn)定地戰(zhàn)勝市場？

李笑薇：在不同的市場階段，市場的有效性會不同，需要用特定的方法，尋找不同階段的不同機(jī)會。

市場上的各種方法，捕捉的內(nèi)容都不一樣。比如巴菲特，他的風(fēng)格更趨近于一級市場中VC、PE的思維；西蒙斯則是完全拋開基本面，從純技術(shù)的角度，將全球貨幣的走勢、衍生品等林林總總的東西作為投資標(biāo)的。

從A股市場來說，當(dāng)前的發(fā)展階段需要有獨(dú)特的投資方式，富國基金量化增強(qiáng)的定位也有市場需求存在，滿足了一部分配置指數(shù)基金的需求。從運(yùn)作經(jīng)驗(yàn)看，量化增強(qiáng)后的收益會好于一般指數(shù)的收益，上半年超額收益有8%?？傮w來看，這個收益穩(wěn)定在5%~10%間，是很多基金難以做到的。

超額收益從何而來

《投資者報(bào)》：我們也注意到，多家基金公司都構(gòu)建了獨(dú)立的量化投資團(tuán)隊(duì)和模型，富國基金量化投資模型的獨(dú)特之處在哪里？

李笑薇：量化投資最重要的是人的思想，量化只是一個方式和工具，真正在掙錢的，是人的投資思想。

從富國量化模型的特點(diǎn)來看，首先是自下而上精選個股，不做倉位選擇。由于這是一只指數(shù)產(chǎn)品，投資人買時就要買到這樣的倉位，我們一直是用95%的倉位操作。

其次，嚴(yán)格風(fēng)險(xiǎn)控制，精細(xì)成本管理。再次，系統(tǒng)化的投資流程，科學(xué)化的投資管理。量化投資從開始到結(jié)束，是一個龐大復(fù)雜的工程，團(tuán)隊(duì)里面專門有人負(fù)責(zé)清洗、研究數(shù)據(jù)，做一系列的回撤，實(shí)現(xiàn)交易單。

最后還要尊重模型出來的結(jié)果。在操作過程中，主動干預(yù)非常少，人的干預(yù)更多在整個模型的設(shè)計(jì)上。

《投資者報(bào)》：你們今年近8%的超額收益是如何實(shí)現(xiàn)的？不同市場環(huán)境下，模型是否會有大的調(diào)整？

李笑薇：對我們來說，發(fā)現(xiàn)哪些因子在最近的市場更有效，并保持一定的前瞻性，是量化團(tuán)隊(duì)的主要工作。

比如，大家都很熟悉的估值因子，在2006年到2009年都有比較優(yōu)異的表現(xiàn)。但是到了2010年，估值因子的作用突然發(fā)生了變化，估值并不能起到明顯推動作用，我們也提前做了適當(dāng)?shù)恼{(diào)整。

責(zé)任心決定能否做好

《投資者報(bào)》：除了模型外，量化投資成功還取決于什么？

李笑薇：一般而言，量化投資策略是否成功取決于三大因素。一個因素是質(zhì)量，重點(diǎn)取決于數(shù)據(jù)和研究。第一步是要保證數(shù)據(jù)的質(zhì)量沒有問題。對于任何一個數(shù)據(jù)源，我們基本是用一家數(shù)據(jù)商，但會用兩家來互相檢驗(yàn)，檢驗(yàn)后的結(jié)果才進(jìn)入到自己的數(shù)據(jù)庫里。

研究質(zhì)量的好壞，其實(shí)是工作責(zé)任和態(tài)度的問題。量化雖然有門檻，但對理工科碩士以上的人來說門檻并不高，能否做好靠的是責(zé)任心。

第二是經(jīng)驗(yàn)和判斷。我們會做大量研究、看歷史業(yè)績，但歷史不代表未來。當(dāng)你做了大量細(xì)致的研究，發(fā)現(xiàn)可能有五個因子影響，表現(xiàn)最好的是A，后面有BCDE，其他因子哪些權(quán)重更大？做決定要基于經(jīng)驗(yàn)和判斷。但歸根到底，判斷與決策要有很強(qiáng)的實(shí)踐來做支撐。

三是運(yùn)氣，好的質(zhì)量和經(jīng)驗(yàn)不等于好的業(yè)績。盡管它們可以提高好業(yè)績的概率。投資結(jié)果在任何時候都有運(yùn)氣的影響，這對所有管理人都是公平的。不過，今年這樣的業(yè)績基本上屬于正常運(yùn)氣范圍內(nèi)。

量化投資的步驟范文第2篇

本篇報(bào)告的量化投資策略主要采用的方法與理論有以下幾種：1、線性回歸。2、多因素模型。3、CAPM（資本資產(chǎn)定價模型）。4、假設(shè)檢驗(yàn)與置信區(qū)間估計(jì)。5、蒙特卡洛模擬。6、VaR（風(fēng)險(xiǎn)價值）方法。7、Matlab（矩陣實(shí)驗(yàn)室，用于數(shù)據(jù)的處理與圖形的分析）技術(shù)。主體內(nèi)容主要分為四大部分。第一部分為模型建立階段，主要是挑選影響股票收益率的相關(guān)因素。第二部分主要是挑選出收益率排名前20%的股票，并運(yùn)用CAPM模型進(jìn)行組合搭配，以求降低非系統(tǒng)性風(fēng)險(xiǎn)，最大化股票的收益。第三部分采用統(tǒng)計(jì)學(xué)的知識，對上述建立的模型的相關(guān)參數(shù)進(jìn)行范圍上與概率上的估計(jì)。并采用VaR方法與蒙特卡洛模擬，進(jìn)行風(fēng)險(xiǎn)的評估與控制，并運(yùn)用多種評估績效的方式（夏普比率、特雷諾比率、簡森阿爾法等指標(biāo)），對股票的風(fēng)險(xiǎn)與收益做出客觀的評判。第四部分為模型的評價階段，即由宏觀到微觀對該模型做出全面的解釋。與此同時，運(yùn)用matlab技術(shù)對參數(shù)進(jìn)行適當(dāng)?shù)膭討B(tài)更新，使其盡量符合市場的波動情況，并進(jìn)行回溯測試，用市場的實(shí)際結(jié)果來解釋模型的合理之處。

2 策略步驟

第一部分：模型建立階段。

2.1 影響收益率的因子初選

我們采用以下收益率因子。

以上表格反映了影響收益率的主要四大類因子，較好地包括了影響收益率的主要因素。雖然從宏觀層面上我們挑選出了一些影響收益率的主要因子，然而，在現(xiàn)實(shí)過程中，影響某個具體公司收益率的因素很可能只是其中某幾個。因此，我們應(yīng)當(dāng)試圖找出影響每個股票的收益率的個別關(guān)鍵因素，這里我們采用matlab技術(shù)以及線性回歸的方法，以融捷股份（002192）與暴風(fēng)科技（300431）為例進(jìn)行說明。筆者根據(jù)深圳證券交易所統(tǒng)計(jì)的數(shù)據(jù)通過EXCEL表格進(jìn)行合并整理后得到融捷股份的收益率數(shù)據(jù)，將該數(shù)據(jù)導(dǎo)入matlab中，以市盈率為橫軸、收益率為縱軸，建立圖形關(guān)系。

根據(jù)統(tǒng)計(jì)學(xué)的知識可知，我們用決定系數(shù)R2來反應(yīng)自變量解釋因變量力度的強(qiáng)弱，而決定系數(shù)與相關(guān)系數(shù)之間存在平方關(guān)系，即2=R2。因此，在matlab中我們通過計(jì)算一組數(shù)據(jù)之間的相關(guān)系數(shù)，反求出其決定系數(shù)，從而說明該特定自變量能從多大程度上解釋因變量。代碼運(yùn)行的結(jié)果如下：

從上述運(yùn)行結(jié)果可知，市盈率與股票收益率之間的R2只有0.0934，遠(yuǎn)小于1，因此市盈率這一項(xiàng)指標(biāo)在融捷股份里并不能對收益率的變動起到?jīng)Q定性作用。

類似地，我們對表1-1中所有的因子進(jìn)行相同的操作方法，在此由于篇幅原因不再贅述，僅展示操作步驟與過程。

2.2 剔除冗余因子

在進(jìn)行上述步驟的過程中，值得一提的是，各個因子之間可能本身就具有一定的相關(guān)性。比如，ROE指標(biāo)與ROA指標(biāo)本身就滿足一個等式：ROE=ROA*EM， 其中EM為權(quán)益乘數(shù)，計(jì)算公式為EM=1/（1-負(fù)債率）。如果因素之間的相關(guān)性甚小，我們可以忽略不計(jì)，但是當(dāng)相關(guān)性大到一定程度時，便會對之后的多因素模型分析過程產(chǎn)生誤導(dǎo)，因此在這里我們需要補(bǔ)充的一步是利用matlab軟件，建立不同指標(biāo)之間的關(guān)系方程，判斷是否存在多重共線性。

2.3 多因素模型體系的建立

在進(jìn)行完影響收益率的因子選擇以及剔除完冗余因子之后，便是最為重要的建立綜合評分體系，將所有的因子共同反映到一個方程中，用來解釋股票收益率與因子之間的具體變化。

多因素模型的建立過程分為如下幾個步驟：

（1）. 標(biāo)準(zhǔn)化原始數(shù)據(jù)

（2）. 建立相關(guān)性矩陣

（3）. 計(jì)算相關(guān)性矩陣的特征值和特征向量

（4）. 得出總方程表達(dá)式

通過對上述運(yùn)行結(jié)果的分析我們可以看出，月最大超額收益的影響最大，而累計(jì)收益的影響最小。這樣，我們便量化出了影響該股票收益率的方程式。

第二部分：交易標(biāo)的股票的選取

2.4 選取收益率前20%的股票

通過第一部分的論述，我們最終可以得到影響不同公司股票收益率的方程式，可以用matlab或者數(shù)據(jù)庫技術(shù)進(jìn)行保存，當(dāng)需要更新參數(shù)或者進(jìn)行預(yù)測決策時，調(diào)用相關(guān)函數(shù)即可。

在第二部分中，我們將選取的標(biāo)的股票資產(chǎn)池的相關(guān)數(shù)據(jù)輸入到方程式中，即可得到未來一段時間的預(yù)期收益率。假設(shè)我們從每個板塊中選取出了20支股票，我們保留預(yù)期收益率排在前20%的股票，優(yōu)中選優(yōu)，盡量最大化我們的收益。

2.5 利用CAPM模型進(jìn)行資產(chǎn)組合

20世紀(jì)誕生的資本資產(chǎn)定價模型（CAPM）為廣大投資者選擇資產(chǎn)組合提供了良好的理論基礎(chǔ)與依據(jù)。威廉夏普（William F. Sharpe，1934-）與馬克維茨（Harry M. Markowitz）等人所建立的組合管理理論核心即為以下等式：

E（Rn）=R

f+（E（Rm）-Rf）

其中，E（Rn）為股票的預(yù)期收益率，Rf為無風(fēng)險(xiǎn)利率，為單個股票與市場之間的相關(guān)性，E（Rm）為某一基準(zhǔn)的收益率。通過該理論，我們可以建立多個資產(chǎn)的不同搭配情況。

在第三部分，我們會進(jìn)一步討論運(yùn)用各項(xiàng)績效評估指標(biāo)，來權(quán)衡風(fēng)險(xiǎn)與收益。

第三部分：風(fēng)險(xiǎn)控制

2.6 對各項(xiàng)參數(shù)進(jìn)行區(qū)間估計(jì)和假設(shè)檢驗(yàn)。

前兩部分重點(diǎn)關(guān)注了組合的收益情況，力求在市場處于無效或弱有效的情況下，取得超越市場的收益率。然而，對風(fēng)險(xiǎn)的把握仍為非常重要的方面，自從2007-2009年間發(fā)生的金融災(zāi)難以后，人們對于風(fēng)險(xiǎn)控制的意識又提高到一個新的水平。下面具體介紹如何利用統(tǒng)計(jì)學(xué)知識，對風(fēng)險(xiǎn)以及收益的取值范圍做出評估與估計(jì)。

假設(shè)由第一部分模擬出的收益率方程滿足如下等式：

Yi = -4.451 +2.057 * X1i + 2.008 * X2i

我們可以看到，在這個等式中出現(xiàn)了三個參數(shù)，分別是截距項(xiàng)-4.451、X1i的系數(shù)2.057以及X2i的系數(shù)2.008。然而，這畢竟是模擬出來的結(jié)果，或多或少會存在著一定的誤差，那么對這種誤差水平的度量就顯得尤為重要。特別是對于X1i與X2i的參數(shù)的估計(jì)，其改變直接決定了Yi的變化的方向以及程度。在這里，我們運(yùn)用統(tǒng)計(jì)學(xué)上的假設(shè)檢驗(yàn)與置信區(qū)間估計(jì)的方式，判斷我們有多大的信心，或者說有多大的概率，該參數(shù)可以滿足我們的要求，從而對我們的決策活動形成指導(dǎo)意義。見下圖：

如上圖所示，該圖為用統(tǒng)計(jì)軟件所得出的上式的相關(guān)統(tǒng)計(jì)學(xué)分析，可以看出上式的R2（R-squared）為0.934，并且調(diào)整后的R2（Adj R-squared）為0.890，說明該式的所有系數(shù)，作為一個整體，對Yi具有較好的解釋力度。其中ESS（Explained Sum of Squared）為模型模擬出的曲線與平均值的差的平方和，而SSR（Squared Sum of Residual）為真實(shí)點(diǎn)與估計(jì)點(diǎn)的差的平方和。Matlab圖示如下：

上圖是通過最小二乘法擬合出來的一條回歸曲線，其中藍(lán)色的點(diǎn)與實(shí)線之間的距離的平方和即為SSR，而實(shí)線與所有實(shí)際點(diǎn)的均值之間的距離的平方和即為ESS。R2=ESS/（ESS+SSR）。

由圖6-1還可以看到，2.057所處的95%置信區(qū)間范圍為0.984-3.130。其中，P值與t統(tǒng)計(jì)量用來判斷在95%的把握下，是否可以拒絕一項(xiàng)參數(shù)，即判斷該參數(shù)在一定概率條件下的真假情況。我們通?？梢酝ㄟ^查對應(yīng)的t分布表來找到對應(yīng)的關(guān)鍵值，或者采用比較p值大小的方式進(jìn)行判斷。比如說，要判斷圖6-1中Experience的參數(shù)2.008在95%的概率條件下的合理性，我們計(jì)算出其t統(tǒng)計(jì)量如圖上的2.664，而對應(yīng)的置信區(qū)間范圍中包括了2.664這個值，因此我們可以得出如下結(jié)論：Experience的系數(shù)2.008在95%的置信水平下是無法拒絕的。這一結(jié)論同樣可以通過判斷p值的大小得出，p值為0.076，大于顯著性水平0.05（通過1-95%得到），因此有足夠的自信可以保證該系數(shù)的合理性。

通過上述方法，我們可以對之前模擬出的收益率方程的系數(shù)的合理性做出判斷與評估，使我們對其有一個更為深入的了解。

2.7 基于蒙特卡洛模擬的風(fēng)險(xiǎn)控制。

在風(fēng)險(xiǎn)管理領(lǐng)域，VaR方法一直在各大金融機(jī)構(gòu)被視為進(jìn)行風(fēng)險(xiǎn)度量的首選，因?yàn)槠淇梢蕴峁┰谝欢ǖ闹眯艆^(qū)間下所發(fā)生的最大損失的大小。然而，實(shí)踐證明，在市場出現(xiàn)劇烈波動的情況下（比如2007-2009的金融危機(jī)），資產(chǎn)之間的相關(guān)性會增強(qiáng)，以前可能相關(guān)性很弱的資產(chǎn)在市場不穩(wěn)定時期出現(xiàn)了高度關(guān)聯(lián)的相關(guān)性。而普通的線性估算VaR的方法在金融危機(jī)期間，對于風(fēng)險(xiǎn)的度量不再準(zhǔn)確與合理。因此，出現(xiàn)了后來的情景分析方法（scenario analysis ）以及這里要討論的蒙特卡洛模擬。

所謂蒙特卡洛模擬，是對一項(xiàng)資產(chǎn)的所有可能取值進(jìn)行隨機(jī)數(shù)模擬，來計(jì)算產(chǎn)品的價格以及計(jì)算風(fēng)險(xiǎn)價值的大小。其應(yīng)用領(lǐng)域十分廣泛，不僅可以用來模擬復(fù)雜金融產(chǎn)品的價格（例如，含權(quán)債券的定價、住房抵押貸款證券化產(chǎn)品的定價），在風(fēng)險(xiǎn)管理領(lǐng)域還可以用來度量風(fēng)險(xiǎn)的大小。在此，我們給出詳細(xì)的解釋，來說明怎樣進(jìn)行基于蒙特卡洛模擬的風(fēng)險(xiǎn)的度量。

重復(fù)上述代碼四次，模擬出不同收益率的圖形，每次模擬都可以得到一條收益率的曲線，當(dāng)我們從股票收益率的總體曲線中隨機(jī)抽出N個樣本的收益率曲線，對其進(jìn)行算術(shù)平均，便可以得到最終模擬出的收益率曲線，通過正態(tài)分布或?qū)?shù)正態(tài)分布作圖，我們可以在豎直方向上做出一條輔助線，該輔助線對應(yīng)的分位點(diǎn)即是VaR所處的位置，如此一來我們便可以得到VaR的結(jié)果。

第四部分：模型的改進(jìn)與實(shí)時更新

2.8 模型評價

在這一部分，我們主要對上述建立的收益風(fēng)險(xiǎn)模型進(jìn)行評價，包括引進(jìn)一些至關(guān)重要的績效評估指標(biāo)，例如夏普比率，特雷諾比率，簡森阿爾法，信息比率，索提諾指標(biāo)等。

夏普比率來自于CAPM模型，其基本內(nèi)涵是單位風(fēng)險(xiǎn)所對應(yīng)的超額收益。在CAPM模型中，夏普比率即是資本市場線的斜率。因此，對于一個組合的風(fēng)險(xiǎn)收益的評估，我們可以通過計(jì)算其夏普比率，再與其他組合比較，選出夏普比率最大的那一個，即是我們滿意的組合（單位風(fēng)險(xiǎn)承擔(dān)了更多的超額收益）。

特雷諾比率與夏普比率類似，但其分母上所對應(yīng)的是系統(tǒng)性風(fēng)險(xiǎn)，而不是總風(fēng)險(xiǎn)。這反應(yīng)了一項(xiàng)組合其內(nèi)在的超額收益，因?yàn)榉窍到y(tǒng)性風(fēng)險(xiǎn)是可以通過組合規(guī)避掉的，而系統(tǒng)性風(fēng)險(xiǎn)則更多的由市場、行業(yè)以及經(jīng)濟(jì)周期等不可控因素所決定。因此，特雷諾比率也被廣泛應(yīng)用于組合績效的評估。

簡森阿爾法描述的是一項(xiàng)組合的市場收益與CAPM計(jì)算出的理論收益之間的差額。在CAPM圖形上描述出來便是資本市場線上的點(diǎn)與實(shí)際的點(diǎn)之間的距離。簡森阿爾法直接反應(yīng)了一項(xiàng)組合的收益與其理論收益的偏差，因此投資者可以進(jìn)行無風(fēng)險(xiǎn)的套利交易，低買高賣，賺取超額收益。值得一提的是，用簡森阿爾法來描述兩個組合的風(fēng)險(xiǎn)收益時，要求兩個組合的系統(tǒng)性風(fēng)險(xiǎn)處于同一水平，即CAPM模型中的相同。特雷諾比率將系統(tǒng)性風(fēng)險(xiǎn)單位化，因此可以直接進(jìn)行比較，這是簡森阿爾法與特雷諾比率之間的區(qū)別。

信息比率也是實(shí)際工作中用到的比較多的領(lǐng)域，通常會和夏普比率搭配使用。信息比率的計(jì)算公式為：信息比率=超額收益/跟蹤誤差。

索提諾指標(biāo)的計(jì)算公式為：索提諾指標(biāo)=（組合收益-最小收益）/下半方差，其中下半方差只考慮風(fēng)險(xiǎn)的影響，因?yàn)閮r格上漲的風(fēng)險(xiǎn)可以不考慮，只考慮下跌的風(fēng)險(xiǎn)。

2.9 利用matlab動態(tài)更新參數(shù)

上述建立的多因素模型的參數(shù)一般會隨著市場條件的變化而發(fā)生變化，例如金融危機(jī)期間，金融產(chǎn)品之間的相關(guān)性增強(qiáng)，可能會使得參數(shù)的估計(jì)不再準(zhǔn)確。因此，我們需要通過不斷的測算市場數(shù)據(jù)，來保證模型參數(shù)的合理性。在matlab中不斷更新改進(jìn)參數(shù)的步驟是不能省略的。

2.10 回溯測試

在完成了模型的構(gòu)建以后，我們通常會進(jìn)行一段時間的回溯測試期，目的是為了對模型的合理性進(jìn)行檢驗(yàn)。即采用從市場上觀察得到的數(shù)據(jù)，與模型估計(jì)出的數(shù)據(jù)進(jìn)行比較。這是回溯測試的主要思想。通常在一些交易平臺上我們可以進(jìn)行回溯測試。Matlab平臺上也為我們提供了相關(guān)的回測計(jì)算的功能，目的是盡可能地還原市場的真實(shí)情況，以檢測策略的準(zhǔn)確性。

2.11 模型評價

已上便是筆者構(gòu)建的投資策略的基本框架與內(nèi)容，按照上文指導(dǎo)的內(nèi)容進(jìn)行投資，可以在一定程度上獲取超額收益。量化的方法相比較傳統(tǒng)的基本面分析、技術(shù)分析，具有其自身的合理性。然而量化投資并不是時時刻刻百分百有效，但根據(jù)歷史經(jīng)驗(yàn)來看，量化投資的收益已經(jīng)遠(yuǎn)超其他投資方式。量化投資還具有更為高深的理論，例如結(jié)合了心理學(xué)、生物學(xué)與計(jì)算機(jī)科學(xué)的神經(jīng)網(wǎng)絡(luò)、遺傳算法等，使用機(jī)器代替人腦進(jìn)行投資決策，這樣可以減少人的主觀性，客觀的根據(jù)一些標(biāo)準(zhǔn)、指標(biāo)嚴(yán)格執(zhí)行投資策略。這里只是使用了量化投資領(lǐng)域中的冰山一角，即使用綜合模型評分方法來構(gòu)建投資組合的預(yù)期收益。

然而，該模型仍有其自身的局限性。例如，模型本身采用的是線性回歸的基本思想，即最高次冪為1次冪。然而在現(xiàn)實(shí)過程中，很多金融產(chǎn)品的收益曲線并不是一條嚴(yán)格的直線，而更多的是具有二階導(dǎo)的曲線。舉例如下圖所示：

上圖是包含了期權(quán)時間價值在內(nèi)的利潤圖，可以看到，在引進(jìn)期權(quán)的時間價值以后，其圖形不再是直線，而是帶有弧度。因此，我們通常采用的方法是利用泰勒級數(shù)進(jìn)行估計(jì)，引入二階導(dǎo)來進(jìn)一步估計(jì)金融產(chǎn)品的價格。例如在債券中一階導(dǎo)采用久期進(jìn)行計(jì)算，二階導(dǎo)采用凸性進(jìn)行調(diào)整。

因此，針對本篇策略報(bào)告的模型，我們可以采用類似的方法，引入二階導(dǎo)來進(jìn)行估計(jì)。這一點(diǎn)可以通過matlab不斷擬合收益率的曲線來進(jìn)一步精確估計(jì)收益率未來的變化趨勢。然而，與蒙特卡洛模擬類似，這需要相當(dāng)大的計(jì)算量。我們通常會采用樣本大小與時間的平方根的乘積來衡量最有效率的估計(jì)方式。

量化投資的步驟范文第3篇

盡管量化投資已經(jīng)成為市場投資的發(fā)展趨勢，但是大多數(shù)投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數(shù)學(xué)模型，而賺錢的投資模型都是機(jī)構(gòu)的秘密武器，不會輕易披露。另一方面是由于量化投資采用計(jì)算機(jī)系統(tǒng)，設(shè)計(jì)各種交易手段，有著較為復(fù)雜的數(shù)學(xué)計(jì)算與技術(shù)要求，現(xiàn)在許多量化投資都是計(jì)算機(jī)自動執(zhí)行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統(tǒng)的典型構(gòu)造，打開了量化投資的“黑箱”。納蘭認(rèn)為阿爾法模型用來預(yù)測市場未來方向，風(fēng)險(xiǎn)控制模型用來限制風(fēng)險(xiǎn)暴露，交易成本模型用來分析為構(gòu)建組合產(chǎn)生的各種成本，投資組合構(gòu)建模型在追逐利潤、限制風(fēng)險(xiǎn)與相關(guān)成本之間做出平衡，然后給出最優(yōu)組合。最優(yōu)目標(biāo)組合與現(xiàn)有組合的差異就由執(zhí)行模型來完成。數(shù)據(jù)和研究部分則是量化投資的基礎(chǔ)：有了數(shù)據(jù)，就可以進(jìn)行研究，通過測試、檢驗(yàn)與仿真正確構(gòu)建各個模型。預(yù)測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發(fā)展，量化投資模型也在不斷改進(jìn)。簡單的策略可能就是證券或組合的套利行為，如期現(xiàn)套利組合、市場異象研究中的差價組合等。統(tǒng)計(jì)套利策略是經(jīng)典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內(nèi)容，基于高速的計(jì)算機(jī)系統(tǒng)實(shí)施高頻的程序交易已經(jīng)是量化投資的重要利器。丁鵬（2012）將量化投資的主要內(nèi)容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統(tǒng)計(jì)套利、期權(quán)套利、算法交易、ETF/LOF套利和高頻交易等。他認(rèn)為量化投資的優(yōu)勢在于：紀(jì)律性、系統(tǒng)性、及時性、準(zhǔn)確性和分散化。

二、量化投資“黑箱”中的構(gòu)造與證券投資學(xué)的差異

在傳統(tǒng)的證券投資學(xué)中，投資組合理論、資本資產(chǎn)定價模型、套利定價理論和期權(quán)定價理論是現(xiàn)代金融理論的四塊基石。前兩者主要依靠均值-方差組合優(yōu)化的思想，后兩者則主要依靠市場的無套利條件。傳統(tǒng)的投資方法主要是基本面分析和技術(shù)分析兩大類，而量化投資則是“利用計(jì)算機(jī)科技并采用一定的數(shù)學(xué)模型去實(shí)現(xiàn)投資理念、實(shí)現(xiàn)投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術(shù)分析，但它可以采用基本面分析，也可以采用技術(shù)分析，關(guān)鍵在于依靠模型來實(shí)現(xiàn)投資理念與投資策略。為了分析量化投資對證券投資學(xué)的啟示，本文從量化投資“黑箱”的各個構(gòu)成來探討量化投資與證券投資學(xué)中思路和觀點(diǎn)的差異。

（一）資產(chǎn)定價與收益的預(yù)測

根據(jù)組合優(yōu)化理論，投資者將持有無風(fēng)險(xiǎn)組合與市場風(fēng)險(xiǎn)資產(chǎn)組合，獲得無風(fēng)險(xiǎn)利率與市場風(fēng)險(xiǎn)溢價。資本資產(chǎn)定價模型則將此應(yīng)用到單一證券或組合，認(rèn)為證券的風(fēng)險(xiǎn)溢價等于無風(fēng)險(xiǎn)利率加上與風(fēng)險(xiǎn)貢獻(xiàn)比率一致的風(fēng)險(xiǎn)溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產(chǎn)定價理論給實(shí)務(wù)投資的一大貢獻(xiàn)?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風(fēng)險(xiǎn)因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統(tǒng)一的參考?？梢哉f，在因素定價方面，量化投資繼承了資產(chǎn)定價理論的基本思想。對于因素定價中因素的選擇，證券投資學(xué)認(rèn)為，對資產(chǎn)價格的影響，長期應(yīng)主要關(guān)注基本面因素，而短期應(yīng)主要關(guān)注市場的交易行為，即采用技術(shù)分析。在量化投資中，主要強(qiáng)調(diào)按照事先設(shè)定的規(guī)則進(jìn)行投資，這在一定程度上與技術(shù)分析類似。但是，在技術(shù)分析中，不同的人會有不同的結(jié)論，而量化投資則強(qiáng)調(diào)投資的規(guī)則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強(qiáng)調(diào)從統(tǒng)計(jì)和數(shù)學(xué)模型方面尋找資產(chǎn)的錯誤定價或者進(jìn)行收益的預(yù)測。

（二）無套利條件與交易成本

在證券投資學(xué)里，流動性是證券的生命力。組合投資理論、資本資產(chǎn)定價模型以及套利定價理論等都認(rèn)為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實(shí)現(xiàn)，如套利交易。根據(jù)套利定價理論，一旦市場出現(xiàn)無風(fēng)險(xiǎn)的套利機(jī)會，理性投資者會立即進(jìn)行套利交易，當(dāng)市場均衡時就不存在套利機(jī)會。現(xiàn)實(shí)市場中往往存在套利限制。一是因?yàn)閯P恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因?yàn)槭袌隹偸谴嬖诮灰踪M(fèi)用等成本。但證券投資學(xué)中，對市場中套利限制與非流動性的關(guān)注較少，這是因?yàn)閭鹘y(tǒng)金融理論中簡化了市場結(jié)構(gòu)。市場微觀結(jié)構(gòu)理論研究在既定的交易規(guī)則下，金融資產(chǎn)交易的過程及其結(jié)果，旨在揭示金融資產(chǎn)交易價格形成的過程及其原因。在市場微觀結(jié)構(gòu)理論中，不同的市場微觀結(jié)構(gòu)對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實(shí)施量化投資策略的證券往往都應(yīng)有較好的流動性，因?yàn)榻灰讜r非流動性直接影響投資策略的實(shí)施。從這個意義上講，量化投資時的交易成本不僅包括交易費(fèi)用，更主要的是要考慮市場交易沖擊的流動性成本。

（三）風(fēng)險(xiǎn)控制與市場情緒

在證券市場中，高收益與高風(fēng)險(xiǎn)相匹配。量化投資在追求高收益的同時，不可避免地承擔(dān)了一定的風(fēng)險(xiǎn)。在證券投資學(xué)中，系統(tǒng)性風(fēng)險(xiǎn)主要源于宏觀經(jīng)濟(jì)因素，非系統(tǒng)性因素則主要源于行業(yè)、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經(jīng)濟(jì)因素，而且會考慮交易行為等因素，只是不同的模型有不同的側(cè)重點(diǎn)，在多模型的量化投資系統(tǒng)中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風(fēng)險(xiǎn)外，量化投資還有自身不可忽視的風(fēng)險(xiǎn)源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風(fēng)險(xiǎn)。另一方面，市場沖擊的流動性成本也是量化投資的風(fēng)險(xiǎn)控制因素，理所當(dāng)然地在圖1的風(fēng)險(xiǎn)控制模型中體現(xiàn)出來。另外，在一般的投資過程中，市場情緒或多或少會成為風(fēng)險(xiǎn)控制的一個對象。然而，在量化投資中，更多的交易都是通過計(jì)算機(jī)來實(shí)現(xiàn)的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風(fēng)險(xiǎn)控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔(dān)適度的風(fēng)險(xiǎn)來獲得超額回報(bào)，因?yàn)楫吘箿p少風(fēng)險(xiǎn)也減少了超額回報(bào)。

（四）執(zhí)行高頻交易與算法交易

在對未來收益、風(fēng)險(xiǎn)和成本的綜合權(quán)衡下，實(shí)現(xiàn)投資策略成為量化投資的重要執(zhí)行步驟。為了達(dá)到投資目標(biāo)，量化投資不斷追求更快的速度來執(zhí)行投資策略，這就推動了采用高速計(jì)算機(jī)系統(tǒng)的程序化交易的誕生。在證券投資學(xué)里，技術(shù)分析認(rèn)為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計(jì)算機(jī)信息科技的創(chuàng)新，量化投資策略之間的競爭越來越大，誰能運(yùn)作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計(jì)算機(jī)系統(tǒng)處理數(shù)據(jù)和進(jìn)行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點(diǎn)有：處理分筆交易數(shù)據(jù)、高資金周轉(zhuǎn)率、日內(nèi)開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結(jié)構(gòu)交易、事件交易和偏差套利。成功實(shí)施高頻交易同時需要兩種算法：產(chǎn)生高頻交易信號的算法和優(yōu)化交易執(zhí)行過程的算法。為了優(yōu)化交易執(zhí)行，目前“算法交易”比較流行。算法交易優(yōu)化買賣指令的執(zhí)行方式，決定在給定市場環(huán)境下如何處理交易指令：是主動的執(zhí)行還是被動的執(zhí)行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產(chǎn)配置和證券選擇問題。

三、對量化投資在證券投資教學(xué)中應(yīng)用的思考

從上述分析可以知道，量化投資的“黑箱”構(gòu)造與證券投資學(xué)之間存在一定的差異，因此，在證券投資的教學(xué)中應(yīng)當(dāng)考慮量化投資發(fā)展的要求。

（一）市場微觀結(jié)構(gòu)與流動性沖擊

在理性預(yù)期和市場有效假說下，市場價格會在相關(guān)信息披露后立即調(diào)整，在信息披露前后市場有著截然不同的表現(xiàn)。在證券投資學(xué)里，一般認(rèn)為價格的調(diào)整是及時準(zhǔn)確的，然而，現(xiàn)實(shí)的世界里，價格調(diào)整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調(diào)整是瞬間的，影響不大。然而，在高頻交易中，這種價格調(diào)整過程影響很大。市場微觀結(jié)構(gòu)就是研究這種價格形成過程。市場微觀結(jié)構(gòu)理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關(guān)注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關(guān)注信息公布后信息反映到價格中的這一過程，認(rèn)為含有信息的訂單流是導(dǎo)致價格波動的原因。無論是關(guān)注委托訂單的存貨模型還是關(guān)注市場參與者信息類型的信息模型，這些市場微觀結(jié)構(gòu)的研究加強(qiáng)了流動性與資產(chǎn)價格之間的聯(lián)系，強(qiáng)調(diào)流動性在量化投資決策中的重要作用。一般的證券投資學(xué)中基本沒有市場微觀結(jié)構(gòu)的內(nèi)容，因而，為了加強(qiáng)證券投資學(xué)的實(shí)用性，應(yīng)關(guān)注市場微觀結(jié)構(gòu)的內(nèi)容與發(fā)展。

（二）業(yè)績評價與高杠桿

對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風(fēng)險(xiǎn)與業(yè)績。在組合業(yè)績評價中，一方面要考慮風(fēng)險(xiǎn)的衡量，另一方面則要分析業(yè)績的來源。在證券投資學(xué)中，組合業(yè)績來自于市場表現(xiàn)以及管理者的配置與選股能力。對于量化投資而言，市場時機(jī)和管理者的能力依然重要，然而，量化投資的業(yè)績評價還應(yīng)考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴(kuò)大收益，但在市場不好的時候會加速虧損，這些與傳統(tǒng)的業(yè)績評價就不太一樣。在一般的證券投資學(xué)里，業(yè)績評價主要考慮經(jīng)風(fēng)險(xiǎn)調(diào)整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻(xiàn)，而且有可能夸大了投資者的技能水平。

（三）人為因素與模型風(fēng)險(xiǎn)

在量化投資中，非常注重計(jì)算機(jī)對數(shù)據(jù)和模型的分析，這突出了量化投資的規(guī)則性和固定性。然而，實(shí)際中，別看量化采用了各種數(shù)學(xué)、統(tǒng)計(jì)模型，但策略設(shè)計(jì)、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實(shí)施。量化投資運(yùn)用模型對策略進(jìn)行了細(xì)致研究，并借助計(jì)算機(jī)實(shí)施策略，能夠消除很多認(rèn)為的隨意性。但是，量化策略畢竟體現(xiàn)投資者的交易理念，這一部分依賴于投資者的經(jīng)驗(yàn)，一部分依賴于投資者對市場的不斷觀察與更新。實(shí)際上，人始終處于交易之中，對于市場拐點(diǎn)以及趨勢反轉(zhuǎn)的判斷主要還是依賴投資者的經(jīng)驗(yàn)。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實(shí)施依賴于人的設(shè)定，而人的設(shè)定不僅依賴于經(jīng)驗(yàn)，而且人還會犯錯。人之所以會犯錯，一方面是因?yàn)槿藗儗κ袌龅恼J(rèn)知是不完全的，另一方面則是人們使用了錯誤的模型。經(jīng)典的證券投資理論中，股票價格的變動被認(rèn)為是隨機(jī)的，小概率事件出現(xiàn)的機(jī)會比較小，但是經(jīng)驗(yàn)研究表明股票收益率具有肥尾現(xiàn)象，小概率事件發(fā)生的機(jī)會超出了人們原先的認(rèn)識，即市場還會出現(xiàn)“黑天鵝”。更為關(guān)鍵的是，量化投資更依賴數(shù)學(xué)和統(tǒng)計(jì)模型，這就使得量化投資存在較大的模型風(fēng)險(xiǎn)，即使用了錯誤的模型。為了防范模型風(fēng)險(xiǎn)，應(yīng)采用更為穩(wěn)健的模型，即模型的參數(shù)和函數(shù)應(yīng)該適應(yīng)多種市場環(huán)境。近年來，研究表明，證券收益及其與風(fēng)險(xiǎn)因素的關(guān)系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機(jī)過程和機(jī)器學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)進(jìn)行信息處理成為量化投資的重要技術(shù)支持。

（四）2013年諾貝爾經(jīng)濟(jì)學(xué)獎的啟示

量化投資的步驟范文第4篇

[關(guān)鍵詞] 投資環(huán)境 變權(quán)綜合法 房地產(chǎn)投資環(huán)境

一、引言

對于任何一項(xiàng)投資，環(huán)境條件的優(yōu)劣直接影響了投資效益的好壞。 投資環(huán)境是影響房地產(chǎn)投資行為的外部因素的總體,是理性的房地產(chǎn)投資活動賴以進(jìn)行的前提。在一定的條件下,投資環(huán)境因素對房地產(chǎn)投資的成敗起著關(guān)鍵的作用。由于高投入、高風(fēng)險(xiǎn)、復(fù)雜性、開發(fā)周期長及影響因素多等方面的原因,所以科學(xué)的對投資環(huán)境進(jìn)行分析并對投資的前景進(jìn)行預(yù)測,是防止風(fēng)險(xiǎn)和確保高收益、高回報(bào)的必要前提與基礎(chǔ)。房地產(chǎn)投資環(huán)境評價工作在經(jīng)濟(jì)生活中日益受到人們的重視，評價方法的研究也在逐步展開。目前，常見的房地產(chǎn)投資環(huán)境定量評價方法包括初級因素打分法、多因素系統(tǒng)評估法、綜合性定量方法、雷達(dá)圖分析法、關(guān)鍵因素評估法等。但這些評價方法對于主觀性指標(biāo)處理得比較粗糙。變權(quán)綜合法由于所需數(shù)據(jù)少,評價準(zhǔn)確性高；而且更能突出指標(biāo)體系中個別指標(biāo)的明顯變化，比常權(quán)綜合法更接近專家評估的思維模式，所以它在社會各行業(yè)得到廣泛應(yīng)用。本論文建立了一個基于變權(quán)綜合評價方法的投資環(huán)境評價模型,并以河北省某地區(qū)為例,給出了一個實(shí)證分析。

二、變權(quán)綜合法

定義2.1稱為一個m維常權(quán)向量，如果對于任意,有,且滿足。

定義2.2 給定映射，稱向量,為m維局部變權(quán)向量，如果滿足:

(1)歸一性

(2)懲罰激勵性：對每個，存在，且，使得關(guān)于在內(nèi)單調(diào)遞減，在內(nèi)單調(diào)遞增。

定義2.3 給定映射,稱向量,為m維局部狀態(tài)變權(quán)向量，如果對于每個，存在，且，滿足條件：

(1)對于每個，對于常權(quán)向量,在上關(guān)于遞減，在上關(guān)于遞增。

(2)當(dāng)時，;當(dāng)時，。

定理2.1 設(shè)為一個m維局部狀態(tài)變權(quán)向量,為任一常權(quán)向量，則, 為一個m維局部變權(quán)向量。

給定指標(biāo)集,各指標(biāo)的常權(quán)分配為，某被評價對象各指標(biāo)的評價值為：，取定局部狀態(tài)變權(quán)向量:,可得局部變權(quán)向量：,于是綜合評價值為：

三、基于變權(quán)綜合法的房地產(chǎn)投資環(huán)境評價模型

房地產(chǎn)投資環(huán)境評價指標(biāo)體系是對投資環(huán)境進(jìn)行綜合評價的依據(jù)和標(biāo)準(zhǔn)。它的設(shè)置應(yīng)符合系統(tǒng)全面、簡明科學(xué)、穩(wěn)定可比、靈活可操作的原則。因此，本文按隸屬關(guān)系、層次結(jié)構(gòu)，將影響投資環(huán)境的因素加以系統(tǒng)分析和合理綜合，其構(gòu)成要素一般分為政治、經(jīng)濟(jì)、自然、基礎(chǔ)設(shè)施和社會因素四大方面。欲建立房地產(chǎn)投資環(huán)境測評模型，應(yīng)遵循：構(gòu)建評價指標(biāo)體系評價指標(biāo)定量化建立測評模型。根據(jù)以上分析，本文借助層次分析法確定了權(quán)重向量，基于變權(quán)綜合法建立一類測量房地產(chǎn)投資環(huán)境的定量化模型，具體步驟如下：

1.運(yùn)用層次分析法，建立層次結(jié)構(gòu)模型，確定權(quán)重系。如表1所示，

表1 河北省房地產(chǎn)投資環(huán)境指標(biāo)體系

2. 下面我們通過對河北省某地區(qū)房地產(chǎn)投資環(huán)境進(jìn)行評價。我們邀請了10位專家，分別對各指標(biāo)進(jìn)行按評分標(biāo)準(zhǔn)打分，得到二級指標(biāo)狀態(tài)值。

比如我們首先取定:

得到房地產(chǎn)投資環(huán)境評價過程如表2:

表2

按照上述步驟，經(jīng)過計(jì)算得出：雖然該地區(qū)社會政治環(huán)境和基礎(chǔ)設(shè)施環(huán)境都較好，但由于自然環(huán)境和經(jīng)濟(jì)環(huán)境稍差，采用變權(quán)綜合法達(dá)到了懲罰的目的，而常權(quán)綜合卻未能達(dá)到此效果。

四、結(jié)束語

由于房地產(chǎn)投資環(huán)境復(fù)雜性，不確定的影響因素眾多，投資者對環(huán)境的選擇尤為慎重，投資環(huán)境的好壞直接影響到投資者的收益。對投資環(huán)境做一個公正合理的評價至關(guān)重要。本論文所采用的變權(quán)綜合評價法，運(yùn)用定性和定量相結(jié)合，專家評價和科學(xué)計(jì)算互相補(bǔ)充的分析方法，比常權(quán)評價法更為準(zhǔn)確，具有一定的適用價值。

參考文獻(xiàn):

[1]姚炳學(xué)李洪興:局部變權(quán)公理體系[J].系統(tǒng)工程理論與實(shí)踐,2000,20(1):106～112

[2]羅萍，投資環(huán)境的變權(quán)綜合評價法[J].商場現(xiàn)代化, 2006年10月(中旬刊）:183～184

[3]王曉玲:素質(zhì)教育評價中的變權(quán)綜合方法[J]．系統(tǒng)工程理論與實(shí)踐，2004.4(4):136～140

[4]羅福周馬楠許飛:模糊綜合評判法在房地產(chǎn)住宅小區(qū)投資環(huán)境評價中的應(yīng)用[J].商場現(xiàn)代化2006 年4月（上旬刊）:230～231

量化投資的步驟范文第5篇

關(guān)鍵詞: 贏得值 成本 進(jìn)度 綜合控制。

1　贏得值分析法

1. 1 贏得值分析法的含義及構(gòu)成

在項(xiàng)目進(jìn)行過程中監(jiān)控計(jì)劃成本支出與實(shí)際成本支出無法判斷投資是否超支或有節(jié)余,因?yàn)槌杀鞠牧看蟮脑蚩赡苁沁M(jìn)度超前,也可能是因?yàn)槌杀境鲱A(yù)算;反之亦然。因此有必要引入成本/進(jìn)度綜合度量指標(biāo)和控制方法對項(xiàng)目的成本/進(jìn)度狀態(tài)進(jìn)行有效的監(jiān)控。

贏得值分析法是一種能全面衡量工程進(jìn)度、成本狀況的整體方法,其基本要素是用貨幣量代替工程量來測量工程的進(jìn)度,它不以投入資金的多少來反映工程的進(jìn)展,而是以資金已經(jīng)轉(zhuǎn)化為工程成果的量來衡量,是一種完整和有效的工程項(xiàng)目監(jiān)控指標(biāo)和方法。

贏得值法用三個基本值來表示項(xiàng)目的實(shí)施狀態(tài),并以此預(yù)測項(xiàng)目可能的完工時間和完工時的可能費(fèi)用,三個基本值是: 擬完工程計(jì)劃費(fèi)用（BCWS）,某一時點(diǎn)應(yīng)當(dāng)完成的工作所需投入資金或花費(fèi)成本的累計(jì)值。它等于計(jì)劃工程量與預(yù)算單價的乘積之和。該值是衡量工程進(jìn)度和工程費(fèi)用的一個標(biāo)尺或基準(zhǔn)。已完工程計(jì)劃費(fèi)用（BCWP）,某一時點(diǎn)已經(jīng)完成的工作所需投入資金的累計(jì)值。它等于已完工程量與預(yù)算單價的乘積之和。它反映了滿足質(zhì)量標(biāo)準(zhǔn)的工程實(shí)際進(jìn)度和工作績效,體現(xiàn)了投資額到工程成果的轉(zhuǎn)化。已完工作量實(shí)際費(fèi)用（ACWP）,某一時點(diǎn)已完成的工作所實(shí)際花費(fèi)成本的總金額。它等于已完工程量與實(shí)際支付單價(合同價)的乘積之和。通過三個基本值的對比(見圖1,它們分別是三個關(guān)于時間的函數(shù)),可以對工程的實(shí)際進(jìn)展情況作出明確的測定和衡量,有利于對工程進(jìn)行監(jiān)控,也可以清楚地反映出工程管理和工程技術(shù)水平的高低:理想狀態(tài)下,上述三條函數(shù)曲線應(yīng)該重合于“實(shí)現(xiàn)投資額”;如果管理不善,“實(shí)際成本額”會在“實(shí)現(xiàn)投資額”曲線之上,說明成本已經(jīng)超支;如果進(jìn)度已經(jīng)滯后,“完成投資額”會在“計(jì)劃投資額”曲線之下

1. 2　贏得值分析法的具體步驟

1. 2. 1　項(xiàng)目預(yù)算和計(jì)劃

首先要制訂詳細(xì)的項(xiàng)目預(yù)算,把預(yù)算分解至每個分部分項(xiàng)工程,盡量分解到詳細(xì)的實(shí)物工作量層次,為每個工作包建立總預(yù)算成本TBC（Total budgeted cost）。第二步是將每一項(xiàng)TBC分配到各工作包的整個工期中去。每期的成本計(jì)劃依據(jù)各工作包的各分項(xiàng)工作量進(jìn)度計(jì)劃來確定。當(dāng)每一工作包所需完成的工程量分配到工期的每個區(qū)間,就能確定何時需用多少預(yù)算。這一數(shù)字通過截止到某期的過去每期預(yù)算成本累加得出,即得累計(jì)計(jì)劃預(yù)算成本BC-WS。

1. 2. 2　收集實(shí)際成本

項(xiàng)目執(zhí)行過程中,會通過合同委托每一工作包的工作給相關(guān)承包商。合同工程量及價格清單形成承付款項(xiàng)。承包商在完成相應(yīng)工作包的實(shí)物工程量以后,會按合同進(jìn)行進(jìn)度支付。在項(xiàng)目每期對已發(fā)生成本進(jìn)行匯總,即累計(jì)已完工程量與合同單價之積,就形成了累計(jì)實(shí)際成本ACWP,它反映了工程的實(shí)際成本花費(fèi)。為記錄項(xiàng)目的實(shí)際成本,必須建立及時和定期收集資金實(shí)際支出數(shù)據(jù)的制度,包括收集數(shù)據(jù)的步驟、報(bào)表規(guī)范,建立合同執(zhí)行臺帳。

1. 2. 3　計(jì)算贏得值BCWP

如前所述,僅監(jiān)控以上兩個參數(shù)并不能準(zhǔn)確地估計(jì)項(xiàng)目的狀況,有時甚至?xí)?dǎo)致錯誤的結(jié)論和決策。贏得值是整個項(xiàng)目期間必須確定的重要參數(shù)。對項(xiàng)目每期已完工程量與預(yù)算單價之積進(jìn)行累計(jì),即可確定累計(jì)贏得值BCWP,它反映了工程實(shí)際績效的價值。與跟蹤項(xiàng)目的實(shí)際成本一樣重要,也必須建立經(jīng)常及時地收集數(shù)據(jù)的相應(yīng)制度來確定項(xiàng)目每一工作包工作績效的價值,主要是必須對每一合同的承付項(xiàng)(報(bào)價單項(xiàng))預(yù)先對應(yīng)相應(yīng)的預(yù)算項(xiàng)目,確定其預(yù)算單價,通過合同實(shí)際工程量完成情況,計(jì)算出贏得值,建立投資完成臺帳。

利用以上幾個指標(biāo)即可以比較分析項(xiàng)目的成本、進(jìn)度績效和狀況: BCWP與ACWP實(shí)際是在同樣進(jìn)度下的價值比較,它反映了項(xiàng)目成本控制的狀況和效率。

1. 2. 4　成本、進(jìn)度控制

有效成本、進(jìn)度控制的關(guān)鍵是經(jīng)常及時地分析成本、進(jìn)度績效,及早地發(fā)覺成本、進(jìn)度差異和無效率,以便在情況變壞之前能夠采取糾偏措施。

要做好成本、進(jìn)度綜合控制,應(yīng)十分關(guān)注CPI或CV的走勢,當(dāng)CPI小于1或逐漸變小、CV為負(fù)且絕對值越來越大時,就應(yīng)該及時制定糾偏措施并加以實(shí)施。應(yīng)集中注意力在那些有負(fù)成本差異的工作包或分項(xiàng)工程上,根據(jù)CPI或CV值確定采取糾正措施的優(yōu)先權(quán),也就是說, CPI最小或CV負(fù)值最大的工作包或分項(xiàng)工程應(yīng)該給予最高優(yōu)先權(quán)。總體進(jìn)度控制可使用相同原理和方法。

2綜合控制法

綜合控制法是根據(jù)贏得值原理和建設(shè)工程實(shí)踐而總結(jié)出來的一種新的控制方法。主要有控制要素量化處理、建立控制規(guī)則、導(dǎo)出方案等四個步驟。

2.1 控制要素量化處理：

根據(jù)工程實(shí)際情況將工程進(jìn)度、人員、資金、物資、材料供應(yīng)、環(huán)境和其他因素等多個因素進(jìn)行量化處理。

2.2 建立控制規(guī)則：

根據(jù)工程實(shí)際情況及以往的實(shí)際經(jīng)驗(yàn)，結(jié)合贏得值分析法建立起來一套控制規(guī)則：安全與質(zhì)量作為第一大類風(fēng)險(xiǎn)要素，成本作為第二大類風(fēng)險(xiǎn)要素，進(jìn)度作為第三大類風(fēng)險(xiǎn)要素，其他要素作為一般要素。

控制規(guī)則采用的是IF—THEN—ELSE邏輯來實(shí)現(xiàn)：工程進(jìn)度必須根據(jù)安全、質(zhì)量、成本情況來綜合判斷；資金的投入必須根據(jù)進(jìn)度與資金供應(yīng)情況來確定；人員投入與退出應(yīng)根據(jù)計(jì)劃及工程人員素質(zhì)來確定?？刂埔?guī)則必須根據(jù)不同的具體工程相應(yīng)調(diào)整。

2.3 導(dǎo)出方案：

按照控制規(guī)則對各項(xiàng)指標(biāo)數(shù)據(jù)進(jìn)行推理，做出符合工程實(shí)際情況的判斷，進(jìn)而導(dǎo)出科學(xué)合理的控制方案。