時間：2023-07-13 16:36:13
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇量化投資主要方法范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
剛開始的時候，西蒙斯的投資方法和許多人類似：通過對宏觀基本面的分析來判斷外匯和商品的價格走勢，然后進行相應的買賣。但是投資開始還沒過兩年，西蒙斯就決定完全離開校園，全職進行投資活動。1978年，他離開石溪大學，成了專業投資人。他成立了一個叫林姆若伊的基金，專門從事各種投資，其中主要是外匯交易，但是也包括投資各種小公司的現在統稱創投基金的投資活動。10年間，林姆若伊基金的投資回報是25倍，相當于每年增長38%左右，這和后來西蒙斯管理的大獎章基金的回報差不多。那時候西蒙斯還是花很多時間來關注宏觀經濟事件，比如美聯儲什么時候加息啦、加息之后美國債券的長期利率和短期利率都分別會有什么變化啦之類的東西。他當年的投資方法是判斷型的，直到10年以后的1988年，大獎章基金鳴鑼開張，西蒙斯的投資方法才完全轉型，從判斷型轉到量化型。
這里我們要岔開話題，說說投資方法都有哪些類型。其實分起來也很容易，按照投資決策的方式，可以分成判斷型和量化型兩類。判斷型投資者根據各種信息以及個人過去的經驗來確定買賣什么、買賣多少、什么價位執行、交易如何退場（止損、止盈）等，這里面最有代表性的人物正是西蒙斯在紐約的鄰居索羅斯。股神巴菲特也應該算是判斷型的投資者。
投資行業一般把量化型的投資稱做“黑箱”。簡單來說，量化投資者不依靠大腦的判斷，而是靠數學公式來投資。比如：量化投資者把最新的市場及其他相關信息輸入到他的秘密公式里，公式得出的結果說買中石化，量化投資者就出去買中石化。過了一段時間，一天或者個把月，也可能是幾秒之后，量化投資者又把最新的信息輸入他的秘密公式，公式的結果說賣中石化，量化投資者就賣了。量化投資者和判斷型投資者的最主要的區別在于，不用判斷，而是完全依照公式。公式的好處是它的一致性：同樣的信息輸入同樣的公式，得出的結果是一樣的，跟輸入的人是誰沒有關系。西蒙斯正是量化型投資者的代表。量化型的投資方法還很年輕，它的發展壯大也不過是最近30年的事情。
投資方法還可以根據投資決策所憑借的信息類別來分，分成基本面型和技術型兩類。基本面型的投資方法按照宏觀經濟或者公司盈利的各類指標來進行投資決策，而技術型的投資方法則一般是按照過去的價格走勢來判斷的。也有許多投資方法既不靠基本面，也不靠過去的價格走勢，為了定義的嚴謹，我們把任何使用非宏觀經濟指標和公司營運指標來分析投資的方法都歸入技術型投資之中。
據2007年的統計，全球70%的錢都是憑借基本面型的投資方法來操作的，30年之前，這個比率應該超過90%。技術型、量化型的投資雖說可以溯源到20世紀初，但是它們的發展和壯大是近30多年的事情，尤其是使用數學工具和電腦的量化投資方法。在金融危機的影響之下，很多投資行業受到影響，但是量化投資（包括指數投資）仍然是基金管理里面增長最快的一個部類。
綜合上面兩組分類方法，投資方法可以細分為基本面判斷法、基本面量化法、技術判斷法和技術量化法。索羅斯和巴菲特都應該屬于基本面判斷法，從目前了解的信息來判斷西蒙斯屬于技術量化法。技術判斷法的追隨者很多，它有另外一個名字：技術分析法，或者圖線法。人們對技術分析這個行當的態度其實也類似于對金庸小說的態度：有人說好得不得了，有人則不屑一顧，認為這和占星術沒什么不同。其實這類投資方法和西蒙斯的大獎章基金有很多相似之處，西蒙斯的林姆若伊基金在1978~1988年之間的投資方法很大程度上都可以歸于技術判斷方法，后來的大獎章基金也可以說繼續走技術型投資的道路。
【關鍵詞】量化投資 量化投資策略 資產配置
量化投資是投資者借助計算機信息化建立數學模型，把最新市場數據和相關信息輸入到模型中，通過公式計算出投資對象，做出最優投資決策。量化投資不依靠投資者的感覺直覺，不依賴個人判斷，而是將其經驗利用信息通過模型實現投資理念。同時，投資者期望達到收益和風險的合理配比，利用夏普比率等科學方法控制收益和風險。量化投資者不用每天重復的分析瑣碎信息，只需要不斷完善這個模型并不斷創造新的可以盈利的模型。
二、量化投資策略
（一）量化投資策略分類
量化投資策略，主要包括量化擇時策略、統計套利策略、算法交易策略、組合套利策略、高頻交易策略等。
（1）量化擇時策略是收益率最高的一種交易策略，通過對宏微觀指標的量化分析判斷未來經濟走勢并確定買入、賣出或持有，按照高拋低吸原則獲得超額收益率。在量化擇時策略中，趨勢跟蹤策略是投資者使用最多的策略。量化擇時分析策略包括：趨勢跟蹤策略、噪音交易策略、理易策略。
（2）統計套利是風險套利的一種，通過對歷史數據的統計分析，利用統計學理論，估計相關變量的概率分布，判斷規律在未來一段時間內是否繼續存在。統計套利策略包括協整策略和配對利差策略、均值回歸策略以及多因素回歸策略。
（3）算法交易又稱為自動交易，主要是研究如何利用各種下單方法，降低沖擊成本的交易策略，將一個大額交易通過算法拆分成數個小額交易，以此來減少對市場價格造成沖擊，降低交易成本。算法交易策略包括交易量加權平均價格策略、時間加權平均價格策略、盯住盤口測量、執行落差策略、下單路徑優選策略。
（4）組合套利策略主要針對期貨市場上的跨期、跨市及跨品種套利的交易策略。組合套利策略包括均衡價格策略、套利區間策略、牛市跨期套利、熊市跨期套利等。
（5）高頻交易是一種持倉時間短、交易量巨大、交易次數多、單筆收益率低的投資策略，人們從無法利用的極為短暫的市場變化中尋求獲利的計算機化交易，依靠快速大量的計算機交易以獲取高額穩定的收益。高頻交易策略包括流動性回扣交易策略、獵物算法交易策略和自動做市商策略。
如下是量化投資中幾種主要的投資交易策略：
（1）趨勢跟蹤策略。趨勢跟蹤策略追隨大的走勢，向上突破重要的壓力線可能預示著更大一波的上漲趨勢，向下突破重要的支撐線可能預示著更大一波的下跌趨勢。趨勢跟蹤策略試圖尋找大趨勢的到來，在突破的時候進行相應的建倉或平倉的投資操作來獲得超額收益。
趨勢型指標進行擇時的基本理念是順勢而為，跟蹤市場運行趨勢。在趨勢策略中使用的技術指標是最多的，常用有：移動平均線（MA）、平滑異動移動平均線（MACD）、平均差（DMA）、趨指標（DMI）等。
（2）噪音交易策略。噪聲交易是指交易者在缺乏正確信息的情況下進行密集交易的行為。有效市場中噪聲只是一個均值為零的隨機擾動項，但市場并不總是有效的，市場上有很多異常信息，往往有人能夠提前獲得這些異常信息，很可能對投資的判斷提供重要的價值。噪聲交易策略的運用主要是機構投資者通過計算得到市場的噪聲交易指數，監測該指數的變化，根據其變化來設計量化交易策略。
（3）協整策略。在統計套利策略中，協整策略是應用最廣泛的一種策略。協整套利的主要原理，是找出相關性最好的幾組產品，再找出每一組的協整關系，當某一組投資產品的價差偏離到一定程度時建倉，買入被低估的資產、賣出被高估的資產，當價差均衡時獲利了結平倉。協整策略包括協整檢驗、GARCH檢驗、TARCH檢驗以及EGARCH檢驗。
（4）多因素回歸策略。多因素回歸策略，也是一種被廣泛使用的投資策略。這一策略利用影響投資收益的多種選擇因素，并根據其與收益的相關性，建立多元回歸模型，簡化投資組合分析所要求的證券相關系數的輸入，這類方法的代表是套利定價模型。
（二）量化投資策略組合
量化投資策略組合綜合考慮交易商品、策略類別、策略數量、時間周期因素。量化投資策略組合相比較單一投資策略有以下優勢：
（1）策略組合降低了對單一策略的依賴，當單一策略失去競爭力，使用策略組合的方式，可以利用不同產品價格變化、變化幅度、周期等多個方面把握投資機會，在一定程度上保證了穩定的收益率，盈利機會更多；
（2）策略組合可以分散單一策略的交易風險，降低風險，通過策略組合將投資風險分散化，盡可能規避市場風險、策略風險及系統風險等。
三、量化投資資產配置
資產配置是指資產類別選擇，即投資組合中各類資產的適當配置及對這些混合資產進行實時管理。量化投資管理打破了傳統投資組合的局限，它與量化分析結合，將投資組合作為一個整體，確定組合資產的配置目標和分配比例，深化了資產配置的內涵。
資產配置包括戰略資產配置和戰術資產配置兩大類。戰略資產配置是長期資產配置，針對較長時間的市場情況，控制長期投資風險以達到收益最大化。戰術性資產配置是依據資產預期收益的短期變化，獲取超額收益的機會。因此，戰術資產配置是建立在長期戰略資產配置過程中的短期分配策略，二者相輔相成。在長期投資活動的戰略資產配置下，戰術性資產配置利用其積極的靈活的投資機會，適當的配合戰略資產配置，獲取較高收益。
四、前景展望
在量化投資飛速發展的今天，它己經成為金融市場中不可忽視的一個領域，中國的金融市場在逐步發展及完善，中國的量化投資也會繼續發展和前進，隨著量化投資方面的加大投入，量化投資的進程加快，中國量化投資的前景無限。
參考文獻：
2013年可謂我國對沖基金快速發展的一年。越來越多成熟的投資者關注到這個投資品類，并認可其投資機會及資產配置功能。
但說起對沖基金，很多人還是不可避免地聯想到“量化對沖”、“程序化交易”等相關詞匯。那么這些概念之間到底有怎樣的關聯呢？是不是對沖基金一定要采取對沖或量化投資呢？
并非所有對沖基金都采取對沖手段
顧名思義，對沖基金給人印象是運用對沖工具對沖風險的基金。但是，實際上并非所有對沖基金一定都采取對沖手段。對沖基金相對于傳統的公募基金而言，主要是在基金結構方面的區別。
一般來說，對沖基金具有以下特點：
第一，受更少的監管。國內的公募基金要求每季度披露季報，公布基金倉位和重倉股等核心信息，基金投資范圍也受到嚴格的控制。至今我國還沒有一只投資商品期貨的公募基金，去年底成立的嘉實絕對收益策略是國內目前唯一一只可投資滬深300股指期貨的市場中性策略的公募基金。而私募基金可以不公開任何與投資相關的信息，投資范圍也廣泛的多。
第二，更長的封閉期。國內的對沖基金通常在成立后的半年內處于封閉期，不能申購贖回，或者只許申購不準贖回。此后，走信托通道的產品每月開放申購和贖回，而走公募基金專戶或是公募基金子公司的產品每季度才開放一次申購和贖回。降低流動性是為了減少申購與贖回對基金運作的不良影響，有利于保護投資者的收益，有助于基金經理的投資運作。
第三，收取業績提成。公募基金的收費主要是前端認購費和固定管理費，而私募基金除了這兩部分外通常還收取20%的超額業績提成。有些業績出色且有溢價能力的對沖基金甚至收取30%的業績報酬。
第四，偏向于絕對收益的投資方式。我們都知道，公募基金的比較基準往往是滬深300等大盤指數，基金經理的考核通常是同類基金排名。這就是所謂相對收益型的業績導向。而對沖基金的業績基準通常是定期存款利率。由于基金管理人為了獲得更高的業績報酬，所以更在乎基金的絕對收益水平，而不是相對大盤指數的相對收益或是業績排名。這種績效方式就會引導基金管理人在投資方式上更偏向于絕對收益的方法，能采用對沖工具的可以進行風險敞口的對沖，不運用對沖工具的也會通過調節倉位來控制基金凈值的下行風險。
并非所有對沖基金都采用量化投資
量化投資強調的是在投資的過程中加入定量化的方法和手段。
傳統的股票型基金經理在投資的過程中更多的是依據自己對宏觀經濟、行業發展趨勢以及企業經營狀況的主觀判斷。雖然在做決策前基金經理也閱讀了大量數據，但這些數據轉換為投資決策是在人腦里完成的。這個決策過程涉及到很多定性的判斷，模糊的處理，是一個非量化的決策過程。
而所謂量化投資就是盡可能將決策過程模型化、可視化、透明化。在模型化的過程中，勢必會引入不少定量的方法，用到很多金融、經濟、數學以及統計等學科的工具和手段。
舉個簡單的例子，我們注意到股票市場的投資者對于經濟同步數據是比較敏感的。比如，制造業采購經理指數（PMI）如果在50%以上表明經濟處在擴張區間，越高反映經濟發展得越樂觀。此時，主觀投資者會在參考PMI當期數值、前期數值以及市場預期值后綜合來判斷是否該介入購買股票，而量化投資會設一個硬性的標準，比如PMI創出近3月新高即買入股票，或是PMI超過55%才買入股票等等規則，一旦事先設定的規則觸發就形成了交易信號。
量化投資可以很簡單，也可以很復雜。像前面提到的這個例子就是個極為簡單的量化投資方法，連計算器這樣簡單的工具都不用就可以實現。如果規則較多，涉及的步驟較多，或是需要大量的計算，那么就要借助電腦程序來實現。
與股神巴菲特的“價值投資”不同，西蒙斯的投資成就依靠的是“量化投資”。這位24歲起就出任哈佛大學數學系教授的數學天才，依靠數學模型和計算機技術捕捉著市場機會。他認為，數學模型比主動投資能夠更有效地降低風險。
雖然中國人對西蒙斯這個名字還比較陌生，但“量化投資”產品在華爾街已經非常普遍。受益于計算機技術的提升和市場歷史數據供應的完善，進入21世紀后，這一投資方式開始飛躍成長。2000年至2007年間，美國“量化投資”產品的總規模翻了4倍多，超越了同期美國共同基金總規模（定量+定性）的增長速度（翻了1.5倍）。“量化投資”在美國全部投資中的占比，從1970年為零發展到2009年30%以上。
什么是“量化投資”？
可以說“量化投資”是隨著計算機科技而發展起來的。簡單地說，“量化投資”就是將人的投資思想反應在數量模型中，并利用電腦處理大量信息，從而進行投資決策。建信上證社會責任ETF基金經理葉樂天介紹，“量化投資”在美國的發展比較蓬勃。在華爾街的投資行為中，同一個套利機會下，誰下單早誰就就能抓住機會，這些都得益于計算機運行速度越來越快。也往往就是這幾毫秒的領先，就可以掙到萬分之一的收益。萬分之一雖然不多，但是日積月累，就可能有很高的收益。
目前“量化投資”在中國還是一個新概念，處于起步和發展之間的階段，可以說是少數派的地位，普通老百姓不太熟悉，產品較少，也缺乏明星產品和明星基金經理。
與市場熟悉的“定性投資”相比，“量化投資”主要是在研究方法上與其不同。“定性投資”的公司基本面研究是靠到企業調研，看研究報告，與高管深入交流、了解大股東訴求，了解公司發展規劃之類，有很深的深度。“量化投資”則注重廣度，比如市場上有2000只股票，就把2000只全都抓起來，“量化投資”的數據越多反而越好。葉樂天以市場中一個很形象的比喻來形容上述兩種投資的異同：“定性投資”和“定量投資”的差異如同中醫和西醫的關系。“定性投資”更像中醫，更多地依靠經驗和感覺判斷病在哪里；“定量投資”更像是西醫，依靠模型判斷，模型對于定量投資基金經理的作用就像CT機對于醫生的作用。在每一天的投資運作之前，我會先用模型對整個市場進行一次全面的檢查和掃描，然后根據檢查和掃描結果做出投資決策。
葉樂天笑稱，與定性投資基金經理經常出差不同，他主要的工作都在案頭。他主要是搜集數據，進行數據處理，還有編程。雖然表面上看不如定性投資基金經理忙碌，但其實工作量一點不少。
排除“人”的情感
一位“量化投資”基金經理一開始是學習理論方面的知識，比如數學知識和統計學知識；然后對歷史數據進行分析；參考市場中已有的成功模型，汲取巨人的智慧；接著是建模；然后測試，測試中有很多細節需要考慮，比如沖擊成本等；最后是搭建一個平臺，確保數據到達后，模型能夠響應，進行處理和輸出。每一步都非常復雜。
在這個過程里，不僅數學模型不具備自己的情感，基金經理也要盡可能地剔除“人”的思維。這其中便是對紀律性的超高要求。雖然量化模型是由人設計的，具體的交易單由模型產生，但基金經理在經驗總結以及模型設計時容易保持理性，在個股的交易時卻不免受制于人性的弱點。葉樂天說，正如西醫檢查一般，量化模型的最大的特點就是可以克服人性的弱點，他不會有恐慌，也不會有貪婪。所以只要模型和數據是正確的，基金經理平時都不會去干預和控制模型的輸出。
2007年次貸危機的爆發，在一定程度上可以說就是人的情感對模型干預造成的失誤。華爾街為衍生品定價的模型并沒有錯，錯的是人在設定參數的時候對當時的金融形勢過于樂觀，過分信任金融衍生品工具。
但盡量不干預也不是完全不干預，比如下面這兩種情況：一是程序發生錯誤，二是模型錯誤。模型錯誤主要指的是股票走勢與預測相差特別大，超過了統計意義上顯著的差別，這時就需要更新一下模型，但一般不會太頻繁。
另外一種發揮人的主觀能動性的情況就是對虛假數據的剔除。葉樂天介紹，“中國很多數據都經過修飾，對我本人來說，我不喜歡根據宏觀數據擇時，更多地是相信多因子模型。我們現在有很大一部分工作是進行數據清理，包括上市公司經過修飾的財務數據。但是有一塊是沒有經過修飾的，就是技術面的數據，比如成交量和成交價格，這是由市場PK決定的。同時由于中國市場有坐莊的人，所以我們在小股票的選擇上也會比較慎重。在數據清理方面與基本面有關，所以我們也會和研究員溝通。還包括異常值的去除，取中位數往往比平均數更靠譜。在統計學上有一個大數定律，在數據量很大的情況下，最終會回歸一個中性的環境。”
如何選擇“量化投資”產品？
依照目前中國市場的情況，“量化投資”主要分為一下幾類：一是套利型，比如股指期貨套利；二是被動型；三是追求超額收益的產品；四是做高頻交易，主要是私募和券商資本。不同的產品對收益率會有不同的要求：指數增強追求的是超額收益，與標的指數之間的差盡量少，還能跑贏指數；對沖基金和套利ETF是在穩定的前提下追求超額收益。
目前中國的量化產品絕大多數還是指數產品，尤其是公募這一塊，起碼有100來只，但主動量化的可能只有十幾只。量化產品的換倉、持倉的規模比較大，那么沖擊的成本就比較大。因為量化投資不像基本面研究對單個公司的研究很透，所以禁得起很大的波動，追求的漲幅也大。量化追求比較小的漲幅，但比較穩定。另外，查閱“量化投資”基金的歷史業績可以發現，指數增強型基金的表現還算穩定，主動量化型的穩定性稍差。業績穩定對開放式基金比較重要。目前市場上認購較好的指數基金，就是因為業績穩定。
在交易量上，不同的產品會不一樣。公募的交易肯定不活躍，因為交易量比較大，沖擊的成本也大，另外同日不能反向交易。但私募量化基金主要是做高頻交易，深度更大，一天可能往返好幾次。
同時，中國的量化產品主要還是受制于投資人才的培養、衍生工具的發展和市場深度不夠。因為衍生工具缺乏，在內地市場買可轉債，就不能像在香港市場一樣去做空股票，做空相應的債券，賺取波動率。市場深度不夠則主要表現可投資股票的數量上。
在目前的市場情況下，投資者在選擇“量化投資”產品的時候，首先看一下這只基金是屬于哪一類的，然后看基金經理的投資理念和思路方法能否在當時的市場上獲取收益，如果認同的話就可以選擇了。也即是一看歷史業績，二看管理者的投資理念。
很多人擔心由于中國股市受政策影響較大，數學模型可能并不能及時對政策變動做出反應。葉樂天說，“政策市對市場肯定會有影響，包括數據不透明，政策變化對股市的影響等。但股市會反映政策的，如果政策有效的話，政策會反映在股市中，為量化模型提供一些最新的數據，只要及時更新數據，還是可以處理得很好。”
另外，基金的規模對業績也會有影響。葉樂天認為，指數增強產品三四十個億是比較好的規模。如果規模太小，有些持倉可能會買不足。
投資在選擇“量化投資”產品的時候，應當首先考慮資產配置。因為基金是一種長期投資，不需要經常擇時，更多地還是做好投資者個人的資產配置。
量化產品的優勢
“量化投資”的投資方法本身在海外已經得到了證明，但中國A股市場主要以散戶占多數，要把運用模型進行計算操作的量化投資這樣復雜的投資方法向他們解釋清楚并理解和接受確實不易。但從量化投資的特點上來看，由于量化投資需要不斷尋找機會，買入一大批股票，而不會在幾只股票上重倉押注，在投資結果上，其換手率和分散化程度都較高，這樣一來，相對于散戶投資者重倉幾只股票來講，風險性也就更小。同時，由于量化投資就是借助現代統計學、數學的方法，從海量歷史數據中尋找能夠帶來超額收益的多種“大概率”策略，并紀律嚴明地按照這些策略所構建的數量化模型來指導投資、形成回報，因此具有很高的投資價值。
[關鍵詞]量化投資；Alpha策略；意義；方法
[DOI]10.13939/ki.zgsc.2015.25.083
Alpha策略最初的理論基礎是套期保值，是由美國經濟學家H.working提出的，隨后股指期貨的面市，量化研究便激發了人們濃厚的興趣。傳統的資產管理者理念的哲學基礎大部分為追求收益風險平衡，然而平均市場收益與超額收益又很難達到絕對的均衡，因此將超額收益也即Alpha分離出來，建立起基于Alpha策略的量化投資，有助于指導投資實踐。
1 Alpha策略在量化投資中的應用意義
量化投資指的是以現代計算機技術為依托，通過建立科學的數學模型，在充分掌握投資環境的基礎上踐行投資策略，達到預期的投資效果。采用量化投資方式的優點包括其具有相當嚴格的紀律性、系統性，并且對投資分析更加準確與及時，同時還具有分散化的特點，這使得策略的實施過程更加的機動靈活。量化投資過程使用的具體策略通常有量化選股、量化擇時、統計套利、高頻交易等，每一種策略在應用過程各有千秋，而Alpha策略屬于量化選股的范疇。傳統的定性投資也是投資人基于一種投資理念或者投資策略來完成整個投資活動的，最終的目的是要獲得市場的占有率，并從中取得豐厚的利潤。從這個角度來衡量，量化投資與傳統投資的本質并無多大差別。唯一不同的是量化投資對信息處理方式上和傳統定性投資有著很大的差異性，它是基于現代信息技術、統計學和現代金融工程理論的基礎上完成對各類數據信息的高效處理，在對信息處理的速度、廣度上是傳統定性投資無法比擬的。在對投資風險的控制方面也具有很大的優勢，是國際投資界興起的新型投資理念和應用方法，也在日益成為機構投資者和個人投資者共同選用的有效投資方案。現階段量化投資的技術支撐和理論建設的基礎包括人工智能技術、數據挖掘、支持向量機、分形理論等，這些現代信息處理與數據統計方式為量化投資的可操作性提供了堅實的基礎。
Alpha策略在量化投資中的使用優點主要是對投資指數所具有的價值分析與評定。它不是依賴于對大盤的走向變化或者不同股票組合策略趨勢的分析，對投資價值的科學分析與合理評估更能吸引投資者的目光。Alpha策略重視對沖系統風險所獲得的絕對收益，在股票投資市場上是一種中性的投資方式，具體的程序有選擇資產、對資產的優化組合、建立具體組合方式、定期進行調整。為了促進該策略在投資市場中獲得良好的收益，就必須先要重視優秀的選股策略，其次是重視期貨對沖平均市場收益的時候所產生的風險控制問題。對沖系統風險時，若是能夠及時地對投資組合與相關的股指期貨的平均市場收益指進行精準地判定和預測，那么將會對整個投資行為產生積極的影響。
2 基于Alpha策略的量化投資具體策略和實踐方法
通常情況下，Alpha策略所獲得的實際收益并不是一成不變的，這與該策略本身的特定有關，具體表現在周期性與時變性上。
Alpha策略的時變性主要是指當時間產生變化時，超額收益也會隨之而改變。需要清除的是Alpha反映的就是上市公司超越市場的預期收益，因此屬于公司資產未來估值預期的范疇，所以上市公司自身所處的發展階段和發展環境不同，那么就會給Alpha帶來影響。由于時變性的特點，這就給策略的具體估計模型的設立帶來了更多不可確定的因素，為此，參照對Alpha滿足不同動態假設的理論基礎，建立起一個可以獲得不同種類估算的模型，同時假定在同一個時間范圍內，超額收益和市場平均收益都保持恒定不變，這就極大地簡化了計算的過程與步驟。也就是說在該段時間內，市場上股票投資組合基本面不會有太大的變化與波動，這就與實際的投資狀況基本達成一致。對于投資策略的調整則要根據上市公司重大事項發生情況而定，那么估算的時間單位周期可以采用每日或者每周估算，對每一個季度的歷史數據進行調整也可以作為一種調整方式，反映公司季度行情。對于具體證券而言，采用季度或者每周的調整頻率則不是最為理想的，還要針對公司情況與市場行情綜合調整。
Alpha的周期性特點在交替出現的正負號上最為突出，導致這一情況產生的原因主要是行業的周期性特征與套利效應共同造成的。具體而言，首先不同類型的證券分別屬于不同的行業所有，當行業處于景氣周期循環狀態下會影響Alpha的符號與大小，同時景氣程度的深與淺也會對此產生影響。其次一個股票組合產生非常大的超額收益情況下，市場中的其他機構投資者或者個人投資者就會不斷地參與到該組合的投資中來，最后會導致Alpha逐漸接近于零。因此在建立不同策略的組合方面，要針對每一個季度的具體情況和波動率，進行綜合性地評價與分析，并及時地做出必要的調整，以便最大限度地獲得市場收益。
量化投資中的Alpha策略并不是一種單一類型的策略，不同的策略都在尋求獲得超額收益的市場機會和可能性。現階段市場上采用的Alpha策略主要有多因子選股策略、動量策略或者反轉策略、波動性策略、行業輪動策略、行為偏差策略等，每一種策略在具體實施過程中都有其特征性，并且可以相互結合使用，發揮出綜合預測和評價的作用。
多因子選股策略是必要和常用的選股方式，最大的優勢是可以將不同種類和模塊的信息進行高效化綜合分析與評價后，確定一個選股最佳方案，從而對投資行為進行指導。該種選股策略的模型在建立方面比較容易，是量化投資中的常用方式。同時多因子模型對反映市場動向方面而言具有一定的穩定和可靠性，這是因為所選取的衡量因子中，總有一些可以把握住市場發展行情的特征，從而體現其本來就有的參考價值。所以在量化投資過程中，很多投資者都使用多因子模型對其投資行為進行評估，無論是機構投資者或者是個人投資者，都能夠從中受益。多因子選股策略模型的建立重點在于對因子的剔除和選擇上，并要合理判斷如何發揮每一個因子的作用，做出綜合性的評定。
動量策略的投資方式主要是根據價格動量、收益動量的預期與評定，對股票的投資進行相應的調整，尤其是針對本身具有價格動量的股票，或者分析師對股票的收益已經給予一定評級的股票，動量策略的應用效果會比較理想。在股票的持有期限內，某一只股票在或者股票投資的組合在上一段時間內的表現均佳，那么則可以判斷在下一段時間內也會具有同樣的理想表現，這就是動量效應的評價依據，從而對投資者的行為起到一定的影響作用。反轉策略和動量策略恰好相反，是指某一只股票或者股票投資組合在上一段時間內表現很不理想，然而在下一個時期反而會有突出的表現，這也給投資者帶來了一線希望，并對影響到下一步的投資策略的制定。
波動性策略也是Alpha策略的一種方式，主要是利用對市場中的各股運動和發展狀態的細致觀察與理智分析后，列出一些具有相當大的波動性的股票，同時這些股票的收益相關性也比較低，對此加以動態化的調整和規劃，從而逐漸獲得超額收益的過程。在一些多因子選股策略中也有機構投資者或者個人投資者將股票具有的波動性作為考察與評價因子之一，波動性策略經常和其他策略相結合來評價，這說明股票投資市場本身就具有一定的波動性，因此在投資過程中要慎重對待。
行業輪動策略和行為偏差策略的應用頻率不似前面幾種高，但也會和另外幾種策略相互結合使用。行業輪動策略主要是為了充分掌握市場行業輪動機制與特征，從而可以獲得高額的收益，對行業之間的投資也可以非常高效和準確地進行，對把握正確的時機有很大的優勢。行為偏差策略目的是窺探到股票市場中存在的過度反應或者反應不足等現象，這些都屬于股票投資市場的偏差，從而可以通過投資者對不同股票抱有的差異化評價來實現超額收益。
“與匯添富那只產品的純主動性相比，我們這只產品是有量化約束的。” 泰達宏利逆向策略股票型證券投資基金焦云在接受時代周報記者采訪時表示，該基金運用定量分析和定性分析相結合的方法構建股票備選庫，以明確定量、定性分析的具體運用領域把量化策略貫徹到投資的全過程中，回避受市場熱捧而價格超高的個股，把握事件沖擊等逆向投資機會。
據了解，這也是泰達宏利旗下首只量化基金產品。今年以來，跌宕起伏的行情持續考驗基金投資管理能力。然而量化基金表現卻一枝獨秀。銀河數據統計顯示，2012年一季度，上證綜指上漲2.88%，同期標準股票型基金平均業績為0.31%，而量化基金的平均業績為2.92%。
逆向投資正當時
“其實對于逆向投資策略，投資者并不陌生，巴菲特名言‘在別人恐懼時貪婪，在別人貪婪時恐懼’就是逆向投資思維的一種表述。”泰達宏利逆向策略基金擬任基金經理焦云告訴時代周報記者，逆向投資策略就是對抗人性從眾的心理弱點，避開機構扎堆的熱門股、題材股，尋找被市場忽略或股價被嚴重低估的成長類股票。
在焦云看來，逆向投資強調的不隨波逐流，不是簡單的和市場趨勢作對，也不是簡單的掘金冷門股，而是在研判大勢的基礎上，對上市公司本身的投資價值進行分析，以適當價格介入股價被嚴重低估的股票，獲取估值回歸帶來的投資收益。
焦云指出，在市場整體震蕩，短期內板塊頻繁輪動的情況下，每一種投資思維都能在市場中占有一席之地。逆向投資策略瞄準被市場忽視、低估、看空的“非主流”股票，極有可能挖掘出一些蘊含著巨大投資潛力的個股，捕捉一些結構性的投資機會。
據焦云介紹，逆向投資在海外已有30多年的發展歷史，經過行為經濟學先驅丹尼爾?卡納曼和“逆向投資之父”戴維?德雷曼的努力，逆向投資理論從一種交易策略上升為一種主要的投資策略，據彭博社數據統計，現在全球已有100多只逆向投資基金，規模超過百億歐元。
1月份，華安基金也申報一只逆向策略股票型基金，目前正在證監會報批程序中。分析認為，受歐債危機、全球經濟增長放緩、國內經濟結構轉型等因素影響，A股在未來較長時期內都將維持寬幅震蕩的局面，但其中不乏個股結構性投資機會，這一市場格局為逆向投資策略提供了好機會。
量化基金擴容潮起
除了泰達宏利，今年以來已有多家基金公司已經開始在量化產品方面布局。比如工銀瑞信3月剛剛發行了旗下第一只量化基金―工銀量化策略股票基金；富國基金開始大力打造旗下圍繞量化投資的子品牌。
所謂量化投資，是指通過建立數學模型并應用量化分析方法進行選股和操作管理。量化投資在海外已有逾30年歷史，但在國內市場，自2004年光大保德信發行光大保德信量化核心基金才正式起步，至2009年底，量化基金方才相繼跟進成立，并迅速發展壯大。據好買基金研究中心數據統計，截至目前，已有16只量化基金成立。
“主要是現在公募基金產品發行越來越多，同質化現象較嚴重，相較而言，獨辟蹊徑的量化產品顯得吸引力更大。此外，今年年初以來量化基金的不錯業績也支撐了這波擴容。”好買基金研究員劉天天告訴時代周報記者。銀河數據統計顯示，2012年一季度，上證綜指上漲2.88%，同期標準股票型基金平均業績為0.31%，而量化基金的平均業績為2.92%。
“在量化投資領域，出現了很多杰出的投資者，如詹姆斯?西蒙斯。” 有著8年海外量化投資經驗的工銀基本面量化基金經理游凜峰表示，“他們依靠數學模型和神秘的公式掃描市場，捕捉機會。”據了解，詹姆斯?西蒙斯管理的大獎章基金1989-2007年均收益率高達35%，而“股神”巴菲特在同期的平均年回報大約為20%。
在游凜峰看來，量化投資的優勢非常突出，未來將會有更多的基金經理進入數量化選股這個領域，通過采用計算機輔助的投資組合優化模型。
摘 要 自2010年4月股指期貨推出后，數量化投資逐漸成為我國資本市場的一個熱點。對此，本文以投資者熟知的MACD指標為基礎，運用遺傳算法和模擬退火算法，建立了一個數量化投資模型。該模型的仿真投資收益明顯超出大盤，而風險明顯低于大盤。本文基于MACD指標建立數量化投資模型的方法簡單、有效，可操作性強，可方便地推廣至其他技術指標，在數量化投資領域中可能具有廣泛的發展前景。
關鍵詞 數量化投資 MACD 遺傳算法 模擬退火算法
一、研究背景
與傳統投資基于各方面信息和個人判斷進行操作不同，數量化投資將適當的金融理論、投資經驗等反映在數量模型中，然后利用程序軟件代替大腦對海量信息進行科學處理，總結歸納市場規律，最終建立可以重復使用的、不依靠個人主觀判斷的投資策略。
由于數量化投資的操作策略往往經過了嚴格的驗證，具有較強的系統性和規范性，主觀隨意性較少，風險可測可控，因此隨著計算機數據處理能力的迅速提高，數量化投資獲得了快速發展，數量化基金的規模亦迅速擴大。據統計，自2003年以來，數量化基金規模的年均增長速度高達15%，而傳統型基金規模的增長速度則低于5%。
很顯然，科學的數量模型是數量化投資成敗的關鍵。當前，主流的數量模型均考慮了多方面的因素，既包括各種基本面因素，又包括各種技術因素，涉及較為高深的經濟學、金融學、技術分析等知識，模型都比較復雜，理解難度較高，甚至令人望而生畏。對此，本文以人們熟知的技術指標為基礎，通過引入遺傳算法和模擬退火算法對參數進行優化，建立了一種較為簡單、有效的數量模型構建方法，希望能為推動我國剛剛起步的數量化投資發展有所幫助。
二、模型框架
由于MACD指標以經平滑后的股票價格為基礎，而股票價格包含了絕大部分的基本信息和技術信息，因此本文以MACD指標為基礎研究建立相應的數量化投資模型。
（一）MACD公式
MACD是投資者最熟悉的技術指標之一，主要包括EMA、DIF和DEA三個指標，涉及一個已知變量（收盤價P）和三個未知參數（ 和 ），公式較為簡單。
（二）決策準則
雖然MACD指標的運用方式有很多種，既存在對指標值的應用（如比較DIF和DEA的大小），又存在對形態的應用（如底背離、頂背離等）。對此，本文制定的決策準則相當簡單，即：
時，做多
時，做空
三、模型參數優化
（一）參數的科學取值是決定MACD指標投資決策價值的一個關鍵因素
在一般的技術分析參考書和交易軟件中， 和 通常取12、26和9。然而，該取值并不是最優的。
例如，以2005年1月5日至2010年12月31的滬深300指數為例，根據（公式1）和（公式2），做多業務在 和 取值12、26和9時，可獲得的投資收益為230.55%（收益①）；而在 和 取40、195、130時，可獲得的投資收益為651.98%（收益②）。
因此，參數取值是否合理決定了使用MACD指標進行投資決策時投資收益的高低，決定了MACD指標的投資決策價值。
（二）人工智能算法在技術指標參數優化領域中的突出優勢
運用MACD指標建立數量化投資模型的關鍵在于對公式中的三個參數進行優化。然而，雖然參數取值與投資收益間存在確定的函數關系，但該關系并不能用一個表達式予以直接闡述，因此傳統的解析方法在此并不適用。而其他傳統方法如隨機法和窮舉法的優化效率不高。在此情況下，可運用人工智能算法有效解決此類優化難題。
遺傳算法（Genetic Algorithms）和模擬退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，兩者均從一定的初始值開始，按照明確的規則搜索最優解，并不要求目標函數存在明確的表達式，且具有高效、魯棒性強等特點。由于技術指標參數與投資收益間的關系相當復雜，不存在明確的函數關系式，因此遺傳算法和模擬退火算法在技術指標參數優化領域中具有很高的應用價值。
此外，遺傳算法和模擬退火算法的基本原理和運算過程雖然較為復雜，但其運用卻相當簡單，MATLAB等數據處理軟件均提供了現成的工具箱供用戶方便地使用，且即使不掌握參數優化的原理和運算過程，也不會對數量模型的研究產生重大影響，因此運用遺傳算法和模擬退火算法對技術指標參數進行優化的可操作性強。
（三）遺傳算法和模擬退火算法應用舉例
1.MATLAB指令
假設投資收益R和參數 、 間的關系為R=gain( 、 )，則MATLAB的遺傳算法指令和模擬退火算法指令分別為：
[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；
[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。
其中：
x和fval是程序返回值，分別為參數 、 的最優化取值及其所對應的投資收益；
gain是目標函數，可根據（公式1）、（公式2）和（公式3）編寫；
nvars是待優化的參數個數；
x0是參數 、 的初始值；
lb是參數的下界；
ub是參數的上界；
options是MATLAB指令的設置選項。
量化交易到底是什么？
說到量化交易，雖不陌生，但仍懵懂。到底什么是量化交易呢？
量化交易區別于定性投資（過去的投資方法）的鮮明特征，就是充分利用各種各樣的數理模型。它是借助現代統計學和數學的方法，利用計算機技術，從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件，然后制定策略，并用數量模型驗證及固化這些規律和策略，繼而再嚴格執行這些已固化的策略來指導投資，以求獲得可持續的、穩定且高于平均的超額回報。
對于量化交易中模型與人到底是什么關系？比如中醫與西醫的診療方法，中醫是望、穩、問、切，最后判斷出的結果，很大程度上基于中醫的經驗，定性程度上大一些；而西醫就不同了，先要病人去拍片子、化驗等，這些都要依托于醫學儀器，最后得出結論，對癥下藥。
以此形容的話，可以說定性投資像中醫，更多地憑主觀臆斷和個人經驗判斷病在哪里；量化交易像西醫，依靠數量模型判斷，而這些模型對于使用量化交易的投資者的作用就像CT機對于醫生的作用。在每一天的投資運作之前，一般都會先用模型對整個市場進行一次全面的檢查和掃描，然后根據檢查和掃描結果做出投資決策。
量化交易靠概率取勝
和傳統投資方式相比，量化交易的視角更廣，它借助計算機高效、準確地處理海量信息，更廣泛地尋找和驗證投資機會，消除投資組合配置的局限性，并依靠計算機配置投資組合，克服人性弱點，使投資決策更科學、更理性。
具體來說，這個新興的投資方法，與我們那些傳統的看指標判斷、聽消息判斷、簡單看財務報表判斷等定性投資方法相比較，主要有以下幾大優勢：
量化交易有著嚴格的紀律性。比如，如果有人問你，某年某月某一天，你為什么購買某支股票的話，你就可以打開量化交易系統，系統會顯示出當時被選擇的這只股票與其他股票在成長面上、估值上、資金上、買賣時機上的綜合評價情況，而且這個評價會非常全面，比普通投資者拍腦袋或者簡單看某一個指標買賣更具有說服力。
它系統性較完備，具體表現為“三多”，包括多層次、多角度、多數據。因為人腦處理信息的能力是有限的，當一個資本市場只有100只股票，這對定性投資基金經理有優勢，他可以深刻分析這100家公司。但當有成千上萬只股票時，量化交易就可以充分發揮它強大的信息處理優勢，捕捉更多、拓展更大的投資機會。
另外，定性投資大部分時間在琢磨哪一個企業是偉大的企業，那個股票是可以翻倍的股票，而量化交易大部分精力花在分析哪里是估值洼地，哪一個品種被低估了，買入低估的，賣出高估的。
量化交易靠概率取勝。這表現為兩個方面，首先量化投資不斷地從歷史中挖掘，有望在未來重復的歷史規律，并且加以利用。其次它在股票實際操作過程中，運用概率分析，提高買賣成功的概率和倉位控制。
量化投資者也有噩夢
事實上，量化交易的方法在海外已有30多年的發展歷史，素以投資業績穩定，抗風險能力強著稱，目前已經成為海外基金管理投資市場的重要方法。
而與海外成熟市場相比，量化交易以基本面分析為驅動，以全市場、多維度的視角廣度掃描投資機會，在中國市場的應用將更顯其優勢。
不過，在談及這么多利好之后，還是要“潑一次冷水”。不要以為不停閃爍的超級電腦自動進行著高速交易，熒幕上滾動著通過高速網絡提前獲取的最新市場消息，加上通過杠桿放大的頭寸，賬戶的盈利不斷上跳，這一切的一切就預示著“可以躺著賺錢的時代”來臨了，現實并沒有這么美好。
相對來說，量化交易目前還處在初級發展階段，比如基本面投資者只需簡單的基于預測特定事件，比如超過或差于預期的財報做交易即可。而量化交易者則需要搞清楚具體消息對股價的平均影響程度，這就不是一件容易的事了，因為你的研究對象時刻還在變化著。
不僅如此，研究出一套只基于公司財報的交易系統不難，比如基于超出預期的營收或股息來買入。但是供給面的情況、消費者層面的情緒納入交易模型中，也比較麻煩。
同時，股票、基本面、新聞消息之間的關系也是不停變化著的。記得2009年美股到達低點的時候，很多“低質”公司的回報大大高于“優質”公司的回報。很多3塊錢的“垃圾股”可以在很短時間內漲到10塊錢，而高價的優質公司的股票想要翻一倍都要花上很久很久。對于基本面投資者來說，這是掘金的好時候，但對于量化投資者來說卻是噩夢，因為大多數模型此時都會顯示做多“優質股”做空“垃圾股”，后果則可想而知。
另外，量化交易員的精力也是有限的。計算機的消息格式往往不規范，語法也千奇百怪，他們也無法讓計算機程序挑選出有效信息并運用于自動交易中。一天只有24個小時，他們也會經常碰到因一個分析無法推進而其他分析也陷入停頓的狀況。因此，要在浩如煙海的金融數據中“尋寶”，沒那么簡單。
（暨南大學信息科學技術學院 廣東 廣州 510632）
摘 要：“金融改革”的提出，金融市場的逐步開放，將促進金融創新的步伐，給投資者帶來越來越多的投資渠道，同時也將加速中國金融市場與國際金融市場的融合。通過分別建立兩個單指標擇時策略模型，運用MATLAB模式搜索算法在設定時段內搜索最優參數，并分別對兩個單指標策略進行交易仿真回驗。實證結果顯示，趨勢型指標可以抓住大的波段行情，獲得超額收益，具有較好的擇時效果。實證顯示組合指標策略的效益明顯高于單指標策略。因此，采用組合指標策略進行個股量化擇時交易較單指標策略能獲得更優的投資收益。
關鍵詞 ：量化擇時；趨勢指標；組合指標策略；參數優化
中圖分類號：F8 文獻標識碼：A doi：10．3969／j．issn．1665－2272．2015．12．008
1 緒論
1．1 背景意義
“金融改革”的提出將為中國的量化投資帶來發展前景。金融市場的逐步開放將會促進金融創新的步伐，給投資者帶來越來越多的投資渠道，同時也將加速中國金融市場與國際金融市場的融合。很多國外成熟的投資工具和投資方法將逐步進入中國市場，以期貨市場為代表的衍生品市場將迎來飛速增長，以量化投資為代表的投資方法也將得到投資者更大的關注。
在投資業，各種渠道提供的海量信息以及高頻金融交易數據都在深刻地影響這個行業的發展以及金融市場的有效性。金融創新給期待量化投資的投資者提供了豐富的投資工具。自20世紀50年代以來，金融市場出于規避監管，轉嫁風險和防范風險等需要，推出了很多創新性的金融產品，提供了越來越豐富的投資工具。金融衍生品在金融市場中占的比例越來越重要。
中國量化投資的前景廣闊。黨的十八屆三中全會提出了“健全多層次資本市場體系”的指示精神，為十二五期間的資本市場發展指明了方向。隨著金融投資工具的增加，量化投資將顯示出其更大的作用，幫助投資者在更好的風險管控中尋求最佳收益回報。
作為量化投資中的量化擇時，是指利用某種方法來判斷大勢的走勢情況以及時采取相應措施，它是收益率最高的一種交易方式。就股票投資者而言，擇股和擇時都是至關重要的，正確擇股是盈利的前提，而正確擇時則是盈利的最終實現。因此，從微觀角度入手，建立有效的個股量化擇時交易策略值得研究。
1．2 文獻綜述
關于量化投資的研究，國內外更多的研究主要以策略構建和實證為主。易海波、楊向陽、羅業華、曾敏通過將量化指標按照股票屬性進行分類排序，以自下而上的選股方式，構建出價值、成長、質量三個基本模型，并在此基礎上衍生得到四個疊加模型和GARP模型。利用八個選股模型以不同的參數進行選股，構建出十個量化選股組合，歷史回測結果顯示這些組合風格各異，適合不同風險偏好的投資者。張登明通過對技術指標的分析，構建了完整的及時指標組合投資策略框架。他從量化的角度，通過樣本統計給出了適合中國股市的優化指標組合及參數設置，對提高投資決策有積極意義。路來政通過研究量化基金的績效及管理能力來研究量化投資策略的應用效果，采用T－M模型、H－M模型和C－L模型對其中9只量化基金的管理能力進行了研究，以評價量化基金使用量化投資策略的擇股效果和擇時效果，結果表明量化基金采用量化策略進行投資是有意義的。
股票擇時屬于量化投資的一個分域。劉瀾飚、李貢敏研究了市場擇時理論在中國的適用性，表明中國上市公司不僅存股票市場的市場擇時行為，而且存在債務擇時行為，即股票市場高漲時，上市公司傾向于債務融資。林正龍基于效用無差別定價原理，運用實物期權定價理論，研究項目投資收益不可完全復制的不確定性投資機會定價與擇時問題，得出不同于指數效用，對具有常值相對風險回避系數效用函數的投資者而言，不確定性投資機會的定價與擇時與投資者當前財富數量有關。卓琳玲、胡志強通過對樣本公司的研究，發現樣本公司股票行為、債券發行和內部融資均呈下降趨勢，其中股票不是特別明顯，當市值杠桿比率上升時期，股票發行出現顯著地下降趨勢，此時市場時機選擇比較明顯，說明我國股市存在明顯的市場時機選擇行為。劉陽、劉強通過研究我國從上世紀90年代初-2010年1月的上證綜指和深證成指，分析異常收益率對整個期間收益的影響及擇時的可能，發現極少數具有超常收益的交易日對股票市場的長期收益具有顯著的影響，認為理性的投資者應該放棄擇時而選擇長期投資。王俊杰在擇時模型方面分析了行業指數存在的持續性和行業輪動特征，并以時間序列模型為基礎，構建動量模型、MS－GARCH行業擇時模型等量化擇時策略，回測結果MS－GARCH擇時模型戰勝行業動量模型和指數，表現較好。
溫婧茹對移動平均線理論進行改進，構造了最適參數，參考設計了觸線交易策略和過濾器交易策略，構建了家電板板塊靜態與動態相結合的股票池，實證得出，不同股票對應的最適參數不同，用個性化的參數進行決策能獲得更好的收益；應用收益率確定最適參數以擇股，結合觸線交易策略以擇時，能夠跑贏大盤，取得超額收益。曹力自適應均線更適合于組合類的標的，如指數或者封閉式基金，因為這些標的的走勢經過了平均的平滑，沒有突然的大起大落，更容易用均線來跟蹤趨勢的變化。而對于個股，波動形態和指數類表的不同，所以需要使用不同的參數，在大多數個股上能夠獲得超額收益，特別對強周期性行業的股票自適應均線有很強的擇時能力。但是自適應均線也不是萬能的，對于某些個股，因為波動形態的復雜，用自適應均線也無法獲得超額收益。曹力、徐彪從實證效果來看，利用可交易組合的均線模式識別找出的買入機會成功率較高，能抓住一些市場主要的反彈機會，因此累積收益非常出色。可交易組合的均線模式識別方法是擇時交易，特別是熊市中擇時的有效方法。
1．3 研究框架
傳統的趨勢指標擇時策略往往是單指標的，并且策略參數通常是約定俗成的。單指標策略局限性和偶然性大，不能有效及時獲取收益和及時止損；約定俗成的常用參數值在面對各種波動幅度不同、周期性不同、價格彈性等不同的個股時也有失客觀性和靈動性。
所以，在探究一種改進針對個股的傳統趨勢指標量化擇時的策略。首先建立基于各傳統趨勢指標的單指標擇時策略，通過參數優化確定各單指標策略的最適參數；并在單指標的基礎上，創新性地通過指標的組合，構建一個綜合性且參數最優的組合指標擇時策略，以增強策略的穩定性和魯棒性，獲得更優的投資收益。
1．4 術語說明
（1）累計收益率：
（2）年化收益率：年化收益率是把當前收益率（日收益率、周收益率、月收益率）換算成年收益率來計算的，是一種理論收益率，并不是真正的已取得的收益率。
（3）夏普比率：夏普比率是一個可以同時對收益與風險加以綜合考慮的經典指標，它反映了單位風險基金凈值增長率超過無風險收益的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率。夏普比率越大說明基金單位風險所獲得的風險回報越高。因此，夏普比率是可以同時對收益與風險加以綜合考慮的經典指標之一。
夏普比率=
（5）最大回撤率：在選定周期內任一歷史時點往后推，產品凈值走到最低點時的收益率回撤幅度的最大值。最大回撤率用來描述買入產品后可能出現的最糟糕的情況，是一個重要的風險指標。
2 理論概述
2．1 量化投資理論
量化投資是運用現代統計學和數學的方法，從大量的歷史數據中尋找并獲得超額收益的一種投資策略，投資者通過計算機程序，建立可以重復使用并反復優化的投資策略，嚴格按照這些策略所構建的數量化模型進行投資并形成回報。
量化投資的內容主要包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、算法交易、ETF／LOF套利、高頻交易等。量化投資在國外已有30多年的發展歷史，但在國內還是近年出現的新鮮事物。相比其他投資策略，量化投資在國外的運用已取得了更佳的業績。
與海外成熟市場相比，中國A股市場的發展歷史較短，投資理念還不夠成熟，相應的留給主動型投資發掘市場的潛力和空間也更大。國內很多實證文獻討論國內A股市場也尚未達到半強勢有效市場，因此量化投資理論引入國內證券市場是非常有意義的，它以正確的投資理念為根本，通過各種因素的分析，以全市場的廣度、多維度的深度視角掃描投資機會，在中國市場的應用將更顯其優勢。
2．2 擇時理論
量化擇時是量化投資的一種，它利用數量化的方法，通過對各種宏觀微觀指標的量化分析，試圖通過回溯歷史數據，找到影響大盤走勢的關鍵信息，并且對未來走勢進行預測。如果判斷是上漲則買入持有；如果判斷是下跌則賣出清倉；如果判斷是震蕩則進行高拋低吸，這樣就可以獲得遠遠超越簡單買入持有策略的收益率。所以擇時交易是收益率最高的交易方式之一。
股票的量化擇時是預測市場以后的走勢，并由此來判斷調整投資組合的風險水平，從而獲取更大的收益，具體表現是現金流進出證券市場和在證券間比例變換的時機選擇。
2．3 趨勢追蹤理論
趨勢擇時的基本思想來自于技術分析，技術分析認為趨勢存在延續性，因此只要找到趨勢方向，跟隨操作即可。
技術指標是技術分析中使用最多的一種方法，通過考慮市場行為的多個方面建立一個數學模型，并給出完整的數學計算公式，從而得到一個體現證券市場的某個方面內在實質的數字，即所謂的技術指標值。指標值的具體數值和相互間關系直接反映證券市場所處的狀態，為操作行為提供指導作用。目前證券市場上的技術指標可分為“趨勢型指標”、“反趨勢型指標”、“能量指標”、“大盤指標”、“壓力支撐指標”等類別。
移動平均線（MA）是一種常用的趨勢型指標，由Joseph E．Granville于20世紀中期提出來。它是當今運用最普遍的技術指標之一，幫助交易者確認現有趨勢、判斷將出現的趨勢、發現過度延伸而即將發轉的趨勢。后來又逐漸衍生出其他類型的均線，如平滑異同移動平均線（MACD）、三重指數平滑平均線（TRIX）等。 這些均線理論常用兩根線的交叉作為交易信號，并以此作為買賣時點的判斷。
均線理論提供了一種簡單有效的使價格序列平滑并且使趨勢更易于辨認的方法。
因此綜合以上理論的優點，在此基礎上改進傳統趨勢指標的量化擇時策略，并創新性地開發更優的組合指標量化擇時策略，以達到及時獲取收益和及時止損的目的。
3 擇時策略模型建立
3．1 MA單指標策略模型的建立
MA移動平均是指連續若干交易日收盤價的算術平均，用來顯示股價的歷史波動情況，進而反映股價指數未來的發展趨勢。
其中
利用MA指標進行量化擇時，在短期移動均線與長期移動均線的交叉處進行買入或賣出擇時交易。以下分別建立買入和賣出法則的模型。
在短期移動均線下穿長期移動均線的黃金交叉處買入，故建立如下數學模型：
mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（6）
其中mabuy=1，表示滿足買進，mabuy=0表示不滿足買進。
在短期移動均線上穿長期移動均線的死亡交叉處賣出，故建立以下數學模型：
mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他
其中mabuy=1，表示滿足賣出，mabuy=0表示不滿足賣出。
3．2 MACD單指標策略模型的建立
MACD即指數平滑異同移動平均線，是根據均線的構造原理，通過分析短期指數移動平均線與長期指數移動平均線之間的聚合與分離狀況，對買進、賣出時機做出判斷的趨勢型技術指標。
MACD的計算如下：
（1）計算短期（ms）指數移動平均線EMA1和長期（ml）指數移動平均線EMA2。
（2）計算離差值DIF＝EMA1－EMA2。
（3）計算DIF的M日指數移動平均線，即DEA。
（4）計算MACD＝2（DIF－DEA）。
利用MA指標進行量化擇時，在DIF與DEA的交叉處進行買入或賣出，分別建立買入和賣出法則的模型。
當DIF、DEA均為正值，DIF向上突破DEA時，為買入信號，建立如下數學模型：
macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）
其中，macdbuy=1表示滿足買進，macdbuy=0表示不滿足買進。
當DIF、DEA均為負值，DIF向下跌破DEA時，為賣出信號，建立如下數學模型：
macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）
其中macdsell=1，macdsell=0表示滿足賣出，表示不滿足賣出。
3．3 MA－MACD組合指標策略模型的建立
組合模型構建兩個新的信號變量：買入信號個數閾值“buy”（1≤buy≤2，整數）和賣出信號個數閾值“sell”（1≤sell≤2，整數）。
買入信號個數閾值“buy”表示：當MA策略中的“mabuy＝1”的買入信號個數與MACD策略指標中的“macdbuy＝1”的買入信號個數之和至少達到閾值“buy”（1≤buy≤2)數量個時才進行買入交易。
即“buy”閾值取不同值時，買入信號組合滿足買入條件的情況如下：
buy=1時，滿足買入情況：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12時，滿足買入情況：mabuy=1&macdbuy=1（10）
賣出信號個數閾值“sell”表示：當MA策略中的“mabsell＝1”的賣出信號個數與MACD策略指標中的“macdsell＝1”的賣出信號個數之和至少達到閾值“sell”數量個時才進行賣出交易。
即“buy”閾值取不同值時，買入信號組合滿足賣出條件的情況如下：
sell=1時，滿足賣出情況：masell=1||macdsell=1||mabsell=1&macdsell=12時，滿足買入情況：masell=1&macdsell=1（11）
3．4 模型最優參數的選擇
就個股而言，不同的計算參數，將導致不同的擇時效果。面對各種波動幅度不同、周期性不同、價格彈性等不同的股票，如果盲目套用經典參數可能會有失客觀性和靈動性。因此， 在進行量化擇時策略構建時，需要針對個股進行策略的參數優化，檢驗指標不同參數的測試效果，并最終選擇一個最優的參數組合。
夏普比率是一個可以同時對收益與風險加以綜合考慮的經典指標，它反映了單位風險基金凈值增長率超過無風險收益的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率。夏普比率越大說明基金單位風險所獲得的風險回報越高。因此，夏普比率是可以同時對收益與風險加以綜合考慮的經典指標之一。
4 個股實證分析
4．1 數據選擇
為驗證上述模型的有效性，個股實證以深圳證券交易所的華誼兄弟300027為交易標的，選取來源于國泰安2011．1．1－2014．6．30的基本面數據庫，包括個股開盤價、收盤價等。
4．2 MA單指標擇時策略仿真回驗
首先對該股策略進行參數優化：本策略中對于參數，在測試期間內，以2天為間隔，測試范圍從2天到20天；以5天為間隔，測試范圍從20天到120天；搜索精度為1；測試回驗30天，截止日期設為2013－12－31。通過回驗得到參數優化結果（見表1）。
如表1所示，最優組合（s，l）＝（2，20），當以2日為短期均線，20日為長期均線，在參數優化測試期間進行交叉擇時時效果較好，在回驗測試期間內夏普比率達2．4234。
確定最優后，運用國泰安量化交易平臺QIA進行策略交易仿真回驗。設定合約保證金為1，合約乘數為1，市場參與度為0．5，買方手續費為0．05‰，賣方手續費為0．05‰，交易賬戶為股票賬戶并設定初始資金為1 000 000元，以一年期國債利率為無風險利率，并以滬深300為業績比較基準，以數據庫所給時間2011年1月1日-2014年6月30日為策略回驗時間區間進行回驗。最終結果（見圖1、表2）。
回驗結果顯示，此單指標策略在2011年1月1日-2014年6月30日間的累計收益率達42．26％，年化收益率達11．10％，高出同期的滬深300指數比較基準，并且勝率達60．80％。由此我們可以得出結論，采用MA單指標策略進行個股量化擇時交易也能獲得較優的投資回報。
4．3 MACD單指標擇時策略仿真回驗
對該股策略進行參數優化：該策略需要優化確定的參數主要包括短期指數移動平均線的計算天數ms、長期指數移動平均線的計算天數ml，以及DEA的計算天數M。本策略的參數優化依然以最大化夏普比率為最優化目標函數，并使用Matlab的模式搜索算法在設定的回驗時段內搜索最優參數組合（ms，ml，M）。
對于參數ms，在測試期間內，以2天為間隔，測試范圍從2天到20天；參數ml以5天為間隔，測試范圍從20天到120天；參數M以5天為間隔，測試范圍從5天到60天；搜索精度為1；測試回驗30天，截止日期設為2013－12－31。通過回驗得到參數優化結果如下：
如表3所示，最優組合（ms，ml，M）＝（2，25，10），當以2日為短期指數移動平均線計算天數，25日為長期指數移動平均線計算天數，10日為DEA計算天數，進行交叉擇時時效果較好，在回驗測試期間夏普比率達3．0682。
組合指標擇時策略仿真回驗。由于組合指標策略是建立在單指標策略基礎上的，所以該策略中的參數（s，l）、（ms，ml，M）即為模型一和模型二參數優化后確定的值，而參數（buy，sell）的組合情況有（2，2）、（2，1）、（1，2）和（1，1）四種，閾值組合選取哪個使得策略最優則需要進一步的參數優化。
對于參數buy，初始值設為2，測試最小值為1，最大值為2，步長設為1；參數sell，初始值設為2，測試最小值為1，最大值為2，步長設為1；搜索精度設為1；測試回驗90天，截止日期設為2013－12－31。通過回驗得到參數優化結果（見表4）。
如表4所示，最優組合（buy， sell）＝（1，1），即當買入信號個數至少有一個時就進行買入交易，賣出信號個數至少有一個時就進行賣出交易，以此進行組合指標擇時效果最好，在參數優化回驗測試期間夏普比率達2．490 3。
5 結論
從價格沿趨勢移動和歷史會重演的角度出發，運用傳統趨勢指標MA和MACD，分別建立MA、MACD的單指標擇時策略模型并通過模式搜索算法分別求出兩個策略的最優參數，從實證結果看趨勢型指標可以抓住大的波段行情，獲得超額收益，具有較好的擇時效果。在此基礎上再創新性的運用通過設置買入和賣出信號個數閾值的方法構建二者的最優組合指標模型，增強了擇時的穩定性和魯棒性，在有效降低風險的同時提高了收益率。
綜上所述，基于以上的不足之處，以后將沿著組合指標擇時的思路繼續深入研究以對目前的研究進行改進。未來的工作主要是：對于用于組合的單指標要進行更為全面的擴展，引進其他經典趨勢型指標DMA平均線差指標、TRIX三重指數平滑移動平均指標等，同時把指標類型拓展至其他類型，如反趨勢型指標ACCER幅度漲速指標等，量價指標APBP人氣意愿指標等，大盤指標OBOS超買超賣指標等，壓力支撐指標ENE軌道線指標等。通過增加組合趨勢型數量和組合指標類型，以使組合指標策略更全面、更切合實際市場。
參考文獻
1 丁鵬．量化投資——策略與技術［M］．北京：電子工業出版社，2012
2 方浩文．量化投資發展趨勢及其對中國的啟示［J］．宏觀管理，2012（5）
3 郭建．論證券投資技術分析中歷史會重演的根本原因［J］．商業時代，2007（28）
4 李向科．證券投資技術分析［M］．北京：中國人民大學出版社，2012．
5 張登明．技術指標投資策略的優化及其在量化交易中的應用［D］．武漢：華中科技大學，2010
6 方智．基于多技術指標模型的滬深300指數走勢預測［D］．南昌：江西財經大學，2012
7 路來政．量化投資策略的應用效果研究［D］．廣州：暨南大學，2012
8 劉瀾飚，李貢敏．市場擇時理論的中國適用性［J］．財經研究，2005（11）
9 林正龍．項目投資定價與擇時理論研究［D］．長沙：湖南大學，2006
10 胡志強，卓琳玲．IPO市場時機選擇與資本結構關系研究［J］．金融研究，2008（10）
11 王俊杰．量化交易在中國股市的應用［D］．南京：南京大學，2013
