量化投资基本面分析方法

① 量化投资是什么

量化投资就是利用计算机科技并采用一定的数学模型去践行投资理念、实现投资策略的过程。

传统的投资方法主要有基本面分析法和技术分析法两种，与它们不同的是，量化投资主要依靠数据和模型来寻找投资标的和投资策略。

对于量化投资中模型与人的关系，有点类似于病人和医生的关系。在医生治病的方法中，中医与西医的诊疗方法不同，中医是望、闻、问、切，最后判断出结果，在很大程度上取决于中医的经验，定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托医学仪器，最后得出结论，对症下药。

② 量化投资

没有你想的书

我多年来都有关注这方面的书 可是也没有在国内找到

数量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪；相对于传统投资方式来说，具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。量化投资技术几乎覆盖了投资的全过程，包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等，在各个环节都有不同的方法及量化模型：

一、估值与选股

估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。对上市公司的估值包括相对估值法和绝对估值法，相对估值法主要采用乘数方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；绝对估值法主要采用折现的方法，如公司自由现金流模型、股权自由现金流模型和股利折现模型等。相对估值法因简单易懂，便于计算而被广泛使用；绝对估值法因基础数据缺乏及不符合模型要求的全流通假设而一直处于非主流地位。随着全流通时代的到来和国内证券市场的快速发展，绝对估值法正逐渐受到重视。

选股：在当前品种繁多的资本市场中，从浩瀚复杂的数据背后选出适合自己投资风格的股票变得越加困难。在基本面研究的基础上结合量化分析的手段就可以构建数量化选股策略，主流的选股方法如下：

资产配置方法与模型
资产配置类别 资产配置层次 资产配置方法 资产配置模型
战略资产配置 全球资产配置 大类资产配置 行业风格配置 收益测度 风险测度 估计方法 马克维茨 MV 模型 均值 -LPM 模型 VaR 约束模型 Black-Litterman 模型
战术资产配置 ( 动态资产配置 ) 周期判断 风格判断 时机判断 行业轮动策略 风格轮动策略 Alpha 策略 投资组合保险策略

基本面选股：通过对上市公司财务指标的分析，找出影响股价的重要因子，如：与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。然后通过建立股价与因子之间的关系模型得出对股票收益的预测。股价与因子的关系模型分为结构模型和统计模型两类：结构模型给出股票的收益和因子之间的直观表达，实用性较强，包括价值型(本杰明·格雷厄姆—防御价值型、查尔斯·布兰迪—价值型等)、成长型(德伍·切斯—大型成长动能、葛廉·毕克斯达夫—中大型成长股等)、价值成长型(沃伦·巴菲特—优质企业选择法、彼得·林奇—GARP价值成长法等)三种选股方法；统计模型是用统计方法提取出近似线性无关的因子建立模型，这种建模方法因不需先验知识且可以检验模型的有效性，被众多经济学家推崇，包括主成分法、极大似然法等。

多因素选股：通过寻找引起股价共同变动的因素，建立收益与联动因素间线性相关关系的多因素模型。影响股价的共同因素包括宏观因子、市场因子和统计因子(通过统计方法得到)三大类，通过逐步回归和分层回归的方法对三类因素进行选取，然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。多因素模型对因子的选择有很高的要求，因子的选择可依赖统计方法、投资经验或二者的结合，所选的因子要有统计意义上或市场意义上的显着性，一般可从动量、波动性、成长性、规模、价值、活跃性及收益性等方面选择指标来解释股票的收益率。

动量、反向选股：动量选股策略是指分析股票在过去相对短期的表现，事先对股票收益和交易量设定条件，当条件满足时买进或卖出股票的投资策略，该投资策略基于投资者对股票中期的反应不足和保守心理，在投资行为上表现为购买过去几个月表现好的股票而卖出过去几个月表现差的股票。反向选股策略则基于投资者的锚定和过度自信的心理特征，认为投资者会对上市公司的业绩状况做出持续过度反应，形成对业绩差的公司业绩过分低估和业绩的好公司业绩过分高估的现象，这为投资者利用反向投资策略提供了套利机会，在投资行为上表现为买进过去表现差的股票而卖出过去表现好的股票。反向选股策略是行为金融学理论发展至今最为成熟，也是最受关注的策略之一。

二、资产配置

资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。资产配置一般包括两大类别、三大层次，两大类别为战略资产配置和战术/动态资产配置，三大层次为全球资产配置、大类资产配置和行业风格配置。资产配置的主要方法及模型如下：

战略资产配置针对当前市场条件，在较长的时间周期内控制投资风险，使得长期风险调整后收益最大化。战术资产配置通常在相对较短的时间周期内，针对某种具体的市场状态制定最优配置策略，利用市场短期波动机会获取超额收益。因此，战术资产配置是在长期战略配置的过程中针对市场变化制定的短期配置策略，二者相互补充。战略资产配置为未来较长时间内的投资活动建立业务基准，战术资产配置通过主动把握投资机会适当偏离战略资产配置基准，获取超额收益。

三、股价预测

股价的可预测性与有效市场假说密切相关。如果有效市场假说成立，股价就反映了所有相关的信息，价格变化服从随机游走，股价的预测就毫无意义，而我国的股市远未达到有效市场阶段，因此股价时间序列不是序列无关，而是序列相关的，即历史数据对股价的形成起作用，因此可以通过对历史信息的分析来预测股价。

主流的股价预测模型有灰色预测模型、神经网络预测模型和支持向量机预测模型(SVM)。灰色预测模型对股价的短期变化有很强的预测能力，近年发展起来的灰色预测模型包括GM(1, 1)模型、灰色新陈代谢模型和灰色马尔可夫模型。人工神经网络模型具有巨量并行性、存储分布性、结构可变性、高度非线性和自组织性等特点，且可以逼近任何连续函数，目前在金融分析和预测方面已有广泛的应用，效果较好。支持向量机模型在解决小样本、非线性及高维模式识别问题中有许多优势，且结构简单，具有全局优化性和较好的泛化能力，比神经网络有更好的拟合度。

四、绩效评估

作为集合投资、风险分散、专业化管理、变现性强等特点的投资产品，基金的业绩虽然受到投资者的关注，但要对基金有一个全面的评价，则需要考量基金业绩变动背后的形成原因、基金回报的来源等因素，绩效评估能够在这方面提供较好的视角与方法，风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。

绩效评估模型 / 指标

绩效评估准则
择时 / 股能力
业绩归因分析
风险调整收益
业绩持续性
Fama 业绩分解

模型 / 指标
T-M 模型

H-M 模型

GII 模型

C-L 模型
资产配置收益

证券选择收益

行业选择收益

行业内个股选择收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
双向表分析

时间序列相关性
总风险收益

系统风险收益

分散化投资收益

五、基于行为金融学的投资策略

上世纪50～70年代，随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出，现代金融经济学建立了一套成熟的理论体系，并且在学术界占据了主导地位，也被国际投资机构广泛应用和推广，但以上传统经济学的理论基石是理性人假设，在理性人假设下，市场是有效率的，但进入80年代以后，关于股票市场的一系列研究和实证发现了与理性人假设不符合的异常现象，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。面对这些金融市场的异常现象，诸多研究学者从传统金融理论的基本假设入手，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，研究股市投资者行为、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。

行为金融学是对传统金融学理论的革命，也是对传统投资实践的挑战。随着行为金融理论的发展，理论界和投资界对行为金融理论和相关投资策略作了广泛的宣传和应用，好买认为，无论机构投资者还是个人投资者，了解行为金融学的指导意义在于：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，并在股价正确定位之后获利。目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。

六、程序化交易与算法交易策略

根据NYSE的定义，程序化交易指任何含有15只股票以上或单值为一百万美元以上的交易。程序化交易强调订单是如何生成的，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。程序化交易主要是大机构的工具，它们同时买进或卖出整个股票组合，而买进和卖出程序可以用来实现不同的目标，目前程序化交易策略主要包括数量化程序交易策略、动态对冲策略、指数套利策略、配对交易策略和久期平均策略等。

算法交易，也称自动交易、黑盒交易或无人值守交易，是使用计算机来确定订单最佳的执行路径、执行时间、执行价格及执行数量的交易方法，主要针对经纪商。算法交易广泛应用于对冲基金、企业年金、共同基金以及其他一些大型的机构投资者，他们使用算法交易对大额订单进行分拆，寻找最佳路由和最有利的执行价格，以降低市场的冲击成本、提高执行效率和订单执行的隐蔽性。任何投资策略都可以使用算法交易进行订单的执行，包括做市、场内价差交易、套利及趋势跟随交易。算法交易在交易中的作用主要体现在智能路由、降低冲击成本、提高执行效率、减少人力成本和增加投资组合收益等方面。主要的算法包括：交易量加权平均价格算法(VWAP)、保证成交量加权平均价格算法(Guaranteed VWAP)、时间加权平均价格算法(TWAP)、游击战算法(Guerrilla)、狙击手算法(Sniper)、模式识别算法(Pattern Recognition)等。

综上所述，数量化投资技术贯穿基金的整个投资流程，从估值选股、资产配置到程序化交易与绩效评估等。结合量化投资的特点及我国证券市场的现状，好买认为量化投资技术在国内基金业中的应用将主要集中在量化选股、资产配置、绩效评估与风险管理、行为金融等方面，而随着包括基金在内的机构投资者占比的不断提高、衍生品工具的日渐丰富(股指期货、融资融券等)以及量化投资技术的进步，基金管理人的投资策略将会越来越复杂，程序化交易(系统)也将有快速的发展。

③ 量化分析三大层次

什么是量化投资？
最近十年来,量化投资成为了欧美资本市场发展的热点与焦点,一举成为了国际投资界兴起的一个新方法,发展势头迅猛,。量化投资和基本面分析、技术面分析并称为三大主流方法。由于量化投资交易策略的业绩稳定,其市场规模和份额不断扩大,得到国际上越来越多投资者的追捧。

过去20年收益率最高的基金,是文艺复兴科技公司的大奖章,其客户平均年收益率高达35%;而过去四年高盛旗下的量化基金规模翻了一倍,超过1000亿美金。由此可见,量化投资已经成为机构投资者的重要利器。

量化投资对于基金公司/资产管理公司而言,有着非常明显的价值:
首先是容易冲规模。一个有效的量化模型是可以在多个产品上进行快速复制,从而迅速做大规模。这个在巴克莱的指数增强系列产品上得到最明显的体现。截止2011年底,巴克莱量化基金,管理规模超过1.6万亿美金,超过富达基金,成为全球最大的资产管理公司。

其次是可以获得绝对收益。利用量化对冲方式,构建与市场涨跌无关的产品,赚取市场中性的策略,适合追求稳健收益的大机构客户,例如保险资金、银行理财等。这个产品的代表性公司就是目前全球最大的对冲基金BridgeWater,旗下的旗舰产品Pure Alpha过去五年共赚取超过350亿美金。

第三是杜绝了内幕消息和老鼠仓。量化投资只利用公开数据,通过数学模型的运算,挖掘出隐藏在公开数据后面的信息,从而战胜市场,从方法论上就杜绝了内幕消息的可能。在交易过程中利用复杂的IT系统进行程序化交易,使得老鼠仓也无法成为可能。在国内金融市场监管日趋规范的情况下,量化投资这种方法必然会成为投资研究的主要方法。

量化投资的理论基础
说到量化投资的理论基础,就要从市场有效性假说说起，技术分析、基本面分析和量化分析代表了有效市场的三个不同的层次。在无效市场,技术分析是充分有效的,这在中国资本市场最初的十年得到很好的体现;当市场进入弱有效市场后,可以依靠基本面分析获得超额收益,2000年到2010年这十年基本上属于这个时代;当市场进入半强有效市场后,也就是从2010年开始我们可以观察到大部分基本面分析的产品已经无法获得超额收益,此时国内市场已经进入半强有效市场。当然当市场进入强有效市场后,则无论哪种方法均无法战胜市场,那时候只能被动指数化投资。

传统的有效市场假说认为,在半强有效市场,只能依靠非公开信息(内幕消息或者私人消息)来获得超额收益。但是我们可以知道的是,除了非公开信息并不是只有内幕消息和私人消息,还有另外一个获得非公开信息的方法:就是利用数据挖掘的方法,从公开的数据中挖掘出非公开信息,也就是量化投资的方法。这也就是在美国等成熟市场(基本上进入半强式有效市场状态),量化投资为啥可以得到蓬勃发展的原因。

随着中国市场有效性的提高,中国开始进入半强式有效市场阶段,再加上监管层对内幕消息的监管越来越严厉,使得通过这种方法获得非公开信息的方式越来越难,因此量化投资就成为了一个最好的获得非公开信息的科学理论与技术。

很多人问:量化投资是不是仅仅是一个昙花一现的概念,还是一个可以长期有效的科学理论,我想通过上述对有效市场假说的分析,已经得到了明确的答案:量化投资是在半强式有效市场中的最佳分析理论,也几乎是唯一可行的分析理论。

美好前景
中国经济经过30年的高速发展,各行各业基本上已经定型,能够让年轻人成长的空间越来越小了。未来十年,量化投资与对冲基金这个领域是少有的几个,可以诞生个人英雄的行业,无论是出生贵贱,无论是学历高低,无论是有无经验,只要你勤奋、努力。脚踏实地的研究模型,研究市场,开发出适合市场稳健盈利的交易系统,实现财务自由,并非遥不可及的梦想。

曾经有研究助理抱怨:“我们做量化研究的,一年都没有啥机会出去调研,免费旅游的机会都木有啊”。
“你只要好好研究量化模型,找到持续稳定盈利的策略,自然就会有大量的资金来找你合作,实现财务自由不困难。到时候你会开着游艇出海,去拉斯维加斯享受,去非洲草原猎象,又何必在乎眼前的这点免费旅游呢？”他点头如捣蒜。

在中国目前的很多领域,赚钱已经变成一个非常困难的事情,但是在量化投资与对冲基金领域,是完全依靠自己的勤奋与努力。一个持续稳定赚取的模型,不是靠关系和背景就可以的,而是靠着自己的聪明才智和脚踏实地的工作。

④ 什么是“量化基本面投资”

量化基本面投资其实是一种对基本面投资和量化投资的融合，是将计算机算法与人类的分析结合起来的一种1+1>2的新型投资方式。

⑤ 什么是基本面量化投资

基本面量化投资是以数据为基础，以策略模型为核心，以程序化交易为手段，以追求绝对收益为目标的投资方法。人类可以提供而量化分析却无法做到的一个技能就是，基于较小的数据量做出推理的能力。

⑥ 量化投资是什么意思

量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。
量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，大家也比较关心。量邦科技冯永昌打个比方来说明这种关系，我们先看一看医生治病，中医与西医的诊疗方法不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。

⑦ 什么是量化投资

如果说当前是第五次工业革命，那我们正处于人工智能(AI)的大时代。在交通领域，AI的代表作是无人驾驶;在媒体领域，AI的代表作是写稿机器人;在金融领域，AI的代表作则是量化投资。那么，量化投资到底是何方神圣?它打败传统资产管理的利器在哪里?

量化投资——恪尽职守，理性化投资践行者

量化投资，简单说就是利用计算机技术和数学模型去实现投资策略的过程。根据上面的定义，理解它的话，咱们只要记住3个关键词：

数学模型：需要数学公式或模型进行计算;

计算机技术：用计算机来进行自动化交易;

投资策略：将这种方法形成一种惯用投资策略。

我们都知道，每个人都是相对理性的，投资很容易受到情绪的影响而产生偏差。而由机器人操盘的量化投资，其最大的优势在于：在某些方面可以做到绝对理性化，比如止盈或止损。因为它能克服人性的优柔寡断与贪婪。

诚然，量化投资在国内还是这几年才兴起的新鲜事，但在国外的发展已经有超过50年的历史。

1969年，爱德华·索普利用他发明的"科学股票市场系统"(实际上是一种股票权证定价模型)，成立了第一个量化投资基金。该基金名为普林斯顿-纽波特合伙基金，主要从事可转换债券的套利。令人惊奇的是，该基金成立后连续11年内没有出现年度亏损且持续跑赢标普指数。量化投资成功地吸引了人们的注意!

经过近半个世纪的发展，截至2016年底，全球量化投资基金总规模已突破3万亿美元，是全球基金规模的比例的30%左右。

而在国内，2010年可以说是中国量化投资元年，沪深300股指期货的推出、ETF及分级基金的迅速发展使得各类量化策略有了用武之地。与此同时，公募、私募基金也都发行了大量的量化策略基金。尤其是私募基金中的量化私募，近年来的发展速度很快。了解私募基金需要用到一些门户网站，比如私募排排网，上面有很多私募基金是可以免认购费的。在此不多加展开。

量化投资的策略有哪些?

根据排排君总结的三个关键词，它的投资策略也基本可在此基础上得以展开。为了方便理解，排排君将量化策略简单分成以下几类：

1、量化对冲

其实，量化和对冲本身并不是“一家人”，之所以最终能“终成眷属”，是因为二者结合后能获得超额收益的“结晶”。

我们可以看到图中随着因子数目的增长，它的收益曲线的变化会变得越来越平滑。因子数由30个变成120个的过程中，其夏普比率也从0.8变成2.2。

3、量化择时

择时，不仅困扰这个人投资者，也同样令机构投资者很头疼。如果说量化选股解决的是超额收益的问题，那么量化择时解决的则是相对收益的问题。

而所谓量化择时，则是对各类预测指标的应用，通过分析并得到对市场未来方向的预判。常用的择时方法有：趋势量化择时、市场情绪量化择时等。

趋势量化择时

趋势量化择时基本可以认为是趋势投资的延续，若趋势发生逆转则需平仓止损。与趋势投资一样，趋势量化择时具有滞后性，只有市场出现了某种趋势后，才可顺势操作。

市场情绪量化择时

市场情绪量化择时就是利用投资者的热情程度来判断大势方向，当投资情绪高涨，大家积极入市时，大盘可能会继续涨;当投资者情绪低迷、不断撤出市场的时候，大盘可能继续下跌。

当然，量化择时还有其他的方法，受限于篇幅这里就不再展开。

⑧ 什么是量化跟投

先了解一下，什么是量化投资
量化投资是一种系统化方法，它利用现代金融，计算机，数学，以及其他相关行业的知识和方法，包括行为学、心理学等，把投资理念，科学理论和实际数据量化为客观的数理模型，使用计算机技术完成全部或部分的投资。

量化投资需要把数据、策略、系统、执行四个方面综合起来完成一个有机的整体。量化投资本质上是一个方法论，可以应用到投资过程的每一个环节，比如大家熟悉的选股、基本面分析或者技术分析其实也算是广义量化金融的应用。你用了这些学科的知识去构建一个数理模型，一个投资决策模型，这是一个相对客观和理性的系统，是可以被应用于投资的第一步到最后一步的。



量化投资的特点

纪律性：量化投资是非常理性的，缜密的模型加丰富的数据会产生出决策，不会应为你今天心情不好而乱买乱卖，也不会因为犹豫不决而错失投资良机。量化是一个相对客观的决策和执行系统；

系统性：量化投资是数据、策略、系统、执行四方面的一个组合，这是一个完整的整体；

概率性：量化投资是去“博”大概率赚钱的机会。理论上讲当你的量化策略只要有 51% 的时候能预测正确市场，那么就能赚到钱，长期多次交易来看这个策略就是有效的，是可以赚钱的。当然实际交易还要考虑交易成本和市场情况， 51% 可能不够，但是只要你的策略能获得正向收益的概率达到一定值，你不用每次都对那么也能获得长期的盈利。

⑨ 什么是量化投资怎么理解量化

私募排排网为您解答：
量化投资，简单说就是利用计算机技术和数学模型去实现投资策略的过程。根据上面的定义，理解它的话，咱们只要记住3个关键词：
数学模型：需要数学公式或模型进行计算;
计算机技术：用计算机来进行自动化交易;
投资策略：将这种方法形成一种惯用投资策略。

⑩ 什么是量化投资交易策略

一文看懂量化投资策略

闲话基

量化投资在近些年受到越来越多的关注，包括规模、策略、业绩。量化投资，是指通过借助统计学、数学方法，运用计算机从海量历史数据中，寻找能够带来超额收益的多种“大概率”策略，按照策略构建的数量模型严格执行投资，力求获得长期稳定可持续高于平均的超额回报。

跨市场策略涉及外汇兑换、国际期货交易对冲，交易实现难度大，国内用得少。

由于期货具有杠杆属性，这类策略持仓的市值往往很大，有时候甚至超过产品资产总值，导致收益率的波动率是所有量化策略中最大的。在市场出现连续震荡行情时，这样策略由于杠杆属性会出现较大的回撤。另外一个对这类策略的一个限制是，目前市场上活跃交易的期货品种不多，高频交易很大程度倚重于品种成交量，开平仓时间间隔较短，使得策略容量不大。