量化投资分析报告

《量化投资分析报告》由会员分享，可在线阅读，更多相关《量化投资分析报告（35页珍藏版）》请在装配图网上搜索。

1、1. 概述背景量化投资在国外的实践已有了40近年的发展，国内的量化投资起步较晚，从开始浮现量化投资的产品，由于缺少有效的对冲手段，直到4月沪深300股指期货上市之后才干算是真正意义上开始涉足量化投资。的中国股市跌宕起伏，杠杆配资引起了大幅上涨和断崖式下跌，股市浮现罕见的千股涨停、千股跌停、千股停牌的奇观，众多机构投资者和散户蒙受了巨大的损失。但其中少数量化投资基金在大幅波动的市场中却体现相对稳定。量化投资基金和量化对冲方略的稳健，不久引起了全市场的关注，也成为近期银行、券商、信托等机构追捧的新的产品模式。在此背景下，结合建行既有的业务体系，本文将对量化投资的市场和可行性进行全面论述，以分析其成

2、为新业务模式的也许。量化投资解读量化投资定义量化投资在学术界并没有严格统一的定义，既有的定义对于量化投资的定义的侧重点各有不同。本文对于量化投资的定义为：量化投资是借助现代记录学和数学的措施，运用计算机技术从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件以制定方略，用数量模型验证及固化这些规律和方略，然后严格执行已固化的量化方略来指引投资，以求获取可持续的、稳定且高于市场平均的超额回报。量化投资的特点客观执行，避免情绪因素老式投资的分析决策，大多数方面都由人工完毕，而人并非能做到完全理性，在进行投资决策时，很难不受市场情绪的影响。量化投资运用模型对历史和当时市场上的数据进行分析检测，

3、模型一经检查合格投入正式运营后，投资决策将交由计算机解决，一般状况下回绝人为的干预，这样在进行投资决策时受人的情绪化的影响将很小，投资过程可以做到理性客观。支持大数据解决，提高决策效率国内股票市场上有近3000只股票，与上市公司有关的多种信息纷繁复杂，涉及政策、国内外经济指标、公司公示、研究报告等，投资者靠自己手工的筛选主线就是力不从心。量化投资的浮现为这个问题的解决带来了但愿。量化投资运用计算机技术迅速解决大量数据，对其进行辨别、分析、找出数据之间的关联并做出投资决策，大大减少了人工工作量，提高了投资决策效率。记录模型支撑，方略选股择时精确老式的投资措施中觉得投资是一门艺术，投资决策需要的是

4、投资者的经验和技术，投资者的主观评价起到决定作用。而量化投资有所不同，特别是在套利方略中，它能做到精确投资。例如在股指期货套利的过程中，现货与股指期货如果存在较大的差别时就能进行套利，量化投资方略和交易技术会抓住精确的捕获机会，进行套利交易来获利。此外，在控制头寸规模方面，老式的投资措施只能凭感觉，并没有具体的测算和界定，而量化投资必须要设定严格精确的原则。程序化交易，缩短决策与交易时滞量化投资往往运用高速计算机进行程序化交易，与人脑相比它可以迅速发现市场存在的信息并进行相应的解决，具有反映迅速、把握市场稍纵即逝的机会的特点。量化投资在速度上最杰出的运用就是高频交易，与低频交易相对，高频交易是

5、通过高速计算机，在极短的时间内对市场的变化做出迅速的反映并完毕交易。可以有效地控制风险与老式投资方式不同的是，量化投资在获得较高超额收益的同步可以更好地控制风险，业绩也更为稳定。有关研究显示，1996年至期间，量化投资基金与以所有老式积极型投资基金和偏重于风险控制的老式积极型投资基金的信息比率对比状况中，量化投资基金的信息比率都是最高，阐明量化投资相对于老式投资，可以在获得更高的超额收益的同步，有效地控制风险。量化投资的应用量化投资几乎覆盖了投资的全过程，涉及量化选股、量化择时、股指期货套利、记录套利、算法交易和资产配备等。量化选股量化选股就是采用数量的措施判断某个公司与否值得买入的行为。根据

6、某个措施，如果该公司满足了该措施的条件，则放入股票池，如果不满足，则从股票池中剔除。量化选股的措施有诸多种，总的来说，可以分为公司估值法、趋势法和资金法三大类。量化择时股市的可预测性问题与有效市场假说密切有关。众多的研究发现国内股市的指数收益中，存在典型线性有关之外的非线性有关，从而回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，却隐藏着拟定性的机制，因此存在可预测成分。股指期货套利股指期货套利是指运用股指期货市场存在的不合理价格，同步参与股指期货与股票现货市场交易，或者同步进行不同期限，不同（但相近）类别股票指数合约交易，以赚取差价的行为，股指期货

7、套利重要分为期现套利和跨期套利两种。商品期货套利：商品期货套利赚钱的逻辑原理是基于如下几种方面：（1）有关商品在不同地点、不同步间相应均有一种合理的价格差价；（2）由于价格的波动性，价格差价常常浮现不合理；（3）不合理必然要回到合理；（4）不合理回到合理的这部分价格区间就是赚钱区间。记录套利记录套利是运用证券价格的历史记录规律进行套利，是一种风险套利，其风险在于这种历史记录规律在将来一段时间内与否继续存在。记录套利在措施上可以分为两类，一类是运用股票的收益率序列建模，目的是在组合的值等于零的前提下实现alpha收益，我们称之为中性方略；另一类是运用股票的价格序列的协整关系建模，我们称之为协整方

8、略。算法交易指通过使用计算机程序来发出交易指令。在交易中，程序可以决定的范畴涉及交易时间的选择、交易的价格、甚至可以涉及最后需要成交的证券数量。根据各个算法交易中算法的积极限度不同，可以把不同算法交易分为被动型算法交易、积极型算法交易、综合型算法交易三大类。资产配备指资产类别选择，投资组合中各类资产的合适配备以及对这些混合资产进行实时管理。量化投资管理将老式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备的内涵，形成了现代资产配备理论的基本框架。量化投资与老式投资的区别老式的投资措施重要有基本面分析法和技术分析法这两种，注重人为的分析和投资者的感觉，而量化投资重要依托数学模型来寻找投资标

9、的和投资方略。量化投资是由计算机自动产生交易方略的一种投资措施，通过建立数学模型来实现交易理念，它具有完整的评价体系。模型建立后，通过对历史数据进行回测检查，拟定模型在各个行情阶段均能有效运营，实现赚钱。因此量化投资较老式投资更精确、更高效、更理性。量化投资与老式投资对例如下图：量化投资老式投资代表人物詹姆斯西蒙斯沃伦巴菲特分析措施根据科学模型根据人的经验与判断信息来源海量数据以及多层次多方面的因素（定量分析）基本面及宏观经济（定性分析）投资风格投资周期偏向短期投资周期偏向长期投资标的分散化投资于某一只或少量股票风险解决在风险最小化前提下实现收益最大化风险考虑不周全2. 行业发展状况国外篇国外

10、量化投资的兴起和发展重要可以分为三个阶段：第一阶段（19711977）1971年，世界上第一只被动量化基金由巴克莱国际投资管理公司发行，1977年世界上第一只积极量化基金业是由巴克莱国际投资管理公司发行，发行规模达到70亿美元，算是美国量化投资的开端。第二阶段（19771995）从1977年到1995年，量化投资在海外经历一种缓慢的发展，这其中受到诸多因素的影响，随着信息技术和计算机技术方面获得巨大进步，量化投资才迎来了其高速发展的时代。第三阶段（1995至今）从1995到目前，量化投资技术逐渐趋于成熟，同步被人们所接受。在所有的投资中，量化投资大概占比30%，指数类投资所有采用定量技术，积极

11、投资中，约有20%30%采用定量技术。数据显示，量化科技在国外的理财产品管理规模已达到了3.2万亿美元，而通过计算机和数字模型进行下单和下达指令的比例达到了惊人56%。量化投资基本实现了从最初的技术分析手段，逐渐发展演变为如今有金融理论支撑的金融设计工具，以计算机程序算法主导的高频交易。国外量化投资的代表公司及人物：量化投资的鼻祖巴克莱国际投资管理公司（BGI）。1971年，巴克莱国际投资管理公司发行了世界上第一只被动量化基金，1977年，巴克莱国际投资管理公司发行了世界上第一只积极量化基金，发行规模30亿美元。巴克莱国际投资管理公司的投资管理规模从1977年的30亿美元逐渐发展到上半年的2万

12、5千亿美元，高居全球资产管理规模的榜首。指数化投资的倡导者和实践者先锋集团。先锋集团于1974年由约翰鲍格尔(John Bogle)创立是世界上第二大基金管理公司。同步，先锋集团是世界上最大的不收费基金家族，目前在全世界管理着3700多亿美元的资产。“赢在投研”富达投资集团。富达投资集团是全球最大的基金管理公司之一，拥有者许多世界级的明星基金经理，分支机构遍及全球23个国家和地区，全球雇员4万人。“最赚钱的基金经理”詹姆斯西蒙斯，文艺复兴科技公司创始人采用数学模型和计算机技术进行投资决策，她所管理的大奖章基金从1989年到平均年收益率高达38.5%，净回报率超过股神巴菲特。“定量分析之王” 大

13、卫肖，1988年以2800万美元在纽约创立德劭集团，中，集团所管理的基金资产规模敏捷膨胀，年均回报率高达20%，其最巅峰时期的生意量可以占到整个纽约证券生意的5%。国内篇量化投资在国外已有30近年的历史，但直到21世纪初，国内一般投资者仍对量化投资几乎一无所知。量化投资起步较晚的重要因素为：A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟；国内证券市场效率低下，量化投资效果不明显；国内市场对冲工具单一，可量化的标的过少；受到交易规则的限制，量化投资不能充足发挥作用，很难引起人们注重。随着国内金融衍生产品市场的不断发展，定性分析越来越不能满足投资需求，与此同步资我市场制度不断完善，

14、A股市场的股票数量不断增长，基金规模不断扩大，基本面研究成本提高，使量化投资的浮现成为必然。4月股指期货的出台，标志着量化投资在国内市场的发展进入一种全新的阶段。一方面，各大机构都在积极组建量化投资的团队、研究量化投资的方略，诸多量化基金产品层出不穷，特别是在老式投资基金业绩不佳的状况下，诸多运用量化投资方略的基金产品获得了相称不错的收益率。另一方面，随着融资融券、股指期货、转融通等业务相继推出，券商资管量化投资十分火热。国信、华泰、长江、国泰君安等各大券商都在发力量化投资产品研究，在国内百余家券商中，已有38家券商资管发行量化产品。同步已有国泰安金融学院，北京大学汇丰商学院，上海交通大学安泰

15、管理学院投入数百万开设了专业的量化投资金融实验室，并开办了量化投资高档研修班，为国内量化投资的市场发展提供了良好的学术和实战环境。，上证50ETF期权于2月9日正式推出，这对于对国内的量化投资有着极大的增进作用。4月16日，上证50与中证500两只股指期货新品种的上市给量化投资带来更多的方略的运用，金融衍生品的不断丰富和发展，为量化投资提供更多的丰富对冲手段，也提供了更多的套利机会。国内第一只量化基金成立已有历史，此后几年量化基金发展较为缓慢，至末市场上仅有15只量化基金，而近两年量化基金发展较快，截至市场共有123只量化基金相继设立（不含指数型、增强指数型和QDII基金）。从规模来看，在量化

16、基金的规模翻了一番，规模增速稍有下滑，截至年终量化基金总规模超1000亿元，行业仍处在迅速扩张期。总的来说，量化投资在国内进行一种短暂的适应性过渡后，已经开始步入高速发展的初级阶段了。3. 量化投资市场分析市场现状目前从事量化投资重要有两种商业模式，一种是提供量化商业平台服务，可全方位为投资机构提供最专业的技术和产品支撑，目前市场上出名的量化平台提供商重要有文华财经、金之塔、交易开拓者（TB）、国泰安、龙软DTS、天软等，它们大多具有金融IT背景，特别以期货行情、交易软件开发商居多。另一种就是建自有平台，搭建一套覆盖方略研究、回测、模拟交易全流程的量化平台，重要以优矿（通联）、聚宽（JoinQ

17、uant）、京东量化、米筐、诸葛量化、果仁和盈时为代表。平台名称产品上线时间产品服务客户群体量化标的赚钱模式国泰安提供涵盖股票、期货、债券市场的数据、方略研究、回测、模拟、正式交易等全套解决方案。专业机构客户股票、期货、债券机构合伙分佣，发售系统及系统维护费龙软DTS早于同上同上同上发售系统及系统维护费。天软科技早于同上同上同上同上文华财经.2重要提供数据、平台服务，根据客户的特点需求编写方略。个人投资者、中小投资机构股票、期货平台使用年费金之塔.11同上同上股票、期货同上交易开拓者（TB）早于同上同上股票、基金、期货交易佣金诸葛量化选用参数，自动生成方略有经验的quant股票会员费用优矿（通

18、联）.6提供编码环境，编译代码生成方略刚入门的quant，有编程基本股票、基金、期货暂未获取聚宽（JoinQuant）.8选用参数，自动生成方略；提供编码环境，编译代码生成方略有经验的quant股票、基金、期货会员费用、方略交易费用果仁、.8选用参数，自动生成方略一般投资者股票、基金会员费用京东量化选用参数，自动生成方略；提供编码环境，编译代码生成方略同上股票、基金、期货暂未获取米筐.12提供编码环境，编译代码生成方略有经验的quant股票、基金、期货暂未获取盈时.6选用参数，自动生成方略期货投资者期货服务费产品分析随着金融科技（Fintech）时代的到来，中国金融业正经历着一场新的变革，并且

19、这场变革不断升级。中国的金融科技行业由本来注重流量和模式的1.0时代，升级为以人工智能技术为主导，数据为驱动力的2.0时代。量化投资借力人工智能技术，运用现代记录学和数学的措施，从大量的历史数据中寻找并搭建获得超额收益的投资方略，服务于个人投资者和机构，也成为了金融科技新时代的领军者。目前量化投资平台的业务模式重要有两种，一种是给顾客提供编码的环境，让顾客通过代码编译生成方略，其顾客群体均拥有良好的编程基本，具有一定的专业技能，目前主流编程语言涉及Python、Java、MATLAB和R。以聚宽为例进行阐明，其交互界面如下图所示：左侧为代码编译区域，顾客在此处将股票指标用代码表达出来，确立逻辑

20、关系，编译完毕后进行编译运营，如下图所示：在右侧上方显示编译运营成果，涉及方略收益走势图、最大回撤和有关收益指数，下方显示日记和报错信息，用来检查方略的对的性。点击运营回测，如下图所示：显示该方略运营的具体状况，涉及收益值、持仓明细和交易记录等信息，这样就成功的创立了一种方略，方略可以导入实盘进行模拟交易。其他类似的代码编译平台，如米筐、优矿等，业务模式和聚宽基本一致。此外一种就是无编码模式，平台提供量化多因子让顾客进行选择，这些量化因子涉及但不限于行情指标、技术指标、财务指标和财报数据，顾客通过选择搭配各指标数据，进而生成方略模型，其顾客群体以个人投资者为主。以果仁为例进行阐明，其大体业务流

21、程如下图所示：其首页交互界面如下图所示：第一步：选择创立方略模型，涉及股票方略、基金方略和方略组合。 股票方略和基金方略是指生成一种标的为股票或者基金的量化方略；方略组合是指添加多种方略，通过回测分析，计算方略之间的收益有关度，谋求达到最优收益的方略组合；交互如下图，第二步：择股设立（默认创立股票方略），是对量化标的的分类变量和数字变量进行设立。分类变量设立涉及对指数成分、板块、行业、所处交易所等信息进行选择，交互如下图，数字变量设立涉及对行情、技术指标、财务指标、财报条目、公司事件、情绪和大盘指标的设立。行情指标有股票价格、成交额、成交量等，交互如下图，技术指标有乖离率、波动率、MA、KDJ

22、、RSI等，交互如下图，财务指标有估值、清偿能力、赚钱能力、营运效率和成长能力等，交互如下图，财报条目有营业收入、营业支出、收益利润、负债和权益等，交互如下图，公司事件有高管增持、未解禁股本、业绩预告和重大事项违规惩罚等，交互如下图，情绪有分析师情绪指数、重仓基金数和重仓基金持有比例，交互如下图，大盘指标有指数指标和交易日历指标，交互如下图，对所选指标进行参数设立，设立比较符、区间和排名，也可以对指标进行删除和勾选操作，交互如下图，点击选择选股指标，生成排名条件，方略模型按照排名条件购买股票，若无排名，则优先买入成交额大的股票，交互如下图，第三步，交易模型设立，是对方略买卖股票的时机进行设立，

23、分为定期轮动和条件触发。定期轮动模型可以设立调仓周期、调仓时点、空闲资金配备、最大持仓股票数、备选买入股票数和个股最大买入仓位等信息，设立完毕后，在每一种调仓日，果仁方略卖出仓内的所有股票，并根据调仓日前一交易日的数据，选出股票等权重买入。如果选出的股票已经在仓内，这支股票的仓位也会被重新调节成和其他股票同样的仓位，但如果这只股票由于停牌或涨停跌停无法调节仓位，则仓位保持不变。交互如下图，条件触发模型可以设立调仓周期、调仓时点、空闲资金配备、新股抱负仓位、个股仓位范畴、最小建仓仓位和备选股票数等信息。同步可以对新股买入附加限制条件，涉及排名名次、仓内同行业股票数和调仓日交易非跌停，也可以自定义

24、条件。设立完毕后，在每一种调仓日，卖出满足卖出条件的股票，把余下的资金等权重买入符合买入条件的新股票。必须满足所有条件，才会自动买入该股票。交互如下图，卖出条件设立涉及排名名次、持有天数、止损止盈，也可以自定义条件，设立完毕后，当有股票收益排名靠后，或者超过持有天数，达到止损止盈，只要满足一种触发条件会被卖出。交互如下图，不卖条件设立涉及持有天数、调仓日交易时涨停和调仓前一日收盘涨停，也可以自定义条件，设立完毕后，仓内股票只要满足一种不卖条件就会继续持有，不管与否满足卖出条件，不卖条件优先级高于卖出条件。交互如下图，第四步，大盘择时，顾客使用大盘择时可以有效减小由整体市场波动带来的风险，减小方

25、略收益的最大回撤率，为可选项，默觉得不择时。使用择时模板，决定方略总体持股仓位，涉及指标选择和择时条件设立。交互如下图，择时条件编辑如下图所示，自定义择时公式，如下图，第五步，股指对冲，使用股指对冲可以分析回测方略对冲股指期货后来的收益状况。为可选项，默觉得不对冲。选择使用对冲，则涉及对对冲基金、对冲比例、对冲比例校准周期、保证金比例和月贴水率进行设立。交互如下图，第六步，完毕以上五步，就成功创立了一种方略，顾客可以对方略进行回测、每日选股和实时选股，也可以对选出的股票进行排名分析。选择方略回测，对回测时间、收益基准和交易费用进行设立，点击开始回测，如下图所示，回测显示信息涉及收益曲线、有关收

26、益值、持仓明细和交易记录等，顾客可以通过对比基准收益来调节指标值，进行方略优化。选择每日选股，可以根据模型的选股设立，在历史上任何一天选股，如下图所示，选择实时选股，根据以上模型的选股设立，使用实时行情选股。选择排名分析，对筛选出的所有股票，按照排名条件划提成N组，对比每组的收益。排名分析展示所有股票按排名分段的收益状况，提供择股方略全局有效性分析。其他类似的量化因子选择平台，如盈时、诸葛量化等，业务模式和果仁基本一致。4. 量化投资模块建立的必要性为专业投资者提供专业服务目前市场上的投资者大体可以提成三个级别，分别是一般投资者、中级投资者和高档投资者。建行投资服务体系中的智能投顾重要合用于一

27、般投资者和部分中级投资者，资产比较庞大的客户一般会选择私人银行进行服务，如下表所示：由表可知，目前的投资服务体系并没有完全覆盖所有客户群，部分中级投资者和大部分的高档投资者并没有相匹配的服务，而这部分客户却显得非常重要，因其具有投资理念和投资经验，一旦提供完善的服务体系，她们会进行持续而稳定的投资。量化投资模块可以提供良好的编码环境和全面的量化指标选择体系，投资者可以将成熟的投资理念在模块中体现出来，通过编程语言进行编译或者选择量化指标进行建模，形成一种方略模型，对该方略进行回测分析和优化，最后可以得到一种用于实盘操作的投资方略。由此可见，建立一种成熟的量化投资模块可以完善目前的服务体系，覆盖

28、所有客群，满足专业投资者的投资需求。受投资者追捧微量网1月上线以来，截至目前实盘运营方略2323个，合计成交金额超过193亿；米筐12月上线，目前已有超过50万的注册顾客；聚宽8月上线到目前活跃顾客已接近80000人，合计超过60万个量化方略生成。种种迹象表白，量化投资被越来越多的投资者所青睐，这必将成为最流行的投资方式。众多机构参与，注重发展前景近来两年来，越来越多的机构正在加快进入量化投资市场的步伐，它们看中量化投资良好的发展前景，积极谋求第三方量化平台进行合伙或投资，打造专业化的量化交易和研究服务平台，如下表所示：时间机构（投资方）第三方平台事件.10华睿资本、百度Ricequant米筐

29、米筐获得华睿资本和百度2500万元的A轮融资.11汇垠澳丰股权投资基金量财富量财富宣布完毕1亿元A轮融资.12峰谷资本、启迪之星、Weroadshow Limited(微路演)烯牛数据(Rhino Data)大数据量化投资服务商烯牛数据(Rhino Data)宣布获得800万元天使轮投资.4广发证券聚宽上线国内首家券商版量化交易平台.4中信证券优矿发布覆盖投资全流程的量化研究和交易平台.7第一创业证券Ricequant米筐推出服务于个人的量化终端RQLite以及服务于专业机构的量化终端RQPro.7兴业证券Ricequant米筐专业的量化研究与交易平台通过以上数据我们不难发现：目前机构和第三方

30、量化公司合伙推出的量化平台上线数量增长加快，波及投资品种增多，券商推出服务客户的量化平台的速度也越来越快，但是还没有一家银行有传出类似的消息。5. 量化投资模块建立的条件基本架构UI呈现层UI呈现层为前端展示页面，重要负责展示量化投资模块子菜单区域、量化标的区域、量化指标区域、方略模型关联区域和回测成果分析区域，以果仁为例进行阐明，如下图所示：业务解决层业务解决层重要负责实现业务逻辑、与数据支持层进行交互、为UI 呈现层提供信息等功能。量化平台整体业务流程如下图所示：数据支持层数据支持层是量化交易的核心，运用Spark等大数据技术通过大量计算为量化交易提供理论和数据支持，它涉及指标计算服务、信

31、号计算服务、实时交易数据提供和数据解决服务。指标计算服务是指对量化指标进行科学计算，它涉及交易数据、宏观经济指标和公司财务数据等指标的计算。通过指标计算，可以对量化标的进行划分归类。信号计算服务是指量化标的行情的波动导致量化指标达到量化方略的预期，从而触发量化方略运营的过程。实时交易数据提供是指对量化标的成交价、成交量和涨跌幅等动态数据的转发。数据解决服务重要研究大量历史交易数据，以图表形式评估计化方略和投资组合。运营流程量化投资模块是一种相对独立的系统，对数据和回测系统的规定非常高，其运营流程可大体分为三大环节：数据输入、模型开发、回测输出。数据输入量化投资的基本就是数据，任何方略的设计、搭

32、建都依托于对数据筛选、清洗和打磨。目前量化投资公司数据的来源多是选择wind、choice等平台，优势在于这些平台数据较为全面，可匹配多种软件接口，但目前都是付费使用，同步也有TB交易开拓者、预测者网等平台提供数据源。输入数据类型涉及：实时动态数据（行情、高频数据等）、行为数据（新闻资讯、评级报告等）、自定义数据（宏观数据、行业数据、公司财报等）以及投资经验。模型开发这一阶段重要是将投资逻辑通过计算机语言进行编写，形成可执行的程序。在实现的过程中，需要对准备好的数据进行大量的计算，而实现的方式一般是使用第三方记录软件（excel、R、SAS、MATLAB、SPSS等），再通过接口对接到量化平台

33、上执行，或者直接选用量化平台自身的语言，如天软的TSL语言；大智慧的DTS的LUA语言来进行编写开发。回测输出模型建立后，需要通过历史数据对已开发的模型进行检查，对回测报告中不同的数值进行模型参数的反复调试。方略验证是方略实现较为核心的环节，是控制投资风险，提高方略赚钱能力最重要的环节。在对方略进行验证后，还需要在仿真环境下进行测试，这也是量化方略进入实际运营前的最后一环，观测触发条件后系统有关指标与运营等。从上述量化投资运营流程等，可以看出，量化投资方略搭建极为严谨和繁琐，影响因素较多，投资者及机构从初期准备到方略搭建再到回测输出，需要投入较长的时间。量化标的选择目前量化投资标的已从老式的基

34、金延伸到债券、股票、期货、外汇等领域，这些投资标的因其有关数据指标可以被量化，因此可以较好的用计算机语言来体现或者直接拆提成若干量化因子，便于让投资者理解。结合建行既有的投资产品，基金、外汇、贵金属和账户商品，我们从产品丰富度、数据更新频率、交易模式、交易费用、影响价格重要因素和技术分析成熟度六个维度进行分析，如下表所示： 基金外汇贵金属账户商品量化分析优先级排序产品丰富度五种类型共2168只基金相应有14种产品相应有10种产品相应有3种产品1基金2外汇3贵金属4账户商品数据更新频率净值按交易日更新价格每30秒刷新一次价格每20秒刷新一次价格每6秒刷新一次1账户商品2贵金属3外汇4基金交易模式

35、T+1交易制度， 只能买涨T+0交易制度，双向交易T+0交易制度，双向交易T+0交易制度，双向交易1账户商品贵金属外汇2基金交易费用千分之二以内不同品种，点差不同样不同品种，点差不同样人民币计价点差不超过0.2，美元计价点差不超过0.0251贵金属外汇2账户商品3基金影响价格的重要因素国家政策影响地缘政治和国际事件影响地缘政治和国际事件影响供需调节和国家政策影响1 贵金属外汇2账户商品3基金技术分析成熟度无细化技术指标，分析体系不成熟技术指标全面，分析体系成熟可靠技术指标全面，分析体系成熟可靠技术指标全面，分析体系成熟可靠1账户商品贵金属外汇2基金投资产品丰富限度越高，量化可选标的就越全面，量

36、化成果较单一产品就更具科学性；投资产品数据更新频率高，表白其行情波动特性强烈，利于做量化分析；投资产品交易制度完备，支持双向交易，投资转换效率就越高，就能更好满足量化交易需求；交易费用多元化体现，可以细分量化标的，使量化方略分析成果更精确；影响价格的因素较多，行情波动频率就越高，利于做量化分析；投资产品技术指标全面，分析体系成熟，会有助于量化方略的充足实行。综上所述，将来在建行的量化投资模块中，对账户商品、贵金属和外汇的量化分析将处在主导地位，基金可以进行试探性研究。量化因子选用目前量化因子常用的分类有基本面因子、技术面因子和资金面因子，量化因子的选用重要依赖于经济逻辑和市场经验，也许是某些技

37、术面指标，如动量、换手率、波动等，或者是其他指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的核心因素之一。通过果仁网量化平台，我们对量化因子的选用进行阐明。果仁网提供的量化因子是非常全面的，涉及股票方略相应的因子、基金方略相应的因子和方略组合相应的因子，具体见下图：我们可以发现股票方略相应的因子种类和数量最多，基金方略次之，方略组合至少。一方面，投资者根据自己的喜好和研究重点对量化因子的类别进行设定，拟定选用范畴。另一方面，在目的范畴内选用品体的因子，同步设立因子相应参数值和比较符，果仁平台默认因子的参数值为行业的平均值或者

38、加权平均值。第三，通过回测，分析收益波动，对选出的因子组合进行优化，涉及因子取舍和参数修改，逐渐使因子组合相应的收益最大，最后得到一种符合投资者预期的因子组合。具体流程如下图所示：软件设备来源1、直接采购或与第三方平台合伙长处：系统成熟，可以立即上线，市场承认限度高，顾客体验较好。缺陷：成本过高（涉及后期的维护费用），系统风险可控限度低。目前市场上非常成熟的平台供应商有大智慧DTS、国泰安和天软科技。2、自主研发长处：系统风险可控，与自有功能体系契合度高。缺陷：开发成本大、周期长，需要专业技术人才，不稳定因素较多。与行内业务的关联建行与券商合伙的业务体系中将引入智能投顾这个模块，那么量化投资和

39、智能投顾的区别在哪里，功能上与否有重叠的地方？从本质上理解，一种是投资一种是投资顾问，投资的目的是寻找超额收益，服务对象是资金。投顾的目的是为客户的投资提供建议，服务的对象是客户。量化投资是投资的一种，是用量化的手段来评估收益风险而做出更理性的投资决策，智能投顾是用更智能的手段来给客户提供投资建议，重点在于用更多纬度的数据理解客户，用更精确的推荐引擎推荐投资组合，理财产品，风险提示等，或者用机器学习深度学习来分析顾客交易记录，提供个性化的诊断，固然目的还是为了更精确的推荐而已。从客户的角度出发，量化投资是是客户将投资理念通过机器算法和数据分析而形成投资方略的一种过程，体现的是客户的主观能动性。智能投顾更多的是强调客户分析，措施上涉及了老式的风险属性问卷、客户行为分析预估、客户生命周期鉴别，通过客户分析的成果，智能投顾会给到客户一种最优的投资建议。目前国内的投资市场，智能投顾业务的发展较为成熟，而量化投资才处在发展的初级阶段，因此说这两者因发展限度和服务对象的不同，功能上是没有重叠的。