【正文】 此外估值類因子中去除一切取值為負(fù)數(shù)的個(gè)股，如的年月份的市銷率為負(fù)數(shù)，顯然為異常值將其去除。 30 財(cái)務(wù)數(shù)據(jù)從這段期間公司對(duì)外公布的財(cái)務(wù)報(bào)表得到，一般公司披露四次，包括一季報(bào)、半年報(bào)、三季報(bào)和年報(bào)，但在檢驗(yàn)因子有效性應(yīng)用這些數(shù)據(jù)時(shí)，很難恰好找到當(dāng)前時(shí)點(diǎn)的財(cái)務(wù)數(shù)據(jù)。一般上市公司發(fā)布財(cái)務(wù)報(bào)告的時(shí)間為：一季報(bào)從 4 月 1 日到 4月 30日，年中報(bào)從 7月 1日到 7月 31日，三季報(bào)從 10月 1日到 10月 31日，年報(bào)從次年 1月 1日到次年 4月 30日。 對(duì)于中證和中證成分構(gòu)成在我們選擇的測試區(qū)間發(fā)生過變化，有的股票前期是小盤股的成分股，一段時(shí)間后被副除，之后又被調(diào) 入，如三精制藥（ 600829）于 2020年7月 1日調(diào)入中證 500，于 2020年 1月 5日調(diào)出，于 2020年 7月 1日又調(diào)入至今，類似這種情況的，調(diào)出持續(xù)時(shí)間不超過半年的當(dāng)做正常處理；對(duì)于中證的成分股中，調(diào)入時(shí)間不超過 1年的不能很好的代表小盤股的各項(xiàng)因子指標(biāo)，我們給予剔除。我們的數(shù)據(jù)是從銳思金融研究數(shù)據(jù)庫中下載得到。最后本章闡明了量化投資的發(fā)展前景，即在資本市場可投資產(chǎn)品不斷增加、海外量化投資人才歸國和國內(nèi)量化投資人才增加等方面分析了量化投資的發(fā)展前景，也從量化投資人才的創(chuàng)新能力、目前還是以引入國外的量化投資策略為主等方面分析了量化投資發(fā)展面臨的挑戰(zhàn)。 06因子模型實(shí)證結(jié)果 27 本章首先介紹了量化投資的應(yīng)用現(xiàn)狀：目前國內(nèi)量化投資應(yīng)用還處于起步階主要 被公募基金、證券公司專戶理財(cái)部、私募機(jī)構(gòu)和期貨經(jīng)濟(jì)商使用。除了可以根據(jù)股票風(fēng)格的輪轉(zhuǎn)來分大小盤分別題選出有效因子，還有更加復(fù)雜的多因子模型，如沃爾評(píng)分法就是一種分行業(yè)來比較，選出每個(gè)行業(yè)最高得分的組合，然后 再加總成一籃子投資股票。根據(jù)加權(quán)平均分對(duì)所有股票進(jìn)行排序，選擇排名靠前的一定數(shù)量股票，這里取排名前。例如收入凈利率和主營毛利率指標(biāo)之間可能具有比較明顯的相關(guān)性。我們這里的檢驗(yàn)方法釆用一個(gè)月時(shí)間間隔，同樣的也可以隔個(gè)月或個(gè)月，更長的也行。我們?cè)俅卧O(shè)定相關(guān)性閾值為，即滿足：abs(correl([N1,N2,N3,N4,N5],[1,2,3,4,5])) ≥ （ 2）設(shè)個(gè)排序組合中第一組的相對(duì)基準(zhǔn)超額收益為最后第五組的相對(duì)基準(zhǔn)超額收益為，如果則表示因子越大，收益越大，且需滿足：〉和反之，倘若即因子越大，收益越小，那么不等式變?yōu)椋骸岛推渲小⒎謩e為第一組和第五組的最小超額收益閾值，上述不等式條件只是確保因子取值能顯著地使得最大組合跑贏市場和最小組合明顯跑輸市場。 在檢驗(yàn)候選因子的有效性時(shí)，大多數(shù)投資者選用用排序法來。值得提出的是，股票的持有時(shí)間段也是一個(gè)不可忽視的因05多因子選股模型的建立 23 子指標(biāo)，持有一個(gè)月、兩個(gè)月還是一年，最終的收益率變化很大。 候選因子的選取通常分兩種情況，一種是考慮可能影響股票的所有因素指標(biāo)，先做單因子分析，不考慮各因子間的同質(zhì)性和 共線相關(guān)性，以便挖掘出更多更有效的最具代表性因子；另一種是更多情況下主要依賴投資主體的經(jīng)濟(jì)邏輯考慮和個(gè)人市場投資經(jīng)驗(yàn)，再選因子時(shí)，有意識(shí)地根據(jù)投資經(jīng)驗(yàn)剔除掉一些個(gè)人認(rèn)為無關(guān)緊要的因子。另一種橫截面回歸法就是利用回歸方程的思想，變量取上一年度已蹄選出的指標(biāo)，函數(shù)值取下一年度的股票收益率表現(xiàn)，用最小二乘法擬合出各因子的回歸系數(shù)作為因子回報(bào)，我們麵選出最優(yōu)的回 歸方程，取最新的因子取值作為因變量代入方程得出的應(yīng)變量就股票未來收益率的預(yù)期，再以這個(gè)判斷作為依據(jù)來進(jìn)行最后選股。 一般說來，多因子選股模型中多因子旳判斷方法中常見的只有兩種：排序打分法和橫截面回歸法。我們用，在市場尚行某種風(fēng)格股票時(shí)，根據(jù)多因子選股模型挑選出最優(yōu)質(zhì)的市場熱捧型股票并建立投資組合。市場上還有很多這樣的因子，都或多或少地影響著股價(jià)變動(dòng)，而多因子模型就是考察影響股價(jià)變動(dòng)的因素，并提供一個(gè)合理的選股方案。 表 43比照市場收益率的基金績效情況 根據(jù)表格 42 的統(tǒng)計(jì)結(jié)果顯示，基金累計(jì)凈值收益率超過市場收益率的量化基金05多因子選股模型的建立 21 共九只，與跑贏中信 A 股指數(shù)的基金完全相同，占量化基金的 60%，另外 40%的量化基金跑輸市場收益率。而在跑輸中信 A 股綜合指數(shù)的量化基金中，成立較早的 嘉實(shí)量化阿爾法表現(xiàn)最差，落后于中信 A 股指數(shù) %。 將各個(gè)量化基金自成立以來至 2020 年 12 月 31 日的累計(jì)單位凈值增長率情況與同期中信 A 股綜合指數(shù)收益率做對(duì)比，通過對(duì)比研究量化基金的管理能力 (如圖 42) 表 42比照中信 A股指數(shù)收益率的基金績效情況 04量化投資策略的使用效果 19 根據(jù)以上表格的統(tǒng)計(jì)結(jié)果顯示，跑贏中信 A 股指數(shù)的量化基金共九只，占量化基金的 60%，另外 40%的量化基金跑輸中信 A 股綜合指數(shù)。 根據(jù)市 場收益率的公式，計(jì)算得到的市場收益率如圖 41所示 18 通過對(duì)比量化基金累計(jì)凈值收益率和同期中信 A 股綜合指數(shù)收益率、市場收益率，我們可以以此判斷使用量化投資策略是否可以戰(zhàn)勝市場獲取超額收益。 4 量化投資策略的使用效果 樣本 數(shù)據(jù)的選?。河捎? 2020 年新發(fā)行的 5 只基金的月化收益率數(shù)據(jù)樣本數(shù)量偏少，且 2020 年 11 月之后發(fā)行的基金未能經(jīng)歷過較大幅度上漲的牛市，無法橫跨牛市和熊市，因此本文以 2020 年 11 月 1 日之前發(fā)行的 9 只量化基金為研究對(duì)象，以 2020 年 1 月 1 日至 2020 年 12 月 31 日之間這 9 只量化投資基金的月收益率數(shù)據(jù)為研究樣本，運(yùn)用統(tǒng)計(jì)軟件 Spss，通過應(yīng)用 TM模型、 HM 模型和 CL模型對(duì)量化投資基金的月收益率數(shù)據(jù)進(jìn)行回歸分析對(duì)其管理能力進(jìn)行評(píng)價(jià)，以研究量化投 資策略的使用效果。 在收益和風(fēng)險(xiǎn)控制方面，傳統(tǒng)投資更加偏重個(gè)股選擇而不是投資組合構(gòu)建，強(qiáng)調(diào)的是收益而不是風(fēng)險(xiǎn)控制；而量化投資非?？粗仫L(fēng)險(xiǎn)控制，追求在風(fēng)險(xiǎn)和收益之間的權(quán)衡。 由于傳統(tǒng)投資過程中需要不斷的進(jìn)行人為分析及判斷，因此分析人員難免會(huì)受到自身情緒的影響，這就有使 得真實(shí)的分析結(jié)果偏離理性分析結(jié)果造成錯(cuò)判，而量化投資過程中使用程序來分析已有和現(xiàn)有數(shù)據(jù)，并根據(jù)投資策略來完成判斷，就避免了人為情緒對(duì)分析和判斷造成的負(fù)面影響。目前國內(nèi)發(fā)行的 15 只量化投資基金情況如表 31 所示。目前國內(nèi)采用量化投資策略作為投資策略的投資者還是以機(jī)構(gòu)投資者為代表，由于量化投資需要處理大量的高頻數(shù)據(jù)，且需要計(jì)算機(jī)程序來完成整個(gè)交易過程，因此其使用門檻較高，個(gè)人投資者很難使用量化投資策略進(jìn)行投資，但也有一些簡單的基于技術(shù)分析的量化投資策略程序已經(jīng)公開，個(gè)人投資者可以參照 這些來學(xué)習(xí)使用量化投資策略。吳世農(nóng)、李培標(biāo)得出基金具備正的擇時(shí)能力的研究結(jié)論的原因可能在于他們選取的數(shù)據(jù)是周收益率數(shù)據(jù)，并且數(shù)據(jù)區(qū)間 2020 年 5 月 2020 年 12 月股票市場一直處于整體向上的牛市階段，數(shù)據(jù)時(shí)間區(qū)間沒有橫跨牛和熊市。在分時(shí)段檢驗(yàn)中， 1999 年和 2020年多數(shù)基金表現(xiàn)出不顯著的正擇時(shí)能力， 2020 年多數(shù)基金則表現(xiàn)出負(fù)向的擇時(shí)能力。這一結(jié)論與沈維濤、黃興孿（ 2020）的研究結(jié)論是相反的。 吳世農(nóng)、李培標(biāo)（ 2020）在《中國投資基金證券選擇和時(shí)機(jī)選擇能力的實(shí)證研究》中，運(yùn)用 TM 模型和 HM 模型對(duì) 2020年 5 月 2020 年 12 月期間的 10 只封閉式基金進(jìn)行了究。 隨著基金市場的發(fā)展，在績效評(píng)估以及管理能力研究方面，我國學(xué)者從研究封閉式基金的績效及管理能力逐漸過渡到研究開放式基金的績效和管理能力。 通過以上文獻(xiàn)可以發(fā)現(xiàn)以上，以上學(xué)者的研究數(shù)據(jù)主要基于月度收益數(shù)據(jù)，結(jié)果基本上表明基金并不具備顯著的擇時(shí)能力。 Henriksson 和 Merton（ 1981）提出了檢測基金管理人管理能力的 HM 模型。 Fama 和 French（ 1993）的三因素模型對(duì)投資組合收益來源進(jìn)行了詳細(xì)的分解，是多因素績效評(píng)估方法的代表。 Sharpe（ 1966）認(rèn)為一般投資組合只能接近于充分分散非系統(tǒng)性風(fēng)險(xiǎn)，在績效評(píng)估時(shí)還應(yīng)考慮到非系統(tǒng)性風(fēng)險(xiǎn)因素，因此他提出了另外一種風(fēng)險(xiǎn)調(diào)整的績效評(píng)估模型，即 Sharpe測度，他考慮了總風(fēng)險(xiǎn)與超額收益之間的關(guān)系，該模型測度了每單位總風(fēng)險(xiǎn)對(duì)應(yīng)的超額收益，也是一 種相對(duì)的評(píng)估方式。 收益指標(biāo)可以反映投資組合在一定期間內(nèi)的收益情況，一般使用投資組合凈值收益率率來表示投資組合在一定期間內(nèi)的收益率情況。由于量化基金主要采用量化投資策略來進(jìn)行投資運(yùn)作，因此，量化投資策略的使用效果可以直接體現(xiàn)在量化基金績效及管理能力上，即量化投資策略的使用效果好，則量化基金會(huì)表現(xiàn)出較好的績效和較高的管理能力。 CAPM 模型的數(shù)學(xué)表 達(dá)式為： Rp（ NAVtNAVt1） /NAVt1 這是與市場組合協(xié)方差與市場組合的方差之比。研究量化擇時(shí)策略效果的理論前提是市場是無效率市場或弱勢(shì)效率市場或半強(qiáng)勢(shì)效率市場。這意味著使用公開信息進(jìn)行的分析是無效的 強(qiáng)勢(shì)效率市場 強(qiáng)勢(shì)效率市場是證券價(jià)格已經(jīng)充分反映了全部的信息，包括公開信息和內(nèi)幕信息。關(guān)于效率市場假說，目前被采用最多的是 Eugene 的理論。量化投資在我國還處于起步階段，國內(nèi)學(xué)者對(duì)量化投資策略使用效果的研究比較少見，對(duì)量化基金這類新興基金的研究也比較少見，量化基金由于主要使用量化投資策略行投資，因此量化基金的管理能力可以直接反映量化投資策略的使用 效果，因此本文通過研究量化基金的管理能力，對(duì)量化投資策略的應(yīng)用效果進(jìn)行了研究，在研究對(duì)象上呈現(xiàn)一定的創(chuàng)新性。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。長期以來 ,對(duì)基金真實(shí)業(yè)績、基金經(jīng)理的實(shí)際投資能力、基金經(jīng)理的作用和地位、基金經(jīng)理是否盡職履行職責(zé)等問題 ,一直存在爭論。量化投資策略就是根據(jù)這些可以獲得的能夠量化的信息，對(duì)其進(jìn)行統(tǒng)計(jì)學(xué)上的分析，并加以金融建模，通過運(yùn)用計(jì)算機(jī)程序進(jìn)行日常的決策和交易。量化投資略包括行業(yè)量化資產(chǎn)配置策略、量化擇股策略和量化擇時(shí)策略。 加強(qiáng)對(duì)流動(dòng)資本的監(jiān)管 ............................................................... 錯(cuò)誤 !未定義書簽。 ........................................................................ 錯(cuò)誤 !未定義書簽。 .................................................................... 錯(cuò)誤 !未定義書簽。 6 多因子 模型實(shí)證結(jié)果 .......................................................................... 錯(cuò)誤 !未定義書簽。 選取候選因子 ............................................................................ 錯(cuò)誤 !未定義書簽。 5 多因子選股模型的建立 ...................................................................... 錯(cuò)誤 !未定義書簽。 量化投資發(fā)展趨勢(shì) ........................................................................ 錯(cuò)誤 !未定義書簽。 國外文獻(xiàn)綜述 ................................................................................ 錯(cuò)誤 !未定義書簽。 本文創(chuàng)新點(diǎn) .................................................................................... 錯(cuò)誤 !未定義書簽。t have is timing ability only C L model research conclusion statistically significant trends). At the end of the paper summarizes the research conclusion, and puts forward some policy Suggestions. KEY WORDS: Quantitative economy。 lack of financial knowledge, unlike western capitalist market, and can39。最后本文總結(jié)了研究結(jié)論，并提出了一些決策性的建議。隨著國家間經(jīng)濟(jì)聯(lián)系與交往的日益緊密 ,從商品、服務(wù)、勞動(dòng)力的相互補(bǔ)充 ,到科技、信息的互通有無 ,以及資本國際流動(dòng)規(guī)模的擴(kuò)大 ,國家間的利益已經(jīng)休戚相關(guān) ,實(shí)行完全封閉的對(duì)外經(jīng)濟(jì)政策在當(dāng)今世界已不再可能。著也就導(dǎo)致了同樣的情況也出現(xiàn)在融資融券中，融資費(fèi)率和融券數(shù)量的限制使得一些在熊市中也可獲利的策略無法大展身手。而且量化投資有著自己獨(dú)特的優(yōu)勢(shì)，這是因?yàn)榱炕顿Y和定性投資相比，更能克 服人性上的弱點(diǎn)，對(duì)于在獲取信息和進(jìn)行投資決策時(shí)能夠體現(xiàn)更多