精品資料（2021-2022年收藏）量化投資分析報告

1、1. 概述背景量化投資在國外的實踐已經(jīng)有了40多年的發(fā)展，我國的量化投資起步較晚，從2004年開始出現(xiàn)量化投資的產(chǎn)品，由于缺乏有效的對沖手段，直到2010年4月滬深300股指期貨上市之后才能算是真正意義上開始涉足量化投資。2015年的中國股市跌宕起伏，杠桿配資引發(fā)了大幅上漲和斷崖式下跌，股市出現(xiàn)罕見的千股漲停、千股跌停、千股停牌的奇觀，眾多機構投資者和散戶蒙受了巨大的損失。但其中少數(shù)量化投資基金在大幅波動的市場中卻表現(xiàn)相對穩(wěn)定。量化投資基金和量化對沖策略的穩(wěn)健，很快引起了全市場的關注，也成為近期銀行、券商、信托等機構追捧的新的產(chǎn)品模式。在此背景下，結合建行現(xiàn)有的業(yè)務體系，本文將對量化投資的市場

2、和可行性進行全面闡述，以分析其成為新業(yè)務模式的可能。量化投資解讀量化投資定義量化投資在學術界并沒有嚴格統(tǒng)一的定義，現(xiàn)有的定義對于量化投資的定義的側重點各有不同。本文對于量化投資的定義為：量化投資是借助現(xiàn)代統(tǒng)計學和數(shù)學的方法，利用計算機技術從龐大的歷史數(shù)據(jù)中海選出能帶來超額收益的多種“大概率”事件以制定策略，用數(shù)量模型驗證及固化這些規(guī)律和策略，然后嚴格執(zhí)行已固化的量化策略來指導投資，以求獲取可持續(xù)的、穩(wěn)定且高于市場平均的超額回報。量化投資的特點客觀執(zhí)行，避免情緒因素傳統(tǒng)投資的分析決策，大多數(shù)方面都由人工完成，而人并非能做到完全理性，在進行投資決策時，很難不受市場情緒的影響。量化投資運用模型對歷史

3、和當時市場上的數(shù)據(jù)進行分析檢測，模型一經(jīng)檢驗合格投入正式運行后，投資決策將交由計算機處理，一般情況下拒絕人為的干預，這樣在進行投資決策時受人的情緒化的影響將很小，投資過程可以做到理性客觀。支持大數(shù)據(jù)處理，提高決策效率我國股票市場上有近3000只股票，與上市公司相關的各種信息紛繁復雜，包括政策、國內外經(jīng)濟指標、公司公告、研究報告等，投資者靠自己手工的篩選根本就是力不從心。量化投資的出現(xiàn)為這個問題的解決帶來了希望。量化投資運用計算機技術快速處理大量數(shù)據(jù)，對其進行辨別、分析、找出數(shù)據(jù)之間的關聯(lián)并做出投資決策，大大減少了人工工作量，提高了投資決策效率。統(tǒng)計模型支撐，策略選股擇時精準傳統(tǒng)的投資方法中認為

4、投資是一門藝術，投資決策需要的是投資者的經(jīng)驗和技術，投資者的主觀評價起到?jīng)Q定作用。而量化投資有所不同，尤其是在套利策略中，它能做到精準投資。例如在股指期貨套利的過程中，現(xiàn)貨與股指期貨如果存在較大的差異時就能進行套利，量化投資策略和交易技術會抓住精確的捕捉機會，進行套利交易來獲利。另外，在控制頭寸規(guī)模方面，傳統(tǒng)的投資方法只能憑感覺，并沒有具體的測算和界定，而量化投資必須要設定嚴格精確的標準。程序化交易，縮短決策與交易時滯量化投資往往利用高速計算機進行程序化交易，與人腦相比它能夠迅速發(fā)現(xiàn)市場存在的信息并進行相應的處理，具有反應快速、把握市場稍縱即逝的機會的特點。量化投資在速度上最出色的運用就是高頻

5、交易，與低頻交易相對，高頻交易是通過高速計算機，在極短的時間內對市場的變化做出迅速的反應并完成交易。能夠有效地控制風險與傳統(tǒng)投資方式不同的是，量化投資在獲得較高超額收益的同時能夠更好地控制風險，業(yè)績也更為穩(wěn)定。相關研究顯示，1996年至2005年期間，量化投資基金與以所有傳統(tǒng)主動型投資基金和偏重于風險控制的傳統(tǒng)主動型投資基金的信息比率對比情況中，量化投資基金的信息比率都是最高，說明量化投資相對于傳統(tǒng)投資，能夠在獲得更高的超額收益的同時，有效地控制風險。量化投資的應用量化投資幾乎覆蓋了投資的全過程，包括量化選股、量化擇時、股指期貨套利、統(tǒng)計套利、算法交易和資產(chǎn)配置等。量化選股量化選股就是采用數(shù)量

6、的方法判斷某個公司是否值得買入的行為。根據(jù)某個方法，如果該公司滿足了該方法的條件，則放入股票池，如果不滿足，則從股票池中剔除。量化選股的方法有很多種，總的來說，可以分為公司估值法、趨勢法和資金法三大類。量化擇時股市的可預測性問題與有效市場假說密切相關。眾多的研究發(fā)現(xiàn)我國股市的指數(shù)收益中，存在經(jīng)典線性相關之外的非線性相關，從而拒絕了隨機游走的假設，指出股價的波動不是完全隨機的，它貌似隨機、雜亂，但在其復雜表面的背后，卻隱藏著確定性的機制，因此存在可預測成分。股指期貨套利股指期貨套利是指利用股指期貨市場存在的不合理價格，同時參與股指期貨與股票現(xiàn)貨市場交易，或者同時進行不同期限，不同（但相近）類別股

7、票指數(shù)合約交易，以賺取差價的行為，股指期貨套利主要分為期現(xiàn)套利和跨期套利兩種。商品期貨套利：商品期貨套利盈利的邏輯原理是基于以下幾個方面：（1）相關商品在不同地點、不同時間對應都有一個合理的價格差價；（2）由于價格的波動性，價格差價經(jīng)常出現(xiàn)不合理；（3）不合理必然要回到合理；（4）不合理回到合理的這部分價格區(qū)間就是盈利區(qū)間。統(tǒng)計套利統(tǒng)計套利是利用證券價格的歷史統(tǒng)計規(guī)律進行套利，是一種風險套利，其風險在于這種歷史統(tǒng)計規(guī)律在未來一段時間內是否繼續(xù)存在。統(tǒng)計套利在方法上可以分為兩類，一類是利用股票的收益率序列建模，目標是在組合的值等于零的前提下實現(xiàn)alpha收益，我們稱之為中性策略；另一類是利用股票

8、的價格序列的協(xié)整關系建模，我們稱之為協(xié)整策略。算法交易指通過使用計算機程序來發(fā)出交易指令。在交易中，程序可以決定的范圍包括交易時間的選擇、交易的價格、甚至可以包括最后需要成交的證券數(shù)量。根據(jù)各個算法交易中算法的主動程度不同，可以把不同算法交易分為被動型算法交易、主動型算法交易、綜合型算法交易三大類。資產(chǎn)配置指資產(chǎn)類別選擇，投資組合中各類資產(chǎn)的適當配置以及對這些混合資產(chǎn)進行實時管理。量化投資管理將傳統(tǒng)投資組合理論與量化分析技術的結合，極大地豐富了資產(chǎn)配置的內涵，形成了現(xiàn)代資產(chǎn)配置理論的基本框架。量化投資與傳統(tǒng)投資的區(qū)別傳統(tǒng)的投資方法主要有基本面分析法和技術分析法這兩種，注重人為的分析和投資者的感

9、覺，而量化投資主要依靠數(shù)學模型來尋找投資標的和投資策略。量化投資是由計算機自動產(chǎn)生交易策略的一種投資方法，通過建立數(shù)學模型來實現(xiàn)交易理念，它具有完整的評價體系。模型建立后，通過對歷史數(shù)據(jù)進行回測檢驗，確定模型在各個行情階段均能有效運行，實現(xiàn)盈利。因此量化投資較傳統(tǒng)投資更準確、更高效、更理性。量化投資與傳統(tǒng)投資對比如下圖：量化投資傳統(tǒng)投資代表人物詹姆斯·西蒙斯沃倫·巴菲特分析方法依據(jù)科學模型依據(jù)人的經(jīng)驗與判斷信息來源海量數(shù)據(jù)以及多層次多方面的因素（定量分析）基本面及宏觀經(jīng)濟（定性分析）投資風格投資周期偏向短期投資周期偏向長期投資標的分散化投資于某一只或少量股票風險處理在風險最

10、小化前提下實現(xiàn)收益最大化風險考慮不周全2. 行業(yè)發(fā)展狀況國外篇國外量化投資的興起和發(fā)展主要可以分為三個階段：第一階段（19711977）1971年，世界上第一只被動量化基金由巴克萊國際投資管理公司發(fā)行，1977年世界上第一只主動量化基金業(yè)是由巴克萊國際投資管理公司發(fā)行，發(fā)行規(guī)模達到70億美元，算是美國量化投資的開端。第二階段（19771995）從1977年到1995年，量化投資在海外經(jīng)歷一個緩慢的發(fā)展，這其中受到諸多因素的影響，隨著信息技術和計算機技術方面取得巨大進步，量化投資才迎來了其高速發(fā)展的時代。第三階段（1995至今）從1995到現(xiàn)在，量化投資技術逐漸趨于成熟，同時被大家所接受。在全部

11、的投資中，量化投資大約占比30%，指數(shù)類投資全部采用定量技術，主動投資中，約有20%30%采用定量技術。數(shù)據(jù)顯示2016年，量化科技在國外的理財產(chǎn)品管理規(guī)模已達到了3.2萬億美元，而通過計算機和數(shù)字模型進行下單和下達指令的比例達到了驚人56%。量化投資基本實現(xiàn)了從最初的技術分析手段，逐漸發(fā)展演變?yōu)槿缃裼薪鹑诶碚撝蔚慕鹑谠O計工具，以計算機程序算法主導的高頻交易。國外量化投資的代表企業(yè)及人物：量化投資的鼻祖巴克萊國際投資管理公司（BGI）。1971年，巴克萊國際投資管理公司發(fā)行了世界上第一只被動量化基金，1977年，巴克萊國際投資管理公司發(fā)行了世界上第一只主動量化基金，發(fā)行規(guī)模30億美元。巴克萊

12、國際投資管理公司的投資管理規(guī)模從1977年的30億美元逐漸發(fā)展到2010年上半年的2萬5千億美元，高居全球資產(chǎn)管理規(guī)模的榜首。指數(shù)化投資的倡導者和實踐者先鋒集團。先鋒集團于1974年由約翰·鮑格爾(John Bogle)創(chuàng)立是世界上第二大基金管理公司。同時，先鋒集團是世界上最大的不收費基金家族，現(xiàn)在在全世界管理著3700多億美元的資產(chǎn)。“贏在投研”富達投資集團。富達投資集團是全球最大的基金管理公司之一，擁有者許多世界級的明星基金經(jīng)理，分支機構遍布全球23個國家和地區(qū)，全球雇員4萬人?！白钯嶅X的基金經(jīng)理”詹姆斯·西蒙斯，文藝復興科技公司創(chuàng)始人采用數(shù)學模型和計算機技術進行投資決

13、策，他所管理的大獎章基金從1989年到2006年平均年收益率高達38.5%，凈回報率超過股神巴菲特?！岸糠治鲋酢?大衛(wèi)·肖，1988年以2800萬美元在紐約創(chuàng)立德劭集團，20年中，集團所管理的基金資產(chǎn)規(guī)模敏捷膨脹，年均回報率高達20%，其最巔峰時期的生意量可以占到整個紐約證券生意的5%。國內篇量化投資在國外已經(jīng)有30多年的歷史，但直到21世紀初，我國普通投資者仍對量化投資幾乎一無所知。量化投資起步較晚的主要原因為：A股市場的發(fā)展歷史較短，投資者隊伍參差不齊，投資理念還不夠成熟；我國證券市場效率低下，量化投資效果不明顯；國內市場對沖工具單一，可量化的標的過少；受到交易規(guī)則的限制，量

14、化投資不能充分發(fā)揮作用，很難引起人們重視。隨著國內金融衍生產(chǎn)品市場的不斷發(fā)展，定性分析越來越不能滿足投資需求，與此同時資本市場制度不斷完善，A股市場的股票數(shù)量不斷增加，基金規(guī)模不斷擴大，基本面研究成本提高，使量化投資的出現(xiàn)成為必然。2010年4月股指期貨的出臺，標志著量化投資在國內市場的發(fā)展進入一個全新的階段。首先，各大機構都在積極組建量化投資的團隊、研究量化投資的策略，很多量化基金產(chǎn)品層出不窮，尤其是在傳統(tǒng)投資基金業(yè)績不佳的情況下，很多利用量化投資策略的基金產(chǎn)品獲得了相當不錯的收益率。其次，隨著融資融券、股指期貨、轉融通等業(yè)務相繼推出，券商資管量化投資十分火熱。國信、華泰、長江、國泰君安等各

15、大券商都在發(fā)力量化投資產(chǎn)品研究，在我國百余家券商中，已有38家券商資管發(fā)行量化產(chǎn)品。同時已有國泰安金融學院，北京大學匯豐商學院，上海交通大學安泰管理學院投入數(shù)百萬開設了專業(yè)的量化投資金融實驗室，并開辦了量化投資高級研修班，為國內量化投資的市場發(fā)展提供了良好的學術和實戰(zhàn)環(huán)境。2015年，上證50ETF期權于2月9日正式推出，這對于對我國的量化投資有著極大的促進作用。4月16日，上證50與中證500兩只股指期貨新品種的上市給量化投資帶來更多的策略的運用，金融衍生品的不斷豐富和發(fā)展，為量化投資提供更多的豐富對沖手段，也提供了更多的套利機會。我國第一只量化基金成立已有12年歷史，此后幾年量化基金發(fā)展較

16、為緩慢，至2011年末市場上僅有15只量化基金，而近兩年量化基金發(fā)展較快，截至2016年市場共有123只量化基金相繼設立（不含指數(shù)型、增強指數(shù)型和QDII基金）。從規(guī)模來看，在2015年量化基金的規(guī)模翻了一番，2016年規(guī)模增速稍有下滑，截至2016年年底量化基金總規(guī)模超1000億元，行業(yè)仍處于快速擴張期?？偟膩碚f，量化投資在國內進行一個短暫的適應性過渡后，已經(jīng)開始步入高速發(fā)展的初級階段了。3. 量化投資市場分析市場現(xiàn)狀目前從事量化投資主要有兩種商業(yè)模式，一種是提供量化商業(yè)平臺服務，可全方位為投資機構提供最專業(yè)的技術和產(chǎn)品支撐，當前市場上知名的量化平臺提供商主要有文華財經(jīng)、金之塔、交易開拓者（

17、TB）、國泰安、龍軟DTS、天軟等，它們大多具有金融IT背景，尤其以期貨行情、交易軟件開發(fā)商居多。另一種就是建自有平臺，搭建一套覆蓋策略研究、回測、模擬交易全流程的量化平臺，主要以優(yōu)礦（通聯(lián)）、聚寬（JoinQuant）、京東量化、米筐、諸葛量化、果仁和盈時為代表。平臺名稱產(chǎn)品上線時間產(chǎn)品服務客戶群體量化標的盈利模式國泰安2009提供涵蓋股票、期貨、債券市場的數(shù)據(jù)、策略研究、回測、模擬、正式交易等全套解決方案。專業(yè)機構客戶股票、期貨、債券機構合作分傭，出售系統(tǒng)及系統(tǒng)維護費龍軟DTS早于2011同上同上同上出售系統(tǒng)及系統(tǒng)維護費。天軟科技早于2011同上同上同上同上文華財經(jīng)2011.2主要提供數(shù)據(jù)

18、、平臺服務，根據(jù)客戶的特點需求編寫策略。個人投資者、中小投資機構股票、期貨平臺使用年費金之塔2011.11同上同上股票、期貨同上交易開拓者（TB）早于2012同上同上股票、基金、期貨交易傭金諸葛量化2014選取參數(shù)，自動生成策略有經(jīng)驗的quant股票會員費用優(yōu)礦（通聯(lián)）2015.6提供編碼環(huán)境，編譯代碼生成策略剛入門的quant，有編程基礎股票、基金、期貨暫未獲取聚寬（JoinQuant）2015.8選取參數(shù)，自動生成策略；提供編碼環(huán)境，編譯代碼生成策略有經(jīng)驗的quant股票、基金、期貨會員費用、策略交易費用果仁、2015.8選取參數(shù)，自動生成策略一般投資者股票、基金會員費用京東量化2015選

19、取參數(shù)，自動生成策略；提供編碼環(huán)境，編譯代碼生成策略同上股票、基金、期貨暫未獲取米筐2014.12提供編碼環(huán)境，編譯代碼生成策略有經(jīng)驗的quant股票、基金、期貨暫未獲取盈時2016.6選取參數(shù)，自動生成策略期貨投資者期貨服務費產(chǎn)品分析隨著金融科技（Fintech）時代的到來，中國金融業(yè)正經(jīng)歷著一場新的變革，并且這場變革不斷升級。中國的金融科技行業(yè)由原來注重流量和模式的1.0時代，升級為以人工智能技術為主導，數(shù)據(jù)為驅動力的2.0時代。量化投資借力人工智能技術，運用現(xiàn)代統(tǒng)計學和數(shù)學的方法，從大量的歷史數(shù)據(jù)中尋找并搭建獲得超額收益的投資策略，服務于個人投資者和機構，也成為了金融科技新時代的領軍者。

20、目前量化投資平臺的業(yè)務模式主要有兩種，一種是給用戶提供編碼的環(huán)境，讓用戶通過代碼編譯生成策略，其用戶群體均擁有良好的編程基礎，具備一定的專業(yè)技能，當前主流編程語言包括Python、Java、MATLAB和R。以聚寬為例進行說明，其交互界面如下圖所示：左側為代碼編譯區(qū)域，用戶在此處將股票指標用代碼表示出來，確立邏輯關系，編譯完成后進行編譯運行，如下圖所示：在右側上方顯示編譯運行結果，包括策略收益走勢圖、最大回撤和相關收益指數(shù)，下方顯示日志和報錯信息，用來檢驗策略的正確性。點擊運行回測，如下圖所示：顯示該策略運行的詳細情況，包括收益值、持倉明細和交易記錄等信息，這樣就成功的創(chuàng)建了一個策略，策略可以

21、導入實盤進行模擬交易。其它類似的代碼編譯平臺，如米筐、優(yōu)礦等，業(yè)務模式和聚寬基本一致。另外一種就是無編碼模式，平臺提供量化多因子讓用戶進行選擇，這些量化因子包括但不限于行情指標、技術指標、財務指標和財報數(shù)據(jù)，用戶通過選擇搭配各指標數(shù)據(jù)，進而生成策略模型，其用戶群體以個人投資者為主。以果仁為例進行說明，其大體業(yè)務流程如下圖所示：其首頁交互界面如下圖所示：第一步：選擇創(chuàng)建策略模型，包括股票策略、基金策略和策略組合。 股票策略和基金策略是指生成一個標的為股票或者基金的量化策略；策略組合是指添加多個策略，通過回測分析，計算策略之間的收益相關度，尋求達到最優(yōu)收益的策略組合；交互如下圖，第二步：擇股設置（

22、默認創(chuàng)建股票策略），是對量化標的的分類變量和數(shù)字變量進行設置。分類變量設置包括對指數(shù)成分、板塊、行業(yè)、所處交易所等信息進行選擇，交互如下圖，數(shù)字變量設置包括對行情、技術指標、財務指標、財報條目、公司事件、情緒和大盤指標的設置。行情指標有股票價格、成交額、成交量等，交互如下圖，技術指標有乖離率、波動率、MA、KDJ、RSI等，交互如下圖，財務指標有估值、清償能力、盈利能力、營運效率和成長能力等，交互如下圖，財報條目有營業(yè)收入、營業(yè)支出、收益利潤、負債和權益等，交互如下圖，公司事件有高管增持、未解禁股本、業(yè)績預告和重大事項違規(guī)處罰等，交互如下圖，情緒有分析師情緒指數(shù)、重倉基金數(shù)和重倉基金持有比例，

23、交互如下圖，大盤指標有指數(shù)指標和交易日歷指標，交互如下圖，對所選指標進行參數(shù)設置，設置比較符、區(qū)間和排名，也可以對指標進行刪除和勾選操作，交互如下圖，點擊選擇選股指標，生成排名條件，策略模型按照排名條件購買股票，若無排名，則優(yōu)先買入成交額大的股票，交互如下圖，第三步，交易模型設置，是對策略買賣股票的時機進行設置，分為定期輪動和條件觸發(fā)。定期輪動模型可以設置調倉周期、調倉時點、空閑資金配置、最大持倉股票數(shù)、備選買入股票數(shù)和個股最大買入倉位等信息，設置完成后，在每一個調倉日，果仁策略賣出倉內的所有股票，并依據(jù)調倉日前一交易日的數(shù)據(jù)，選出股票等權重買入。如果選出的股票已經(jīng)在倉內，這支股票的倉位也會被

24、重新調整成和其它股票一樣的倉位，但如果這只股票因為停牌或漲停跌停無法調整倉位，則倉位保持不變。交互如下圖，條件觸發(fā)模型可以設置調倉周期、調倉時點、空閑資金配置、新股理想倉位、個股倉位范圍、最小建倉倉位和備選股票數(shù)等信息。同時可以對新股買入附加限制條件，包括排名名次、倉內同行業(yè)股票數(shù)和調倉日交易非跌停，也可以自定義條件。設置完成后，在每一個調倉日，賣出滿足賣出條件的股票，把余下的資金等權重買入符合買入條件的新股票。必須滿足所有條件，才會自動買入該股票。交互如下圖，賣出條件設置包括排名名次、持有天數(shù)、止損止盈，也可以自定義條件，設置完成后，當有股票收益排名靠后，或者超過持有天數(shù)，達到止損止盈，只要

25、滿足一個觸發(fā)條件會被賣出。交互如下圖，不賣條件設置包括持有天數(shù)、調倉日交易時漲停和調倉前一日收盤漲停，也可以自定義條件，設置完成后，倉內股票只要滿足一個不賣條件就會繼續(xù)持有，不管是否滿足賣出條件，不賣條件優(yōu)先級高于賣出條件。交互如下圖，第四步，大盤擇時，用戶使用大盤擇時能夠有效減小由整體市場波動帶來的風險，減小策略收益的最大回撤率，為可選項，默認為不擇時。使用擇時模板，決定策略總體持股倉位，包括指標選擇和擇時條件設置。交互如下圖，擇時條件編輯如下圖所示，自定義擇時公式，如下圖，第五步，股指對沖，使用股指對沖可以分析回測策略對沖股指期貨以后的收益情況。為可選項，默認為不對沖。選擇使用對沖，則包括

26、對對沖基金、對沖比例、對沖比例校準周期、保證金比例和月貼水率進行設置。交互如下圖，第六步，完成以上五步，就成功創(chuàng)建了一個策略，用戶可以對策略進行回測、每日選股和實時選股，也可以對選出的股票進行排名分析。選擇策略回測，對回測時間、收益基準和交易費用進行設置，點擊開始回測，如下圖所示，回測顯示信息包括收益曲線、相關收益值、持倉明細和交易記錄等，用戶可以通過對比基準收益來調整指標值，進行策略優(yōu)化。選擇每日選股，可以根據(jù)模型的選股設置，在歷史上任何一天選股，如下圖所示，選擇實時選股，根據(jù)以上模型的選股設置，使用實時行情選股。選擇排名分析，對篩選出的所有股票，按照排名條件劃分成N組，對比每組的收益。排名

27、分析展示所有股票按排名分段的收益情況，提供擇股策略全局有效性分析。其它類似的量化因子選擇平臺，如盈時、諸葛量化等，業(yè)務模式和果仁基本一致。4. 量化投資模塊建立的必要性為專業(yè)投資者提供專業(yè)服務目前市場上的投資者大致可以分成三個等級，分別是普通投資者、中級投資者和高級投資者。建行投資服務體系中的智能投顧主要適用于普通投資者和部分中級投資者，資產(chǎn)比較龐大的客戶通常會選擇私人銀行進行服務，如下表所示：由表可知，當前的投資服務體系并沒有完全覆蓋所有客戶群，部分中級投資者和大部分的高級投資者并沒有相匹配的服務，而這部分客戶卻顯得非常重要，因其具備投資理念和投資經(jīng)驗，一旦提供完善的服務體系，他們會進行持續(xù)

28、而穩(wěn)定的投資。量化投資模塊能夠提供良好的編碼環(huán)境和全面的量化指標選擇體系，投資者可以將成熟的投資理念在模塊中表達出來，通過編程語言進行編譯或者選擇量化指標進行建模，形成一個策略模型，對該策略進行回測分析和優(yōu)化，最終可以得到一個用于實盤操作的投資策略。由此可見，建立一個成熟的量化投資模塊可以完善當前的服務體系，覆蓋所有客群，滿足專業(yè)投資者的投資需求。受投資者追捧微量網(wǎng)2014年1月上線以來，截至目前實盤運行策略2323個，累計成交金額超過193億；米筐2014年12月上線，目前已有超過50萬的注冊用戶；聚寬2015年8月上線到現(xiàn)在活躍用戶已接近80000人，累計超過60萬個量化策略生成。種種跡象

29、表明，量化投資被越來越多的投資者所青睞，這必將成為最流行的投資方式。眾多機構參與，重視發(fā)展前景最近兩年來，越來越多的機構正在加快進入量化投資市場的步伐，它們看中量化投資良好的發(fā)展前景，積極尋求第三方量化平臺進行合作或投資，打造專業(yè)化的量化交易和研究服務平臺，如下表所示：時間機構（投資方）第三方平臺事件2016.10華睿資本、百度Ricequant米筐米筐獲得華睿資本和百度2500萬元的A輪融資2016.11匯垠澳豐股權投資基金量財富量財富宣布完成1億元A輪融資2016.12峰谷資本、啟迪之星、Weroadshow Limited(微路演)烯牛數(shù)據(jù)(Rhino Data)大數(shù)據(jù)量化投資服務商烯牛

30、數(shù)據(jù)(Rhino Data)宣布獲得800萬元天使輪投資2017.4廣發(fā)證券聚寬上線國內首家券商版量化交易平臺2017.4中信證券優(yōu)礦發(fā)布覆蓋投資全流程的量化研究和交易平臺2017.7第一創(chuàng)業(yè)證券Ricequant米筐推出服務于個人的量化終端RQLite以及服務于專業(yè)機構的量化終端RQPro2017.7興業(yè)證券Ricequant米筐專業(yè)的量化研究與交易平臺通過以上數(shù)據(jù)我們不難發(fā)現(xiàn)：目前機構和第三方量化公司合作推出的量化平臺上線數(shù)量增長加快，涉及投資品種增多，券商推出服務客戶的量化平臺的速度也越來越快，但是還沒有一家銀行有傳出類似的消息。5. 量化投資模塊建立的條件基本架構UI展現(xiàn)層UI展現(xiàn)層為

31、前端展示頁面，主要負責展示量化投資模塊子菜單區(qū)域、量化標的區(qū)域、量化指標區(qū)域、策略模型關聯(lián)區(qū)域和回測結果分析區(qū)域，以果仁為例進行說明，如下圖所示：業(yè)務處理層業(yè)務處理層主要負責實現(xiàn)業(yè)務邏輯、與數(shù)據(jù)支持層進行交互、為UI 展現(xiàn)層提供信息等功能。量化平臺整體業(yè)務流程如下圖所示：數(shù)據(jù)支持層數(shù)據(jù)支持層是量化交易的核心，利用Spark等大數(shù)據(jù)技術通過大量計算為量化交易提供理論和數(shù)據(jù)支持，它包括指標計算服務、信號計算服務、實時交易數(shù)據(jù)提供和數(shù)據(jù)處理服務。指標計算服務是指對量化指標進行科學計算，它包括交易數(shù)據(jù)、宏觀經(jīng)濟指標和公司財務數(shù)據(jù)等指標的計算。通過指標計算，可以對量化標的進行劃分歸類。信號計算服務是指量

32、化標的行情的波動導致量化指標達到量化策略的預期，從而觸發(fā)量化策略運行的過程。實時交易數(shù)據(jù)提供是指對量化標的成交價、成交量和漲跌幅等動態(tài)數(shù)據(jù)的轉發(fā)。數(shù)據(jù)處理服務主要研究大量歷史交易數(shù)據(jù)，以圖表形式評估量化策略和投資組合。運行流程量化投資模塊是一個相對獨立的系統(tǒng)，對數(shù)據(jù)和回測系統(tǒng)的要求非常高，其運行流程可大致分為三大步驟：數(shù)據(jù)輸入、模型開發(fā)、回測輸出。數(shù)據(jù)輸入量化投資的基礎就是數(shù)據(jù)，任何策略的設計、搭建都依托于對數(shù)據(jù)篩選、清洗和打磨。目前量化投資公司數(shù)據(jù)的來源多是選擇wind、choice等平臺，優(yōu)勢在于這些平臺數(shù)據(jù)較為全面，可匹配多種軟件接口，但目前都是付費使用，同時也有TB交易開拓者、預測者網(wǎng)

33、等平臺提供數(shù)據(jù)源。輸入數(shù)據(jù)類型包括：實時動態(tài)數(shù)據(jù)（行情、高頻數(shù)據(jù)等）、行為數(shù)據(jù)（新聞資訊、評級報告等）、自定義數(shù)據(jù)（宏觀數(shù)據(jù)、行業(yè)數(shù)據(jù)、企業(yè)財報等）以及投資經(jīng)驗。模型開發(fā)這一階段主要是將投資邏輯通過計算機語言進行編寫，形成可執(zhí)行的程序。在實現(xiàn)的過程中，需要對準備好的數(shù)據(jù)進行大量的計算，而實現(xiàn)的方式一般是使用第三方統(tǒng)計軟件（excel、R、SAS、MATLAB、SPSS等），再通過接口對接到量化平臺上執(zhí)行，或者直接選用量化平臺自身的語言，如天軟的TSL語言；大智慧的DTS的LUA語言來進行編寫開發(fā)?；販y輸出模型建立后，需要通過歷史數(shù)據(jù)對已開發(fā)的模型進行檢驗，對回測報告中不同的數(shù)值進行模型參數(shù)的反

34、復調試。策略驗證是策略實現(xiàn)較為關鍵的環(huán)節(jié)，是控制投資風險，提高策略盈利能力最重要的步驟。在對策略進行驗證后，還需要在仿真環(huán)境下進行測試，這也是量化策略進入實際運營前的最后一環(huán)，觀測觸發(fā)條件后系統(tǒng)相關指標與運行等。從上述量化投資運行流程等，可以看出，量化投資策略搭建極為嚴謹和繁瑣，影響因素較多，投資者及機構從早期準備到策略搭建再到回測輸出，需要投入較長的時間。量化標的選擇目前量化投資標的已從傳統(tǒng)的基金延伸到債券、股票、期貨、外匯等領域，這些投資標的因其相關數(shù)據(jù)指標可以被量化，所以能夠很好的用計算機語言來表達或者直接拆分成若干量化因子，便于讓投資者理解。結合建行現(xiàn)有的投資產(chǎn)品，基金、外匯、貴金屬和

35、賬戶商品，我們從產(chǎn)品豐富度、數(shù)據(jù)更新頻率、交易模式、交易費用、影響價格主要因素和技術分析成熟度六個維度進行分析，如下表所示： 基金外匯貴金屬賬戶商品量化分析優(yōu)先級排序產(chǎn)品豐富度五種類型共2168只基金對應有14種產(chǎn)品對應有10種產(chǎn)品對應有3種產(chǎn)品1基金2外匯3貴金屬4賬戶商品數(shù)據(jù)更新頻率凈值按交易日更新價格每30秒刷新一次價格每20秒刷新一次價格每6秒刷新一次1賬戶商品2貴金屬3外匯4基金交易模式T+1交易制度， 只能買漲T+0交易制度，雙向交易T+0交易制度，雙向交易T+0交易制度，雙向交易1賬戶商品貴金屬外匯2基金交易費用千分之二以內不同品種，點差不一樣不同品種，點差不一樣人民幣計價點差不

36、超過0.2，美元計價點差不超過0.0251貴金屬外匯2賬戶商品3基金影響價格的主要因素國家政策影響地緣政治和國際事件影響地緣政治和國際事件影響供需調節(jié)和國家政策影響1 貴金屬外匯2賬戶商品3基金技術分析成熟度無細化技術指標，分析體系不成熟技術指標全面，分析體系成熟可靠技術指標全面，分析體系成熟可靠技術指標全面，分析體系成熟可靠1賬戶商品貴金屬外匯2基金投資產(chǎn)品豐富程度越高，量化可選標的就越全面，量化結果較單一產(chǎn)品就更具科學性；投資產(chǎn)品數(shù)據(jù)更新頻率高，表明其行情波動特性強烈，利于做量化分析；投資產(chǎn)品交易制度完備，支持雙向交易，投資轉換效率就越高，就能更好滿足量化交易需求；交易費用多元化體現(xiàn)，能夠細分量化標的，使量化策略分析結果更準確；影響價格的因素較多，行情波動頻率就越高，利