量化投资篇1

在40岁之前，西蒙斯是一位在数学界颇有名望的教授，先后在麻省理工学院、哈佛大学、美国国防分析研究院和石溪大学任职。他和华裔科学家陈省身共同创立的陈-西蒙斯理论推动了拓扑几何的研究进程，被运用在天体物理等领域。

但从学术研究转型后的西蒙斯，在投资领域的风头更劲。初创时期，西蒙斯和大多数投资者一样，通过关注和分析各种经济数据和宏观事件来做投资判断，但他逐渐发现很多价格变化是有规律可循的，并且能通过一定的方法进行预测；因此，1988年建立大奖章基金之后，他把投资方法从判断型转变为量化投资。

大奖章基金的投资产品必须符合三个标准：公开交易品种、流动性足够高、适合用数学模型来交易。而要符合第三个条件，该交易品种必须有充分多且可以进行分析的历史价格、交易量等数据，从而找出最适合的交易模型来进行量化投资。西蒙斯认为，数学模型可以降低投资人的风险以及所需承受的各种心理压力，因为模型没有感情，一旦选定就会自动执行，能够克服人性在市场面前暴露出来的弱点。

另辟蹊径独树一帜

作为一个投机者，西蒙斯从学生时代起就开始涉足大宗商品，其目标是找出交易中的漏洞，后来他也因此而著名。

西蒙斯早期凭着对供求的直觉进行商品期货交易，充分利用了20世纪70年代商品价格的大起大落。从20世纪70年代末开始，西蒙斯聘请了一批优秀的数学人才创建交易模型，他们将破译密码的运算法则用于寻找市场数据中并不明显的规律。

1988年，西蒙斯建立了后来赖以成功的平台，并创办了大奖章基金，根据计算机给出的信号进行商品和金融期货交易。该系统的核心是趋势跟踪模型，每一小部分的资金都会根据不同的规则加以利用，这是西蒙斯后来赚钱的精髓。

西蒙斯是通过捕捉市场大量异常瞬间机会来赚钱，他认为：“有效市场假说是基本正确的，也就是说，市场没有什么明显的套利机会。但是，我们关注的是那些很小的机会，它们可能转瞬即逝。这些机会出现之后我们会做出预测，然后进行相应的交易。交易之后，我们又会对新的市场情况进行跟踪和评判，预测也会相应调整，投资组合也会跟着变化。我们总是不停地买入、抛出。我们之所以赚钱，就是靠不停的交易。”

但是，频繁的短线操作可能产生流动性风险，即如果市场深度不够，大量交易会对价格产生影响，而这种价格变化意味着卖价降低、买价升高，交易成本增加。而大奖章基金能长期占据行业翘楚地位的原因之一就是，西蒙斯对流动性风险的把握。例如，基金所投资的金融产品都有很好的流动性，且仓位很分散，包括全球各地的各种金融产品，每个交易的数量都很有限，并不断加强和完善电子交易的流程和系统。

石溪大学数学系的教授亨利・劳费尔在20世纪80年代中期发现，市场总在某个事件干扰之后立即变动。例如，在新数据公布后的一段时间，商品或货币将随着不同投资者的反应而上下波动，尽管这种波动在肉眼看来好像是随机的，具有高清晰度统计能力的科学家却可以辨认出变动的模式。

这并不是说商品价格在每个消息之后会以同样的方式变动，但如果仔细察看对很多事件的反应，某些结果出现的次数总是略微超过所有样本的一半。通过对这些结果重复下注，西蒙斯团队盈利的机会就会大于亏损的可能，通过以足够的规模多次的下注，他们就可以保证丰厚的利润。

这就是大奖章实现丰厚利润的模式，但这种算法对大部分人来说仍然是个秘密。他们发现这种模式的原因以及该算法能带来惊人利润的原因是可以理解的，其秘密部分在于选择短期。通过考察短期内的商品价格变动，劳费尔可收集数以千计的样本，提高发现统计上显著的重复模式的可能性。另外，短期信号可能会更有价值，也更容易找到。如果能预测未来几天内商品价格的变动方向，几天时间就足够下注并将利润收入囊中。最后，短期预测往往比长期更让人有把握，不可预见的因素使预测变得不准确的时间更短。因为是相对把握比较大的短期预测，西蒙斯的团队可以在赌注上利用杠杆效应，放大其利润。

当西蒙斯1988年创办大奖章基金时，大约15%的资本用于短期交易，其余的是通过传统的趋势跟踪模型进行交易。成立之初，该基金前途一片光明，然后突然急转直下，到1989年5月，基金净值和峰值相比下跌近四分之一，西蒙斯决定暂停交易。

西蒙斯及其团队认为，麻烦在于大奖章系统趋势跟踪的支柱作用已经消失，太多商品公司的模仿者涌入，经纪公司向客户推销的商品基金太多，趋势跟踪成了时髦。

二次出发

经过几个月的思考，西蒙斯决定以短期信号作为体系的新核心。1990年，重新启动的第一年，大奖章基金在扣除费用后创下56%的回报率，这是一个良好的开端。

开局良好让西蒙斯确信，数学家们破译密码的方法最终能破译市场的密码。他决定利用自己的优势，聘请数学家进入团队，其中包括弗吉尼亚大学的物理学教授罗伯特・劳里。很快研究小组发现，在美国商品市场有效的模式通常在国外市场也有效。而且，经过一些挫折后，西蒙斯团队用找出微弱信号的方法发现了股票市场的模式。

西蒙斯将计算机科学家、物理学家以及天文学家都纳入团队，不过他从来不雇佣经济学家及华尔街专业人士。他认为股票市场就是一个数学难题，与实体经济的构造组成没有关系。他说：“我们不雇用数理逻辑不好的学生。”因为“好的数学家需要直觉，对很多事情的发展总是有很强的好奇心，这对于战胜市场非常重要。”他甚至雇用了一些语音学家，包括贝尔试验室的著名科学家彼得〃韦恩伯格，并从IBM公司招募了部分熟悉语音识别系统的员工，他说：“交易员和语音识别的工作人员有相似之处，他们总是在猜测下一刻会发生什么。”

事实证明，大部分时候，用数学方法分析市场取得了极大的成功。西蒙斯在电脑上投入巨资，将所有能想到的每种形式数据都输入电脑，如金融市场价格、经济数据、新闻消息，甚至天气的时间序列数据。团队对微弱信息的探求越深入，在几乎任何类型的数据中成功发现盈利模式的可能性就越大。

例如，智囊团发现，股指在晴朗日子往往呈现上升趋势。通过在天气晴朗日期的早餐时间买入稍后再卖出，大奖章基金就可以盈利，只是这个盈利太少，不足以弥补交易成本，这也是文艺复兴科技公司公开这个信号的原因。

文艺复兴科技公司发现的许多模式从单个来说并没有什么大不了，毕竟从根本上来说，市场是近似有效的。但是，通过发现大量小规模的无效，并将它们融合到一个单一的交易程序，文艺复兴科技公司创建了一个每年都带来利润的系统，尤其是动荡时期。

1994年，大奖章扣除费用后的回报率达到71%。在2008年的市场崩溃中，该公司扣除费用后上涨了80%，而在扣除费用之前几乎达到160%。

2009年退休时，西蒙斯身价已经远不止亿万。仅2006年，据说他的个人收入就达到15亿美元，相当于星巴克115000名员工和好事多118000名员工创造的企业利润总和。让其他对冲基金惊讶的是，大奖章基金的神奇业绩表明，它对20世纪90年代到21世纪初的竞争压力具有超强的适应能力。

同时，西蒙斯聘请了已经成名的科学家和数学家，而不雇用年轻的计量分析员，更不会招聘华尔街的资深人士。此外，他也没有采用金融学术界的思想，而是构建了属于自己的系统。

不走寻常路

1993年，西蒙斯给他的智囊团补充了两个重要人物：彼得・布朗和罗伯特・默瑟。他们来自IBM公司的研究中心，在未来几年里对大奖章的成功做出了不可磨灭的贡献，最终在西蒙斯2009年选择退休时掌管大局。这两个人相辅相成：布朗精力充沛，充满激情地快速处理当天的每件事情；默瑟则较为冷静。

在到文艺复兴科技公司之前，布朗和默瑟曾经从事密码破译方面的工作，但他们真正的成就在于对计算机化翻译的颠覆性贡献。

大奖章基金取得令人惊叹的成功的原因是秘密，很显然，布朗和默瑟的编程方式和其他对冲基金程序员所想的完全不同，这也是一种“武器”。

拿着看上去随机、又没有进一步线索的数据，他们会反复察看以找出规律，利用计算机的力量去寻找那些肉眼看不到的微弱信号。

文艺复兴科技公司产生于商品技术分析交易，这一方法的传统是将价格数据放在首位，该公司早年的发展历程至关重要，在很大程度上是得益于已经成名的密码破译员和翻译程序员，他们是能辨明微弱信号真假的专家。

罗伯特・默瑟认为，对于虚假相关性应保持警惕，但也同样认为有些直觉上不合理的信号确实有用。事实证明，对文艺复兴科技公司来说，最能带来盈利的、最持久的信号往往是直觉上不合理的信号。默瑟说：“我们一直不间断地用来交易15年的信号就不合理，否则别人也可以发现。”

文艺复兴科技公司还有一个显著特点，即开放性。尽管其他量化投资对冲基金启用了严格的内部防火墙，只将信息少量给需要的员工以保守秘密，但文艺复兴科技公司的气氛完全不同，西蒙斯认为开放的环境能够促进团队合作。

西蒙斯制定了一项补偿制度，以加强团队合作的氛围，研究人员的工资与公司的利润挂钩，而不是和部门的结果挂钩。公司的基础设施也方便大家合作，布朗和默瑟创建了一个多个程序员可以同时工作的系统，研究人员甚至可以改编这个内部编程的语言，以表达新想法。

在这个协作的体系中，员工输入大量现代社会产生的数据。金融越国际化，就有越多国外市场的统计数据需要输入系统；商业越数字化，就有越多新的数据可得，如电子商务销售、网上冲浪习惯等。金融电子化创造了大量的意外信息。在旧时代，逐个跟踪交易信息是可能的，现在已经可以看到每只股票的每个要价和出价，包括那些从未成交的交易。可能性越扩展，就越可能超出几个人的考虑范围，但文艺复兴科技公司具有团队精神的员工可以应付这种复杂的局面，并不断取得进步。

然而，公司的团队合作氛围也可能带来风险，它的假定是没有团队成员会带着交易机密离开，然后成为原来公司的竞争对手。因此，文艺复兴科技公司对员工的忠诚度进行了审慎的考察，并与每个员工签署了非竞争性和保密协议，并要求员工将工资的四分之一放在大奖章基金，作为一种保释金锁定，直至他们离开后四年。

然而，2003年，这个办法出现了问题。文艺复兴科技公司招收了两名俄罗斯人，但他们在掌握了公司的机密之后拒绝签署保密协议，而是要求加薪，否则就将投奔竞争对手。

西蒙斯拒绝被勒索，这两个俄罗斯人离开了公司，加入了另一个对冲基金。在表面看来，这似乎是个灾难性的打击，因为文艺复兴科技公司的开放性，这两个俄罗斯人非常了解系统是如何运转的。如果他们开始基于文艺复兴科技公司的信号做交易，会与大奖章基金形成竞争。然而，引人注目的是，大奖章基金的业绩仍然让对手望尘莫及。

部分原因可能在于文艺复兴科技公司的律师，通过那两个俄罗斯人及其新雇主，使得他们不敢全面推出竞争性系统，而且2006年法院裁定两名俄罗斯人必须中止交易。但是，这并不是全部原因，因为此前这两名俄罗斯人已经运作了竞争性系统达两三年时间，但大奖章基金在该期间的表现仍然非常出色。

这个教训似乎说明，文艺复兴科技公司的基础设施与其研究同样重要，而且研究本身在不断进步。建立这个系统投入了大量的时间和金钱，系统每天能吸收大量数据，能让研究人员接触并处理这些数据，并将这些研究成果转换为几十万笔自动交易。而且，在两名俄罗斯人努力建造类似平台时，文艺复兴科技公司的员工在继续前进，竞争对手一直在追赶一个快速移动的目标。

量化投资篇2

股神巴菲特的价值投资理念已经深入人心，他利用个人经验和智慧判断进行的投资受到投资界的推崇。不过，与巴菲特这种重思想、重洞悉力的定性投资模式所不同的量化投资，在美国也取得了成功。

数学家成“最赚钱基金经理”

在美国投资界，相比声名显赫的巴菲特，西蒙斯虽罕为人知，但他所管理的大奖章基金，从1989年到2006年的平均年收益率高达38.5％，净回报率已超过巴菲特。即使在2007年次贷危机爆发当年，该基金回报仍高达85％，西蒙斯也因此被誉为“最赚钱基金经理”、“最聪明亿万富翁”。

西蒙斯的投资成就，就是来自于定量投资。在进入华尔街之前，西蒙斯是个优秀的数学家，24岁就出任哈佛大学数学系教授。

与巴菲特的价值投资所不同的是，西蒙斯依靠数学模型和电脑管理着自己旗下的基金，即用数学模型捕捉市场机会，由电脑作出交易决策。他称自己为“模型先生”，认为模型比个人主动投资可以更有效地降低风险。在他的公司里，雇员中有超过三分之一的人拥有数学、统计学和自然科学的博士学位，而华尔街高手只有两位。该公司从不到商学院中雇佣职员。

不依靠华尔街的经济学家和分析师，西蒙斯也为投资人创造了惊人的回报。

其实，定量投资与量化基金在海外的发展已有30多年的历史，其市场规模正在不断扩大，投资业绩稳定增长，市场影响力不断提高，已成为海外基金管理公司提高管理能力，扩大产品线长度、广度和深度，分散基金管理风险及服务细分市场的重要工具之一。

投资思想融入数学模型

据嘉实基金公司的王永宏博士介绍，定量投资和传统的定性投资本质上是相同的，两者都是基于市场是非有效或弱有效的理论基础，投资经理可以通过对个股估值、成长等基本面的分析研究，建立战胜市场、产生超额收益的组合。不同的是，定性投资管理较依赖对上市公司的调研，以及基金经理个人的经验和主观判断，而定量投资管理则是“定性思想的理性应用”。定量投资的核心投资思想包括宏观周期、估值、成长、盈利质量、市场情绪变化等等。

俗话说，“条条大路通罗马”。巴菲特与西蒙斯的投资理念与成功，说明投资没有一定之规。

以巴菲特为代表的一类投资家认为，“现实世界是极为复杂的，经验与思考才是财富制胜之道”。因此，其成功的关键，不是顶级的科技，而是对市场的理解、洞悉和不随波逐流的勇气。即以“人”的因素造就财富的增值。

西蒙斯代表的一类投资家则被看作是推论公式、信任模型的数学家。他们利用搜集分析大量的数据，利用电脑来筛选投资机会。并判断买卖时机，将投资思想通过具体指标、参数的设计体现在模型中，并据此对市场进行不带任何主观情绪的跟踪分析，借助于计算机强大的数据处理能力来选择投资，以保证在控制风险的前提下实现收益最大化。

目前量化投资观念也在中国兴起，量化产品正开始萌芽。新发行的嘉实量化阿尔法基金就是量化投资产品，其试图将投资专家的锐利洞悉和数学家的严格客观进行整合，在基本面分析的基础上，提炼出产生长期超额收益的投资思想，借助计算机系统强大的信息处理能力构建定量模型及投资组合，并根据市场变化趋势及时动态调整，加上基金经理严格遵守纪律性投资法则，使该基金在融合定性投资思想精髓的同时。能够规避基金经理个人情绪对组合的影响，有效克服人性弱点，力争取得长期、持续、稳定的超额收益。

此外，嘉实量化阿尔法基金将以全市场、全策略选择投资对象，360度的全市场扫描，避免基金经理个人偏见、精力不足造成选择范围的局限，充分分散风险，以解决基金业绩和规模相互约束的矛盾，并通过精细化的投资运作，掌握细微的结构性投资机会。

量化投资是否适合中国

谈到量化投资方法在中国是否适用，嘉实量化基金拟任投资经理王永宏告诉记者，由于量化投资是一种主动投资策略，主动投资的理论基础就是市场非有效或弱有效，基金经理通过对个股、行业价格变化的驱动要素的分析研究，可以建立投资组合，从而战胜市场，获得超额收益。

他认为，与海外成熟市场相比，A股市场的发展历史较短。投资理念还不够成熟，相应地留给主动投资发掘市场的潜力和空间也更大。定量主动投资以基本面分析为驱动，以全市场、多维度的视角广度扫描投资机会，在中国市场的应用将更显其优势。

嘉实总经理助理陶荣辉指出，利用具有定性思想的定量分析，让量化模型与基金经理相结合，不仅让基金投资变得更加完美，也能把基金经理和投资总监们从琐碎的日常信息分析中解放出来。基金经理可以花更多的心思考虑市场趋势的变化、结构的变化，以及向模型中添加哪些新的信息，投研总监也有时间去考虑市场上的“黑天鹅”事件了。

量化基金业绩有所分化

目前市场上已经有了多只以量化为投资策略的基金，如光大保德信量化核心、上投摩根阿尔法基金等。

相关资料显示，前者是通过光大保德信独特的多因素数量模型对所有股票的预期收益率进行估算，个股预期收益率的高低直接决定投资组合是否持有该股票。同时。投资团队从风险控制的角度出发，重点关注数据以外的信息，通过行业分析和个股分析对多因素数量模型形成有效补充，根据预先设定的风险目标构建投资组合。

后者以量化指标进行个股筛选。然后研究团队将对个股进行基本面审核，结合跟踪误差的紧密监控，以求不论指数高低、市场多空皆创造主动管理回报。

从业绩上看，上投摩根阿尔法的表现更稳健，基本处于同类基金的前三分之一位置，其较强的选股能力或许正是量化投资的成果。

然而。量化投资在中国还不是很普及，能否在中国获得更多投资者的信任，需要不断探索与实践。量化基金任重而道远。

基金动态

国泰双利债券基金正在发行

国泰基金旗下第2只债券型基金――国泰双利债券基金自2月18日至3月18日通过建行、工行、中行、交行、招行等银行及各大证券公司发行，托管行为建行。据悉，该基金是一只注重“利息收入”的稳健型基金，立足债市的同时兼顾股票二级市场投资机会。

富兰克林国海成长动力发行

富兰克林国海成长动力股票型基金现正发行，拟任基金经理为公司研究总监潘江。该基金股票投资比例为60％～95％，将重点投资于具有内生性增长和外延式扩张的积极成长型企业。投资者可通过中行、工行、建行、招行、中信等银行及国海证券等代销渠道认购，也可通过公司直销柜台或网站认购。

广发强债基金首次分红

广发基金公告称，广发强债基金将进行分红，每10份基金份额分红0．3元。权益登记日、除息日为2月20日，红利发放日为2月24日。

华宝兴业三基金评为双五星

根据银河证券最新公布的基金评级结果，华宝兴业旗下有3只基金一年期、两年期评级均为五星，成为拥有“双五星”基金数量最多的基金公司之一。华宝兴业多策略增长基金、动力组合基金和宝康消费品基金的一年期和两年期评级均为最高级五星级，其中多策略增长基金的一年期、两年期和三年期评级均为五星级。

易方达基金业绩很抢眼

今年以来，截至2月13日，284只开放式偏股基金除个别基金外全线飘红，实现了正收益，其中不少基金跑赢同期上证综指涨幅。混合偏股型基金易方达价值成长，以29.98％的收益率位居混合偏股型基金前茅。

量化投资篇3

在银华基金副总经理兼量化投资总监周毅看来，量化投资成功的关键在于团队。目前，银华基金已初步完成了量化团队的人员配备和流程建设，未来，将努力打造一只国内领先的专业化、综合性的旗舰量化投资团队。

分级基金为突破口首战告捷

由于量化投资在股票市场的应用范围较广，包括金融工具设计、指数增强、市场中立阿尔法模型以及套利策略等等多个方面。在反复比较深思熟虑后，周毅选择将金融工具创新作为突破口。

周毅认为，相比于其他的量化投资领域，金融工具与市场地域性特征关联度最低，因此移植性最强，成功概率就越高，同时在中国市场相对比较欠缺。所有的金融工具中，在国外使用得最广泛的就是结构化。

截至今日，银华共推出了三只指数分级基金和一只股票型分级基金，包括银华深100（首只深100分级指基）、银华中证等权重90（首只等权重分级指基）、银华中证内地资源（首只投资主题指数的分级基金）和银华消费主题（首只主动管理的主题类分级基金）。这四只分级占据目前市场上分级基金规模的绝对优势。银华深100是上市首只首日出现双溢价的分级基金，也是目前是场内规模最大的基金，约为150亿元左右；银华中证等权重90是第一个触阀值折算的分级基金，为所有分级产品的发展完善和风险控制提供了可借鉴的宝贵经验。

“市场和投资者以自己的方式证明了分级基金这种金融创新符合A股现阶段的运行特点，满足了国内投资者对杠杆和借贷收益的需求，更坚定了我们在工具型产品的研发和量化投资策略推广上的信心。”

看好中国量化投资“钱”景

不过分级基金只是整个量化投资应用中金融工具设计的一部分，其发展的背景是目前国内衍生品缺乏的现状。周毅表示：“我们想做全方位的量化投资，包含量化投资的各个领域。”

今年以来，银华的多只专户产品已经成功在A股市场上综合应用以上两项策略。据记者了解，银华专户产品中，表现最好的账户年化收益（扣除各种费率后）大幅超越同期沪深300指数。波动率仅约为沪深300波动率的1/3。尽管受现有法规和交易平台限制，在美国应用的量化策略大多数无法在A股实现，但银华在专户对冲产品上的成功尝试，证明了在国内利用量化投资方法可以获得绝对收益，而且随着各种限制的宽松化以及杠杆机制的引入，量化绝对收益产品可以拥有巨大的发展空间，中国式量化投资前景广阔。

志做国内旗舰量化团队

周毅将银华目前在量化投资领域所取得的诸多成就都归功于其全业务线的量化团队打造。银华在业内属于较早开展专门的量化投资研究的公司之一，目前量化投资团队已经达到16人，职责涵盖了金融工具、α策略、套利及实时风控等量化投资的各个业务链。“量化投资成员所搭建的系统平台，形成了稳定的流水线，为量化产品的运作提供了坚实的保障。”

量化投资篇4

我讲的可能跟其他几位嘉宾讲的不一样，说实在今天我们也提到鲁班和孔子的问题，我既不是鲁班的弟子，更不是鲁班，因为鲁班的弟子是在座大部分的各位，我最多算是孔子的弟子，所以我讲的东西并不是那么偏应用，而是反过来讲一下最基本的应用，因为量化投资的基石叫数据，所以新基石就是大数据，大数据跟数据到底有什么联系和区别，这是现在随着互联网技术发展很不同的地方。​

​

大家都知道中国已经崛起了，已经不再是一百年前的东亚病夫了。但是不管如何，我们跟美国还是有差距的，我们在有一个问题上很可能超过美国就是大数据，道理很简单，中国有13亿人口，我们每人发一条微博就是大数据了。美国是自由的社会，什么东西都可以说，你不需要在微博和网络上说。中国不一样，中国的制度有点特殊，很多东西不让你说，我们所有的发言记录全部留在网上，网上的这些东西是不是能够构成将来的一笔财富，这个问题是我今天所要回答的。其实你在很多人眼中手握财富，特别是我跟公司的部门和领导交流的时候，他们手握财富都不知道。​

​

我举一个最简单的例子，我每次去体检的时候，他每次要收我180块钱，我很不高兴。我说能不能给你出个主意，你不交钱的话就别来了，我们每年那么多学生，那么多老师去体检，这个数据是谁关心的，是保险公司。但是这笔数据确实在闲置，今天我班门弄斧把最基本的问题谈一谈，我讲的东西并不是特别难。​

​

我稍微介绍一下大数据的背景，因为时代在发展，很多东西去年和现在最热的就是互联网金融，互联网金融背后就是大数据，所以大数据、原材料、工人、厂房将来都会成为投入的基本要素。为什么这么讲，今天我稍微简单介绍一下这个内容。因为我这个人的名字比较普通，你们在媒体上和报纸上看到我写的文章，可能也不知道，因为中央电视台有一个主持人叫李勇，他长的比我帅，财政部有一个副部长也叫李勇，我经常写一些文章谈大数据，我写了一份内参已经到中央去了，今天环球时报已经刊发了。我刚刚提到中国现在是大国了，但是中国在全球的地位可能跟美国不一样，中国既不是高大帅，也不是白富美，更多的是土豪，这是老外对我们的感觉。但是我们在大数据问题上，我们是有发言权的，这个东西确确实实在各行各业都有很大的价值。但是我现在集中金融行业，所以我这本书讲大数据在银行业、保险业、金融监管，我做的很多东西是在研究怎么用大数据追踪老鼠仓，怎么用大数据进行金融监管，这是政府很关心的问题。​

​

大数据是不是就是一个大字，很多人误认为就是数据比以前大了，为什么现在大家对大数据的概念，每次都听各种各样的媒体在谈大数据，大家都知道现在阿里巴巴[微博]在做小额贷款，这个东西传统金融行业是无法解决的。但是现在阿里巴巴淘宝的用户，它有很多的数据，阿里巴巴是有的，所以他可以利用这些数据进行小额贷款发放，它的收益是非常好的。我们移动公司和联通公司，这个数据一旦用了，你们每个人的手机号码，你们每个人的信息都是有的，这个数据一旦利用起来那是不得了的。但是很多时候可能是闲置的，而且我们各个单位之间也是相互保守的，这样就阻碍了交流了。​

​

为什么从小数据到大数据的过渡，主要是由于技术的发展，只要技术发展好了，腐败越来越难了，只要利用大数据对每个省的领导进行监控，现在我们用iPhone手机，观察一个月，你相信你的男朋友绝对逃不了你的法眼。所以随着技术的普及，每个人都有智能手机，包括云计算，现在技术的发展导致搜集数据的能力越来越提高，在座的各位，在我们那个时代是互联网刚有的时候，一个男孩子能够上互联网，能够用网络跟人聊天找个女朋友太容易了，像我们出身比较差的，2001年我才会用word另存为，那个时代一个小小的U盘是非常昂贵的，现在我们用的U盘都是16G、800G、1000G的了，数据量大了以后是不是大数据，不是这样的。还有其他的附加条件，首先是类型多样，你们所熟知的大数据，这些东西是不是将来发展的主流，不一定。数据要会创造价值，我们利用的微信一天下来更新多少。所以在国际上有定义，各个书本上也都有，主要是海量、快速流转、多样性、价值，不光是量大，它流转的速度和多样性存在价值，怎么样发掘价值。​

​

大数据给大家带来了改变是什么，数据量越多，我们不再是用样本进行推断，第二个问题是精确性和混杂性，我们关心的问题不一样了。这个东西大部分都是搞量化的人，为什么以前用样本，现在随着技术的进步，虽然说我不能够完全把整个技术找到，但是基本上我可以通过技术的手段搜集大数据，信息掌握的越来越精确。在精确性当中，我们也存在一些噪音，就是混杂性，我们观察背后大部分的东西，我们学过统计的知道，我们关心的是大数据，什么东西呢？你把它放在一起的时候会发现有非常明显的区别，比如说东北的女人喜欢打老公，上海的女人做什么事情精打细算，所以说娶女孩一定要娶两个地方的，就是广东客家和川妹子。这个地方不再是因果性的，我所关注的是背后的联系是什么，这个东西在大数据时代，我只要发现A和B有相关性这样就可以了，A和B为什么涨，这些东西留给谁干，留给我们这帮孔子的弟子去做。大家分工不同，不要那么较真，你们找相关性，我们找因果性，大家各自有口饭吃，你们把钱赚了，我们把因果关系找出来了，我们不要互相批评我，你什么也不懂，等钱还没有赚到的时候，什么都没有了，机会也丧失了。​

​

大数据的类型，我们所理解的主要分为两种，一种是结构性数据，包括通常接触的数据库所管理的信息，包括生产、业务、交易、客户信息等方面的记录。虽然我是国内为数不多在金融界关注大数据的老师之一，我对数据的想法稍微不一样，大家的分工不同。比如说高频数据量大有价值，开发这种策略可赚钱，这个东西我不想多说了，这是结构性数据，关键我想说的是非结构性数据，这对量化投资有什么价值，这个东西我相信是比较新的内容，而且也是很多人没有关注的内容，更重要的是大家接触的并不是太多。​

​

实际上我们讲起来确实很简单，非结构性数据不是我们现在所看到的数据，而是文本的数据，是我们发微信，发微博，聊天的数据。因为它是文本型的，这些数据的发展是最新的内容。不知道在座的各位是不是喜欢用微信，我学会用微信时间不长，因为我是QQ的忠实用户，我第一次接触就是QQ，一直对QQ很钟爱，有一天我突然发现我用QQ通知几个学生没有人理我了，我把学生叫来问问，现在不用QQ了，我们已经用微信了。因为我比较讨厌用智能机，原因你们懂。​

​

这些东西跟量化投资到底有什么用途，我也跟很多公司聊，现在做对冲基金的时候，我们可以想一想，投资的游戏最终还是人的游戏，这个东西不通过高频是得不到的，就是通过聊天数据，很多人讲了随着技术的进步可以解决。对我来说这个并不重要，对你们来说有门槛限制，但是对我来说无所谓，我们是孔子的弟子。我们在座大部分是鲁班的弟子，你们想开发什么策略，我不需要。有的时候理念也很重要，苹果的乔布斯可以不懂技术，但是没有乔布斯的苹果还是苹果吗？社会分工不同，这个时候已经有公司在国外，这个比较新，从社会媒体聊天网站，我们叫推特，Facebook，通过这些数据可以构造出指标，这个指标谁来构造，我这种人，处理数据我没有这个能力，这些需要金融方面的专家，需要行为心理上的专家，需要数据挖掘技术上的专家，需要不同的鲁班加上策略方面的人在一起，最终可以构成一个对冲基金。2011年英国对冲基金建立了规模为4000万美金的对冲基金，情绪一定是对很多东西提前感知。比如说像某一个疾病的发生，特别是流行病，在这个病发作以后先去查症状是不是跟这个一样，我们先不会上医院。在查的过程中你的行为已经被人记录，大家Google或者是百度[微博]可以提前到疾病在哪个地区发生，我们讲同样的道理，对股市的预测也是一样的。所有人都努力获得成功更高的概率，如果没有这一条没有人努力，只能说努力提高你未来成功的概率，如果没有这一条，现实世界一定会发生很大的变化，大家有没有去努力和奋斗。​

​

我们通过数据的分析掌握了动向，通过分析这么多用户的微博帐户的留言，判断民众的情绪，根据人们高兴你们发的笑脸，这个时候我认为是一个指标，不高兴的时候发一个悲伤抓狂的指标，根据这些综合可以开发出一个指标出来，这个可以作为投资者投资的依据。所以大数据在各个行业的应用很广，米歇尔已经访华了，奥巴马选举成功早已经被预测到了，这是公认的。大数据的发展已经涉及到国家安全，我们内参写的是如果再不对大数据进行立法，不把大数据作为资产保护，如果被人家掌握了，中国没有或者被人家窃取了，将来你作为大国怎么在全世界立足，中国在这方面有明显的人口优势，中国的航空母舰打不过美国，我们说话还说不过美国吗？所以说量化投资的东西做高频交易，这里我想强调一点，通过非结构数据未来的量化投资方式，也许在未来几年或者更长一段时间里，也许在中国如雨后春笋般发展起来，变成货币基金中的战斗机，人出名太快不是好事情，所以导致现在有一些危机，我只是想跟大家讲互联网技术的进步、大数据的发展所带来的收益也许不是大家想象那么简单的，也许是很快的，这里我们说的委婉一点。​

量化投资篇5

在美国注册一个证券公司只需要满足两个基本条件：1.持牌人；2.净资本。外行人以为证券公司的净资本要求很高，其实不然，多年未改的净资本规定是三个级别：5000美元，25000美元和100000美元。在此之外，证券公司还要满足与专项业务相关的自有资金规定，所以，资金实力越强的证券公司可参与的业务越多，业务规模也越大。证券公司的自营投资业务是直接与一级注册净资本挂钩的，任何时候无论由于什么原因，只要公司的净资本低于注册规定，该公司必须在24小时内发电报通知监管机构，并在发出电报之时进入“读秒”，48小时内必须再发电报陈述解决方案，否则该公司的交易终端就自动切断了。这就是我们在美国经营证券公司的铁律之一：“24小时电报，48小时解决。”这条铁律约束着证券公司的自营投资额度与内部风险管控。

以光大证券为例，当电脑绕过公司内控直接连续下单时，交易员应立即启动紧急处置预案，券商应停止交易并“保护现场”，主动向监管机构报告并听候处理，这就是不久前高盛在电脑“乌龙指”发生后采取的动作。中国证监会并没有处罚光大证券的“乌龙指”，而是处罚光大证券在事发后“破坏现场”，违规套利，“本能地”跨越了两道“防火墙”：1.股票自营投资的“乌龙指”引发期货套利对冲，说明公司内部在这两个部门之间没有设置“防火墙”；2.交易部门“自发”的套利对冲与公司高层“自发”的信息几乎同时进行，说明公司在管理层与交易员之间没有设置“防火墙”。就是这种“本能”与“自发”的行为习惯，把交易部门的技术失误升级为公司高层的恶意违规。

伴随着电脑技术的进步，程式化交易与量化对冲模式在上世纪80年代中期到90年代中期进入美国证券业，在此期间有两大事件影响深远：其一是1987年10月19日的“黑色星期一”；其二是1998年的长期资本管理公司破产。前者告诉人们，电脑系统也会“发疯”，所以不能绝对依赖程式化交易；后者告诉人们，某些市场也会“发疯”，所以不能绝对相信量化投资模型。

量化投资篇6

基于总绝对偏差法和市盈率法，采用2009—2011年浙江省156家创投机构(包括基金公司)所投的605个知识产权风险投资项目的数据资料，对投资风险状况及其行业差异进行实证量化分析。研究结果显示，知识产权风险投资呈现出明显的投资收益与风险的对称性及行业差异，传播与文化娱乐等是高风险、高收益投资行业，医药保健、通讯设备业等是低风险、低收益的投资行业，而新材料工业则是一个非典型的高风险、低收益行业。

关键词:

知识产权风险投资;风险水平;行业差异;总绝对偏差法

作为一种集资本、技术(知识产权)、管理创新与企业家精神于一体的非传统融资方式，知识产权风险投资目前已成为支持企业技术创新与高新技术成果产业化的一种新型投资模式，对推动我国高新技术产业发展正发挥越来越重要的作用。知识产权风险投资所投行业风险和收益的大小是风险投资家对知识产权项目进行投资决策时要考虑的首要因素［1］。知识产权风险投资所投行业的风险与收益状况究竟如何?是否具有明显的行业差异?哪些行业是属于高风险、高收益的行业?这些都是风险投资家最为关注的问题。目前，有关知识产权风险投资的研究涉及到多个方面，如风险投资与知识产权形成的相互作用与影响［2－4］，风险投资与知识产权的商业化［5－6］，知识产权风险投资契约和风险管理［7－8］，知识产权风险投资环境等［9－10］;但对于知识产权风险投资风险水平量化的实证研究还比较缺乏。在投资决策理论的研究中，学者们提出了多种用于评价投资风险的定量分析方法，如用AHP法和模糊数学分析法来评价投资风险［11］，或用VaR、CvaR法来度量和管理损失，但这些方法只能用于评价或度量风险或损失的大小，不能很好地基于所投项目的投资收益来对风险进行定量的分析和比较［12－13］。因而，很多学者使用方差、标准差、半方差等偏离期望值的各种变形形式来度量风险，但用方差方法不能准确地度量真实风险的大小［14］;使用半方差法进行风险度量时，需要首先设定目标收益率，这种设定具有一定的主观性［15］;绝对偏差法，由于用投资收益率的一阶绝对中心矩来代替二阶中心矩，发散的可能性比较低。因而从理论上说，风险的绝对偏差度量要优于方差度量［16］。对于绝对偏差方法的应用研究，国内学者西爱琴、武敏婷等［17－18］都作了尝试，并通过风险与收益的权衡，很好地解决了农业生产投资决策等问题。鉴于此，笔者认为基于知识产权风险投资项目的投资收益率来度量投资风险，选择“绝对偏差方法”是比较合适的。本文尝试基于浙江省156家创投机构在2009—2011年投资的605个知识产权项目的一手数据资料，采用绝对偏差法和市盈率法对所调查投资项目(企业)的行业分布、各年投资收益率及风险水平状况进行详细的分析，以全面了解和比较创投机构所投行业的整体风险水平和收益状况，为创投机构的投资决策提供依据。

1知识产权风险投资风险水平的量化方法

1.1总绝对偏差法样本值与均值之差即绝对偏差，总绝对偏差就是各样本值与均值之差的绝对值之和，它可以较充分地反映样本的离散程度，因此可用作衡量风险水平的有效指标［19］。

1.2数据处理的具体方法和步骤数据处理的具体方法和步骤是:首先，计算知识产权风险投资项目每年的投资收益率Ctj;接着，计算知识产权风险投资项目的期望收益率珔Cj(项目各年投资收益率的平均值);然后，计算知识产权风险投资项目的收益偏差系数Ctj－珔Cj;再进行知识产权风险投资项目的总绝对偏差Vtj=∑nj=1|Ctj－珔Cj|的计算;最后，计算知识产权风险投资项目的平均绝对偏差MAD=Vtj/n，其中Vtj系知识产权风险投资项目的总绝对偏差，n为知识产权风险投资项目的总数。

1.2.1年投资收益率计算方法。投资收益率是指税后的投资收益与原始投资额的比值。由于这些在2009—2010年间投资的知识产权风险投资项目在2013年调查期间基本都未退出，因此，本文采用市盈率法来计算被投项目的估值，在此基础上计算知识产权风险投资项目年度投资收益，最终计算出年度投资收益率。市盈率法是指用行业平均市盈率对企业价值进行估计，按此估价法，企业的价值得自于可比较资产或企业的定价;假定同一个行业中的其他企业可用作被估价企业的“可比较企业”，且平均市盈率所反映的企业绩效是合理而正确的;市盈率法通常被用于对未上市企业的估价。

1.2.2知识产权风险投资项目每年投资收益率具体计算过程(1)年度投资收益率=年度投资收益/原始投资额;(2)年度投资收益的计算如果是投资第一年:年度投资收益=第1年项目风险投资的估值－原始投资额;从第2年开始:风投年度投资收益=当年项目风险投资的估值－上年项目风险投资的估值;(3)项目风险投资的估值=被投项目的总估值×创投机构年末持股百分比;(4)被投项目的总估值=被投项目(企业)年净利润×w×三年内最低市盈率，w为市盈率修正系数。由于上市公司有流动溢价，未上市被投项目(企业)的估值也要在已上市同类公司平均市盈率的基础上打个折扣。由于知识产权风险投资的项目还没有上市，因此其估值(市盈率)应低于上述熊市的估值(市盈率)，即风投价格、股市的熊市价格、牛市价格的顺序应该是牛市价＞熊市价＞风投价。(5)市盈率=每股股价/每股盈利。市盈率是投资者投资估值的重要参考指标，通常指在一个考察期(一般为12个月的时间)内，股票价格与每股收益的比值;行业市盈率是一个行业上市公司总市值占该行业上市公司净利润总和的比率。(6)确定市盈率修正系数。经调查从事风投的投资专家，普遍认可把最近3年(2010—2012年)的最低市盈率作为熊市的市盈率，把同行业的熊市市盈率的50%作为创投项目的合理估值的市盈率。因此，在这里w为市盈率修正系数，表示打折的比率，取0.5为宜。(7)被投项目(企业)年净利润:指经审计的被投项目(企业)年净利润，由审计报表提供。通过上述方法可计算得出创投机构所投项目每年的投资收益率，并将每个行业内项目的投资收益率求平均，可得到19个行业2010—2012年各年的投资收益率。

2数据来源

本文风险量化数据来源于笔者2013年1—9月对浙江省创投机构比较聚集的杭州、宁波、湖州、绍兴、嘉兴、衢州等6个市的创投机构的调查。在浙江省创业风险投资行业协会的支持和帮助下，通过实地访谈、问卷调查、电话采访、邮件以及省行业协会年会上的现场统计调查等多渠道数据的采集，获得了有关知识产权风险投资的已投项目(企业)名称、所属行业、具体的投资时间、投资额、年净利润、被投项目年末总股数、年末创投机构持股数、每股收益等一手数据资料。笔者一共调查了201家创投机构(包括管理公司、基金公司)，由于各种原因，实际获得了156家创投机构在2009—2011年投资的605个项目(企业)的有效数据和信息，有效率77.6%。2009—2011年浙江省创投机构投资的知识产权项目(企业)分布在26个行业中，除其他行业外，传统制造业、IT服务业、新能源高节能技术、新材料工业和传播与文化娱乐的投资项目数排前5位，而建筑业、批发和零售、交通运输仓储和邮政、房地产业、半导体、核技术、社会服务等行业排倒数1～7位。为了便于统计和分析，笔者将建筑业、批发和零售、交通运输仓储和邮政、房地产业、半导体、核技术、社会服务等投资比例很小的行业统一纳入其他行业，将所调查的浙江省创投机构投资的605个知识产权项目分布在19个行业之中(见表1)。

3结果及分析

通过将实地调查获得的数据按照上述方法和步骤进行计算，得到浙江省156家创投机构投资的605个知识产权项目所处行业2010—2012年的风险水平量化数据(用收益的平均绝对偏差衡量行业风险)，相关结果如表1所示。

3.1知识产权风险投资的总体风险水平从表1给出的2010—2012年收益的平均绝对偏差情况来看，总体风险最大的是传播与文化娱乐业，接着是金融服务业，但同时3年的平均收益它们也排在前二位。其次，风险较大的是新材料工业以及消费产品和服务业，消费产品和服务业的收益排在第三位，因此，传播与文化娱乐、金融服务业、消费产品和服务业是比较典型的高风险、高收益行业，但新材料工业的3年平均收益在19个行业中排在倒数第一位(主要是2011—2012年投资收益率均不理想)，属比较典型的高风险低收益行业。风险最低的是医药保健行业，比较低的是软件产业、通讯设备、环保工程，风险居中的行业中风险从大到小排序依次为:农林牧副渔、采掘业、科技服务、计算机硬件、新能源高节能技术、IT服务业、光电与光电一体化、其他行业、传统制造业、网络产业、生物科技等。由图1可见，2010年知识产权风险投资总风险水平最低，低于3年平均水平;而2011和2012年的总风险水平均高于3年平均水平，且2011年的总风险水平略高于2012年。相应地2010年的各行业平均投资收益率水平也是最低，低于3年平均投资收益率水平;2011年各行业平均投资收益率与2012年持平，均高于3年平均投资收益率水平，符合收益和风险的基本关系，即“高风险、高收益，低风险、低收益”。

3.2知识产权风险投资的行业风险水平(1)2010年行业风险水平。表1的数据显示，2010年浙江省知识产权风险投资所投行业中风险最大的是金融服务业，其次是新材料工业和采掘业;风险最小的是环保工程，比较小的是医药保健、通讯设备、网络产业、软件产业以及传统制造业等。在投资收益率方面，金融服务行业投资收益率达21%，领先于其他行业;新材料工业和采掘业收益率为12%，并列第二，这三个行业在该年中是较典型的高风险带来高收益的行业。总的来说，该年中各行业的风险与收益情况符合收益和风险的基本关系，即所谓“高风险、高收益，低风险、低收益”。(2)2011年行业风险水平。2011年由于国家政策的支持，农林牧副渔、传播与文化娱乐、消费产品与服务成为行业新宠。如2011年政府进一步加强了对“三农”的支持力度，并在“十二五”规划中补充了农业产业结构调整和升级的内容，倡导大力发展现代农业。这些政策导向的作用可以在2011年的投资收益率中体现，该年行业投资收益率排在前四位的是传播与文化娱乐、金融服务业、消费产品与服务、农林牧副渔。同时，该年所投行业中，风险最大的是传播与文化娱乐业，接着是金融服务业和新材料工业，其次是消费产品与服务、农林牧副渔。相对来讲，医药保健、通讯设备、软件产业以及环保工程行业风险较小。总的看来，该年传播与文化娱乐、金融服务以及消费产品和服务业、农林牧副渔具有高风险和高收益的特征，除了新材料工业外的其余行业风险水平与收益水平基本相一致，都处于中间状态;而新材料工业属于高风险、亏损行业，说明高风险不一定带来高收益，有时带来的可能是损失。(3)2012年各行业的风险状况。2012年知识产权风险投资所投行业中风险最大的是金融服务业和传播与文化娱乐业，其次是新材料工业以及消费产品和服务业。风险相对较小的有生物科技、医药保健、环保工程等行业。该年中投资收益率最高的是传播与文化娱乐业为33%，接下来是金融服务业为32%，消费产品和服务业16%，科技服务14%。调查数据显示，除了新材料工业外，风险高的行业，其预期收益率也高，风险低的行业，其预期收益率也低;对于风险喜好者而言，可能会选择风险高、预期收益率也高的行业去投资;而风险低的项目，往往被风险厌恶者所喜爱，其得到的报酬相应也比较低。特别要注意的是对于风险高、收益低的行业可能是所有投资者都要警惕和规避的行业，投资者应该根据风险和收益的情况及时调整投资方向，以更好地规避风险。

4结论