量化交易策略的研究范文

【关键词】统计套利玉米期货协整资本市场

关于统计套利策略，首先要提的是20世纪20年代华尔街传奇人物杰西·利弗莫尔，他通过创造“姐妹股”为自己赚取了大量财富。然后在20世纪80年代在MorganStanley中由NuozioTargalia领导的量化投资团队被认为是最早使用统计套利的投资团队。统计套利是指应用各种定性和定量分析方法识别投资组合之间的相对错误的价格关系，买入被低估的投资组合，同时卖出被高估的投资组合，等待错误价格向均值回归从而获利的一种投资套利策略。

一、策略设计

（一）套利对象的选取

本文选取玉米期货合约c1401和c1311作为研究统计套利在中国内地市场的应用主要是基于以下几点考虑：

1.玉米期货合约c1401和c1311同属于玉米期货，两者受到共同因素影响较多，为研究统计套利提供了现实的可能性。

2.玉米期货的流动性较好，玉米期货是大连商品交易所的主要交易品种之一，各种投资者和玉米交易商参与度活跃。

3.玉米作为主要粮食作物之一，对确保国家粮食安全具有重要的作用，国家对农业的大力支持，有利于玉米价格的稳定，代表玉米未来价格的玉米期货价格也随之较为稳定。

（二）数据来源

本文研究玉米期货合约c1401和c1311统计套利关系的数据来源于期货交易软件“文华财经——赢顺期货交易软件”，选取了c1401和c1311从2013年4月2日到2013年9月30日的日度数据作为研究对象，其中x表示c1401的每日收盘价，y表示c1311的每日收盘价，对x和y取对数后分别表示为lnx和lny。

（三）协整分析

1.单位根检验

由于玉米期货的价格是基于玉米现货的未来价格走势产生的，并且玉米期货合约c1401和c1311的标的物都是玉米，受共同因素影响较多，从直观上看，两个不同期间的玉米合约的价差之间存在一种平稳关系。为此，对玉米期货合约c1401和c1311分别取对数lnx和lny进行单位根检验，检验结果显示：lnx和lny都是一阶单整平稳序列，所以lnx和lny之间可能存在协整关系。

2.协整检验

（1）做lny对lnx的协整回归方程：

lny=0.410122lnx+4.593945+u。

（2）用eviews对u进行单位根检验，显示：u是I（1），即u是平稳的，因此接受lny和lnx是协整关系的假设。根据协整回归方程可以看出玉米期货合约c1401和c1311的套利组合比例是：1：0.410122，即价差为：Spread=0.410122lnx-lny。

二、制定交易策略

由协整检验的结果我们得到价差分布序列Spread，此序列表明了玉米期货合约c1401和c1311之间的差距水平，所以可以根据对价差的分析来构建跨期套利的交易策略。根据Eviews的统计测算得出价差序列的基本统计数据，为了更好地让序列数据集中化，我们依据价差序列均值mean的结果将Spread中心化，即：MSspread=Spread-mean.

跨期套利中价差分析非常重要的一点就是分析套利出现的时机和概率。为此，首先要确定套利区间，本文采纳国外学者在计量方法分析中的±3/4标准差为交易上下边界，因此，交易上下边界确实可以设为±3/4×σ（其中σ=0.005191141）。并且为了减少损失，需要设置平仓上下限，文中以±2σ为平仓上下限，交易策略制定如下：

1.当MSspread﹤-3/4×σ时，买入5张玉米期货合约c1401同时卖出2张玉米期货合约c1311；当MSspread﹥+3/4×σ时，卖出5张玉米期货合约c1401的同时买入2张玉米期货合约c1311。

2.当价差序列如预期回归到±3/4×σ区间时进行反向操作平仓获利了结，完成一次交易。

3.当价差触发±2σ以外的区域时，不管是多头头寸或空头头寸都立刻平仓止损，以减少损失。

三、总结

本文在研究统计套利策略中发现：当两个投资品种受共同因素影响较多时，统计套利策略比较容易成功，所以在选择投资对象时，应该考虑两个投资对象共同的基本面影响因素相似度的高低，相似度高就为统计套利策略的实施奠定了良好的基础。在实施统计套利策略过程中，交易成本是一个必须考虑的事情，频繁的实行统计套利会造成极大的交易成本，可能是原本的盈利变成亏损，因此，在制定和实施统计套利策略时应该将交易成本纳入考虑的对象。

参考文献

[1]吴振翔，陈敏.中国股票市场弱有效性的统计套利检验[J].系统工程理论与实践，2007（02）.

[2]朱治平.期货套利机会创造更大收益[N].中国证券报，2008.

量化交易策略的研究范文篇2

关键词程序化交易模型；MACD指标；KDJ指标；平稳性检验.

中图分类号F830.91文献标识码A

ResearchonProgramTradingStrategiesBased

onCombinationofTechnicalAnalysisIndicators

LIUWei1，2，SHENChungen1，2

（1.ShanghaiFinanceUniversity，CollegeofStatisticsandMathematics，Shanghai201209，China；

2.ShanghaiLaboratoryofFinancialInformationTechnology，ShanghaiUniversity

ofFinanceandEconomics，Shanghai200433，China）

AbstractProgramtradingprovidesthenewopportunitiesforthedevelopmentofthetechnicalanalysismethods.Thispaperutilizedthetechnologyindicators，establishedprogramtradingstrategiesbasedoncombinationofindicators，discussedthetheoreticbasisofthetradingstrategy，andverifiedthestabilityperformanceandtheconsiderableincomeofthestrategybytheempiricalanalysis，whichprovidesanewideafortheresearchonprogramtradingmodel.

KeywordsProgramTradingModel；MACD，KDJ；StationaryTest

1引言

程序化交易（ProgramTrading，又称“篮子交易”，BasketTrading）是现代证券交易方式的重大创新.程序化交易经常与量化交易、算法交易、高频交易等概念同时出现.一般来说，量化交易范围最广，且当前多为程序化交易.算法交易和高频交易则属于程序化交易的分支并各有侧重.根据证券监管部门有关文献定义，对于以构建个性化的交易模型为基础，按照一定交易规则和参数约束，由计算机系统根据模型设定的触发条件所给出的交易指令、快速自动买入或者卖出特定数量和特定品种的投资标的的交易行为，都称为程序化交易.

近年来，程序化交易在美欧市场广泛应用于对冲基金、共同基金等大型机构投资者及做市商，极度频繁的交易和微小价差是他们盈利的诀窍.文献[1]提出，美国已有超过90%的对冲基金在纳入程序化交易技术.另据统计，截至2010年底，程序化交易已占据超过70%的全球金融交易市场[2].

程序化交易在国内出现较晚，国内的行业和学术界大多关注程序化交易的模型开发、系统设计等机理研究.文献[3]中基于高频数据建立了华夏上证ETF50和华安上证180ETF的套利策略.文献[4]中利用MACD技术分析指标创建了高频交易模型.文献[5]中研究了程序化交易系统的检测和优化.

经济数学第32卷第3期

刘伟等：基于技术分析指标组合的程序化交易模型研究

目前，国内程序化交易策略一般存在于程序化交易平台提供的交易软件，如中金所报备的交易软件“金世达”“快”“一键通”等.另一种存在形式是证券公司、期货公司、投资公司以及私募基金等自行研发的交易算法.以上两种方式均涉及商业机密，故交易策略一直是程序化交易的“黑匣子”.针对始于今年六月中旬的股市大幅震荡行情，证券、期货市场监管层出台一系列措施，继中金所宣布调整交易手续费、增加申报费之后，沪深交易所修改融资融券规则，将融券卖出和还券环节操作从“T+0”修改为“T+1”.这些维稳救市的举措直接指向程序化交易，引发了各界广泛讨论.如何正确认识程序化交易机制，正确评价其市场影响，是摆在市场监管部门面前亟需解决的问题.利用程序化交易原理，创建技术分析指标组合，给出指标组合盈利的具体模式，并对策略原理加以探讨，从理论角度探求程序化交易策略的设计机理，以期为程序化交易的学术研究做出有益的探索.

2技术指标简介

2.1MACD指标

MACD称为指数平滑异同平均线，用快的移动平均线减去慢的移动平均线.令t时刻的价格为St，周期参数为m，n，p，MACD指标的基本计算公式：

EMAnt（St）=2n+1∑n-1i=0（n-1n+1）iSt-i

DIFFt=EMAmt（St）-EMAnt（St）

DEAt=EMApt（DIFFt）

MACDt=DIFFt-DEAt

在实际应用中，MACD从负数转向正数是买入信号；MACD从正数转向负数是卖出信号；MACD以大角度变化，表示快的移动平均线和慢的移动平均线的差距非常迅速的拉开，代表了一个市场大趋势的转变.由于MACDt并不平稳，本文参考文献[6]的做法，利用指数移动平滑后的指标EMA（MACD）t进行策略设计，增加一个参数q[6].具体原理见后文.

2.2KDJ指标

KDJ指标又叫随机指标，通过一个特定的周期（常为n日、n周等）内出现过的最高价、最低价和最后一个计算周期的收盘价三者之间的比例关系，计算最后一个计算周期的未成熟随机值RSV，然后根据平滑移动平均线的方法来计算K值、D值与J值，并绘成曲线图来研判股票走势.令周期参数分别为n，M1，M2，计算公式具体为：

RSVnt=Closent-LowntHighnt-Lownt×100，

Knt=RSVnt+（M1-1）Knt-1M1，

Dnt=Knt+（M2-1）Dnt-1M2，Jnt=3Knt-2Dnt.

在实际应用中，D大于70时，行情呈现超买现象；D小于30时，行情呈现超卖现象；K线突破D线时，为买进信号；K线跌破D线时为卖出信号；随机指标与股价出现背离时，一般为转势的信号；K值和D值上升或者下跌的速度减弱，倾斜度趋于平缓是短期转势的预警信号.DJ同时也融合了动量、强弱和移动平均线三方面的内容，具有很强的综合性.J线的实质是对K值和D值的乖离程度的反映，从而先于KD值找出市场的头部或底部.J线连续几个周期保持在100以上说明可能形成一个阶段性头部，反过来，J线连续几个周期低于0，说明可能形成一个阶段性底部.因此，J线可以这样被用于交易，下跌100时卖出，上穿0时买入.

3模型设计原理

MACD作为趋势指标，比通常的移动平均线组合指标更精确，更能体现趋势的变动，而KDJ作为敏感性较高的震荡指标能更好的捕捉趋势变化.常规的技术分析是在不同的市场情况下视市场当前性质来选择所要用的指标，而该模型组合二者的目的是为了敏感捕捉单边趋势的丰厚利润.

下述模型所用指标参数均是基于以上原则，保证模型既能过滤掉市场噪音，又能抓住趋势改变较大、较强烈的、较极端的市场机会.

4交易模型及盈利表现

基于单个指标的程序化交易模型已有文献探讨，本文将建立由两个指标组合构建的交易模型.为了更清晰的说明交易模型，本文以沪深1403（IF1403）和沪深1406（IF1406）为研究对象开展实证分析，在此过程中介绍指标参数的选择原则及盈利表现.

本文涉及的数据包括沪深1403（IF1403）2013年7月22日9：16到2014年1月7号15：15的60s数据，共30780个数据；沪深1406（IF1406）2013年10月21日9：16到2014年1月7号15：15的60s数据，共15120个数据.以上数据均来自Wind资讯金融终端.鉴于更高频率的数据（通常为机构占用且不公开）不易获取，以下策略是在分钟数据的基础上制定的.此策略能否在更高频率的数据中获利，还有待进一步的研究和验证.

4.1建仓平仓规则

单品种初始分配资金100万，开仓时使用全部资金；当与开仓资金相比亏损达到10%，在本周期收盘价处进行平仓；交易费率买入、卖出均为0.0025%，期货保证金为12%.

4.2交易策略

当KDJ发出买入信号且EMA（MACD）发出卖出信号时开仓，当KDJ、EMA（MACD）同时发出卖出信号时平仓.若达到上述止损条件则平仓.

其中，EMA（MACD）指标的买入信号为EMA（MACD）线上穿0点，卖出信号为EMA（MACD）线下穿0点；KDJ指标的买入信号为J值上穿0点，卖出信号为J值下穿100点.EMA（MACD）指标的参数设置为m=12，n=72，p=12，q=3.KDJ指标的参数设置为n=4，M1=M2=6.

IF1403的成交时点及相关收益情况如下表1，表2所示.

总结IF1403和IF1406的成交时点及相关收益情况，EMA（MACD）和KDJ指标组合对IF1403提供了有18个交易点，对IF1406提供了14个交易点，盈利的综合情况如表3所示.

5交易模型的理论基础

上述EMA（MACD）和KDJ指标组合具有较好的盈利表现，这种情形是否稳定还需要证明盈利过程的平稳性.因为平稳性是随机过程的重要特征，基于平稳性才能根据随机过程过去和现在信息预测随机过程未来趋势.故只有证明过程具有平稳性质，才能确定以上盈利的发生并非偶然.由于2个指标的计算均涉及每个周期的收盘价，需对价格序列进行模型假设，文献[7]针对股价服从Levy过程进行了检验.基于实际股价数据的表现，本文借鉴文献[4]的提法，考察更一般的假设问题：

H0：价格的对数增量过程不平稳；

H1：价格的对数增量过程平稳[4]

利用AugmentedDickeyFuller检验、McKinnons's检验、PhillipsPerron检验对股指期货IF1403、IF1406的观测数据的对数增量过程进行检验，检验结果如表4所示.

通过检验的P值，可在0.01的显著性水平下认为观测数据的对数增量过程是平稳的.需要说明的是，ADF检验和P-P检验方法解决的是弱平稳或强混合平稳时间序列数据的平稳性验证问题，本文给出以下假设：

H0：价格的对数增量过程非弱平稳；

H1：价格的对数增量过程弱平稳.

本文在拒绝H0的情形下，假设价格数据模型为：St=ePt，其中Pt为增量弱平稳过程，即Pt的一阶差分过程弱平稳.若将假设条件进一步严格化，例如将弱平稳换成强平稳，则股价在服从BlackScholes模型、随机波动率模型、GARCH模型、levy过程等情形下，上述技术指标过程的强平稳性已得到证明[7-10].本文放宽假设条件，基于Pt增量的弱平稳假设考察两个指标过程的弱平稳性.

其中，EMA（MACD指标短周期参数为n，长周期参数为m，长短期差值DIFF指数移动平均步长为p，DIFF与DEA差值的指数移动平均步长为q，具体公式如下：

DIFFt=2n+1∑n-1i=0（n-1n+1）iSt-i

-2m+1∑m-1i=0（m-1m+1）iSt-i

=2n+1∑n-1i=0（n-1n+1）iePt-i

-2m+1∑m-1i=0（m-1m+1）iePt-i，

DEAt=2p+1∑p-1i=0（p-1p+1）iDIFFt-i，

Difft=DIFFt-DEAt，

EMA（MACD）t=2q+1∑q-1i=0（q-1q+1）iDifft-i.

KDJ指标中RSV周期参数为n，K值的指数移动平均步长为M1，D值的指数移动平均步长为M2，具体公式如下：

RSVnt=

ePt-min（ePt，ePt-1，…ePt-n+1）max（ePt，ePt-1，…ePt-n+1）-min（ePt，ePt-1，…ePt-n+1）

×100

Knt=RSVnt+（M1-1）Knt-1M1，

Dnt=Knt+（M2-1）Dnt-1M2，

Jnt=3Knt-2Dnt.

分别利用IF1403和IF1406的实际观测数据，计算以上2个指标.利用平稳性检验方法，指标的平稳性检验结果如表5所示.

6结论

我国证券市场还不具备全面铺开程序化交易的条件，但自股指期货推出，这种新型交易模式就已被国内投资者关注.从最初的期货交易者到如今绝大部分金融机构，程序化交易的规模发展迅速，其市场影响也逐步显现.面对程序化交易风险，成熟资本市场的监管制度相对完善，但异常交易事件时有发生，在此背景下其金融衍生品市场仍然蓬勃发展，这与国外学术界对程序化交易深入研究以及国外投资者对程序化交易广泛认同的大环境密不可分.相比之下，国内学术界关于程序化交易的探讨还相对薄弱，更多结合国内市场实际的研究还有待进一步展开.

建立了修正MACD指标和KDJ指标的组合策略模型，对股指期货的分钟数据进行了实证研究，并对指标组合的弱平稳性加以检验，结果表明该组合策略具有弱平稳性，可期望获得稳定收益.随着信息技术的发展，高频数据记录时间间隔逐渐缩小，我们将在更高时间频率上讨论技术指标组合的盈利模型，并在此基础上探索程序化交易的策略机理，以期为我国金融衍生品市场的风险管理提供有益借鉴.

参考文献

[1]LeinweberDAVIDJ.StupiddataminertricksoverfittingtheS&P500[J].TheJournalofInvesting，2007，16（1）：15-22.

[2]AldridgeIRENE.Highfrequencytrading：apracticalguidetoalgorithmicstrategiesandtradingsystems[M].NewYork：JohnWiley&Sons，2019.

[3]刘伟，陈敏，梁斌.基于金融高频数据的ETF套利分析[J].中国管理科学，2009，17（2）：1-7.

[4]包思，郑伟安，周瑜.基于MACD的平稳技术指标在高频交易中的应用[J].华东师范大学学报：自然科学版，2013（5）：152-160.

[5]熊熊，张博洋，张永杰，等.程序化交易系统的检测与优化体系[J].科学决策，2013（8）：1-15.

[6]刘畅，郑伟安.成交价在高频交易中的分析与应用[J].华东师范大学学报：自然科学版，2013（6）：14-21.

[7]刘伟.关于股票价格模型的假设检验[J].应用数学学报，2010，33（4）：723-731.

[8]WeiLIU，XudongHUANG，WeianZHENG.BlackScholesmodelandBollingerBands[J].PhysicaA，2006，371：565-571.

量化交易策略的研究范文

一、行为金融理论与投资决策模型

大量的事实证明，投资者的行为方式及其深层次的心理特征对投资活动的结果具有直接的、重要的影响，在研究复杂的金融市场时，我们必须考虑人类自身行为所具有的复杂多变性特点。在借鉴行为科学、心理学以及社会学研究成果的基础上，初步形成了以投资活动当事人的心理因素为基础的行为金融理论体系。对应于现资理论的假设，行为金融理论给出自己的理论假设：（1）人是有限理性的；（2）非完全市场的存在；（3）投资者的投资具有群体行为特征。行为金融理论基础主要有：（1）期望理论（ProspectTheory1979）；（2）行为资产定价模型（BAPM）；（3）行为金融资产组合理论（BehavioralPortfolioTheory1999）。在此基础之上构造的行为金融投资决策模型有：（1）BSV模型与DHS模型；（2）统一理论模型（UnifiedTheoryModel）；（3）羊群效应模型。

二、行为金融对投资者行为的实证研究结论

1.过度自信。人的心理中往往有过分高估自己能力和知识的倾向，表现为投资决策中过分相信自身的判断和决策，而忽视了客观情况变化造成决策失误的可能性。由上交所组织完成的《中国证券投资者行为研究》指出，我国股市6500万投资者中无业者占较大比例，有理由相信这些无业者中有相当一部分人是缺乏市场竞争力的人，由于无事可做，也不考虑自己的能力，就想到股市赚钱，由此可见我国投资者过度自信之严重程度。

2.抛锚性错误。人们在对某件商品的价值进行判断时，通常需要一定的信息锚作为判断的参照标准。同样，投资者对于证券价格的变动预测也需要一定信息作为参照的锚。抛锚性往往导致投资者对新的、正面的信息反应不足。我国投资者往往是利用类似行业、板块、股本大小、经营业绩等的股票价格来衡量其投资股票的价格的。但是锚并不能长时间一直保持准确性和有效性，即锚会使投资者判断出错。

3.羊群行为。股市中的“羊群行为”是指投资者由于受其他投资者投资策略的影响而采取相同的投资策略。其关键是其他投资者的行为影响投资者的投资决策，并对他的决策结果造成影响。我国股市中存在的大量“跟风”、“跟庄”、投资基金的投资组合类同等都是典型的“羊群行为”。孙培源（2002）通过构造股票收益率的横截面绝对偏离和市场收益率的非线性检验，实证了中国股市羊群效应的存在。

4.噪声交易。非理性投资者把与价值无关的信息认为是与价值有关，或者某些投资者人为地制造虚假信息，而其他投资者无法识别其真伪，这两种信息被认为是噪声，相应产生的交易称为噪声交易。我国股市近400%的年换手率中至少300%可以归因于噪声交易。施东晖（2001）实证研究表明，由于技术分析方法在上海股票市场被广泛使用，当某此技术信号显示“上升”或“下跌”趋势时，将引发大量的买卖行为，从而强化现有的股价趋势。

5.过度反应与反应不足。过度反应是由DeBondt和Thaler（1985）最早发现的，他们发现投资者对于近期的好消息不是做出正确的贝叶斯反应，而是过度反应致使股票价格超过其内在价值。我国王永宏（2001）运用DT的方法研究了中国股票市场的过度反应现象证实了中国股市存在着明显的过度反应现象。反应不足是指投资者对自身的判断过度自信，或是一味依赖过去的历史经验作为判断的参照标准（犯抛锚性错误），对市场中出现的新趋势和新变化反应迟钝，丧失了获利的良好时机。我国股市中存在的“轮涨效应”就是一种“反应不足”。

6.处置效应。“处置效应”是指投资者长时期持有套牢的股票而过早抛出赢利的股票的现象。这意味着当投资者处于盈利状态时是风险回避者，而处于亏损状态时是风险偏好者。赵学军（2001）等人的研究结论是：与国外相比，我国投资者更加倾向于卖出盈利股票，继续持有亏损股票。我国股市的处置效应在年末相对增强，个人投资者的处置效应强于机构投资者。

7.动量效应。在一定持有期内，平均而言，如果某只股票或某些股票组合在前一段时期内涨幅较好，那么，下一段时期内，该股票或股票组合仍将有良好表现。通过对我国股市历年大盘及个股的统计分析，我们认为无论是在大盘还是在个股上，我国股市都存在动量效应。大盘的动量效应以日为时间单位比较明显，而一些典型个股无论是以日、周还是以月为时间单位都非常显著。

8.过度恐惧与政策依赖性心理。当股市虚假消息满天飞、股市暴跌时，投资者不计成本的大量抛出股票，表现出十足的恐惧。在股市暴跌时，我国投资者往往把自己的希望寄托在政府的救市政策上，这种对政策的依赖超过了世界上任何一个国家。

9.遗憾。遗憾理论认为投资者为了回避曾经做出的错误决策的遗憾和报告损失带来的尴尬，可能避免卖掉价格已下跌的股票。还有，即使决策结果相同，如果某种决策方式能减少投资者的后悔心理，对投资者而言，这种决策方式就优于其它决策方式。因此，投资者有从众心理，倾向于购买本周热门或受大家追涨的股票，因为当考虑到大量投资者也在同一投资上遭受损失时，投资者可能降低其情绪反应或感觉。

10.暴富心理与心理。中小投资者短线频繁操作，其目的是为了快速致富。面值1元的股票炒到100多元还有人敢去追涨；公司亏损了几亿元，已经资不抵债还有人敢去接盘；ST现象是指那些被冠以特别处理的上市公司，其股价在特别处理消息公布后不跌反升的现象。明知上市公司巨额弄虚作假还有人敢去炒底，这些都充分暴露了我国投资者实足的赌性。

11.轮涨轮跃效应（补涨补跌效应）。在一次行情中，如果某些股票没有上涨（下跌），那么它们就具有补涨（补跌）的潜力。没涨的要无条件补涨，没跌要五条件补跌。长期以来我国股市个股轮番炒作就是一例。

12.小盘股、新股效应。我国股市对小盘股、新股独有情忠，逢小必炒、逢新必炒已是我国股市的惯例。我们统计分析发现在过去的十年中，我国小盘股、新股的收益率显著高于大盘股和老股。但自2001年6月中国股市长期下跌及证券投资基金大量发行以来，这一状况有所改变。

三、行为金融理论指导下的证券投资策略

行为金融学的理论意义在于确立了市场参与者的心理因素在投资决策行为以及市场定价中的作用和地位，否定了传统金融理论关于理性投资者的简单假设，更加符合金融市场的实际情况。行为金融学的实践指导意义在于投资者可以采取针对非理性市场行为的投资策略来实现投资赢利目标。在美国证券市场上，目前有数家资产管理公司在实践着行为金融学的理论，其中有的基于行为金融的共同基金取得了复合年收益率25%的良好投资业绩。考察我国证券市场的投资者行为特点，我们总结出我国金融市场的投资策略：

1.针对过度反应的反向投资策略。反向投资策略就是买进过去表现差的股票而卖出过去表现好的股票来进行套利的投资方法。行为金融理论认为，由于投资者在实际投资决策中，往往过分注重上市公司的近期表现，从而导致对公司近期业绩情况做出持续过度反应，形成对绩差公司股价的过分低估，最终为反向投资策略提供了套利的机会。

2.动量交易策略。即预先对股票收益和交易量设定过滤准则，当股票收益或股票收益和交易量同时满足过滤准则就买入或卖出股票的投资策略。行为金融意义上的动量交易策略的提出，源于对股市中股票价格中间收益延续性的研究。

3.成本平均策略。指投资者在将现金投资为股票时，通常总是按照预定的计划根据不同的价格分批地进行，以备不测时摊低成本，从而规避一次性投入可能带来的较大风险的策略。

4.时间分散化策略。指根据投资股票的风险将随着投资期限的延长而降低的信念，建议投资者在年轻时将其资产组合中的较大比重投资于股票，而随着年龄的增长将此比例逐步减少的投资策略。

5.小公司效应策略。小公司效应是指小盘股比大盘股的收益率高。Banz（1981）发现股票市值随着公司规模的增大而减少的趋势。Siegl（1998）研究发现，平均而言小盘股比大盘股的年收益率高出4.7%，而且小公司效应大部分集中在1月份。根据小公司效应而采用的投资策略称为小公司效应策略。

6.组合投资策略。行为金融学认为，证券市场并不是有效的（一般指半强式有效，semlstrongefficient）。这就意味着传统的证券组合投资理论中，“在有效市场中，投资者不可能获得与其所承担风险不对称的额外收益”的提法在实践中是不成立的。也就是说，通过选择合适的组合投资策略，投资者将可能获得额外收益。

7.针对羊群行为的相反策略。由于市场中广泛存在的羊群行为，证券价格的过度反应将是不可避免的，以致出现“涨过了头”或者“跌过了头”。投资者可以利用可以预期的股市价格反转，采取相反投资策略（contrarianstrategy）来进行套利交易。中国的股票市场素有“政策市”之称。考察中国证券市场的历史走势，我们会发现在重要的顶部或底部区域，在消息面上总是伴随着一些重要的股市政策的出台。不同的投资者对政策的反应是不一的。针对个人投资者的行为反应模式，投资基金可以制定相应的行为投资策略——相反投资策略，进行积极的波段操作。

8.购买并持有策略。个人和机构投资于股票应执行几种能帮助控制认识错误和心理障碍的安全措施。控制这些心理障碍的关键方法是所有类型的投资者都要实施一种严格的交易策略——“购买并持有”策略。投资者在为组合购进一只股票时，应详细地记录购买理由，而且要制订一定的标准以利于进行投资决策。长期采取“购买并持有”策略，通常业绩将超过高周转率的短期交易策略。

9.利用行为偏差。心理学和决策科学提出，在某种情形下，投资者并不是尽力使财富最大化，并且在某些情形下投资者还会在智力方面犯系统性判断错误，这些行为偏差将导致证券定价的错误，合理利用这些偏差将给投资者带来超额收益。行为型投资人则尽力寻找由于行为因素而被市场错误定价的证券从而获取超额利润。可见，对人类行为偏差的正确把握是获取市场超额利润的来源之一。

10.ST投资策略。上市公司被宣布为特别处理，意味着公司陷入严重困境。但同时，ST公司也成为潜在的并购目标。考虑到壳资源在中国证券市场上的稀缺性，ST公司的价值无疑是巨大的。作为一种投资策略，ST公司是可以被纳入证券投资组合之中的。

总之，行为金融理论寻求并确定投资者可能对新信息产生反应过度或反应迟钝而导致证券定价错误的市场情形。行为金融学投资策略的目标就是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，并在股票价格正确定位之后抛出获利。

四、应用行为金融理论指导证券投资要注意的问题

行为金融学的科学性在于它始于公理并寻求建立在公理上的理论能解释金融市场的行为。它试图理解和预测心理决策过程的系统的金融市场意义。如上所说，中国股票市场中存在着普遍的运用传统金融理论无法解释的金融现象，而用行为金融理论可以很好地解释之，并由此导致了许多有价值的行为投资策略，但在具体运用这些投资策略时还要注意以下几点问题。

1.行为金融理论本身也是处于不断发展之中。行为金融理论的投资策略是：在大多数投资者尚未意识到错误时投资于某些证券，随后当大多数投资者意识到错误并投资于这些证券时卖出这些证券。一旦证券市场的绝对多数投资者认识到这一问题并采取相同的策略，那么结果又会怎样？我们相信随着行为科学的深入研究、证券市场的不断变化和发展，会进一步发现更多的行为金融问题，并且一些已有的行为金融现象可能会淡化甚至消失。因此在应用行为金融投资策略时，要防止教条化。

2.要切忌对国外现有行为投资策略的简单模仿。现有的行为金融理论主要是在发达的金融市场产生的。我国证券市场同成熟的证券市场比较，还是一个新兴的证券市场——历史短、不规范。中国金融市场与发达的金融市场的共性与特殊性决定了我们在运用行为金融投资策略时，不是对国外现有行为投资策略的简单模仿，而应当掌握行为金融学的理论方法，对中国证券市场的行为特点进行深入研究，探索适应我国证券市场运行特点的我们自己的行为金融学投资策略。

3.行为投资策略不是一成不变的。随着金融市场的发展、金融监管的深入及投资者结构的改善，我国金融市场行为金融现象会发生很大的变化。例如小公司效应现象就不如过去明显、庄股由于监管的加强从而动量效应也明显减弱。我们预言随着管理层对股市认识的转变和管理水平的提高，我国的ST现象迟早会消失。

4.不同投资者需要有不同的投资策略。将行为金融学的研究成果运用到我国证券市场的实践中，可以合理引导投资者的行为。对于广大中小投资者，要通过教育来使其趋于理性化，提高证券市场投资者的投资决策能力和市场的运作效率。对于机构投资者，要提高其投资管理水平。投资者决策中的心理偏差是与生俱来，而这些认知偏差可以通过学习、训练等手段得到有效缓解，因此，不同投资者应该采用不同的投资策略，只有呼吁所有各层次的投资者共同参与探讨我国行为金融问题，行为金融投资策略才能在我国有用武之地。

[参考文献]

[1]阳建伟。蒋馥。行为金融：理论、模型与实践[J].上海经济研究，2001，（4）。

[2]杨胜刚。金融噪声交易理论对传统金融理论的挑战[J].经济学动态，2001，（5）。

[3]孙培源。基于CAPM的中国股市羊群行为研究[J].经济研究，2002，（2）。

[4]王永宏。中国股市“惯性策略”和“反转策略”的实证分析[J].经济研究，2001，（6）。

[5]施东晖。中国股市微观行为：理论与实证[M].上海：上海远东出版社，2002.