量化投资方法十篇

量化投资方法篇1

[关键词] 项目投资 风险评价指标 风险值

项目投资带来丰厚回报预期同时伴随的是无法避免的风险，如何对项目投资中的风险进行科学评估是保证投资成功的首要条件。本文针对我国经济环境的现状制定一套项目投资风险评价指标，并对所有指标进行标准化的风险量纲统一，进而为科学的风险评估提供技术支持。

一、项目投资风险评价指标的风险值

为保证项目投资中各个不同的风险评价指标可进行综合评估，首先要统一各个指标间的量纲确定表示风险大小的风险值。风险值是每个评价指标实际风险程度的数值表现，取值在-1与1之间，风险值越高表示该项评价指标的风险越高。

二、项目投资风险评价指标体系

本文选取为市场风险、技术风险、金融风险、环境风险及管理风险五个指标作为项目投资风险评价指标体系的一级指标。对于每个一级指标又可细分为若干二级指标，下面给出具体二级指标及其表示风险大小的风险值的确立方法。

1.市场风险。市场是连接生产和消费的桥梁和纽带，在项目能否获得成功的问题上，市场拥有较大的发言权。

(1)项目能否如期完工：提前完工（风险值=-1）；按时完工（风险值=0）；延期完工（风险值=1）。

(2)项目产品竞争力：强（风险值=-1）；较强（风险值=-0.5）；标准（风险值=0）；较弱（风险值=0.5）；弱（风险值=1）。

(3)消费者需求：需求多（风险值=-1）；需求较多（风险值=0）；需求较少（风险值=1）。

(4)竞争对手实力及项目经营战略：无竞争对手、战略清晰（风险值=-1）；竞争对手较弱、战略清晰（风险值=-0.5）；竞争对手相当战略清晰（风险值=0）；竞争对手较强战略不清（风险值=1）。

2.技术风险。随着知识经济时代的到来，技术越来越显现出它的重要性。谁掌握并利用最先进的技术，谁就在市场竞争中占有优势，掌握先机。

(1)知识产权：有知识产权（风险值=-1）；无知识产权（风险值=1）。

(2)技术先进性：国际领先（风险值=-1）；国内领先（风险值=-0.5）；行业水平（风险值=0.5）；低于行业水平（风险值=1）。

(3)替代技术：无替代技术（风险值=-1）；有较少替代技术（风险值=0）；有较多替代技术（风险值=1）。

3.金融风险。项目能够顺利进行离不开资本链条的正常运转，金融环境对项目的影响同样起着举足轻重的作用。

(1)项目的净现值：其风险评级及风险值确立需要引入参照体系，假设需要投资项目的净现值为 ，并引入一个参照净现值 。其风险值由如下分段函数确立：

(2)现金流：充足（风险值=-1）；适当（风险值=0）；不足（风险值=1）。

(3)金融动荡对项目影响：无影响（风险值=-1）；较小影响（风险值=-0.5）；影响适中（风险值=0）；有影响（风险值=0.5）；有较大影响（风险值=1）。

4.环境风险。任何事物都是处于环境当中，环境的好坏也会影响到项目的成败。经济形势、政策及突发事件等社会环境因素往往可以决定项目的成败。

(1)自然风险对项目的影响程度：无影响（风险值=-1）；较小影响（风险值=-0.5）；影响适中（风险值=0）；有影响（风险值=0.5）；有较大影响（风险值=1）。

(2)政策风险对项目影响程度：无关（风险值=-1）；小部分相关（风险值=-0.5）；相关（风险值=0.5）；高度相关（风险值=1）。

(3)法律风险：相关法律健全（风险值=-1）；相关法律比较健全（风险值=0）；相关法律不健全（风险值=1）。

(4)投资方与项目发起方综合实力对比：投资方强（风险值=-1）；投资方较强（风险值=-0.5）；双方实力相当（风险值=0）；发起方较强（风险值=0.5）；发起方强（风险值=1）。

5.管理风险。项目是否具有优秀的管理团队、独特的企业文化以及良好的管理机制对项目能否进行长期盈利都起到了关键的作用。具体还可以对管理风险进行细分如下二级指标。

(1)项目主管：具有丰富经验（风险值=-1）；有一定的经验（风险值=0）；无经验（风险值=1）。

(2)管理机制：管理系统团队完善（风险值=-1）；管理系统团队不完善（风险值=0）； 管理不系统团队不完善（风险值=1）。

(3)风险意识：有风险控制体系（风险值=-1）；有风险意识但不系统（风险值=0）；无风险意识无风险体系（风险值=1）。

三、项目投资风险评估

在统一量纲的项目投资风险评价指标系统下，很容易对选定的项目进行风险评估。首先要利用层次分析法对一级指标和二级指标的各个指标进行赋权，不同时期不同项目各个指标的权重应有所区别。确定各个指标的权重后，将权重与风险值相乘并与同级合并相加构成上级指标的风险值。

最后，加权合并一级风险指标的风险值得出项目总风险值，如果项目总风险值大于0，则表示此项目投资具有较高的风险，若项目总体风险值在-0.5左右，则表示此项目投资风险适中，若项目总体风险值接近-1左右，则表示此项目投资风险较低。

参考文献：

[1]汪克夷 董连胜:项目投资决策风险的分析与评价[j]. 中国软科学，2003年1月

量化投资方法篇2

【关键词】量化投资；量化投资体系；证券市场

一、量化投资及量化投资体系的定义

什么是量化投资？简单来讲，量化投资就是利用计算机科技并结合一定的数学模型去实现投资理念与投资策略的过程。与传统的投资方法不同的是：传统的方法主要有基本面分析法和技术分析法这两种，而量化投资主要依靠数据和模型来寻找投资标的和投资策略。量化投资系统则是由人设定出某种规则，在计算机当中根据规则构建这种模型，而后由计算机自己去根据市场的情况进行一些投资机会的判断。从他们投资方式的区别当中可以看出，量化投资更依赖于数据，传统投资则更依赖于人的主观判断。从这点上来说，量化投资可以有效的规避一些人为的错误判断。

二、我国量化投资体系的发展

在美国，量化投资方法的发展己经有将近年的历史，量化方法从允嫉较衷谡嫉矫拦市场30%上以上的比重。而在中国，量化投资只是刚刚起步而己。但是已经有很多基金公司允即罅Υ蛟熳约旱牧炕投资团队，期望在传统的基本面研究之外源匆黄新的投资天地。国内证券市场上成立比较早的量化投资基金主要包括：嘉实基金――嘉实量化阿尔法股票、上投摩根基金管理有限公司――上投摩根阿尔法、光大保德信基金――光大量化、富国基金管理有限公司――富国沪深增强、国泰君安资产管理公司――君享量化。近年来，一些公募基金、私募基金也都不断加快了布局量化投资基金的方法。这些量化投资基金，主要研究了基于基本面的多因子选股模型，这些投资组合因子主要包括：公司财务基本面数据，市场行情数据，行业数据等，并在实证中不断完善量化投资指标因子的选取。研究行业以及个股的价格趋势，运用道氏理论、K线理论、波浪理论、切线理论、形态理论等一些常用的技术分析方法建立不同风格的投资模型和投资组合。

三、量化投资的优点

量化投资作为一种有效的主动投资工具，是对定性投资方式的继承和发展。实践中的定性投资是指，以深入的宏观经济和市场基本面分析为核心，辅以对上市公司的实地调研、与上市公司管理层经营理念的交流，发表各类研究报告作为交流手段和决策依据。因此，定性投资基金的组合决策过程是由基金经理在综合各方面的市场信息后，依赖个人主观判断、直觉以及市场经验来优选个股，构建投资组合，以获取市场的超额收益。与定性投资相同，量化投资的基础也是对市场基本面的深度研究和详尽分析，其本质是一种定性投资思想的理性应用。但是，与定性投资中投资人仅依靠几个指标做出结论相比，量化投资中投资人更关注大量数据所体现出来的特征，特别是挖掘数据中的统计特征，以寻找经济和个股的运行路径，进而找出阿尔法盈利空间。与定性投资相比，量化投资具有以下优势：

（一）量化投资可以让理性得到充分发挥

量化投资以数学统计和建模技术代替个人主观判断和直觉，能够保持客观、理性以及一致性，克服市场心理的影响。将投资决策过程数量化能够极大地减少投资者情绪对投资决策的影响，避免在市场悲观或非理性繁荣的情况下做出不理智的投资决策，因而避免了不当的市场择时倾向。

（二）是量化投资可以实现全市场范围内的择股和高效率处理

量化投资可以利用一定数量化模型对全市场范围内的投资对象进行筛选，把握市场中每个可能的投资机会。而定性投资受人力、精力和专业水平的限制，其选股的覆盖面和正确性远远无法和量化投资相比。

（三）是量化投资更注重组合风险管理

量化投资的三步选择过程，本身就是在严格的风险控制约束条件下选择投资组合的过程，能够保证在实现期望收益的同时有效地控制风险水平。另外，由于量化投资方式比定性投资方式更少的依赖投资者的个人主观判断，就避免了由于人为误判和偏见产生的交易风险。当然，无论是定性投资还是量化投资，只要得当的应用都可以获取阿尔法超额收益，二者之间并不矛盾，相反可以互相补充。量化投资的理性投资风格恰可作为传统投资方式的补充。

四、量化投资的局限性

量化投资是一种非常高效的工具，其本身的有效性依赖于投资思想是否合理有效，因此换言之，只要投资思想是正确的，量化投资本身并不存在缺陷。但是在对量化投资的应用中，确实存在过度依赖的风险。量化投资本身是一种对基本面的分析，与定性分析相比，量化分析是一种高效、无偏的方式，但是应用的范围较为狭窄。例如，某项技术在特定行业、特定市场中的发展前景就难以用量化的方式加以表达。通常量化投资的选股范围涵盖整个市场，因此获得的行业和个股配置中很可能包含投资者不熟悉的上市公司。这时盲目的依赖量化投资的结论，依赖历史的回归结论以及一定指标的筛选，就有可能忽略不能量化的基本面，产生巨大的投资失误。因此，基金经理在投资的时候一定要注意不能单纯依赖量化投资，一定要结合对国内市场基本面的了解。

五、量化投资对中国的启示

通过研究国外市场的发展和中国市场的特点，对中国市场上的监管创新，制定相关的法律法规也势在必行。由于市场结构的差异，国内量化投资情况与国外有很大不同。技术型量化投资的应用主要是集中在期货市场，并且有较高的推崇程度；金融型量化投资的应用主要集中在股票市场，由于需要应用的时间数据周期相对较长，实际中应用并不普遍。目前，中国金融市场正处于迅速发展的阶段，很多新的金融工具在不断被引进，用量化投资方式来捕捉这种机会，也是非常合理的。与国外相比，目前国内股票市场仅属于非有效或弱有效市场，非理性投资行为依然普遍存在，将行为金融理论引入国内证券市场是非常有意义的。国内有很多实证文献讨论国内A股市场未达到半强势有效市场。

目前对中国市场特点的一般共识包括：首先，中国市场是一个个人投资者比例非常高的市场，这意味着市场情绪可能对中国市场的影响特别大。其次，中国作为一个新兴市场，各方面的信息搜集有很大难度，有些在国外成熟市场唾手可得的数据，在中国市场可能需要自主开发。这尽管加大了工作量，但也往往意味着某些指标关注的人群少，存在很大机会。其三，中国上市公司的主营比较繁杂，而且变化较快，这意味着行业层面的指标可能效率较低。而中国的量化投资实际上就是从不同的层面验证这几点，并从中赢利。例如，考虑到国内A股市场个人投资者较多的情况，我们可以通过分析市场情绪因素的来源和特征指标，构建市场泡沫度模型，并以此判断市场泡沫度，作为资产配置和市场择时的重要依据。

在中国金融市场的不断发展阶段，融资融券和股指期货的推出结束了中国金融市场不能做空的历史，量化投资策略面临着重大机遇。运用量化投资的机理和方法，将成为中国市场未来投资策略的一个重要发展趋势。量化投资在给投资者进行规避风险和套利的同时，也会带来一定的风险，对证券具有助涨助跌的作用。由于国内股票市场还不够成熟，量化投资在中国的适用性很大程度上取决于投资小组的决策能力和创造力。以经济政策对中国量化投资的影响为例。中国的股市有“政策市”之称，中国股市的变化极大的依赖于政府经济政策的调节，但是经济政策本身是无法量化的。基金建仓应早于经济政策的施行，而基于对经济政策的预期，但预期的影响比经济政策的影响更难以量化。例如，在现阶段劳动力成本不断上升、国际局势动荡、国际大宗商品价格上升的情况下，央行何时采取什么力度的加息手段，对市场有何种程度的影响，这一冲击是既重要又无法量化的。为解决这个在中国利率非市场化特点下出现的问题，需要基金投资小组采取创造性的方式，将对中国经济多年的定性经验和定量的指标体系结合起来，方能提高投资业绩。

参考文献：

[1]方军雄.我国证券投资基金投资策略及绩效的实证研究[J].经济科学，2002.04

量化投资方法篇3

尽管量化投资已经成为市场投资的发展趋势，但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型，而赚钱的投资模型都是机构的秘密武器，不会轻易披露。另一方面是由于量化投资采用计算机系统，设计各种交易手段，有着较为复杂的数学计算与技术要求，现在许多量化投资都是计算机自动执行的程序交易。另外，量化交易者，俗称宽客（quants）的交易和故事多多少少增加了量化投资的神秘感。所以，人们一般把量化投资称为“黑箱”。纳兰（Narang，R.，2012）描述了量化交易系统的典型构造，打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向，风险控制模型用来限制风险暴露，交易成本模型用来分析为构建组合产生的各种成本，投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡，然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础：有了数据，就可以进行研究，通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心，即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展，量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为，如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略，如匹配交易或携带交易。近年来，高频交易成为量化投资的重要内容，基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏（2012）将量化投资的主要内容分为以下几个方面：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于：纪律性、系统性、及时性、准确性和分散化。

二、量化投资“黑箱”中的构造与证券投资学的差异

在传统的证券投资学中，投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想，后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类，而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看，量化投资既不是基本面分析，也不是技术分析，但它可以采用基本面分析，也可以采用技术分析，关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示，本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

（一）资产定价与收益的预测

根据组合优化理论，投资者将持有无风险组合与市场风险资产组合，获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合，认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价，超过的部分就是超额收益，即投资组合管理所追求的阿尔法值。追求显著正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中，法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说，在因素定价方面，量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择，证券投资学认为，对资产价格的影响，长期应主要关注基本面因素，而短期应主要关注市场的交易行为，即采用技术分析。在量化投资中，主要强调按照事先设定的规则进行投资，这在一定程度上与技术分析类似。但是，在技术分析中，不同的人会有不同的结论，而量化投资则强调投资的规则化和固定化，不会因人的差异而有较大的不同。另外，量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

（二）无套利条件与交易成本

在证券投资学里，流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券，投资者可以自由买卖证券。这主要是为了保证各种交易都能实现，如套利交易。根据套利定价理论，一旦市场出现无风险的套利机会，理性投资者会立即进行套利交易，当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中，对市场中套利限制与非流动性的关注较少，这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下，金融资产交易的过程及其结果，旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中，不同的市场微观结构对市场流动性的冲击是不同的。因而，从量化投资的角度看，为了降低交易带来的价格冲击，能实施量化投资策略的证券往往都应有较好的流动性，因为交易时非流动性直接影响投资策略的实施。从这个意义上讲，量化投资时的交易成本不仅包括交易费用，更主要的是要考虑市场交易冲击的流动性成本。

（三）风险控制与市场情绪

在证券市场中，高收益与高风险相匹配。量化投资在追求高收益的同时，不可避免地承担了一定的风险。在证券投资学中，系统性风险主要源于宏观经济因素，非系统性因素则主要源于行业、公司因素，并且不考虑市场交易行为的影响。在量化投资中，较多地使用因素定价模型，不仅会考虑市场经济因素，而且会考虑交易行为等因素，只是不同的模型有不同的侧重点，在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外，量化投资还有自身不可忽视的风险源。一方面，量化交易中，部分交易是采用保证交易的期货、期权等衍生品交易，这种杠杆交易具有放大作用，隐藏着巨大的风险。另一方面，市场冲击的流动性成本也是量化投资的风险控制因素，理所当然地在图1的风险控制模型中体现出来。另外，在一般的投资过程中，市场情绪或多或少会成为风险控制的一个对象。然而，在量化投资中，更多的交易都是通过计算机来实现的，如程序交易等，这样以来，投资者情绪等因素对投资决策的影响相对较小。所以，在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪，主要是通过承担适度的风险来获得超额回报，因为毕竟减少风险也减少了超额回报。

（四）执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下，实现投资策略成为量化投资的重要执行步骤。为了达到投资目标，量化投资不断追求更快的速度来执行投资策略，这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里，技术分析认为股价趋势有长期、中期和短期趋势，其中，长期和中期趋势有参考作用，短期趋势的意义不大。然而，随着计算机信息科技的创新，量化投资策略之间的竞争越来越大，谁能运作更快的量化模型，谁就能最先找到并利用市场错误定价的瞬间，从而赚取高额利润。于是，就诞生了高频交易：利用计算机系统处理数据和进行量化分析，快速做出交易决策，并且隔夜持仓。高频交易的基本特点有：处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略：自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法：产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行，目前“算法交易”比较流行。算法交易优化买卖指令的执行方式，决定在给定市场环境下如何处理交易指令：是主动的执行还是被动的执行，是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。

三、对量化投资在证券投资教学中应用的思考

从上述分析可以知道，量化投资的“黑箱”构造与证券投资学之间存在一定的差异，因此，在证券投资的教学中应当考虑量化投资发展的要求。

（一）市场微观结构与流动性冲击

在理性预期和市场有效假说下，市场价格会在相关信息披露后立即调整，在信息披露前后市场有着截然不同的表现。在证券投资学里，一般认为价格的调整是及时准确的，然而，现实的世界里，价格调整需要一个过程。在不同的频率下，这种价格形成过程的作用是不同的。在长期的投资中，短期的价格调整是瞬间的，影响不大。然而，在高频交易中，这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型：存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响，解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程，认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型，这些市场微观结构的研究加强了流动性与资产价格之间的联系，强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容，因而，为了加强证券投资学的实用性，应关注市场微观结构的内容与发展。

（二）业绩评价与高杠杆

对于证券组合而言，不仅要分析其超额收益和成本，还要考虑其风险与业绩。在组合业绩评价中，一方面要考虑风险的衡量，另一方面则要分析业绩的来源。在证券投资学中，组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言，市场时机和管理者的能力依然重要，然而，量化投资的业绩评价还应考虑另一个因素：高杠杆。量化交易中，部分交易是采用保证交易的期货、期权等衍生品交易，这种杠杆交易具有放大作用，在市场好的时候扩大收益，但在市场不好的时候会加速亏损，这些与传统的业绩评价就不太一样。在一般的证券投资学里，业绩评价主要考虑经风险调整的收益，很少考虑其杠杆的作用，这不仅忽略了杠杆的贡献，而且有可能夸大了投资者的技能水平。

（三）人为因素与模型风险

在量化投资中，非常注重计算机对数据和模型的分析，这突出了量化投资的规则性和固定性。然而，实际中，别看量化采用了各种数学、统计模型，但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究，并借助计算机实施策略，能够消除很多认为的随意性。但是，量化策略毕竟体现投资者的交易理念，这一部分依赖于投资者的经验，一部分依赖于投资者对市场的不断观察与更新。实际上，人始终处于交易之中，对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性：决策实施依赖于人的设定，而人的设定不仅依赖于经验，而且人还会犯错。人之所以会犯错，一方面是因为人们对市场的认知是不完全的，另一方面则是人们使用了错误的模型。经典的证券投资理论中，股票价格的变动被认为是随机的，小概率事件出现的机会比较小，但是经验研究表明股票收益率具有肥尾现象，小概率事件发生的机会超出了人们原先的认识，即市场还会出现“黑天鹅”。更为关键的是，量化投资更依赖数学和统计模型，这就使得量化投资存在较大的模型风险，即使用了错误的模型。为了防范模型风险，应采用更为稳健的模型，即模型的参数和函数应该适应多种市场环境。近年来，研究表明，证券收益及其与风险因素的关系存在较大的非线性，同时，市场中存在一定的“噪声”，采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。

（四）2013年诺贝尔经济学奖的启示

量化投资方法篇4

关键词：招商引资；区域投资环境；评价

中图分类号：F124 文献识别码：A 文章编号：1001-828X（2016）006-000-01

投资环境主要是指在一个国家或地区中，影响投资资本正常运行的各种条件的总和，也是对资本投资产生有利或者不利因素的综合。投资环境是一个动态的概念，往往会受到外界各种因素的影响。优化区域投资环境除了对基础设施配套等物质条件的“硬环境”进行优化以外，还需要从经济、政策、制度以及服务等方面的“软环境”来进行完善，这样才能够吸引投资。

一、开发区区域投资环境的基本构成因素

本文在研究中主要将经济环境、社会文化、基础设施、政治法律要素以及自然地理作为构成区域投资环境的要素，然后采用统计取舍法对区域投资环境的构成要素进行分析。

1.经济环境

经济环境是开发区进行招商引资的主要素材，也是影响项目投资回报的主要因素。随着科学技术、经济文明的不断推进，经济环境会随之发生变化。经济环境主要包括经济体制、市场规模、产业配套、消费水平、工业基础、金融信贷以及物价水平等内容。而投资者在对一个的地区考虑是否进行投资的时候，往往是从经济环境开始进行考虑的，只有经济环境中各项指标满足投资者的要求，投资者才会的进行投资，因此开发区需要特别重视经济环境并持续进行优化，来吸引更多的投资者。

2.社会文化

社会文化主要是指影响经营活动的各种文化要素的总称，其对投资者行为和生产经营过程也产生重要的影响。社会文化环境主要是指历史文化、民族风格、风俗习惯、、当地人受教育程度、政治、社会以及阶级结构等，良好的社会文化环境就能够消除外来投资者与当地雇员和消费者之间的心理距离，也会降低投资过程中的政治风险。

3.基础设施

基础设施要素主要是指进行生产经营、贸易所依赖的物质条件。基础设施要素主要有两方面的内容：一方面是生产基础设施，主要是指市政、交通、邮电、铁路、通讯等方面的内容；另一方面就是生活基础设施，主要有居民配套设施、生活配套设施等，比如道路、住房以及垃圾处理等。

4.政治因素

政治因素是影响投资者进行投资的关键因素，主要包括社会体制、社会结构、社会安全性、政局稳定性以及国家信誉度等。投资者更加关注政府因素、法律因素以及政策因素这三方面的内容。健全的法律会保护投资者的利益，同时也会对投资者的行为进行约束和规范。通过各种政策的调节和帮助，能够提升办事效率，投资者的投资过程也会比较轻松。

5.自然地理条件

自然地理条件主要包括投资地的区位、气候、水文、人口资源、自然资源以及环境保护等方面的内容。项目地距离市场的远近、资源的供应是否便利会对投资者的决策产生影响，人口状况、收入、喜好以及人口状况对劳动力供应的影响等对投资者的决策会产生关键的作用，投资者一般都会根据项目的具体要求选择良好的自然地理环境来进行投资。

二、区域投资环境评价指标体系的构建

在对开发区的区域投资环境进行评价的时候，主要从以下五种方法来进行：

1.多因素和关键因素评估法

多因素评估法和关键因素评估法之间存在着一定的联系，多因素评估法会将经济、政治、市场、财务、技术、法律制度、文化以及行政机构等方面的因素考虑进来，然后按照优良中可差的等级来进行打分，得分越高的话，那么投资的环境就越好，越能够吸引投资者。关键因素评估法主要是对确定投资者动机的关键因素来进行分析。

2.抽样评估法

该方法主要是以随机的方式来抽取或者选择不同类型的企业，调查者对调查的环境因素进行设计，然后让企业的投资者进行口头或者书面的评估，这样就能够获得投资者对投资环境的看法。这种方法简便易行，可以根据需求和目的来对调查对象进行调整，并且容易获得汇总的结果，调查人员可以在短时间内对投资环境的情况有第一手资料。但是这种方法在使用的时候往往主观性较强，因此和现实投资环境之间会存在着一定的差距，因此在调查中就需要扩大调查样本。

3.层次分析法

层次分析法是基于网络系统和多目标评估方式而确定的一种确定层次权重的方法，是将与决策总是有关的元素分解成目标、准则、方案等层次，并在此基础之上进行定性和定量分析的决策方法。这种方法可以深入到问题本质进行调查，对影响因素以及各个因素之间的关系进行定量分析，这样思维过程就会模型化和数学化，这也为现实多目标、多准则的复杂问题的解决提供了较为简便的方法。但是这种方法在使用的时候存在着一定的准惯性，专家的数量和质量也会影响评估的结果。

4.相似度法

这种方法主要是通过投资乘数、投资饱和度、边际消耗倾向、基础设施适应度、有效需求率以及资源增值率等来对投资环境进行反映，通过模糊数学计算的方法来评估环境参数和衡量标准之间的相似程度。这种方法是对区域环境评价的一种创新，但是却评估过于笼统，并不能将复杂系统的整体环境面貌反映出来，主要是没有将政治、社会文化、法律因素等考虑进来，也没有考虑主观指标，因此评估方法本身具有较大的局限性。

5.因子分析法

因子分析法是将多种影响因素分类综合成较少的几个变量，这样就能够用少数几个因子去描述许多指标或因素之间的联系，达到简化变量的目的。这主要是因为在对投资环境进行评价的时候，每个变量的重要性是不一样的，但是这些变量之间存在着一定的关联性，因此就可以简化变量，通过少数的几个新变量将原来的绝大多数信息反映出来。运用这种研究技术，可以方便地找出影响投资环境评价的主要因素以及它们的影响力。

参考文献：

[1]张荣娜.山西省招商引资投资环境评价研究.太原：中北大学，2014.

[2]潘霞，鞠晓峰.基于招商引资的区域投资环境评价指标体系研究.科技进步与对 策，2009，26（14）.

量化投资方法篇5

一、集成熵权—AHP法的基本步骤

(一)定量权重的计算证券投资风险根据其成因可以归纳为静态风险和动态风险,这两类风险是证券投资过程中内外生变量的共同作用。一般认为,证券投资风险具有一定的模糊性[3],因而证券投资组合定量分析结果的稳定性将受到显着影响。熵是数据无序程度的一种度量方式,熵越大则相应数据的无序程度越高。证券投资风险的评估数据本身由于其量纲等影响,可以看作一系列无序数据。熵权法在证券投资风险评价中的应用将有助于消除无序数据带来的噪声影响,得到一组基于定量方法的证券投资风险权重指标。1.评价指标标准化证券投资风险评价指标数值可以看作一个含有m个评价单位,n个评价指标的评价矩阵。其中,公式(1)适用于指标值越大越好的指标,即收益性指标;公式(2)适用于指标值越小越好的指标,即成本性指标。2.熵值的计算第j个评价指标的熵值是该指标重要程度的衡量,且是负相关关系。3.熵权的计算指标的熵权与其熵值呈反比关系,因而引入差异系数来表示该关系。定义第j个评价指标的熵权为:

(二)定性权重的计算根据风险的可预测性,证券投资风险分为系统风险和非系统风险。一般认为,系统风险可测,而非系统风险则依赖于先决经验判断,这个判断过程往往是一种定性分析过程。层次分析法(AHP)是一种基于定性评价分值的简易决策方法[6],该方法可以快速有效得出评价指标权重并对评价单位进行排序,设基于AHP法的证券投资评价指标权重为ωj2,该权重是证券投资风险的经验性主观判断的量化。

(三)集成熵权-AHP权重的计算证券投资是一种基于主观经验和客观事实的综合决策。主观判断体现了指标的价值量,而客观分析则包含了指标的信息量[3]。文献[1]从证券投资的主观赋权方法入手研究投资的定性风险,文献[2]则研究了证券投资的定量风险。而集成熵权-AHP方法则兼顾了主观和客观赋权,该方法在获取指标价值量的同时耦合了指标的信息量,对于证券投资风险量化更加接近事实。基于客观赋权法指标权重ωj1和基于主观赋权法的指标权重ωj2可以看作n维空间中的两个向量,这两个向量存在一定的相关关系,也就是一定程度的信息重叠,但又有部分变异。因此同时与这两个向量拥有最小距离的新向量ω*j则可以最大限度地反映这两个向量的共同信息。基于这个分析,集成的熵权-AHP权重计算可以表示为如下的线性规划问题。

二、集成熵权—AHP法的实证研究

文献[1]和[2]用同一组数据分别研究了定性和定量证券投资风险,本文引用这组数据进行定量和定性分析结合的研究,并把研究结果与文献[1]和[2]作比较来说明本文方法的优越性。

(一)集成熵权-AHP权重计算把ωj1、ωj2和yij代入公式(5),通过MATLAB7编程计算可得基于集成的熵权-AHP权重算法的证券投资风险评价指标权重ω*j,表1是基于定量分析、定性分析和定量定性分析结合的证券投资风险评价指标权重比较表。从表1可以看出,ω*j的值介于ωj1和ωj2之间,缩小了ωj2因为来源于主观赋权而带来的较大标准差,也就是说弱化了评价指标之间的价值量变异影响;与此同时也扩大ωj1数值之间的差距,为评价指标信息量的度量提供区分度。为说明集成熵权-AHP权重算法的相对优越性,进行了SPEARMAN相关系数的计算,计算结果见表2。表2显示,ωj1和ωj2之间存在明显相关性,说明定量或者定性分析本身都在很大程度上表明证券投资的风险评价指标权重;但是ω*j与ωj1和ωj2的相关系数则大幅度提升,这个现象表明基于集成熵权-AHP权重算法所得的权重更好地解释了事实。

(二)证券投资组合风险评估证券投资组合风险估值可以表示为证券投资风险评价矩阵和评价指标权重的线性组合。

量化投资方法篇6

关键词：不完美资本市场；公司投资；投资机会；边际Q；Tobin's Q

1. 引言

理论界之所以关心不完全资本市场条件下现代公司投资决策的实证研究，宏观上是因公司投资周期性可能在不完美资本市场条件下放大导致更大的宏观经济的震荡，微观是因为不完美的资本市场导致内部资金与外部资金成本上存在差异从而对保险与信贷市场产生关键性的影响。Modigliani and Miller（1958）论证了在没有摩擦的资本市场条件下公司的真实投资决策与公司的财务结构与政策没有关联，公司投资决策不必考虑财务上的因素。Tobin（1969）提出了公司投资的Q方法，认为资本存量的市场价值与重置成本是解释公司投资需求的基本变量。这两种方法都代表了公司投资决策的新古典理论，在这两种早期的公司投资理论方法的指导下，公司投资决策不可避免地采用了代表性公司（Representative Firms）的假定。而现代公司投资决策的实证研究，超越了这些无摩擦资本市场与代表性公司的假定，结合了公司投资决策中的信息与激励问题。

本文基于不完美资本市场条件下的公司投资决策这一领域核心文献的梳理，给出不完美资本市场条件下的公司投资决策在新古典框架下的标准公司投资动态模型；基于这一模型，阐述了公司投资决策实证研究模型的构造方法与过程；不但说明实证研究中的困难——投资机会Q测度，而且指出了相应的解决方法。

2. 实证模型的理论基础与实证模型的构建

2.1实证模型的理论基础

为了构造不完美资本市场条件下公司投资决策的实证模型，本文先介绍新古典的公司投资决策模型阐述理论基础。设公司资本是唯一的准固定要素，假定资本存量的调整为凸成本函数，风险中性的管理者选择每期的投资实现公司预期的未来利润流现值最大化。该最大化问题可以由下述模型刻画：

这里，下标i与t分别表示公司与时期；Kis表示期初的资本存量；π是利润函数；θis是对利润函数的外生冲击；C是资本存量的调整函数；Iis是公司投资； λit是资本调整成本函数的外生冲击； δ是公司资本固定的折旧率； 是公司i在时期t基于可获得的信息集Ω条件下的期望算子。由投资引起的新资本在当期就具备生产能力。

风险中性的管理者选择每一期的投资，从而使公司价值即式（1）最大化。在模型（1）中，目标函数最大化的公司投资的一阶条件为

式（3）定义了边际Q。从该式可以看出，由新增的投资带来的利润的折现值就是边际Q测度。边际Q就是投资机会的理论上的测度。由式（2）知，最大化模型（1）的关于公司投资的最优条件是新增投资的边际成本等于它的边际利润。

2.2 实证模型的构建

进一步设定资本调整成本为资本与投资的线性齐次函数为：

把这一线性齐次的函数代入式（2），进一步简化整理，得到下述公司关于投资的一个方程：

（4）

这里，εit为优化误差。式（4）就是公司投资决策实证研究中的模型设定的基石。可以对上式进一步简化为 。借鉴Fazzari et al. (1988)的处理方法，假定技术冲击为0。因此，上述简化式可以进一步简化为

（5）

式（5）代表了完美资本市场条件下的公司投资决策的实证模型。该式说明了，在完美的资本市场上，只有投资机会影响到公司投资决策。这一点，被2.1图示分析所示，r处水平的资本供给曲线S与由投资机会决定从而左右移动的资本需求曲线D影响到公司投资，即资本存量的变化。也正如2.1图示分析所示，对于信息成本高昂处于资本市场不完美现实世界的公司而言，公司净值的变化影响公司投资。因此，可以预期式（5）中的残差εit与现实世界里的公司净值变化有关。一个公司由当前收入减去成本与税收构成的现金流可能常常受一系列的会计决定所影响，但公司的现金流常常用来作为公司净值变化的变量。因此，预测公司投资的实证模型可以表述为

（6）

由前面的分析，对于完美的资本市场而言，只要变量边际Q足以控制了投资机会，系数c应当为0，从而在实证研究中H0：c=0的假设检验应当在统计上是显著的。如果实证研究中该假设被拒绝，表明资本市场不完美，公司投资存在融资约束。上述式（6）也是大量关于投资现金流敏感性实证研究文献中的模型。

3. 实证研究中的难点及其解决方法

3.1 实证研究中的难点——投资机会的Q测度

无论是理想世界还是现实中不完美的资本市场假定下，上述预测企业投资决策的实证模型设定涉及到投资机会边际Q的测度。尽管边际Q存在上文分析阐述的理论测度，但实证研究中，投资机会的边际Q测度是很困难的。如何寻找边际Q在实证研究中的变量，就成为了一个值得讨论的问题。在关于投资机会Q的测度问题上，学术界一直存在三个Q测度，他们分别是边际Q，平均Q与Tobin's Q。边际Q在上文中已经有详细的分析。本文在此给出其他两个Q测度的简单含义，并指出实证研究中投资机会Q测度的选取、存在的问题与解决方法。

平均Q被定义为Vit/Kit，这里的Vit是由上文中模型（1）给出，即公司管理者对公司资本存量主观估值。Tobin's Q为资本市场对平均Q的估计。在新古典的假定下，加之关于资本与投资的线性齐次的调整成本函数假定，边际Q与平均Q相等。如果资本市场是有效的，那么公司管理者对公司价值的估计与资本市场一致，从而平均Q与Tobin's Q的估计一致（Hayashi, 1982; Gugler et al. 2004）。不然发现，平均Q仍然存在实践中测度的困难，实证研究文献常常用Tobin's Q作为边际Q的变量，其估计式为

（7）

这里Dit是公司债券的市场价值，Sit是公司股票的市场价值， Nit是公司库存的重置价值，Kit是公司资本存量的重置价值。

尽管在实证研究中有了一个对边际Q进行的变量Tobin's Q，但这一存在可能较严重的测度错误。这一测度错误缘于：一是完美资本市场与线性齐次的资本存量调整成本假定在现实中不成立，导致边际Q与平均Q不相等；二是资本市场的无效导致公司管理者对公司价值的估计有偏差，导致平均Q与Tobin's Q不相等。三是即使这些假定在现实中均成立，也就是说，即使边际Q等于平均Q等于Tobin's Q，实证研究中在估计Tobin's Q所引用的式（7）也会存在测度上的误差。事实上Tobin's Q想要测度的是资本存量的市场价值与其重置价值的比。但式（7）只是一个近似。从公司市场价值Dit+Sit中扣除库存的重置价值Nit，人力资本Hit与商标的价值 等非物质资产的价值才是资本存量的市场估值，但人力资本与商标等非物质资产的估值是很困难的，所以实证研究中只从公司市场价值中扣减了Nit作为公司资本存量的市场估值。加之，Kit，Dit，Sit与Nit均是会计数据，并不能完全刻画相关的经济学意义上的概念。因此，实证研究中在估计Tobin's Q所引用的式（7）存在测度上的误差。在估计变量Kit，Dit，与Nit时，实证文献常用迭代程序（详细讨论见Whited（1992）），这种通行的做法又带来了一个问题，即测度误差存在序列相关，因为市场力量在一定时间内持续存在，资本市场的预期与基本面的偏离受持续的狂热的左右。而且，用这些迭代程序近似计算等式（7）中的各个变量也直接导致测度误差存在序列相关。

3.2实证研究Q测度的解决方法——测度误差一致的广义矩方法

从前面的分析知道，在不完美资本市场中公司投资决策的实证研究涉及到公司投资机会Q的估计，通常的估计方法难以得到估计值的良好统计性质，因为不仅边际Q的测度上存在误差，而且这些测度误差还存在序列相关的问题。为了得到具有良好统计性质的估计，可以运用测度误差一致的广义矩方法（Measurement Error-Consistent Generalized Method of Moments Estimators）（详见Erickson and Whited（2000）与Lyandres （2007）的讨论）。

4. 结论

现有的不完美资本市场条件下的公司投资理论在实证中的检验，遵循了结构建模的方法。本文基于标准的公司投资的动态模型的最优化条件，梳理当前文献中的研究逻辑，介绍了不完美资本市场条件下公司投资决策计量模型设定方法的背后逻辑，而且概括了当前实证研究中的存在的主要难点，即投资机会的边际Q的测度问题。当前文献普遍使用Tobin's Q作为边际Q的变量，这一实际上不但存在测度误差，而且带来这种测度误差的序列相关。测度误差一致的广义矩方法是纠正这种测度误差序列相关的有效方法。

不完美资本市场条件下公司投资实证研究的逻辑至少有三种。本文介绍的仅是其中的一种。欧拉方程方法是另外一种实证研究的逻辑，这种逻辑能够规避上述由于边际Q的估计存在的问题的。欧拉方程它能够从像模型（1）样的动态设定价值最大化的必要条件得到，通过欧拉方程刻画相邻期最优资本存量的决定。这种方法也是遵循实证研究的结构的方法，这一方法的经典文献可见Whited（1992）与Love（2003）。最后一种绕过使用金融市场变量作为边际Q的实证研究逻辑基于将时序数据方法推广到面板数据（Panel Data）的发展。这种方法通过向量自回归（VAR）预测框架将现金流对投资的效应分解为预测完美资本市场条件下的未来获利能力部分与由于金融市场的摩擦所导致的残差组成部分。这种方法则是一种简约式的实证建模方法，这一方法的经典文献可以参见Gilchrist and Himmelberg（1995）。

基金项目：国家自然科学基金项目地区科学基金项目（批准号：71163010）与教育部人文社科青年基金项目（批准号：09YJC790064）

参考文献：

[1]Erickson, T. and Whited, T. M., 2000, Measurement Error and the Relationship between Investment and “q”, Journal of Political Economy 108 (5), 1027-1057.

[2]Fazzari, S. M. Hubbard, R. G. and Petersen, B. C., 1988, Financial Constraints and Corporate Investment, Brookings Papers on Economic Activity 1988 (1), 141-195.

[3]Gilchrist, S., and Himmelberg, C. P., 1995, Evidence on the role of Cash Flow in Reduced-Form Investment Equations, Journal of Money, Credit, and Banking 36 (6), 541-572.

量化投资方法篇7

【关键词】固定资产；投资；探讨

一、固定资产投资统计的对象、范围及方法

1.1固定资产投资的意义

固定资产投资对我国的社会主义现代化建设具有重要意义：固定资产投资是指建造和购置固定资产的经济活动，即固定资产再生产活动，是社会固定资产再生产的主要手段；通过建造和购置固定资产的活动，国民经济不断采用先进技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，增强经济实力，为改善人民物质文化生活创造物质条件。

1.2 固定资产投资统计的对象、范围

固定资产投资统计是整个社会经济统计的重要组成部分。其统计对象是全社会建造和购置固定资产的经济活动的数量，即以固定资产再生产过程的经济现象为统计对象，包括各种经济组织建造和购置固定资产的经济活动，从建设准备开始，经过建筑施工、设备安装、建成投产，直至投产后投资回收的全过程。

固定资产投资统计通过对固定资产再生产过程数量方面的统计，反映一定时期内固定资产投资活动的规模和速度、固定资产投资过程中的结构和比例关系及固定资产投资的经济效果；通过对固定资产投资过程中数量的研究，揭示固定资产投资活动的发展规律。

按照现行统计制度规定：固定资产投资统计范围为500 万元及以上固定资产项目投资、房地产开发投资、农村农户投资。月度“ 固定资产投资” 数据，内容包括城镇和非农户项目固定资产投资、房地产开发投资；年度“全社会固定资产投资”数据，内容包括城镇和非农户项目固定资产投资、房地产开发投资、农户固定资产投资。

根据这种统计范围所计算的固定资产投资统计数据有着以下三方面的重要意义：为反映党和国家的方针政策执行情况，为研究国民经济与地区综合平衡提供依据；便于同国外资料进行比较；为正确计算积累数值提供依据。

1.3 固定资产投资统计的调查方法

根据调查对象的状况、对调查的要求和调查条件，现行国家统计调查制度中固定资产投资统计主要采取以下三种调查方法：

一是在上述固定资产投资统计范围中，除农村农户投资外，均采取全面调查的方法，通过布置基层表收集资料。国防、人防基本建设项目通过主管部门取得资料。

二是对农村农户固定资产投资采取抽样调查的方法，通过农村经济调查和农村住户调查取得资料。

三是根据不同时期经济管理的需要，固定资产投资统计也可采取普查、问卷调查、收集有关资料进行科学推算或估算等方法。

二、固定资产投资统计工作

2.1 固定资产投资统计工作存在的问题

伴随我国社会主义市场经济的快速发展，固定资产投资统计工作也存在一些亟待解决的问题：一是投资统计的理论基础已经不能完全适应市场经济的需要，不能及时反映投资的新情况和新需求。二是以项目形象进度计算投资额的方法可核诵越喜睿计算程序繁琐，基层统计人员难以及时掌握。三是作为社会经济发展的重要考核指标之一，政府部门干扰固定资产投资统计数据现象比较普遍。四是固定资产投资统计数据质量有待进一步提高，个别统计人员统计法治观念和数据质量意识不强，执行统计调查制度和工作规范不严格。

2.2固定资产投资统计工作规范化

首先，统计规范化是投资统计工作建设的基础工作。这一工作做好了，统计数据的质量就有基本的保证，否则将影响整个统计工作的质量。

其次，统计工作规范化，也是采用电子计算机汇总数据与建立数据库存，应用电脑灵活使用数据，进行经济分析、预测与建立电脑软件的决策支持系统的基础条件之一。否则就无法实现统计工作中数据处理的现代化。投资统计工作规范化分为基层单位统计工作规范化和综合单位统计工作规范化。

基层单位统计工作规范化是整个统计工作规范化的一个构成部分，必须严格执行全国的投资统计分类标准、指标体系与报表体系报送时间的规范要求，遵循基层表编码填写规则及逻辑关系，遵循年报基层标准表中的各项指标代码逻辑关系填写报表内容。

2.3 领导重视、加强从业人员培训

项目单位不重视投资统计工作，工作开展十分被动。一是部分项目单位领导不重视投资统计工作，造成无专职统计人员，数据准确性难以保证。二是基层单位人员配合程度差，视投资报表为额外负担，不能积极主动上报报表，每次报表都要多次催报，工作十分被动。三是投资统计人员业务水平有待提高。投资活动是复杂多样的，各种新情况、新问题层出不穷。有些实际工作中遇到的具体问题，统计报表制度和指标解释不能满足实际工作的需要，但又找不到相关的指导资料，只能凭个人的理解来处理，在一定程度上影响了投资统计数据的准确性。

基层统计力量的薄弱成为当前困扰统计数据质量和水平提高的重要障碍。加强固定资产投资统计尤其如此，因此，当务之急就是进一步推进对统计从业人员的继续教育，在当前从业资格认证的基层上，进一步推进对从业人员定期的再培训，将统计培训教育纳入统计宣传和普及推广的常态化管理，特别是以制度的形式加以明确，也才能更有效地化解当前人员调动频繁出现的业务水平差、工作断层等问题，解决统计源头数据质量较差的问题。

总而言之，统计人员要真正做到积极主动地开展工作，树立锐意学习的观念，不断地学习新知识，提高自身的素质；要具有勇于开拓创新的精神。综合利用各种统计调查方法，依托计算机、网络技术和数理统计方法，做到统计信息获取方法现代化以及统计信息分析方法现代化，把固定资产投资统计工作做的更好。

参考文献：

[1]张立新.对固定资产投资价格统计调查制度方法的改革的初步构想[J].《内蒙古统计》，2001年第05期.

量化投资方法篇8

摘要探讨科技评估与风险投资风险管理之间的内在联系，从阐述科技评估与风险管理的概念、方法等入手，研究将科技评估运用于风险管理的可行性。

关键词科技评估风险投资风险管理

1科技评估

1.1科技评估的概念

2000年12月28日科技部颁发的《科技评估管理暂行办法》将科技评估定义为“是指由科技评估机构根据委托方明确的目的，遵循一定的原则、程序和标准，运用科学、可行的方法对科技政策、科技计划、科技项目、科技成果、科技发展领域、科技机构、科技人员以及与科技活动有关的行为所进行的专业化咨询和评判活动”。从更广泛的意义上来讲，科技评估是对与科学技术活动有关的行为，根据委托者的明确目的，由专门的机构和人员依据大量的客观事实和数据，按照专门的规范、程序，遵循适用的原则和标准，运用科学的方法所进行的专业化判断活动。其结果要归结为能够回答委托者特定目的评估结论和评估分析。

1.2科技评估的范畴

科技评估的范畴主要是职能性评估和经营性评估两大方面，职能性评估是指对政府科技活动有关行为进行的客观的、科学的评价和判断，为政府有关部门发挥决策、监督职能提供服务。经营性评估是指对企业或其他社会组织与科技活动有关行为进行的客观的、科学的评价和判断，为他们对被评事物的决策、判断提供参考依据。在市场经济条件下，科技评估作为一种咨询活动，不应仅仅只为政府决策服务，还应深入到市场中的各类科技活动之中，接受非政府机构委托的评估任务，如企业投资项目的科技评估、风险投资机构投资的科技评估、企业产权交易中的科技评估等。

1.3科技评估的分类

科技评估可从不同角度分类。从评估时间上，可分为事先评估、事中评估、事后评估和跟踪评估四类。事先评估是在某项科技活动实施前所进行的评估，主要包括实施该项活动必要性和可行性两方面内容。它常常带有预测的性质，但不同于一般的预测分析；事中评估是在科技活动实施过程中进行的监督性评估，着重检验是否按照预定的目标、计划执行，对前面工作的进展与预期效果进行比较，并对未来进行预估，以发现问题，调整或修正目标与策略；事后评估是科技活动完成后进行的评估。另外，从评估空间上，可分为国家评估和地方评估；从评估规模上，可分为宏观评估、中观评估和微观评估；从评估方法上分，可分为定性评估、定量评估及定性与定量相结合的评估；从评估形式上，可分为通信评估、会议评估、调查评估、专访评估和组合评估等。

1.4科技评估的方法

评估方法有广义和狭义两种概念，广义概念包括评估准备、评估设计、信息获取、评估分析与综合、撰写评估报告等评估活动全过程的方法，狭义概念特指评估分析与综合的方法。

科技评估可选用的方法多种多样，关键是要依据不同对象，有针对性地选择评估方法。常用的分析评价方法有定性和定量结合的方法、多指标综合评价方法、指数法及经济分析法和基于计算机技术的评估方法等。

2风险投资的风险管理

风险管理是通过对风险的识别、衡量和控制，以最少的成本将风险导致的各种不利后果减少到最低限度的科学管理方法。风险投资的风险管理的出发点和归宿，都是企图运用系统的、综合的现代科学管理方法，有效地扩大投资活动的有利因素，控制和抑制不利因素，达到以最小的成本，安全、可靠地实现风险投资利益的最大化。

2.1风险识别

风险识别是风险管理的第一步，是指对企业面临的，以及潜在的风险加以判断、归类和鉴定风险性质的过程。存在于企业自身周围的风险多种多样、错综复杂，无论是潜在的，还是实际存在的，是静态的，还是动态的，是企业内部的，还是与企业相关联的外部的，所有这些风险在一定时期和某一特定条件下是否客观存在，存在的条件是什么，以及损害发生的可能性等，都是在风险识别阶段应予以回答的问题。在风险投资中，风险一般可以分为两类：系统风险和非系统风险。系统风险是由公司之外的各种因素引起的，如战争、经济衰退、通货膨胀、高利率等与政治、经济和社会相联系的风险，是不能通过多角化投资而分散的，因此又称作不可分散风险或市场风险。重要的系统风险有政治风险、法律法规风险和政策风险等。非系统风险也被称作可分散风险，它是由公司本身的商业活动和财务活动带来的，如企业的管理水平、研究与开发、消费者需求的改变、市场营销风险以及法律诉讼等，其可以通过多角化投资组合而分散，是公司特有的风险。重要的非系统风险有决策风险、财务风险、信用风险、完工风险和市场风险。作为风险投资者，其关心的往往只是项目的系统风险，因非系统风险完全可以通过合理的投资组合而得到分散。

2.2风险衡量

风险衡量对已经识别的风险进行分析评估，以确定其损害程度的过程。风险衡量的方法分为定性风险评价方法和定量风险评价方法两大类，定性风险评价方法又可分为主观评价法和客观评价法，传统的主观评价法主要有观察法、资产负债表透视法和事件推测法等。现代的主观风险评价方法致力于将传统主观方法涉及到的因素综合在一起，并且设法将传统上的主观方法的定性分析特征转向定量分析上，由此而将主观分析扩展到能够同时完成综合评价风险因素与测量风险临界值的双重任务。现代客观风险评价法中，最具代表性的是“Z记分”方法。作为一种综合评价风险企业风险的方法，“Z记分”方法首先挑选出一组决定企业风险大小的最重要的财务和非财务的数据比率，然后根据这些比率在预先显示或预测风险企业经营失败方面的能力大小给予不同的加权，最后将这些加权数值进行加总，就得到一个风险企业的综合风险分数值，将其对比临界值就可知企业风险的危急程度。定量风险评价方法主要有风险图法、决策树法等。

2.3风险控制

风险控制是指在对风险进行全面的分析之后，实施各种风险控制工具，力图在风险发生之前消除各种隐患，减少损失产生的原因及实质性因素，将损失的后果减少到最低限度。实施风险控制的步骤是风险预测——风险决策——实施决策方案——方案的成果评价。风险控制的主要方法有风险规避、风险预防、风险分散、风险转嫁、风险补偿、风险抑制等。

3科技评估与风险投资的风险管理

科技评估与风险管理既有联系也有区别，科技评估作为一种专业化判断活动，在介入风险投资的风险管理后，其任务便是对风险进行识别和衡量，其结果作为风险投资机构投资决策和制定风险控制实施方案的依据。可见，在风险投资的风险管理中，科技评估实质是风险的识别和衡量的过程，而风险管理还包括了风险控制的实施过程，这样科技评估就可以作为风险管理一个组成部分，实现两者的有机结合，促进共同发展。科技评估与风险投资的风险管理的关系如附图所示：

3.1科技评估是提高风险投资管理效率的重要手段

科技评估经过近十年的发展，已有一整套较为完备的评估规范和技术方法，在评估设计、评估信息采集、综合分析、评估质量控制等方面的研究已较为成熟，同时，由于科技评估机构长期致力于国家和地方各类科技计划、科技项目、科研机构等方面的评估，对于科技产业、科技政策等方面的研究也是其他咨询机构无法比拟的。而我国风险投资业尚处于起步阶段，国家还未出台较为完备的有关风险投资事业的行政法规，风险投资机构的风险管理机制还很不健全，对风险管理人才培训的投入和重视程度还远远不够，因此，将科技评估运用到风险投资的风险管理中将能充分发挥其作用，提高管理效率。

3.2科技评估方法是衡量风险投资风险的有效工具

定量和定性方法相结合是科技评估方法应用的基本思路，这与现代风险评价所采取的方法既有相近又有其独到之处，科技评估中最常用的方法是多指标综合评估方法，它是在对多个影响因素进行分析研究之后，设计一套相应的评估指标体系，并对每一个评估指标都制定具体的标准和统一的计算方法，使其能对金额、人数等可计量的指标进行定量评估，同时对社会影响等因素亦可做定性评估的描述。这与上面介绍的“Z记分”方法仅依靠可计量的数据作为评价基础相比较更为有效。采取科技评估方法衡量投资风险也更为准确、可信。

3.3科技评估是推动风险投资管理创新的动力

引入评估机制，使风险投资机构的投资选择与投资决策相分离，使得风险投资管理更为透明化，也遏止了内部人员的“暗箱操作”等种种不良现象。通过独立的、专业化的评估中介组织的运作，将能使风险投资机构的管理层能更客观地认识到投资风险，从而可集中精力于投资决策，通过管理体制的创新，保证投资的科学性和安全性，也提高了投资成功率。

3.4科技评估参与风险投资管理是其自身发展的需要

科技评估工作现阶段主要是为各级科技行政管理部门，主要是国家和省、市科技管理部门服务，而且大部分科技评估机构是由科技管理部门所属的有关单位，如软科学研究机构、科技咨询机构、科技情报机构等部门产生，但由科技管理部门所属的单位评估科技管理部门的科技项目、科技计划等等，在一定程度和一定范围内不可避免的受到科技管理部门的影响。因而，评估水平难以提高。因此，科技评估机构作为一种社会中介服务机构，和各类资产评估机构一样，应逐步社会化和多元化，如参与到风险投资管理的咨询工作中，只有社会化、多元化，才能充分引进竞争机制，优胜劣汰，提高评估水平，促进科技评估事业的发展。

3.5科技评估促进风险投资实现动态管理

风险投资从进入到退出的全过程中，无时无处不存在着风险，实施某项投资决策前需要进行深入分析以确定各种存在风险的影响程度；进行投资后，还应深入到所投资的企业进行跟踪调查分析，对企业生产经营、财务状况，市场竞争状况，企业的发展趋势与步骤等，经常进行科学的、系统的分析与判断，发现潜在的风险，及时采取有效措施，杜绝它的发生或降低它的危害；风险投资退出后，还要对风险投资的效果进行测评，总结经验与教训，作为今后投资决策的参考。可见，风险投资的风险管理是一个动态的过程，实现管理目标需要实施一系列的评估，科技评估的事前、事中和事后评估能够满足这一要求，促进风险管理动态管理。

参考文献

1国家科技评估中心编.科技评估规范，科技评估概论[M].北京：中国物价出版社，2001

量化投资方法篇9

摘要：本文从人力资本概念入手，着重介绍以人力资本的投入产出为基础和以技术内生化经济增长模型为基础的人力资本测度体系，并试对人力资本测度方法做一个综述。

关键词：人力资本；测度方法；综述

提高人力资源的质量需要进行投资，而这种投资行为获取的人力资本流量、存量究竟为多大，这就需要对人力资本投入和产出进行测度，本文从人力资本的概念入手，力图对人力资本的测度方法做一个综述。

一、人力资本测度的角度

对劳动力要素的研究的不断深入导致了人力资本的概念的提出，另一方面对人力资本概念不同程度的理解也决定了人力资本测度的角度。

我们可以把人力资本看作是活的资本、投资的结果、能带来收益的资本。作为活的资本，它凝结于劳动者体内，表现为人的知识、技能、经验、健康、体能，其中真正反映人力资本质量的是劳动者的智能，人力资本数量即为拥有智能来创造价值的劳动力的数量。但是对这种无形的劳动力智能本身无法进行精确度量。因此测度人力资本一般从两个角度：一是从人力资本的直接投入角度度量，即认为人力资本由投资费用转化而来，没有费用的投入就不会得到，因此对人力资本的计量,是对人力资本投入费用的归集；二是从人力资本的产出的角度度量，认为劳动力拥有的人力资本价值,可通过生产劳动的转移、交换、并实现价值的增值而体现，对人力资本贡献的度量实际上也是对人力资本存量的测度。

二、人力资本测度方法的雏形

应该说人力资本测度方法是随着人力资本理论的发展而不断的发展的，对人力资本理论的研究同时也伴随着对人力资本计量方法的研究。

在西方古典经济学派和新古典经济学派的理论阐述中可以找到有关人力资本测度的基本思想，其劳动与产出的静态分析模型：L=G÷q，其中L为劳动力数量，G为产出，q为劳动生产率，虽然他们不否认劳动者技能的作用，但以经济增长中劳动投入要素为基准的测度模式,人力资本存量等同于劳动力的数量，这并非真正意义上的人力资本测度方法。

具有人力资本测度方法的雏形的是经济学家沃尔什、丹尼森。沃尔什于1935年出版了《人力资本观》一书,在该书中,他从个人教育费用和个人收益相比较来计算教育的经济效益；丹尼森在他的劳动与经济增长模型中,将投入要素尤其是劳动投入要素分得比较详细:dG/G=α+β·dK/K+y·dL/L+…+φ·dX/X,式中K、L、…、X为丹尼森对投入的分类,β、γ、…、φ分别为各投入要素的份额,且β+γ+…+φ=1。其中,对劳动投入的细分和测量是丹尼森模式在前人方法基础上的一大进步。他把劳动力构成的各种因素,如就业、工作时间、教育程度、性别和年龄等都考虑在内,并利用各种不同特征的劳动小时收益作为权数对劳动投入进行加权,得出劳动投入指数。丹尼森运用该模式不仅测定了经济增长中的劳动投入贡献,而且还进一步度量了教育对经济增长的贡献作用。这无疑确立了经济增长关系中具有人力资本要素内涵的理论框架,也是西方学者有关教育与经济增长关系测度的首次尝试。

之所以称他们的研究是人力资本测度方法的雏形，是因为他们没有将完整的人力资本要素引入测度模型，更重要的是他们还没有对人力资本的形成过程和投入产出比率进行深入的研究与测度。然而,这些不太成熟的理论思想和定量分析方法,却是人力资本测度体系形成和日益完善进程中所必不可少的。

三、以人力资本投入产出过程为基础的人力资本测度

1．舒尔茨的研究。

舒尔茨是从探索经济增长和社会财富的积累而逐步踏上研究人力资本的道路的。1960年，舒尔茨发表了题为《人力资本的投资》的演说，明确提出了人力资本的概念，认为迅速扩大的人力资本存量，对劳动生产率的提高和经济的增长起着越来越重要的作用，对人力的投资主要包括教育投资、保健投资和劳动力迁徙投资，人力资本投资标准是：人力资本投资的未来收益，包括个人预期收益和社会的预期收益，要大于它的成本，即：收益率＝预期收益/成本,其收益率原则上同物质资本收益率测算相同。

尽管舒尔茨的计算方法的边界条件还存在一些值得人们探讨的不足之处，如不应仅把工资差别的原因看作为受教育程度不同，人力资本存量也不应完全由工资收入来代表等等，舒尔茨还是第一个提出了人力资本测度模型，从而在方法论上奠定了人力资本测度体系的基本框架。

2．贝克尔的研究。

贝克尔同样认为人力资本可以通过后天投资获得，并影响以后时期的生产率和收益，因此，用于物质资本的投资收益分析方法，也同样适用于人力资本研究。贝克尔的研究以微观为主从人类家庭入手，他的贡献之一是首次用传统的微观均衡分析方法建立了人力资本投资均衡模型。即人力资本投资的边际成本的当前值等于未来收益的贴现值。同时,他在人力资本形成方面，教育、培训和其他人力资本投资过程的研究也具有开创意义。

四、以技术内生化经济增长模型为基础的人力资本测度

技术内生性增长理论的思想源头是阿罗《边干边学》中指出的，阿罗把经济增长完全归功于学习过程和技术的外部效应，试图将新古典经济增长模型中的外生技术进一步内生化,根据这一理论思想，罗默、卢卡斯分别提出了各自的经济增长模型，虽然他们对经济增长中的最终动力源泉的理解有所不同，但他们却都充分肯定了人力资本在这个过程中重要性,卢卡斯则更是强调了人力资本在这个过程中的核心作用。

而从人力资本测度角度来看，论述人力资本对经济增长的作用，同时也是从产出价值的角度对人力资本做的一个测度。

罗默在1986年发表了《收益递增与经济增长》，书中他建立了两个增长模型：简单的两时期模型和简单的两部门模型。罗默的增长率方程显示，人力资本尤其是R&D部门的人力资本投入对经济增长起着积极的作用。两部门模型的思路是：R&D部门的人力资本HA创造知识和技术的积累，知识和技术进步用新资本品种类和数量A体现，进而A和生产部门的L和Hy产出Y，但在此过程中罗默忽略了教育部门及其他形式的人力资本投资对知识积累和技术进步的决定性作用和由此引起的对经济增长的作用，也就是说他只将知识和技术内生于资本的积累，而忽略了知识和技术在人力资本自身增长中的巨大作用，因此严格地讲罗默模型并未解决人力资本度量的任何问题，只是阐述了技术进步与人力资本的相互关系，提高了该模型对现实经济现象的解释力度。

卢卡斯将人力资本作为一个独立要素纳入经济增长模型，运用更加微观的方法把舒尔茨和贝克尔的人力资本概念、索罗的技术进步和罗默的知识积累具体化为“每个人的”、“专业化的”人力资本，以期解释持续经济增长问题。两资本模型和两商品模型区分了人力资本所产生的两种效应:即舒尔茨型的通过正规或非正规教育形成的人力资本所产生的“内部效应”与阿罗的“边干边学”形成的人力资本所产生的“外部效应”。

技术内生化经济增长模型评述：在研究经济增长时技术内生化经济增长模型不仅把人力资本纳入增长模型使之内生化，而且揭示了人力资本的“外部效应”和“外溢效应”，把对一般的技术进步和人力资源的强调变成了对特殊的知识即生产某一产品所需要的“无形的专业化的人力资本”的强调，此理论原意是在经济增长中强调人力资本的作用，并以此为根据来调整经济增长速度,预测经济增长趋势，提供方法和工具。然而，从人力资本理论的发展来看，这种测度角度同时也是对人力资本自身积累不同方式的量化描述，这种计量体系使人们对人力资本的研究更深入、更细致、更具体化、数量化了，是人力资本测度体系不可缺少的一种类型。

五、人力资本测度方法评述

无论是舒尔茨、贝克尔,还是卢卡斯、罗默的测度体系，其方法上的缺陷随着时间的推移都可以被不断出现的新的方法所完善。统计计量工作不会永远停留在原有的高度上,它只会向前发展。然而,从人力资源开发和人力资本理论的研究现状来看，尚有一些难点有待突破。

首先，从方法上看，由于人力资本投入的产出效益往往不直接表现为实物产值的增加，而总是表现为人的健康、知识和技能的增加。只有把人力资本投入到具体的生产实践中去时,人力资本的价值才间接地由经济活动的结果中体现出来。投入的教育、卫生保健、培育子女等生产性支出有多少形成了人力资本的增量，经济活动的结果增量中有多少可以归结为人力资本的作用，这些不确定性使人力资本价值必然存在难以精确估量的问题。因而从宏观层次上衡量人力资本投资对实现经济社会目标的作用程度，则显得更为力不从心。

其次，单纯的人力资本投资在任何时候都不能单独形成生产能力，人类活动是人力资本与非人力资本综合产生的，是两者结合的过程。人们很难把人力资本与非人力资本的作用从这“集体产品”中分离出来。同时，在现代社会生产中,不同的人力资本也必须结合在一起,才能对生产活动产生影响。这就存在不同质人力资本和不同产权人力资本的如何综合计量的问题，应该说评价单个人力资本对集体生产的贡献必然涉及到更多的研究领域，所以,即使舒尔茨、贝克尔、卢卡斯、罗默等人的研究业绩是这方面的杰出的成果，也未免带有某种片面性,或夸大某些因素的作用，或缩小了另一些因素的作用。

再次，人力资本与其他任何资本的区别正在于，其承担者是人，而不是实物，人有思想，有意识，有个性，有情感，有社会交往和个体经验等。难以想象其个人的思想、经历和感情不会影响其工作的态度和积极性。现代激励理论早已证明：人力资本的激励水平将极大地影响其存量价值的体现。有时这种影响可能是决定性的。

最后，在一定经济体制条件下，政策、体制运行对人力资本的影响也是不可忽视的。不考虑这些因素,理想化套用人力资本测度体系则很难与经济发展的实际相吻合。

参考文献：

1．亚当·斯密．国富论．北京：中华书局．1949．

量化投资方法篇10

在传统的证券投资学中，投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想，后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类，而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”[3]。从概念看，量化投资既不是基本面分析，也不是技术分析，但它可以采用基本面分析，也可以采用技术分析，关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示，本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

（一）资产定价与收益的预测

根据组合优化理论，投资者将持有无风险组合与市场风险资产组合，获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合，认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价，超过的部分就是超额收益，即投资组合管理所追求的阿尔法值[4]。追求显著正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中，法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说，在因素定价方面，量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择，证券投资学认为，对资产价格的影响，长期应主要关注基本面因素，而短期应主要关注市场的交易行为，即采用技术分析。在量化投资中，主要强调按照事先设定的规则进行投资，这在一定程度上与技术分析类似。但是，在技术分析中，不同的人会有不同的结论，而量化投资则强调投资的规则化和固定化，不会因人的差异而有较大的不同。另外，量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

（二）无套利条件与交易成本

在证券投资学里，流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券，投资者可以自由买卖证券。这主要是为了保证各种交易都能实现，如套利交易。根据套利定价理论，一旦市场出现无风险的套利机会，理性投资者会立即进行套利交易，当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中，对市场中套利限制与非流动性的关注较少，这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下，金融资产交易的过程及其结果，旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中，不同的市场微观结构对市场流动性的冲击是不同的。因而，从量化投资的角度看，为了降低交易带来的价格冲击，能实施量化投资策略的证券往往都应有较好的流动性，因为交易时非流动性直接影响投资策略的实施。从这个意义上讲，量化投资时的交易成本不仅包括交易费用，更主要的是要考虑市场交易冲击的流动性成本。

（三）风险控制与市场情绪

在证券市场中，高收益与高风险相匹配。量化投资在追求高收益的同时，不可避免地承担了一定的风险。在证券投资学中，系统性风险主要源于宏观经济因素，非系统性因素则主要源于行业、公司因素，并且不考虑市场交易行为的影响。在量化投资中，较多地使用因素定价模型，不仅会考虑市场经济因素，而且会考虑交易行为等因素，只是不同的模型有不同的侧重点，在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外，量化投资还有自身不可忽视的风险源。一方面，量化交易中，部分交易是采用保证交易的期货、期权等衍生品交易，这种杠杆交易具有放大作用，隐藏着巨大的风险。另一方面，市场冲击的流动性成本也是量化投资的风险控制因素，理所当然地在图1的风险控制模型中体现出来。另外，在一般的投资过程中，市场情绪或多或少会成为风险控制的一个对象。然而，在量化投资中，更多的交易都是通过计算机来实现的，如程序交易等，这样以来，投资者情绪等因素对投资决策的影响相对较小。所以，在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪，主要是通过承担适度的风险来获得超额回报，因为毕竟减少风险也减少了超额回报。

（四）执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下，实现投资策略成为量化投资的重要执行步骤。为了达到投资目标，量化投资不断追求更快的速度来执行投资策略，这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里，技术分析认为股价趋势有长期、中期和短期趋势，其中，长期和中期趋势有参考作用，短期趋势的意义不大。然而，随着计算机信息科技的创新，量化投资策略之间的竞争越来越大，谁能运作更快的量化模型，谁就能最先找到并利用市场错误定价的瞬间，从而赚取高额利润。于是，就诞生了高频交易：利用计算机系统处理数据和进行量化分析，快速做出交易决策，并且隔夜持仓。高频交易的基本特点有：处理分笔交易数据、高资金周转率、日内开平仓和算法交易。[5]高频交易有4类流行的策略：自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法：产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行，目前“算法交易”比较流行。算法交易优化买卖指令的执行方式，决定在给定市场环境下如何处理交易指令：是主动的执行还是被动的执行，是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。

二、对量化投资在证券投资教学中应用的思考

从上述分析可以知道，量化投资的“黑箱”构造与证券投资学之间存在一定的差异，因此，在证券投资的教学中应当考虑量化投资发展的要求。

（一）市场微观结构与流动性冲击

在理性预期和市场有效假说下，市场价格会在相关信息披露后立即调整，在信息披露前后市场有着截然不同的表现。在证券投资学里，一般认为价格的调整是及时准确的，然而，现实的世界里，价格调整需要一个过程。在不同的频率下，这种价格形成过程的作用是不同的。在长期的投资中，短期的价格调整是瞬间的，影响不大。然而，在高频交易中，这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型：存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响，解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程，认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型，这些市场微观结构的研究加强了流动性与资产价格之间的联系，强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容，因而，为了加强证券投资学的实用性，应关注市场微观结构的内容与发展。

（二）业绩评价与高杠杆

对于证券组合而言，不仅要分析其超额收益和成本，还要考虑其风险与业绩。在组合业绩评价中，一方面要考虑风险的衡量，另一方面则要分析业绩的来源。在证券投资学中，组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言，市场时机和管理者的能力依然重要，然而，量化投资的业绩评价还应考虑另一个因素：高杠杆。量化交易中，部分交易是采用保证交易的期货、期权等衍生品交易，这种杠杆交易具有放大作用，在市场好的时候扩大收益，但在市场不好的时候会加速亏损，这些与传统的业绩评价就不太一样。在一般的证券投资学里，业绩评价主要考虑经风险调整的收益，很少考虑其杠杆的作用，这不仅忽略了杠杆的贡献，而且有可能夸大了投资者的技能水平。

（三）人为因素与模型风险

在量化投资中，非常注重计算机对数据和模型的分析，这突出了量化投资的规则性和固定性。然而，实际中，别看量化采用了各种数学、统计模型，但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究，并借助计算机实施策略，能够消除很多认为的随意性。但是，量化策略毕竟体现投资者的交易理念，这一部分依赖于投资者的经验，一部分依赖于投资者对市场的不断观察与更新。实际上，人始终处于交易之中，对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性：决策实施依赖于人的设定，而人的设定不仅依赖于经验，而且人还会犯错。人之所以会犯错，一方面是因为人们对市场的认知是不完全的，另一方面则是人们使用了错误的模型。经典的证券投资理论中，股票价格的变动被认为是随机的，小概率事件出现的机会比较小，但是经验研究表明股票收益率具有肥尾现象，小概率事件发生的机会超出了人们原先的认识，即市场还会出现“黑天鹅”。更为关键的是，量化投资更依赖数学和统计模型，这就使得量化投资存在较大的模型风险，即使用了错误的模型。为了防范模型风险，应采用更为稳健的模型，即模型的参数和函数应该适应多种市场环境。近年来，研究表明，证券收益及其与风险因素的关系存在较大的非线性，同时，市场中存在一定的“噪声”，采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。

（四）2013年诺贝尔经济学奖的启示