時間：2023-07-03 09:40:47
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇量化投資步驟，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
曾在全球量化資產(chǎn)管理規(guī)模最大的巴克萊投資管理公司（BGI）管理量化基金、現(xiàn)任富國基金公司另類投資部總經(jīng)理的李笑薇，以自己多年的海內(nèi)外成功投資經(jīng)歷，與《投資者報(bào)》記者分享了量化投資的神秘與魅力所在。
自李笑薇加盟富國以來，富國A股量化投資模型于2009年底投入實(shí)戰(zhàn)，并獲得了不俗的戰(zhàn)績。截至2011年6月30日，富國旗下兩只指數(shù)增強(qiáng)基金――天鼎中證紅利、富國滬深300分別獲得了4.32%與 3.79%的收益，在所有指數(shù)型基金中位居前兩名。而同期滬深300指數(shù)、中證紅利指數(shù)分別下跌2.69%、2.1%。這一團(tuán)隊(duì)，正推出第三只指數(shù)增強(qiáng)基金――富國中證500指數(shù)增強(qiáng)。
量化不是“黑匣子”
《投資者報(bào)》：提及量化投資，國內(nèi)投資者總認(rèn)為很神秘。它與主動的定性投資差別到底有哪些？
李笑薇：量化模型的特點(diǎn)之一是抽象，但它稱不上是一個“黑匣子”，與傳統(tǒng)基金的投資區(qū)別也并非像投資者認(rèn)為的那樣大。
傳統(tǒng)基金經(jīng)理在做市場判斷時，腦子中會閃過好幾個模型，比如如何選定行業(yè)、個股，實(shí)質(zhì)這都是一個個模型。嚴(yán)格說，他們腦子里的模型比量化模型中能看到的都要多，只是他們沒有把這些模型提煉出來而已。
投資者購買傳統(tǒng)主動股票基金，并不代表他們對基金經(jīng)理的操作完全熟悉。基金經(jīng)理在哪個時間段，配置了哪些行業(yè)、個股，投資人無法確切知道，只是能看到每個季度的報(bào)告和最終的投資結(jié)果。
相比之下，量化投資進(jìn)出市場的每一個步驟，都非常清晰明了。在我的眼里，這個過程不是“黑匣子”，而是團(tuán)隊(duì)里每一個人按流程逐步去完成的。
《投資者報(bào)》：量化投資的詳細(xì)工作流程是怎樣的？
李笑薇：量化投資對團(tuán)隊(duì)合作要求更高。一般來說，有一部分人專門進(jìn)行數(shù)據(jù)的清洗、整理、輸送等，這需要計(jì)算機(jī)信息技術(shù)較強(qiáng)的人才；模型的設(shè)計(jì)和研究，往往需要很強(qiáng)的金融及數(shù)學(xué)背景；基金的日常管理往往需要金融及工程方面的專才。因此，通常量化投資團(tuán)隊(duì)的成員學(xué)歷都較高，但不是說學(xué)位很重要，而是需要一定的技術(shù)積累。
具體流程中，提取數(shù)據(jù)的人看數(shù)據(jù)，有人專做研究，有的做優(yōu)化或者交易下單。每個人都有自己的側(cè)重點(diǎn)，在整個團(tuán)隊(duì)中起不同的作用。一個人可能干多件事情，但想要全部完成是不可能的。
《投資者報(bào)》：量化投資能否穩(wěn)定地戰(zhàn)勝市場？
李笑薇：在不同的市場階段，市場的有效性會不同，需要用特定的方法，尋找不同階段的不同機(jī)會。
市場上的各種方法，捕捉的內(nèi)容都不一樣。比如巴菲特，他的風(fēng)格更趨近于一級市場中VC、PE的思維；西蒙斯則是完全拋開基本面，從純技術(shù)的角度，將全球貨幣的走勢、衍生品等林林總總的東西作為投資標(biāo)的。
從A股市場來說，當(dāng)前的發(fā)展階段需要有獨(dú)特的投資方式，富國基金量化增強(qiáng)的定位也有市場需求存在，滿足了一部分配置指數(shù)基金的需求。從運(yùn)作經(jīng)驗(yàn)看，量化增強(qiáng)后的收益會好于一般指數(shù)的收益，上半年超額收益有8%?？傮w來看，這個收益穩(wěn)定在5%~10%間，是很多基金難以做到的。
超額收益從何而來
《投資者報(bào)》：我們也注意到，多家基金公司都構(gòu)建了獨(dú)立的量化投資團(tuán)隊(duì)和模型，富國基金量化投資模型的獨(dú)特之處在哪里？
李笑薇：量化投資最重要的是人的思想，量化只是一個方式和工具，真正在掙錢的，是人的投資思想。
從富國量化模型的特點(diǎn)來看，首先是自下而上精選個股，不做倉位選擇。由于這是一只指數(shù)產(chǎn)品，投資人買時就要買到這樣的倉位，我們一直是用95%的倉位操作。
其次，嚴(yán)格風(fēng)險(xiǎn)控制，精細(xì)成本管理。再次，系統(tǒng)化的投資流程，科學(xué)化的投資管理。量化投資從開始到結(jié)束，是一個龐大復(fù)雜的工程，團(tuán)隊(duì)里面專門有人負(fù)責(zé)清洗、研究數(shù)據(jù)，做一系列的回撤，實(shí)現(xiàn)交易單。
最后還要尊重模型出來的結(jié)果。在操作過程中，主動干預(yù)非常少，人的干預(yù)更多在整個模型的設(shè)計(jì)上。
《投資者報(bào)》：你們今年近8%的超額收益是如何實(shí)現(xiàn)的？不同市場環(huán)境下，模型是否會有大的調(diào)整？
李笑薇：對我們來說，發(fā)現(xiàn)哪些因子在最近的市場更有效，并保持一定的前瞻性，是量化團(tuán)隊(duì)的主要工作。
比如，大家都很熟悉的估值因子，在2006年到2009年都有比較優(yōu)異的表現(xiàn)。但是到了2010年，估值因子的作用突然發(fā)生了變化，估值并不能起到明顯推動作用，我們也提前做了適當(dāng)?shù)恼{(diào)整。
責(zé)任心決定能否做好
《投資者報(bào)》：除了模型外，量化投資成功還取決于什么？
李笑薇：一般而言，量化投資策略是否成功取決于三大因素。一個因素是質(zhì)量，重點(diǎn)取決于數(shù)據(jù)和研究。第一步是要保證數(shù)據(jù)的質(zhì)量沒有問題。對于任何一個數(shù)據(jù)源，我們基本是用一家數(shù)據(jù)商，但會用兩家來互相檢驗(yàn)，檢驗(yàn)后的結(jié)果才進(jìn)入到自己的數(shù)據(jù)庫里。
研究質(zhì)量的好壞，其實(shí)是工作責(zé)任和態(tài)度的問題。量化雖然有門檻，但對理工科碩士以上的人來說門檻并不高，能否做好靠的是責(zé)任心。
第二是經(jīng)驗(yàn)和判斷。我們會做大量研究、看歷史業(yè)績，但歷史不代表未來。當(dāng)你做了大量細(xì)致的研究，發(fā)現(xiàn)可能有五個因子影響，表現(xiàn)最好的是A，后面有BCDE，其他因子哪些權(quán)重更大？做決定要基于經(jīng)驗(yàn)和判斷。但歸根到底，判斷與決策要有很強(qiáng)的實(shí)踐來做支撐。
三是運(yùn)氣，好的質(zhì)量和經(jīng)驗(yàn)不等于好的業(yè)績。盡管它們可以提高好業(yè)績的概率。投資結(jié)果在任何時候都有運(yùn)氣的影響，這對所有管理人都是公平的。不過，今年這樣的業(yè)績基本上屬于正常運(yùn)氣范圍內(nèi)。
【關(guān)鍵詞】 AHP方法； 投資方案； 決策原理
一、引言
企業(yè)投資方案決策是否正確直接關(guān)系到生產(chǎn)經(jīng)營的成敗。現(xiàn)有投資方案決策通常是采用比較各備選方案凈現(xiàn)值、期望收益額、期望收益率、收益標(biāo)準(zhǔn)差和收益標(biāo)準(zhǔn)差率等單一量化指標(biāo)來選擇最優(yōu)投資方案。運(yùn)用單一的量化指標(biāo)進(jìn)行決策雖然方便但沒有綜合考慮影響企業(yè)投資決策的各種量化、非量化因素，尤其是當(dāng)運(yùn)用不同量化指標(biāo)對備選方案選擇得出的結(jié)論相悖時企業(yè)將陷入無法決策的困境。本文針對這種情況，綜合考慮影響投資決策的量化和非量化因素，運(yùn)用層次分析法結(jié)合案例分析進(jìn)行最優(yōu)投資方案選擇。
二、層次分析法運(yùn)用于投資方案決策的原理
層次分析法（Analytia1 Hierarchy Process，簡稱AHP）是美國匹茲堡大學(xué)教授A. L. Saaty于20世紀(jì)70年代提出的一種系統(tǒng)分析方法。AHP方法能夠綜合分析量化因素和非量化因素進(jìn)行決策，因此在經(jīng)濟(jì)管理類研究中有著廣泛的運(yùn)用。層次分析法的基本原理：根據(jù)問題的性質(zhì)和需要達(dá)到的總目標(biāo)，將解決方案分解為目標(biāo)層、中間層、方案層等，并按照因素間的相互關(guān)聯(lián)影響以及隸屬關(guān)系，將各因素按不同層次聚集組合，形成一個多層次的分析結(jié)構(gòu)模型。層次分析法運(yùn)用于投資方案決策可分為四個步驟。
（一）目標(biāo)層的確定
層次分析法運(yùn)用于投資方案決策首先要確定投資方案決策的目標(biāo)。投資方案的決策目標(biāo)就是選擇最優(yōu)投資方案。投資方案決策是否正確，直接關(guān)系到企業(yè)的生存和發(fā)展，因此必須對企業(yè)內(nèi)外各種定性和定量的信息進(jìn)行全面分析，才能做出正確的決策。最優(yōu)投資方案的選擇并不僅僅取決于某一單項(xiàng)指標(biāo)的優(yōu)劣，比如凈現(xiàn)值的高低。凈現(xiàn)值的高低只是企業(yè)衡量投資方案的一個方面，最優(yōu)投資方案應(yīng)該是最符合企業(yè)整體發(fā)展戰(zhàn)略，能夠發(fā)揮企業(yè)自身優(yōu)勢的方案。
（二）中間層要素的確定
決策目標(biāo)確定為最優(yōu)投資方案后，最優(yōu)投資方案的實(shí)現(xiàn)將分解成各層次的中間層要素。中間層要素可以是量化的也可以是非量化的。層次分析法在投資方案決策中運(yùn)用的關(guān)鍵就在于要將決策目標(biāo)分解為合適的中間層要素，即：投資方案優(yōu)劣的判斷標(biāo)準(zhǔn)。判斷投資方案的標(biāo)準(zhǔn)必須符合企業(yè)實(shí)際，一般情況下期望年收益高、投資風(fēng)險(xiǎn)小、凈現(xiàn)值高的投資方案是優(yōu)秀的投資方案，但對于特定企業(yè)而言，國家政策支持力度、投資周期的長短、技術(shù)優(yōu)勢是否明顯，在選擇投資方案時也許更加重要。因此建立層次結(jié)構(gòu)模型應(yīng)列出決策目標(biāo)的影響因素，通過考慮各影響因素之間的重要性建立關(guān)系矩陣來確定各因素的權(quán)重關(guān)系。
（三）確定多個備選方案完成層次結(jié)構(gòu)模型
將企業(yè)多個備選投資方案和層次結(jié)構(gòu)模型的決策目標(biāo)、中間層要素進(jìn)行連接，通過計(jì)算權(quán)重、單個矩陣、整體矩陣的一致性判斷來確定層次結(jié)構(gòu)模型的合理性，最終根據(jù)計(jì)算結(jié)果選擇最優(yōu)投資方案。
（四）進(jìn)行層次單排序及總排序，并進(jìn)行一致性檢驗(yàn)
計(jì)算出各判斷矩陣的最大特征根及特征向量，并通過歸一化處理，同時要檢驗(yàn)判斷矩陣的一致性，如果不能通過一致性檢驗(yàn)則需對判斷矩陣重新計(jì)算；計(jì)算同一層次對最高層次（總目標(biāo)）相對重要性的排序權(quán)值，此過程從最高層依次到最低層進(jìn)行，同時對判斷矩陣進(jìn)行一致性檢驗(yàn)，如果不能通過一致性檢驗(yàn)則需要重新開始。
三、層次分析法在投資方案決策案例中的應(yīng)用
筆者通過案例來探討層次分析法在投資決策中的具體應(yīng)用。假設(shè)A企業(yè)要進(jìn)行投資決策，現(xiàn)有三種方案可供選擇。三種備選方案投資收益基本情況見表1。
三種備選方案的投資周期不同，C1方案為5年，C2方案為4年，C3方案為6年（假設(shè)均為一次投入，分年收益）。A企業(yè)的再投資年收益率為10%。從A企業(yè)現(xiàn)有的科學(xué)技術(shù)來看，C1方案有一定的技術(shù)優(yōu)勢，其他兩個方案均為新的領(lǐng)域，但C3方案是環(huán)保產(chǎn)業(yè)，國家政策比較支持。
從A企業(yè)案例可以看出三種備選方案的決策信息中既有量化信息也有非量化信息。傳統(tǒng)的投資方案決策方法通常運(yùn)用凈現(xiàn)值、投資年收益、收益標(biāo)準(zhǔn)差等單一的量化指標(biāo)判斷最優(yōu)投資方案。這些傳統(tǒng)決策方法在決策時考慮的因素比較單一，而且在本例中，傳統(tǒng)決策方法出現(xiàn)了多項(xiàng)指標(biāo)優(yōu)勢交叉而無法進(jìn)行判斷的現(xiàn)象。因此筆者選用層次分析法進(jìn)行投資方案的決策，以綜合考慮投資方案中的量化因素和非量化因素。
（一）建立層次結(jié)構(gòu)模型
根據(jù)A企業(yè)案例資料，綜合現(xiàn)有數(shù)據(jù)選擇六個中間層要素，畫出A企業(yè)投資方案的層次模型結(jié)構(gòu)圖，如圖1所示。
（二）構(gòu)造判斷對比矩陣A—B
A企業(yè)管理當(dāng)局選定10位專家組成專家系統(tǒng)，運(yùn)用德爾菲法對六個中間層要素的重要性進(jìn)行比較，使用九級指標(biāo)法將中間層要素兩兩比較后進(jìn)行打分，得出決策目標(biāo)層A對中間層要素B的判斷對比矩陣，即：A—B對比矩陣，見表2。
其他對比矩陣的權(quán)向量計(jì)算過程同對比矩陣A—B的權(quán)向量計(jì)算過程限于篇幅不再詳述。
（五）一致性檢驗(yàn)及備選方案的選擇
計(jì)算各對比矩陣的最大特征根，利用隨機(jī)一致性指標(biāo)進(jìn)行檢驗(yàn)，計(jì)算出CR的值（表9）。從表9可以看出，各中間層要素的一致性比率CR均小于0.1，即各判斷矩陣的一致性檢驗(yàn)均通過。
計(jì)算層次總排序，進(jìn)行一致性檢驗(yàn)得出CR=
0.0774
從表10可以看出備選方案C3的方案總權(quán)重最大，A企業(yè)應(yīng)選擇備選方案C3作為最優(yōu)投資方案。
四、結(jié)論
通過A企業(yè)的案例分析，筆者認(rèn)為層次分析法能夠較好地結(jié)合量化指標(biāo)和非量化指標(biāo)綜合考慮影響企業(yè)投資方案決策的各方面因素，使企業(yè)投資方案決策更具科學(xué)性。運(yùn)用層次分析法對企業(yè)投資方案決策過程中的各影響因素進(jìn)行權(quán)重分配，可避免在影響因素過多的情況下決策者顧此失彼，將主觀意識過多地帶入企業(yè)的經(jīng)營決策。當(dāng)各種決策方案出現(xiàn)多項(xiàng)指標(biāo)優(yōu)勢交叉時，層次分析法更能做出科學(xué)的判斷。
【參考文獻(xiàn)】
[1] 鄧永勝，董毅明.基于AHP的云南省物聯(lián)網(wǎng)發(fā)展分析[J].昆明冶金高等專科學(xué)校學(xué)報(bào)，2012（1）：21-26.
既然世界經(jīng)濟(jì)前景充滿不確定性，那我們對任何突襲而至的情況就不必太吃驚。歲末年初，當(dāng)中國尚在揣摩和應(yīng)對美國第三輪量化寬松（QE3）的“扭轉(zhuǎn)操作”（Operation Twist）時，第四輪量化寬松政策（QE4）又不期而至。
北京時間12月13日凌晨，美聯(lián)儲麾下聯(lián)邦公開市場委員會（FOMC）決定，推出新一輪量化寬松的貨幣政策（QE4），以解決正面臨“財(cái)政懸崖”巨大挑戰(zhàn)的美國經(jīng)濟(jì)可能陷入長期低迷的問題。當(dāng)天的12月會議紀(jì)要顯示，在“扭曲操作”到期之后，美聯(lián)儲將每月購買450億美元的美國國債。綜合此前QE3計(jì)劃下每月400億美元住房抵押貸款證券購買規(guī)模，在2013年一段時期之內(nèi)，美聯(lián)儲每月購買資產(chǎn)總額將高達(dá)850億美元，以支持金融市場和經(jīng)濟(jì)復(fù)蘇。美聯(lián)儲還表示，將維持0?0.25%的低利率不變，直到失業(yè)率下降至6.5%。
雖然美國的決定讓我們頗感意外，但細(xì)想之下，其不過是“另一只早晚要落地的靴子”。
無論如何，QE4計(jì)劃都會給本已復(fù)雜的國際經(jīng)濟(jì)形勢帶來更復(fù)雜的變數(shù)，特別是像中國這樣的新興市場國家，政府和企業(yè)在決策時不得不面對隨時而至的新難題。
政策指向失業(yè)與通脹
2012年9月13日，美國推出QE3。之后的幾個月內(nèi)，美國的經(jīng)濟(jì)和就業(yè)緩慢恢復(fù)，家庭消費(fèi)支出和房地產(chǎn)業(yè)的數(shù)據(jù)有所改善，但失業(yè)率依然呈上升趨勢、企業(yè)固定資產(chǎn)投資下降，去除能源價格變化帶來的短期波動這一因素，通脹率低于美聯(lián)儲貨幣政策委員會的目標(biāo)，長期通脹預(yù)期平穩(wěn)。但全球金融市場萎縮使美國經(jīng)濟(jì)前景仍面臨下行風(fēng)險(xiǎn)。為此，美聯(lián)儲調(diào)低了2012?2015年美國經(jīng)濟(jì)增長預(yù)期。
為了增加就業(yè)水平，保持價格穩(wěn)定，在美國財(cái)政政策幾乎被“凍僵”的前提下，美聯(lián)儲只好出籠QE4，不得不繼續(xù)在QE3的基礎(chǔ)上通過購買債券的方式，向市場注入流動性。
本輪量化寬松政策的具體措施包括：每月繼續(xù)增加購買機(jī)構(gòu)住房抵押貸款證券400億美元，每月購買長期國債450億美元；將以上業(yè)務(wù)所得的利息再投資于住房抵押貸款證券，并繼續(xù)持有美國國債。美國政府希望以此來保持較低的長期利率，支持住房抵押貸款市場，營造更加適宜的金融大環(huán)境。由此可見，QE4不過是規(guī)模更大的QE3，亦即“加強(qiáng)版”的QE3。
與前三輪量化寬松政策不同的是，美聯(lián)儲此次還公開了量化寬松政策的兩項(xiàng)前提條件，即失業(yè)率和通貨膨脹率水平。只要失業(yè)率仍然高于6.5%，未來1至2年的通脹率水平不高于2%的目標(biāo)水平0.5個百分點(diǎn)以上，且長期通脹預(yù)期穩(wěn)定，聯(lián)邦基金利率將保持在0?0.25%的水平。
兩項(xiàng)前提條件的公布說明，美聯(lián)儲的貨幣政策方向是促進(jìn)就業(yè)和保持較低的通貨膨脹率，輿論普遍據(jù)此預(yù)測美聯(lián)儲未來的政策變化將關(guān)注失業(yè)和通貨膨脹率兩項(xiàng)指標(biāo)。這有利于美聯(lián)儲錨定公眾預(yù)期，增強(qiáng)貨幣政策的有效性。
短期資本可能再次流入
美國施行QE4，將會帶動新一輪的全球貨幣量化寬松，中國可能再次面對“貨幣洪水”到來的局面。
在新一輪貨幣寬松政策的刺激下，如果美國企業(yè)投資和家庭支出真如美聯(lián)儲期望的那樣得到恢復(fù)，那么，美國經(jīng)濟(jì)的復(fù)蘇就有了堅(jiān)實(shí)的基礎(chǔ)。如果擴(kuò)大的流動性進(jìn)入實(shí)體經(jīng)濟(jì)部門，此輪政策不僅有利于美國經(jīng)濟(jì)的復(fù)蘇，也有利于世界經(jīng)濟(jì)的復(fù)蘇。由于美國經(jīng)濟(jì)的復(fù)蘇將通過收入效應(yīng)提高對中國進(jìn)口產(chǎn)品的需求，進(jìn)而有利于中國的出口。
但是，如果QE4釋放出的流動性沒有如預(yù)期那樣進(jìn)入美國實(shí)體經(jīng)濟(jì)，那么，美國就會面臨流動性過剩，這些過剩的流動性出于逐利的目的就會流到資本回報(bào)率較高的新興市場國家，也就是說，中國等新興市場國家將可能面臨短期資本流入的局面。
為穩(wěn)定經(jīng)濟(jì)增長，中國的貨幣政策目前比較寬松，中國人民銀行主要以逆回購的方式向市場投放流動性。美國和其他強(qiáng)經(jīng)濟(jì)體的量化寬松政策將會破壞中國原有的宏觀調(diào)控計(jì)劃和步驟，并因?yàn)槎唐谫Y本流入而帶來通脹壓力。
即將到來的2013年，中國將面臨“投資趨穩(wěn)、消費(fèi)趨軟、出口趨緩”的態(tài)勢，中國經(jīng)濟(jì)增長放緩的壓力增加。
QE4引致的短期資本流入和對外貿(mào)易順差將使中國外匯市場出現(xiàn)“外匯供大于求”的現(xiàn)象。目前，中國外貿(mào)順差雖然緩慢下降，但在以加工貿(mào)易為主的貿(mào)易結(jié)構(gòu)下，還會在較長時期內(nèi)保持貿(mào)易順差，如果QE4引致短期資本流入，人民幣將繼續(xù)面臨升值壓力。
在此情況下，如果央行仍偏好人民幣匯率穩(wěn)定，將不得不繼續(xù)干預(yù)外匯市場，增加外匯占款，為維持貨幣供給量的穩(wěn)定，繼續(xù)采取沖銷政策；如果央行傾向于人民幣匯率市場化，人民幣將會持續(xù)升值，這將進(jìn)一步“邀請”短期資本流入，屆時，中國貨幣政策受外部經(jīng)濟(jì)環(huán)境影響，將呈現(xiàn)出較大的波動性，不利于央行維持較低的通貨膨脹率，也不利于建立中央銀行的公信力。
美國推出QE3前后，曾推動大宗商品市場在9月出現(xiàn)了一波延續(xù)近一個月的強(qiáng)勢行情。QE4的推出，對市場的刺激作用可能會相對減弱。以原油為例，頁巖氣革命使美國能源出現(xiàn)了獨(dú)立性趨勢，美國對于外部石油的需求已大大減少，這有力地遏制了國際原油價格因美元走弱而大幅上漲。此外，中國企業(yè)由于“去庫存”和減少過剩產(chǎn)能的壓力，對外部需求的壓力逐步減小，QE4通過商品市場給中國企業(yè)帶來的成本壓力有限。這也間接說明，QE4背景下，中國面臨的輸入型通貨膨脹壓力主要來源于短期資本流入。
延遲人民幣國際化的步驟
本篇報(bào)告的量化投資策略主要采用的方法與理論有以下幾種：1、線性回歸。2、多因素模型。3、CAPM（資本資產(chǎn)定價模型）。4、假設(shè)檢驗(yàn)與置信區(qū)間估計(jì)。5、蒙特卡洛模擬。6、VaR（風(fēng)險(xiǎn)價值）方法。7、Matlab（矩陣實(shí)驗(yàn)室，用于數(shù)據(jù)的處理與圖形的分析）技術(shù)。主體內(nèi)容主要分為四大部分。第一部分為模型建立階段，主要是挑選影響股票收益率的相關(guān)因素。第二部分主要是挑選出收益率排名前20%的股票，并運(yùn)用CAPM模型進(jìn)行組合搭配，以求降低非系統(tǒng)性風(fēng)險(xiǎn)，最大化股票的收益。第三部分采用統(tǒng)計(jì)學(xué)的知識，對上述建立的模型的相關(guān)參數(shù)進(jìn)行范圍上與概率上的估計(jì)。并采用VaR方法與蒙特卡洛模擬，進(jìn)行風(fēng)險(xiǎn)的評估與控制，并運(yùn)用多種評估績效的方式（夏普比率、特雷諾比率、簡森阿爾法等指標(biāo)），對股票的風(fēng)險(xiǎn)與收益做出客觀的評判。第四部分為模型的評價階段，即由宏觀到微觀對該模型做出全面的解釋。與此同時，運(yùn)用matlab技術(shù)對參數(shù)進(jìn)行適當(dāng)?shù)膭討B(tài)更新，使其盡量符合市場的波動情況，并進(jìn)行回溯測試，用市場的實(shí)際結(jié)果來解釋模型的合理之處。
2 策略步驟
第一部分：模型建立階段。
2.1 影響收益率的因子初選
我們采用以下收益率因子。
以上表格反映了影響收益率的主要四大類因子，較好地包括了影響收益率的主要因素。雖然從宏觀層面上我們挑選出了一些影響收益率的主要因子，然而，在現(xiàn)實(shí)過程中，影響某個具體公司收益率的因素很可能只是其中某幾個。因此，我們應(yīng)當(dāng)試圖找出影響每個股票的收益率的個別關(guān)鍵因素，這里我們采用matlab技術(shù)以及線性回歸的方法，以融捷股份（002192）與暴風(fēng)科技（300431）為例進(jìn)行說明。筆者根據(jù)深圳證券交易所統(tǒng)計(jì)的數(shù)據(jù)通過EXCEL表格進(jìn)行合并整理后得到融捷股份的收益率數(shù)據(jù)，將該數(shù)據(jù)導(dǎo)入matlab中，以市盈率為橫軸、收益率為縱軸，建立圖形關(guān)系。
根據(jù)統(tǒng)計(jì)學(xué)的知識可知，我們用決定系數(shù)R2來反應(yīng)自變量解釋因變量力度的強(qiáng)弱，而決定系數(shù)與相關(guān)系數(shù)之間存在平方關(guān)系，即2=R2。因此，在matlab中我們通過計(jì)算一組數(shù)據(jù)之間的相關(guān)系數(shù)，反求出其決定系數(shù)，從而說明該特定自變量能從多大程度上解釋因變量。代碼運(yùn)行的結(jié)果如下：
從上述運(yùn)行結(jié)果可知，市盈率與股票收益率之間的R2只有0.0934，遠(yuǎn)小于1，因此市盈率這一項(xiàng)指標(biāo)在融捷股份里并不能對收益率的變動起到?jīng)Q定性作用。
類似地，我們對表1-1中所有的因子進(jìn)行相同的操作方法，在此由于篇幅原因不再贅述，僅展示操作步驟與過程。
2.2 剔除冗余因子
在進(jìn)行上述步驟的過程中，值得一提的是，各個因子之間可能本身就具有一定的相關(guān)性。比如，ROE指標(biāo)與ROA指標(biāo)本身就滿足一個等式：ROE=ROA*EM， 其中EM為權(quán)益乘數(shù)，計(jì)算公式為EM=1/（1-負(fù)債率）。如果因素之間的相關(guān)性甚小，我們可以忽略不計(jì)，但是當(dāng)相關(guān)性大到一定程度時，便會對之后的多因素模型分析過程產(chǎn)生誤導(dǎo)，因此在這里我們需要補(bǔ)充的一步是利用matlab軟件，建立不同指標(biāo)之間的關(guān)系方程，判斷是否存在多重共線性。
2.3 多因素模型體系的建立
在進(jìn)行完影響收益率的因子選擇以及剔除完冗余因子之后，便是最為重要的建立綜合評分體系，將所有的因子共同反映到一個方程中，用來解釋股票收益率與因子之間的具體變化。
多因素模型的建立過程分為如下幾個步驟：
（1）. 標(biāo)準(zhǔn)化原始數(shù)據(jù)
（2）. 建立相關(guān)性矩陣
（3）. 計(jì)算相關(guān)性矩陣的特征值和特征向量
（4）. 得出總方程表達(dá)式
通過對上述運(yùn)行結(jié)果的分析我們可以看出，月最大超額收益的影響最大，而累計(jì)收益的影響最小。這樣，我們便量化出了影響該股票收益率的方程式。
第二部分：交易標(biāo)的股票的選取
2.4 選取收益率前20%的股票
通過第一部分的論述，我們最終可以得到影響不同公司股票收益率的方程式，可以用matlab或者數(shù)據(jù)庫技術(shù)進(jìn)行保存，當(dāng)需要更新參數(shù)或者進(jìn)行預(yù)測決策時，調(diào)用相關(guān)函數(shù)即可。
在第二部分中，我們將選取的標(biāo)的股票資產(chǎn)池的相關(guān)數(shù)據(jù)輸入到方程式中，即可得到未來一段時間的預(yù)期收益率。假設(shè)我們從每個板塊中選取出了20支股票，我們保留預(yù)期收益率排在前20%的股票，優(yōu)中選優(yōu)，盡量最大化我們的收益。
2.5 利用CAPM模型進(jìn)行資產(chǎn)組合
20世紀(jì)誕生的資本資產(chǎn)定價模型（CAPM）為廣大投資者選擇資產(chǎn)組合提供了良好的理論基礎(chǔ)與依據(jù)。威廉夏普（William F. Sharpe，1934-）與馬克維茨（Harry M. Markowitz）等人所建立的組合管理理論核心即為以下等式：
E（Rn）=R
f+（E（Rm）-Rf）
其中，E（Rn）為股票的預(yù)期收益率，Rf為無風(fēng)險(xiǎn)利率，為單個股票與市場之間的相關(guān)性，E（Rm）為某一基準(zhǔn)的收益率。通過該理論，我們可以建立多個資產(chǎn)的不同搭配情況。
在第三部分，我們會進(jìn)一步討論運(yùn)用各項(xiàng)績效評估指標(biāo)，來權(quán)衡風(fēng)險(xiǎn)與收益。
第三部分：風(fēng)險(xiǎn)控制
2.6 對各項(xiàng)參數(shù)進(jìn)行區(qū)間估計(jì)和假設(shè)檢驗(yàn)。
前兩部分重點(diǎn)關(guān)注了組合的收益情況，力求在市場處于無效或弱有效的情況下，取得超越市場的收益率。然而，對風(fēng)險(xiǎn)的把握仍為非常重要的方面，自從2007-2009年間發(fā)生的金融災(zāi)難以后，人們對于風(fēng)險(xiǎn)控制的意識又提高到一個新的水平。下面具體介紹如何利用統(tǒng)計(jì)學(xué)知識，對風(fēng)險(xiǎn)以及收益的取值范圍做出評估與估計(jì)。
假設(shè)由第一部分模擬出的收益率方程滿足如下等式：
Yi = -4.451 +2.057 * X1i + 2.008 * X2i
我們可以看到，在這個等式中出現(xiàn)了三個參數(shù)，分別是截距項(xiàng)-4.451、X1i的系數(shù)2.057以及X2i的系數(shù)2.008。然而，這畢竟是模擬出來的結(jié)果，或多或少會存在著一定的誤差，那么對這種誤差水平的度量就顯得尤為重要。特別是對于X1i與X2i的參數(shù)的估計(jì)，其改變直接決定了Yi的變化的方向以及程度。在這里，我們運(yùn)用統(tǒng)計(jì)學(xué)上的假設(shè)檢驗(yàn)與置信區(qū)間估計(jì)的方式，判斷我們有多大的信心，或者說有多大的概率，該參數(shù)可以滿足我們的要求，從而對我們的決策活動形成指導(dǎo)意義。見下圖：
如上圖所示，該圖為用統(tǒng)計(jì)軟件所得出的上式的相關(guān)統(tǒng)計(jì)學(xué)分析，可以看出上式的R2（R-squared）為0.934，并且調(diào)整后的R2（Adj R-squared）為0.890，說明該式的所有系數(shù)，作為一個整體，對Yi具有較好的解釋力度。其中ESS（Explained Sum of Squared）為模型模擬出的曲線與平均值的差的平方和，而SSR（Squared Sum of Residual）為真實(shí)點(diǎn)與估計(jì)點(diǎn)的差的平方和。Matlab圖示如下：
上圖是通過最小二乘法擬合出來的一條回歸曲線，其中藍(lán)色的點(diǎn)與實(shí)線之間的距離的平方和即為SSR，而實(shí)線與所有實(shí)際點(diǎn)的均值之間的距離的平方和即為ESS。R2=ESS/（ESS+SSR）。
由圖6-1還可以看到，2.057所處的95%置信區(qū)間范圍為0.984-3.130。其中，P值與t統(tǒng)計(jì)量用來判斷在95%的把握下，是否可以拒絕一項(xiàng)參數(shù)，即判斷該參數(shù)在一定概率條件下的真假情況。我們通常可以通過查對應(yīng)的t分布表來找到對應(yīng)的關(guān)鍵值，或者采用比較p值大小的方式進(jìn)行判斷。比如說，要判斷圖6-1中Experience的參數(shù)2.008在95%的概率條件下的合理性，我們計(jì)算出其t統(tǒng)計(jì)量如圖上的2.664，而對應(yīng)的置信區(qū)間范圍中包括了2.664這個值，因此我們可以得出如下結(jié)論：Experience的系數(shù)2.008在95%的置信水平下是無法拒絕的。這一結(jié)論同樣可以通過判斷p值的大小得出，p值為0.076，大于顯著性水平0.05（通過1-95%得到），因此有足夠的自信可以保證該系數(shù)的合理性。
通過上述方法，我們可以對之前模擬出的收益率方程的系數(shù)的合理性做出判斷與評估，使我們對其有一個更為深入的了解。
2.7 基于蒙特卡洛模擬的風(fēng)險(xiǎn)控制。
在風(fēng)險(xiǎn)管理領(lǐng)域，VaR方法一直在各大金融機(jī)構(gòu)被視為進(jìn)行風(fēng)險(xiǎn)度量的首選，因?yàn)槠淇梢蕴峁┰谝欢ǖ闹眯艆^(qū)間下所發(fā)生的最大損失的大小。然而，實(shí)踐證明，在市場出現(xiàn)劇烈波動的情況下（比如2007-2009的金融危機(jī)），資產(chǎn)之間的相關(guān)性會增強(qiáng)，以前可能相關(guān)性很弱的資產(chǎn)在市場不穩(wěn)定時期出現(xiàn)了高度關(guān)聯(lián)的相關(guān)性。而普通的線性估算VaR的方法在金融危機(jī)期間，對于風(fēng)險(xiǎn)的度量不再準(zhǔn)確與合理。因此，出現(xiàn)了后來的情景分析方法（scenario analysis ）以及這里要討論的蒙特卡洛模擬。
所謂蒙特卡洛模擬，是對一項(xiàng)資產(chǎn)的所有可能取值進(jìn)行隨機(jī)數(shù)模擬，來計(jì)算產(chǎn)品的價格以及計(jì)算風(fēng)險(xiǎn)價值的大小。其應(yīng)用領(lǐng)域十分廣泛，不僅可以用來模擬復(fù)雜金融產(chǎn)品的價格（例如，含權(quán)債券的定價、住房抵押貸款證券化產(chǎn)品的定價），在風(fēng)險(xiǎn)管理領(lǐng)域還可以用來度量風(fēng)險(xiǎn)的大小。在此，我們給出詳細(xì)的解釋，來說明怎樣進(jìn)行基于蒙特卡洛模擬的風(fēng)險(xiǎn)的度量。
重復(fù)上述代碼四次，模擬出不同收益率的圖形，每次模擬都可以得到一條收益率的曲線，當(dāng)我們從股票收益率的總體曲線中隨機(jī)抽出N個樣本的收益率曲線，對其進(jìn)行算術(shù)平均，便可以得到最終模擬出的收益率曲線，通過正態(tài)分布或?qū)?shù)正態(tài)分布作圖，我們可以在豎直方向上做出一條輔助線，該輔助線對應(yīng)的分位點(diǎn)即是VaR所處的位置，如此一來我們便可以得到VaR的結(jié)果。
第四部分：模型的改進(jìn)與實(shí)時更新
2.8 模型評價
在這一部分，我們主要對上述建立的收益風(fēng)險(xiǎn)模型進(jìn)行評價，包括引進(jìn)一些至關(guān)重要的績效評估指標(biāo)，例如夏普比率，特雷諾比率，簡森阿爾法，信息比率，索提諾指標(biāo)等。
夏普比率來自于CAPM模型，其基本內(nèi)涵是單位風(fēng)險(xiǎn)所對應(yīng)的超額收益。在CAPM模型中，夏普比率即是資本市場線的斜率。因此，對于一個組合的風(fēng)險(xiǎn)收益的評估，我們可以通過計(jì)算其夏普比率，再與其他組合比較，選出夏普比率最大的那一個，即是我們滿意的組合（單位風(fēng)險(xiǎn)承擔(dān)了更多的超額收益）。
特雷諾比率與夏普比率類似，但其分母上所對應(yīng)的是系統(tǒng)性風(fēng)險(xiǎn)，而不是總風(fēng)險(xiǎn)。這反應(yīng)了一項(xiàng)組合其內(nèi)在的超額收益，因?yàn)榉窍到y(tǒng)性風(fēng)險(xiǎn)是可以通過組合規(guī)避掉的，而系統(tǒng)性風(fēng)險(xiǎn)則更多的由市場、行業(yè)以及經(jīng)濟(jì)周期等不可控因素所決定。因此，特雷諾比率也被廣泛應(yīng)用于組合績效的評估。
簡森阿爾法描述的是一項(xiàng)組合的市場收益與CAPM計(jì)算出的理論收益之間的差額。在CAPM圖形上描述出來便是資本市場線上的點(diǎn)與實(shí)際的點(diǎn)之間的距離。簡森阿爾法直接反應(yīng)了一項(xiàng)組合的收益與其理論收益的偏差，因此投資者可以進(jìn)行無風(fēng)險(xiǎn)的套利交易，低買高賣，賺取超額收益。值得一提的是，用簡森阿爾法來描述兩個組合的風(fēng)險(xiǎn)收益時，要求兩個組合的系統(tǒng)性風(fēng)險(xiǎn)處于同一水平，即CAPM模型中的相同。特雷諾比率將系統(tǒng)性風(fēng)險(xiǎn)單位化，因此可以直接進(jìn)行比較，這是簡森阿爾法與特雷諾比率之間的區(qū)別。
信息比率也是實(shí)際工作中用到的比較多的領(lǐng)域，通常會和夏普比率搭配使用。信息比率的計(jì)算公式為：信息比率=超額收益/跟蹤誤差。
索提諾指標(biāo)的計(jì)算公式為：索提諾指標(biāo)=（組合收益-最小收益）/下半方差，其中下半方差只考慮風(fēng)險(xiǎn)的影響，因?yàn)閮r格上漲的風(fēng)險(xiǎn)可以不考慮，只考慮下跌的風(fēng)險(xiǎn)。
2.9 利用matlab動態(tài)更新參數(shù)
上述建立的多因素模型的參數(shù)一般會隨著市場條件的變化而發(fā)生變化，例如金融危機(jī)期間，金融產(chǎn)品之間的相關(guān)性增強(qiáng)，可能會使得參數(shù)的估計(jì)不再準(zhǔn)確。因此，我們需要通過不斷的測算市場數(shù)據(jù)，來保證模型參數(shù)的合理性。在matlab中不斷更新改進(jìn)參數(shù)的步驟是不能省略的。
2.10 回溯測試
在完成了模型的構(gòu)建以后，我們通常會進(jìn)行一段時間的回溯測試期，目的是為了對模型的合理性進(jìn)行檢驗(yàn)。即采用從市場上觀察得到的數(shù)據(jù)，與模型估計(jì)出的數(shù)據(jù)進(jìn)行比較。這是回溯測試的主要思想。通常在一些交易平臺上我們可以進(jìn)行回溯測試。Matlab平臺上也為我們提供了相關(guān)的回測計(jì)算的功能，目的是盡可能地還原市場的真實(shí)情況，以檢測策略的準(zhǔn)確性。
2.11 模型評價
已上便是筆者構(gòu)建的投資策略的基本框架與內(nèi)容，按照上文指導(dǎo)的內(nèi)容進(jìn)行投資，可以在一定程度上獲取超額收益。量化的方法相比較傳統(tǒng)的基本面分析、技術(shù)分析，具有其自身的合理性。然而量化投資并不是時時刻刻百分百有效，但根據(jù)歷史經(jīng)驗(yàn)來看，量化投資的收益已經(jīng)遠(yuǎn)超其他投資方式。量化投資還具有更為高深的理論，例如結(jié)合了心理學(xué)、生物學(xué)與計(jì)算機(jī)科學(xué)的神經(jīng)網(wǎng)絡(luò)、遺傳算法等，使用機(jī)器代替人腦進(jìn)行投資決策，這樣可以減少人的主觀性，客觀的根據(jù)一些標(biāo)準(zhǔn)、指標(biāo)嚴(yán)格執(zhí)行投資策略。這里只是使用了量化投資領(lǐng)域中的冰山一角，即使用綜合模型評分方法來構(gòu)建投資組合的預(yù)期收益。
然而，該模型仍有其自身的局限性。例如，模型本身采用的是線性回歸的基本思想，即最高次冪為1次冪。然而在現(xiàn)實(shí)過程中，很多金融產(chǎn)品的收益曲線并不是一條嚴(yán)格的直線，而更多的是具有二階導(dǎo)的曲線。舉例如下圖所示：
上圖是包含了期權(quán)時間價值在內(nèi)的利潤圖，可以看到，在引進(jìn)期權(quán)的時間價值以后，其圖形不再是直線，而是帶有弧度。因此，我們通常采用的方法是利用泰勒級數(shù)進(jìn)行估計(jì)，引入二階導(dǎo)來進(jìn)一步估計(jì)金融產(chǎn)品的價格。例如在債券中一階導(dǎo)采用久期進(jìn)行計(jì)算，二階導(dǎo)采用凸性進(jìn)行調(diào)整。
因此，針對本篇策略報(bào)告的模型，我們可以采用類似的方法，引入二階導(dǎo)來進(jìn)行估計(jì)。這一點(diǎn)可以通過matlab不斷擬合收益率的曲線來進(jìn)一步精確估計(jì)收益率未來的變化趨勢。然而，與蒙特卡洛模擬類似，這需要相當(dāng)大的計(jì)算量。我們通常會采用樣本大小與時間的平方根的乘積來衡量最有效率的估計(jì)方式。
Abstract： The selection of local government-invested projects plays an important role in the development and social stability of regions. Appropriate evaluation methods will help to make reasonable decisions. Analytic Hierarchy Process （AHP） is a multi-objective decision-making method which combines the qualitative analysis with quantitative analysis. Especially， it can be used in situation without complete data. The paper， by using of case illustrating， describes the application processes of AHP. And provide methodological assistance for decision-makers.
關(guān)鍵詞： 層次分析法；地方政府投資項(xiàng)目；決策
Key words： Analytic Hierarchy Process；local government-invested projects；decision-making
中圖分類號：F224 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2013）32-0003-02
基金項(xiàng)目：本文是江蘇省教育廳高校哲學(xué)社會科學(xué)基金項(xiàng)目《蘇北地區(qū)公共服務(wù)項(xiàng)目風(fēng)險(xiǎn)分擔(dān)機(jī)制研究》（項(xiàng)目編號：2012SJD630006）的階段性成果。
作者簡介：江俊龍（1976-），男，安徽肥東人，淮陰工學(xué)院經(jīng)濟(jì)管理學(xué)院講師，研究方向?yàn)殚_發(fā)投資理論與政策。
0 引言
我國從1978年的經(jīng)濟(jì)改革開始，投資體制改革在不斷深化。2004年，《國務(wù)院關(guān)于投資體制改革的決定》（以下簡稱“決定”）的頒布是一重要里程碑?！稕Q定》中明確了企業(yè)的投資主體地位，完善了政府投資體制。界定政府投資范圍并合理劃分了中央政府和地方政府的投資事權(quán)。地方政府的投資主體地位得到明確和鞏固。
《決定》中規(guī)定，政府投資主要用于關(guān)系國家安全和市場不能有效配置資源的經(jīng)濟(jì)和社會領(lǐng)域，包括加強(qiáng)公益性和公共基礎(chǔ)設(shè)施建設(shè)，保護(hù)和改善生態(tài)環(huán)境，促進(jìn)欠發(fā)達(dá)地區(qū)的經(jīng)濟(jì)和社會發(fā)展，推進(jìn)科技進(jìn)步和高新技術(shù)產(chǎn)業(yè)化。因此，地方政府投資項(xiàng)目（以下稱“項(xiàng)目”），特別是其中的基本建設(shè)項(xiàng)目，一般投資額較大，在推動地區(qū)經(jīng)濟(jì)發(fā)展方面發(fā)揮巨大的聚集和拉動作用。
但是，相對于需求而言，資源總是稀缺的。對地方政府投資項(xiàng)目進(jìn)行合理的評價有利于將有限資源的作用最大化。目前，評價的方法主要有經(jīng)濟(jì)計(jì)量模型、投入產(chǎn)出模型、系統(tǒng)動力學(xué)模型等[1]。這些方法在評價中發(fā)揮著重要的作用。遺憾的是，一方面，這些方法對數(shù)據(jù)的要求較高，當(dāng)數(shù)據(jù)不完備時，作用會大打折扣。另一方面，這些方法涉及比較復(fù)雜的模型以及相應(yīng)的軟件，操作難度較大。然而，地方政府投資項(xiàng)目時常在較多方面缺乏完整數(shù)據(jù)，如居民對生活環(huán)境的評價。同時，相關(guān)軟件的欠缺。這就使得以上這些方法在應(yīng)用中具有其局限性，需要一些更合適的方法。層次分析法就是其中之一。
本文主要探討如何在地方政府投資項(xiàng)目評價中利用層次分析法。目的是讓相關(guān)決策人員掌握層次分析法的應(yīng)用過程及注意事項(xiàng)。
1 層次分析法
層次分析法（Analytic hierarchy process，AHP法）是美國運(yùn)籌學(xué)家沙旦（T.L.Saaty）于20世紀(jì)70年代提出的，是一種定性與定量分析相結(jié)合的多目標(biāo)決策分析方法。特別是將決策者的經(jīng)驗(yàn)判斷給予量化，對目標(biāo)（因素）結(jié)構(gòu)復(fù)雜且缺乏必要的數(shù)據(jù)情況下更為實(shí)用[2]。
應(yīng)用AHP法的思路是：首先根據(jù)問題的性質(zhì)要求，提出一個總目標(biāo)。然后將問題按層次分解，對同一層次內(nèi)的各因素通過兩兩比較的方法確定出相對于上一層目標(biāo)的各自的權(quán)系數(shù)，逐層分析直到最后一層，即可求出所有因素相對于總目標(biāo)的重要性排序[3]。這些層次可以具體分為三類：目標(biāo)層，只有一個元素，一般是分析問題的預(yù)定目標(biāo)或理想結(jié)果；準(zhǔn)則層，包含了為實(shí)現(xiàn)目標(biāo)所涉及的中間環(huán)節(jié)，可以由若干個層次組成，包括所需考慮的準(zhǔn)則和子準(zhǔn)則；方案層，包括為實(shí)現(xiàn)目標(biāo)可供選擇的各種措施、解決方案等[4]。
應(yīng)用AHP法的主要步驟：第一步，建立層次結(jié)構(gòu)模型。
第二步，標(biāo)度及判斷矩陣。標(biāo)度，為了使各因素之間進(jìn)行兩兩比較得到量化的判斷矩陣，引入1～9的標(biāo)度。見表1。
第三步，權(quán)重及特征向量。權(quán)重的計(jì)算方法有多種，相對比較簡單的是規(guī)范列平均法。具體步驟是：首先，求出判斷矩陣每一列的總和。其次，用判斷矩陣的各元素除以其相應(yīng)列的總和，將所得商組成標(biāo)準(zhǔn)兩兩比較矩陣。然后，計(jì)算出標(biāo)準(zhǔn)兩兩比較矩陣每一行的平均值，這些平均值就是相應(yīng)的權(quán)重。由這些平均構(gòu)成的向量便稱為權(quán)重向量或特征向量。
第四步，判斷矩陣的一致性檢驗(yàn)。判斷矩陣是對各因素兩兩比較的結(jié)果，對于復(fù)雜事物來說，兩兩比較不可能做到判讀的完全一致性，而存在估計(jì)誤差，因此也就得到帶有偏差的相對權(quán)重向量。誤差在一定范圍內(nèi)是可以接受的；但當(dāng)誤差很大時，相對權(quán)重向量也就不具有有效性。一致性檢驗(yàn)的目的就是判斷誤差的可接受程度。一致性檢驗(yàn)采用的指標(biāo)是一致性率（CR），其計(jì)算公式為：CR=CI/RI。其中CI為一致性指標(biāo)，RI為修正值。一般規(guī)定當(dāng)CR≤0.1時，判斷矩陣的一致性可以接受，否則重新進(jìn)行兩兩比較判斷。
1）CI的計(jì)算步驟。首先，由被檢驗(yàn)的判斷矩陣乘以其特征向量，所得的向量稱為權(quán)重和向量。其次，每個權(quán)重和向量的分量分別除以對應(yīng)的特征向量的分量，并計(jì)算出算術(shù)平均數(shù)，記為λmax。最后，利用公式CI=（λmax-n）/（n-1）（n為維數(shù)）計(jì)算結(jié)果。
2）RI主要通過查表獲得。常用的如表2所示。
第五步，方案比較。通過以上步驟，可以知道某方案在各準(zhǔn)則中的權(quán)重向量以及各準(zhǔn)則在目標(biāo)中的權(quán)重向量。兩向量相乘，即得出該方案的得分。通過各方案得分的比較，即可對方案進(jìn)行排序。
2 AHP法在地方政府投資項(xiàng)目中的應(yīng)用
2.1 案例描述 W鎮(zhèn)是東部某省的一個相對比較偏僻的小鎮(zhèn)。W鎮(zhèn)以農(nóng)業(yè)為主，主要農(nóng)作物為水稻。境內(nèi)沒有大江大河或其分支，主要靠降雨。在50年代曾修建一個水庫，是降雨外的主要水源。因?yàn)楠?dú)特的地理環(huán)境，境內(nèi)擁有兩處自然風(fēng)貌的旅游景點(diǎn)，在省內(nèi)具有較高的知名度。農(nóng)業(yè)收入和旅游業(yè)收入是當(dāng)?shù)鼐用竦闹饕杖雭碓础?/p>
W鎮(zhèn)現(xiàn)任領(lǐng)導(dǎo)基本上都是土生土長的本地人，鎮(zhèn)長及書記是從基層一步一步提上來的，對鄉(xiāng)土民情十分熟悉，經(jīng)驗(yàn)豐富。由于資金及編制的限制，鎮(zhèn)里近兩年僅引進(jìn)一名旅游管理專業(yè)的本科畢業(yè)生。目前，進(jìn)入鎮(zhèn)里審核的有三個項(xiàng)目，但是由于各種原因的限制，只能選擇其中一個。這三個項(xiàng)目分別是：項(xiàng)目A，建一個主題公園；項(xiàng)目B，建一文化廣場；項(xiàng)目C，擴(kuò)建一個老的水庫。鎮(zhèn)里成立了以鎮(zhèn)長為組長的項(xiàng)目評估小組。
由于鎮(zhèn)長及小組成員的經(jīng)驗(yàn)豐富，同時關(guān)于居民感受方面的數(shù)據(jù)不太容易獲得量化數(shù)據(jù)，所以小組決定選用層次分析法進(jìn)行項(xiàng)目評價。
2.2 層次結(jié)構(gòu)模型的構(gòu)建
2.2.1 目標(biāo) 評估小組認(rèn)為：任何活動都遵循成本收益原則。即使是政府投資項(xiàng)目也不例外。即，成本收益也有長期和短期之分、經(jīng)濟(jì)與非經(jīng)濟(jì)之分、可量化與不可量化之分。不同的是，因?yàn)殒?zhèn)政府承擔(dān)著維護(hù)W鎮(zhèn)的社會穩(wěn)定、經(jīng)濟(jì)發(fā)展等多方面的責(zé)任，所以鎮(zhèn)政府投資的項(xiàng)目應(yīng)該更關(guān)注社會總成本和社會總收益。因此W鎮(zhèn)項(xiàng)目評估小組將目標(biāo)界定為社會凈收益（即社會總收益與社會總成本配比后的結(jié)果）的最大化。
2.2.2 準(zhǔn)則 在建立準(zhǔn)則層的時候，評估小組認(rèn)為：項(xiàng)目自身的財(cái)務(wù)評價雖然也很重要，但是作為政府投資的項(xiàng)目，其直接或間接的社會影響也很重要。為此，參考發(fā)改委與建設(shè)部的建設(shè)項(xiàng)目評價方法與參數(shù)、電話咨詢省城知名專家并結(jié)合小組的自身知識，評估小組給出了如下4個準(zhǔn)則：①項(xiàng)目的財(cái)務(wù)分析。反映項(xiàng)目自身的財(cái)務(wù)狀況。即項(xiàng)目自身的財(cái)務(wù)信息。包括凈現(xiàn)值、投資回收期、內(nèi)含報(bào)酬率等。②經(jīng)濟(jì)總量。反映項(xiàng)目對W鎮(zhèn)國民經(jīng)濟(jì)總量的貢獻(xiàn)，包括增加值、凈產(chǎn)值、純收入、財(cái)政收入等。③經(jīng)濟(jì)結(jié)構(gòu)。反映項(xiàng)目對W鎮(zhèn)經(jīng)濟(jì)結(jié)構(gòu)的影響，主要包括三次產(chǎn)業(yè)結(jié)構(gòu)、就業(yè)結(jié)構(gòu)等。④社會與環(huán)境。反映項(xiàng)目對W鎮(zhèn)社會與環(huán)境的影響，主要包括社會階層、居住環(huán)境等。
2.3 方案的比較及選擇
①判斷矩陣。通過向?qū)＜易稍?，結(jié)合項(xiàng)目評估小組自身的判斷。給出了方案層的4個判斷矩陣和準(zhǔn)則層的1個判斷矩陣。
②權(quán)重及特征向量求解。項(xiàng)目在財(cái)務(wù)分析、經(jīng)濟(jì)總量、經(jīng)濟(jì)結(jié)構(gòu)、社會與環(huán)境、目標(biāo)的特征向量分別為（0.593，0.341，0.066）T、（0.623，0.137，0.240）T、（0.378，0.157，
0.467）T、（0.123，0.320，0.557）T和（0.126，0.384，0.3，0.191）T。并通過一致性檢驗(yàn)。
③計(jì)算各項(xiàng)目的得分。項(xiàng)目A=0.593*0.126+0.623*0.384+0.378*0.3+0.123*0.191=0.451；項(xiàng)目B=0.341*0.126+0.137*0.384+0.157*0.3+0.320*0.191=0.204；項(xiàng)目C=0.066*0.126+0.240*0.384+0.467*0.3+0.557*0.191=0.347。項(xiàng)目A的得分最高，所以評估小組決定選擇項(xiàng)目A。
3 地方政府投資項(xiàng)目中應(yīng)用AHP法的注意事項(xiàng)
AHP法可以充分利用經(jīng)驗(yàn)優(yōu)勢，但是在應(yīng)用AHP法時，有兩個關(guān)鍵環(huán)節(jié)需要注意。一是準(zhǔn)則的確立。因?yàn)闇?zhǔn)則的優(yōu)劣直接決定了后面的結(jié)果，所選的準(zhǔn)則應(yīng)有理論基礎(chǔ)和地方實(shí)際背景的支撐，不可隨意選擇。二是判斷矩陣的構(gòu)建。在進(jìn)行兩兩比較時，要確保判斷的獨(dú)立性和客觀性。不可因?yàn)槔娴恼T惑或非正常的壓力做出虛假的判斷。
參考文獻(xiàn)：
[1]國家發(fā)展改革委，建設(shè)部.建設(shè)項(xiàng)目經(jīng)濟(jì)評價方法與參數(shù)[M].北京：中國計(jì)劃出版社，2006.
[2]《運(yùn)籌學(xué)》教材編寫組.運(yùn)籌學(xué)[M].北京：清華大學(xué)出版社，2005.
關(guān)鍵詞：量化；投資；基金
數(shù)量化投資（以下簡稱量化投資）作為一種新興的投資方法出現(xiàn)于20世紀(jì)50年代，千禧年后蓬勃發(fā)展，截至2008年，該類投資基金占美國證券市場份額的30%。
近年來，量化投資在中國漸漸引起重視，光大保德信基金、上投摩根基金、嘉實(shí)基金、中?；?、長盛基金、華商基金和富國基金等，先后推出了自己的量化基金產(chǎn)品。不少基金公司國內(nèi)外廣攬數(shù)量化投資人才，一股“量化基金”的熱潮悄然掀起。
正如定性投資的偶像巴菲特一樣，量化投資領(lǐng)域的傳奇人物為詹姆斯 西蒙斯。據(jù)統(tǒng)計(jì)，詹姆斯 西蒙斯管理的大獎?wù)禄饛?989到2006年的平均年收益率高達(dá)38.5%，凈回報(bào)率超過股神巴菲特（他以連續(xù)32年保持戰(zhàn)勝市場的紀(jì)錄，過去20年平均年回報(bào)達(dá)到20%），即使在2007年次債危機(jī)爆發(fā)當(dāng)年，該基金回報(bào)都高達(dá)85%，西蒙斯也因此被譽(yù)為“最賺錢基金經(jīng)理”，“最聰明億萬富翁”。與巴菲特的“價值投資”不同，西蒙斯依靠數(shù)學(xué)模型和計(jì)算機(jī)管理著自己旗下的巨額基金，他稱自己為“模型先生”。西蒙斯幾乎從不雇用華爾街的分析師，他的文藝復(fù)興科技公司里坐滿了數(shù)學(xué)和自然科學(xué)的博士。用數(shù)學(xué)模型捕捉市場機(jī)會，由計(jì)算機(jī)做出交易決策，是這位超級投資者成功的秘訣。（上海金融學(xué)院國際金融研究院 鹿長余）
截至2009年6 月30 日，中國定量投資規(guī)?？偭看蠹s187 億元，在全部基金管理規(guī)模中占比僅0.6%?？梢哉f量化投資在中國目前還是一塊需要開墾的處女地，可以預(yù)期的是，量化投資在中國發(fā)展前景廣闊。
什么是量化投資呢？“通過信息和個人判斷（using information and judgment）來管理資產(chǎn)為基本面投資或者傳統(tǒng)投資，如果遵循固定規(guī)則，由計(jì)算機(jī)模型產(chǎn)生投資決策則可被視為數(shù)量化投資?！?――Fabozzi《Challenges In Quantitative Equity Management》
與傳統(tǒng)投資相比，量化投資的優(yōu)越性主要來自兩個方面：其一，現(xiàn)資組合理論強(qiáng)調(diào)通過多元化投資組合消除非系統(tǒng)性風(fēng)險(xiǎn)，以實(shí)現(xiàn)降低風(fēng)險(xiǎn)的作用。但實(shí)際上由于人的視野和精力都相對有限，基金經(jīng)理或研究員不可能進(jìn)行大范圍的股票甄選和高頻率的驗(yàn)證測算，形成的投資策略得不到寬度、廣度上的肯定，難免形成一孔之見?？咳肆φ邕x得到的投資組合很難達(dá)到最優(yōu)化配置，無法確保在風(fēng)險(xiǎn)管理和利潤追求上的投資目標(biāo)。而量化投資的視角更廣，借助計(jì)算機(jī)高效、準(zhǔn)確地處理海量信息，更廣泛地尋找和驗(yàn)證投資機(jī)會，消除投資組合配置的局限性。其二，行為金融學(xué)認(rèn)為，投資者是不理性的。任何一個投資個體的判斷與決策過程都會不同程度地受到認(rèn)知、情緒、意志等各種心理因素的影響?；鸾?jīng)理和投資研究員在一段時間跟蹤某只股票之后，由于時刻關(guān)心股價的表現(xiàn)和基本面的變動，可能出現(xiàn)不同程度的情感依賴，“和股票談起戀愛”。即使出現(xiàn)了下跌趨勢，也可能因?yàn)檫^度自信、抵制心理等不理性的分析出發(fā)點(diǎn)而導(dǎo)致投資、薦股時的行為偏差。而量化投資依靠計(jì)算機(jī)配置投資組合，克服了人性弱點(diǎn)，使投資決策更科學(xué)、更理性。
簡單的說，量化投資是快速高效、客觀理性、個股與組合并重、收益與風(fēng)險(xiǎn)并重的投資方法。
量化投資的一般步驟如下：
數(shù)據(jù)化模型構(gòu)建組合
1、 數(shù)據(jù)化：主要任務(wù)是把眾多紛繁復(fù)雜的數(shù)據(jù)整理分類歸納成有用的數(shù)據(jù)；
2、 建立模型：給定一個策略，選擇合適的模型預(yù)測收益與風(fēng)險(xiǎn)，選擇最好的策略建立模型；
3、 構(gòu)建組合：根據(jù)預(yù)測結(jié)果按照規(guī)則選擇對象構(gòu)建組合；
最后我們來看下專業(yè)金融人士對量化投資的一些看法。
嘉實(shí)基金公司的王永宏博士介紹，定量投資和傳統(tǒng)的定性投資本質(zhì)上是相同的，二者都是基于市場是非有效或弱有效的理論基礎(chǔ)，投資經(jīng)理可以通過對個股估值、成長等基本面的分析研究，建立戰(zhàn)勝市場、產(chǎn)生超額收益的組合。不同的是，定性投資管理較依賴對上市公司的調(diào)研，以及基金經(jīng)理個人的經(jīng)驗(yàn)和主觀判斷，而定量投資管理則是“定性思想的理性應(yīng)用”。定量投資的核心投資思想包括宏觀周期、估值、成長、盈利質(zhì)量、市場情緒變化等等。
俗話說，“條條大路通羅馬”。巴菲特與西蒙斯的投資理念與成功，說明投資沒有一定之規(guī)。
以巴菲特為代表的一類投資家認(rèn)為，“現(xiàn)實(shí)世界是極為復(fù)雜的，經(jīng)驗(yàn)與思考才是財(cái)富制勝之道”。因此，其成功的關(guān)鍵，不是頂級的科技，而是對市場的理解、洞悉和不隨波逐流的勇氣，即以“人”的因素造就財(cái)富的增值。
西蒙斯代表的一類投資家則被看作是推論公式、信任模型的數(shù)學(xué)家。他們利用搜集分析大量的數(shù)據(jù)，利用電腦來篩選投資機(jī)會，并判斷買賣時機(jī)，將投資思想通過具體指標(biāo)、參數(shù)的設(shè)計(jì)體現(xiàn)在模型中，并據(jù)此對市場進(jìn)行不帶任何主觀情緒的跟蹤分析，借助于計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理能力來選擇投資，以保證在控制風(fēng)險(xiǎn)的前提下實(shí)現(xiàn)收益最大化。
目前量化投資觀念也在中國興起，量化產(chǎn)品正開始萌芽。新發(fā)行的嘉實(shí)量化阿爾法基金就是量化投資產(chǎn)品，其試圖將投資專家的銳利洞悉和數(shù)學(xué)家的嚴(yán)格客觀進(jìn)行整合，在基本面分析的基礎(chǔ)上，提煉出產(chǎn)生長期超額收益的投資思想，借助計(jì)算機(jī)系統(tǒng)強(qiáng)大的信息處理能力構(gòu)建定量模型及投資組合，并根據(jù)市場變化趨勢及時動態(tài)調(diào)整，加上基金經(jīng)理嚴(yán)格遵守紀(jì)律性投資法則，使該基金在融合定性投資思想精髓的同時，能夠規(guī)避基金經(jīng)理個人情緒對組合的影響，有效克服人性弱點(diǎn)，力爭取得長期、持續(xù)、穩(wěn)定的超額收益。
富國基金另類投資部總經(jīng)理，前巴克萊（BGI）大中華主動股票投資總監(jiān)李笑薇認(rèn)為量化投資的核心仍是“人腦”。盡管量化投資在海外發(fā)展已有30 余年。由于種種原因，目前這一投資方式在中國尚處起步階段，對于量化投資也存在諸如“量化就是模型決定一切”、“量化是完全由計(jì)算機(jī)選股”等較片面的認(rèn)識。李笑薇表示，量化投資的核心是模型設(shè)計(jì)，“模型決定一切”的說法只能說是部分正確。當(dāng)一個模型已經(jīng)設(shè)計(jì)建設(shè)好之后，模型所產(chǎn)生的交易單的確需要嚴(yán)格執(zhí)行，只有在特殊情況下才能對其進(jìn)行修改。
但量化投資的核心是模型的設(shè)計(jì)和建設(shè)。而人腦無疑是這一過程中的關(guān)鍵。人對市場的理解，對模型構(gòu)建的了解，對模型在市場中應(yīng)用的經(jīng)驗(yàn)，是搭建一個完美“黑匣子”的最關(guān)鍵?！爸挥心Ｐ驮O(shè)計(jì)和建設(shè)得好，投資業(yè)績的把握才會增加?！崩钚北硎尽?/p>
此外，不同的市場以及同一個市場的不同階段對應(yīng)的投資模型是不一樣的。所以模型從開始設(shè)計(jì)到最后應(yīng)用要經(jīng)過不斷修改，這是最難的問題?！斑@需要足夠的對市場的理解和對模型的理解?！崩钚苯忉尩?，定性投資人和定量投資人看待市場的角度不同。
盡管量化投資已經(jīng)成為市場投資的發(fā)展趨勢，但是大多數(shù)投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數(shù)學(xué)模型，而賺錢的投資模型都是機(jī)構(gòu)的秘密武器，不會輕易披露。另一方面是由于量化投資采用計(jì)算機(jī)系統(tǒng)，設(shè)計(jì)各種交易手段，有著較為復(fù)雜的數(shù)學(xué)計(jì)算與技術(shù)要求，現(xiàn)在許多量化投資都是計(jì)算機(jī)自動執(zhí)行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統(tǒng)的典型構(gòu)造，打開了量化投資的“黑箱”。納蘭認(rèn)為阿爾法模型用來預(yù)測市場未來方向，風(fēng)險(xiǎn)控制模型用來限制風(fēng)險(xiǎn)暴露，交易成本模型用來分析為構(gòu)建組合產(chǎn)生的各種成本，投資組合構(gòu)建模型在追逐利潤、限制風(fēng)險(xiǎn)與相關(guān)成本之間做出平衡，然后給出最優(yōu)組合。最優(yōu)目標(biāo)組合與現(xiàn)有組合的差異就由執(zhí)行模型來完成。數(shù)據(jù)和研究部分則是量化投資的基礎(chǔ)：有了數(shù)據(jù)，就可以進(jìn)行研究，通過測試、檢驗(yàn)與仿真正確構(gòu)建各個模型。預(yù)測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發(fā)展，量化投資模型也在不斷改進(jìn)。簡單的策略可能就是證券或組合的套利行為，如期現(xiàn)套利組合、市場異象研究中的差價組合等。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。近年來，高頻交易成為量化投資的重要內(nèi)容，基于高速的計(jì)算機(jī)系統(tǒng)實(shí)施高頻的程序交易已經(jīng)是量化投資的重要利器。丁鵬（2012）將量化投資的主要內(nèi)容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統(tǒng)計(jì)套利、期權(quán)套利、算法交易、ETF/LOF套利和高頻交易等。他認(rèn)為量化投資的優(yōu)勢在于：紀(jì)律性、系統(tǒng)性、及時性、準(zhǔn)確性和分散化。
二、量化投資“黑箱”中的構(gòu)造與證券投資學(xué)的差異
在傳統(tǒng)的證券投資學(xué)中，投資組合理論、資本資產(chǎn)定價模型、套利定價理論和期權(quán)定價理論是現(xiàn)代金融理論的四塊基石。前兩者主要依靠均值-方差組合優(yōu)化的思想，后兩者則主要依靠市場的無套利條件。傳統(tǒng)的投資方法主要是基本面分析和技術(shù)分析兩大類，而量化投資則是“利用計(jì)算機(jī)科技并采用一定的數(shù)學(xué)模型去實(shí)現(xiàn)投資理念、實(shí)現(xiàn)投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術(shù)分析，但它可以采用基本面分析，也可以采用技術(shù)分析，關(guān)鍵在于依靠模型來實(shí)現(xiàn)投資理念與投資策略。為了分析量化投資對證券投資學(xué)的啟示，本文從量化投資“黑箱”的各個構(gòu)成來探討量化投資與證券投資學(xué)中思路和觀點(diǎn)的差異。
（一）資產(chǎn)定價與收益的預(yù)測
根據(jù)組合優(yōu)化理論，投資者將持有無風(fēng)險(xiǎn)組合與市場風(fēng)險(xiǎn)資產(chǎn)組合，獲得無風(fēng)險(xiǎn)利率與市場風(fēng)險(xiǎn)溢價。資本資產(chǎn)定價模型則將此應(yīng)用到單一證券或組合，認(rèn)為證券的風(fēng)險(xiǎn)溢價等于無風(fēng)險(xiǎn)利率加上與風(fēng)險(xiǎn)貢獻(xiàn)比率一致的風(fēng)險(xiǎn)溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產(chǎn)定價理論給實(shí)務(wù)投資的一大貢獻(xiàn)?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風(fēng)險(xiǎn)因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統(tǒng)一的參考。可以說，在因素定價方面，量化投資繼承了資產(chǎn)定價理論的基本思想。對于因素定價中因素的選擇，證券投資學(xué)認(rèn)為，對資產(chǎn)價格的影響，長期應(yīng)主要關(guān)注基本面因素，而短期應(yīng)主要關(guān)注市場的交易行為，即采用技術(shù)分析。在量化投資中，主要強(qiáng)調(diào)按照事先設(shè)定的規(guī)則進(jìn)行投資，這在一定程度上與技術(shù)分析類似。但是，在技術(shù)分析中，不同的人會有不同的結(jié)論，而量化投資則強(qiáng)調(diào)投資的規(guī)則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強(qiáng)調(diào)從統(tǒng)計(jì)和數(shù)學(xué)模型方面尋找資產(chǎn)的錯誤定價或者進(jìn)行收益的預(yù)測。
（二）無套利條件與交易成本
在證券投資學(xué)里，流動性是證券的生命力。組合投資理論、資本資產(chǎn)定價模型以及套利定價理論等都認(rèn)為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實(shí)現(xiàn)，如套利交易。根據(jù)套利定價理論，一旦市場出現(xiàn)無風(fēng)險(xiǎn)的套利機(jī)會，理性投資者會立即進(jìn)行套利交易，當(dāng)市場均衡時就不存在套利機(jī)會。現(xiàn)實(shí)市場中往往存在套利限制。一是因?yàn)閯P恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因?yàn)槭袌隹偸谴嬖诮灰踪M(fèi)用等成本。但證券投資學(xué)中，對市場中套利限制與非流動性的關(guān)注較少，這是因?yàn)閭鹘y(tǒng)金融理論中簡化了市場結(jié)構(gòu)。市場微觀結(jié)構(gòu)理論研究在既定的交易規(guī)則下，金融資產(chǎn)交易的過程及其結(jié)果，旨在揭示金融資產(chǎn)交易價格形成的過程及其原因。在市場微觀結(jié)構(gòu)理論中，不同的市場微觀結(jié)構(gòu)對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實(shí)施量化投資策略的證券往往都應(yīng)有較好的流動性，因?yàn)榻灰讜r非流動性直接影響投資策略的實(shí)施。從這個意義上講，量化投資時的交易成本不僅包括交易費(fèi)用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風(fēng)險(xiǎn)控制與市場情緒
在證券市場中，高收益與高風(fēng)險(xiǎn)相匹配。量化投資在追求高收益的同時，不可避免地承擔(dān)了一定的風(fēng)險(xiǎn)。在證券投資學(xué)中，系統(tǒng)性風(fēng)險(xiǎn)主要源于宏觀經(jīng)濟(jì)因素，非系統(tǒng)性因素則主要源于行業(yè)、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經(jīng)濟(jì)因素，而且會考慮交易行為等因素，只是不同的模型有不同的側(cè)重點(diǎn)，在多模型的量化投資系統(tǒng)中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風(fēng)險(xiǎn)外，量化投資還有自身不可忽視的風(fēng)險(xiǎn)源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風(fēng)險(xiǎn)。另一方面，市場沖擊的流動性成本也是量化投資的風(fēng)險(xiǎn)控制因素，理所當(dāng)然地在圖1的風(fēng)險(xiǎn)控制模型中體現(xiàn)出來。另外，在一般的投資過程中，市場情緒或多或少會成為風(fēng)險(xiǎn)控制的一個對象。然而，在量化投資中，更多的交易都是通過計(jì)算機(jī)來實(shí)現(xiàn)的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風(fēng)險(xiǎn)控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔(dān)適度的風(fēng)險(xiǎn)來獲得超額回報(bào)，因?yàn)楫吘箿p少風(fēng)險(xiǎn)也減少了超額回報(bào)。
（四）執(zhí)行高頻交易與算法交易
在對未來收益、風(fēng)險(xiǎn)和成本的綜合權(quán)衡下，實(shí)現(xiàn)投資策略成為量化投資的重要執(zhí)行步驟。為了達(dá)到投資目標(biāo)，量化投資不斷追求更快的速度來執(zhí)行投資策略，這就推動了采用高速計(jì)算機(jī)系統(tǒng)的程序化交易的誕生。在證券投資學(xué)里，技術(shù)分析認(rèn)為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計(jì)算機(jī)信息科技的創(chuàng)新，量化投資策略之間的競爭越來越大，誰能運(yùn)作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計(jì)算機(jī)系統(tǒng)處理數(shù)據(jù)和進(jìn)行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點(diǎn)有：處理分筆交易數(shù)據(jù)、高資金周轉(zhuǎn)率、日內(nèi)開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結(jié)構(gòu)交易、事件交易和偏差套利。成功實(shí)施高頻交易同時需要兩種算法：產(chǎn)生高頻交易信號的算法和優(yōu)化交易執(zhí)行過程的算法。為了優(yōu)化交易執(zhí)行，目前“算法交易”比較流行。算法交易優(yōu)化買賣指令的執(zhí)行方式，決定在給定市場環(huán)境下如何處理交易指令：是主動的執(zhí)行還是被動的執(zhí)行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產(chǎn)配置和證券選擇問題。
三、對量化投資在證券投資教學(xué)中應(yīng)用的思考
從上述分析可以知道，量化投資的“黑箱”構(gòu)造與證券投資學(xué)之間存在一定的差異，因此，在證券投資的教學(xué)中應(yīng)當(dāng)考慮量化投資發(fā)展的要求。
（一）市場微觀結(jié)構(gòu)與流動性沖擊
在理性預(yù)期和市場有效假說下，市場價格會在相關(guān)信息披露后立即調(diào)整，在信息披露前后市場有著截然不同的表現(xiàn)。在證券投資學(xué)里，一般認(rèn)為價格的調(diào)整是及時準(zhǔn)確的，然而，現(xiàn)實(shí)的世界里，價格調(diào)整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調(diào)整是瞬間的，影響不大。然而，在高頻交易中，這種價格調(diào)整過程影響很大。市場微觀結(jié)構(gòu)就是研究這種價格形成過程。市場微觀結(jié)構(gòu)理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關(guān)注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關(guān)注信息公布后信息反映到價格中的這一過程，認(rèn)為含有信息的訂單流是導(dǎo)致價格波動的原因。無論是關(guān)注委托訂單的存貨模型還是關(guān)注市場參與者信息類型的信息模型，這些市場微觀結(jié)構(gòu)的研究加強(qiáng)了流動性與資產(chǎn)價格之間的聯(lián)系，強(qiáng)調(diào)流動性在量化投資決策中的重要作用。一般的證券投資學(xué)中基本沒有市場微觀結(jié)構(gòu)的內(nèi)容，因而，為了加強(qiáng)證券投資學(xué)的實(shí)用性，應(yīng)關(guān)注市場微觀結(jié)構(gòu)的內(nèi)容與發(fā)展。
（二）業(yè)績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風(fēng)險(xiǎn)與業(yè)績。在組合業(yè)績評價中，一方面要考慮風(fēng)險(xiǎn)的衡量，另一方面則要分析業(yè)績的來源。在證券投資學(xué)中，組合業(yè)績來自于市場表現(xiàn)以及管理者的配置與選股能力。對于量化投資而言，市場時機(jī)和管理者的能力依然重要，然而，量化投資的業(yè)績評價還應(yīng)考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴(kuò)大收益，但在市場不好的時候會加速虧損，這些與傳統(tǒng)的業(yè)績評價就不太一樣。在一般的證券投資學(xué)里，業(yè)績評價主要考慮經(jīng)風(fēng)險(xiǎn)調(diào)整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻(xiàn)，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風(fēng)險(xiǎn)
在量化投資中，非常注重計(jì)算機(jī)對數(shù)據(jù)和模型的分析，這突出了量化投資的規(guī)則性和固定性。然而，實(shí)際中，別看量化采用了各種數(shù)學(xué)、統(tǒng)計(jì)模型，但策略設(shè)計(jì)、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實(shí)施。量化投資運(yùn)用模型對策略進(jìn)行了細(xì)致研究，并借助計(jì)算機(jī)實(shí)施策略，能夠消除很多認(rèn)為的隨意性。但是，量化策略畢竟體現(xiàn)投資者的交易理念，這一部分依賴于投資者的經(jīng)驗(yàn)，一部分依賴于投資者對市場的不斷觀察與更新。實(shí)際上，人始終處于交易之中，對于市場拐點(diǎn)以及趨勢反轉(zhuǎn)的判斷主要還是依賴投資者的經(jīng)驗(yàn)。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實(shí)施依賴于人的設(shè)定，而人的設(shè)定不僅依賴于經(jīng)驗(yàn)，而且人還會犯錯。人之所以會犯錯，一方面是因?yàn)槿藗儗κ袌龅恼J(rèn)知是不完全的，另一方面則是人們使用了錯誤的模型。經(jīng)典的證券投資理論中，股票價格的變動被認(rèn)為是隨機(jī)的，小概率事件出現(xiàn)的機(jī)會比較小，但是經(jīng)驗(yàn)研究表明股票收益率具有肥尾現(xiàn)象，小概率事件發(fā)生的機(jī)會超出了人們原先的認(rèn)識，即市場還會出現(xiàn)“黑天鵝”。更為關(guān)鍵的是，量化投資更依賴數(shù)學(xué)和統(tǒng)計(jì)模型，這就使得量化投資存在較大的模型風(fēng)險(xiǎn)，即使用了錯誤的模型。為了防范模型風(fēng)險(xiǎn)，應(yīng)采用更為穩(wěn)健的模型，即模型的參數(shù)和函數(shù)應(yīng)該適應(yīng)多種市場環(huán)境。近年來，研究表明，證券收益及其與風(fēng)險(xiǎn)因素的關(guān)系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機(jī)過程和機(jī)器學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)進(jìn)行信息處理成為量化投資的重要技術(shù)支持。
（四）2013年諾貝爾經(jīng)濟(jì)學(xué)獎的啟示
關(guān)鍵詞：風(fēng)險(xiǎn)矩陣 風(fēng)險(xiǎn)投資 風(fēng)險(xiǎn)評估
一、構(gòu)建用于風(fēng)險(xiǎn)投資項(xiàng)目風(fēng)險(xiǎn)評估的風(fēng)險(xiǎn)矩陣
（一）風(fēng)險(xiǎn)集的選定
風(fēng)險(xiǎn)集的確定可根據(jù)我國風(fēng)險(xiǎn)投資項(xiàng)目的具體特征、所涉及的領(lǐng)域和所處的階段，將具體的風(fēng)險(xiǎn)投資項(xiàng)目風(fēng)險(xiǎn)分為7大模塊， 即環(huán)境風(fēng)險(xiǎn)、管理風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、生產(chǎn)風(fēng)險(xiǎn)、財(cái)務(wù)風(fēng)險(xiǎn)和退出風(fēng)險(xiǎn)。[1]
（二）風(fēng)險(xiǎn)投資項(xiàng)目風(fēng)險(xiǎn)等級的確定
由于風(fēng)險(xiǎn)投資項(xiàng)目很難收集到數(shù)據(jù)，采用專家調(diào)查法進(jìn)行風(fēng)險(xiǎn)影響的評定。綜合風(fēng)險(xiǎn)分值在4分以上為高風(fēng)險(xiǎn)，2―4為中等風(fēng)險(xiǎn)，2分以下為低風(fēng)險(xiǎn)。[2]
假設(shè)某項(xiàng)風(fēng)險(xiǎn)投資項(xiàng)目的風(fēng)險(xiǎn)影響和風(fēng)險(xiǎn)概率所得的專家評估數(shù)據(jù)對相應(yīng)風(fēng)險(xiǎn)因素求平均值，得到結(jié)果為：風(fēng)險(xiǎn)影響量化值分別為（4.5，3.5，5，5，4.5，4，3），風(fēng)險(xiǎn)發(fā)生概率分別為（10%，70%，60%，90%，90%，60%，10%），則對照風(fēng)險(xiǎn)級別對照表，可由原始風(fēng)險(xiǎn)矩陣方法可判斷出各風(fēng)險(xiǎn)模塊的風(fēng)險(xiǎn)等級，將取得的數(shù)據(jù)填入表1中。
表1 風(fēng)險(xiǎn)投資項(xiàng)目風(fēng)險(xiǎn)評估的風(fēng)險(xiǎn)矩陣舉例
風(fēng)險(xiǎn)類別 風(fēng)險(xiǎn)影響Ri 風(fēng)險(xiǎn)發(fā)生概率 風(fēng)險(xiǎn)等級 Borda序值 風(fēng)險(xiǎn)權(quán)重Wi
量化值R 等級
環(huán)境風(fēng)險(xiǎn) 4.5 關(guān)鍵 10% 中 3 0.060564
管理風(fēng)險(xiǎn) 3.5 中度 70% 低 3 0.028494
市場風(fēng)險(xiǎn) 5 關(guān)鍵 60% 高 2 0.298638
技術(shù)風(fēng)險(xiǎn) 5 嚴(yán)重 90% 中 0 0.298638
生產(chǎn)風(fēng)險(xiǎn) 4.5 嚴(yán)重 90% 中 1 0.137602
財(cái)務(wù)風(fēng)險(xiǎn) 4 嚴(yán)重 60% 中 3 0.137602
退出風(fēng)險(xiǎn) 3 中度 10% 中 6 0.038463
（三）風(fēng)險(xiǎn)權(quán)重的確定
先應(yīng)用Borda 序值法對風(fēng)險(xiǎn)模塊進(jìn)行重要性排序。以環(huán)境風(fēng)險(xiǎn)為例，根據(jù)風(fēng)險(xiǎn)影響準(zhǔn)則，比環(huán)境風(fēng)險(xiǎn)影響程度高的因素個數(shù)為2 ，即RR11=2；根據(jù)風(fēng)險(xiǎn)概率準(zhǔn)則，比環(huán)境風(fēng)險(xiǎn)發(fā)生概率大的因素個數(shù)為5，即RR12=5；代入上述公式可得，環(huán)境風(fēng)險(xiǎn)的Borda 數(shù)為7。同理可得其他風(fēng)險(xiǎn)類別的Borda數(shù)分別為：7，11，14，12，7，3。根據(jù)Borda數(shù)確定其Borda序值分別為：3，3，2，0，1，3，6。由上述方法所得的Borda序值可知：該風(fēng)險(xiǎn)投資項(xiàng)目的七個風(fēng)險(xiǎn)中，技術(shù)風(fēng)險(xiǎn)最為關(guān)鍵，其次是生產(chǎn)風(fēng)險(xiǎn)和市場風(fēng)險(xiǎn)，然后依次為財(cái)務(wù)風(fēng)險(xiǎn)、環(huán)境風(fēng)險(xiǎn)和管理風(fēng)險(xiǎn)，最后是退出風(fēng)險(xiǎn)。
根據(jù)上一步驟排出的Borda序值，邀請專家組對風(fēng)險(xiǎn)投資項(xiàng)目的7個風(fēng)險(xiǎn)因素按重要性程度進(jìn)行兩兩比較打分，構(gòu)造判斷矩陣，并求出判斷矩陣的特征向量，即為各風(fēng)險(xiǎn)因素的權(quán)重向量。
表2 應(yīng)用excel表格進(jìn)行的層次單排序計(jì)算
按行相乘 開n次方 權(quán)重Wi Awi Awi / Wi CI=（λmax-n）/（n-1） CR=CI/RI
0.0001 0.250403683 0.03176822 0.25919 8.1587243 0.10227 0.07576
0.0001 0.250403683 0.03176822 0.19439 6.1190432 0.10227 0.07576
1440.0000 2.826146311 0.35854763 2.53238 7.0628934 0.10227 0.07576
810.0000 2.603142003 0.33025551 2.30622 6.9831517 0.10227 0.07576
8.3333 1.353772028 0.1717504 1.72109 10.020874 0.10227 0.07576
0.0001 0.250403683 0.03176822 0.25919 8.1587243 0.10227 0.07576
0.0006 0.347934789 0.0441418 0.29982 6.7921281 0.10227 0.07576
7.88220618 7.6136484 查表，得RI=1.35
本文按層次分析法中的方根法計(jì)算各風(fēng)險(xiǎn)模塊的權(quán)重，由CR=0.07576
（四）確定風(fēng)險(xiǎn)投資項(xiàng)目的總體風(fēng)險(xiǎn)等級
專家評定的風(fēng)險(xiǎn)影響量化值為（4.5，3.5，5，5，4.5，4，3），結(jié)合各風(fēng)險(xiǎn)因素的權(quán)重，對風(fēng)險(xiǎn)因素的等級進(jìn)行加權(quán)：
Z= R*RWT= （4.5，3.5，5，5，4.5，4，3） （0.0317 0.0317 0.3584 0.3302 0.1717 0.0317 0.0441） T =4.72835>4
可判斷該風(fēng)險(xiǎn)投資項(xiàng)目的綜合風(fēng)險(xiǎn)等級為高風(fēng)險(xiǎn)。其中市場風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)風(fēng)險(xiǎn)影響量化值最高，應(yīng)采取充分措施防范可能帶來的損失。
二、結(jié)論
本文基于風(fēng)險(xiǎn)矩陣方法對風(fēng)險(xiǎn)投資項(xiàng)目的風(fēng)險(xiǎn)進(jìn)行評估，利用風(fēng)險(xiǎn)矩陣方法中的Borda序值法，對風(fēng)險(xiǎn)因素的重要性進(jìn)行順序，構(gòu)造判斷矩陣，從而確定各風(fēng)險(xiǎn)因素的權(quán)重，最后結(jié)合風(fēng)險(xiǎn)的等級量化值和風(fēng)險(xiǎn)因素的權(quán)重確定風(fēng)險(xiǎn)投資項(xiàng)目的綜合風(fēng)險(xiǎn)等級。基于風(fēng)險(xiǎn)矩陣法數(shù)據(jù)需求量相對較小，流程簡潔，系統(tǒng)性強(qiáng)等優(yōu)點(diǎn)，使其對風(fēng)險(xiǎn)投資項(xiàng)目的評估更具科學(xué)性和可操作性，因此有較比較大的參考價值。
參考文獻(xiàn)：
