量化投資模型

1. 量化交易都有哪些主要的策略模型

研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。

量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。 量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。

2. 量化投資模型如何開發的

量化的模型開發大致分為以下幾個環節：
①數據處理，看你用什麼工具，R還是內Matlab還是python，或者是c++，最容好是工具本身的格式，這樣速度會快的多，比如Rdata，或matlab的mat格式，或者python的npy格式，或者c++的二進制格式，還有就是你要用什麼數據，分鍾數據，切片數據，還是tick數據，根據你的需求不同進行處理。

②指標建立，這個工作可以看成問題的關鍵，如何建立指標，你的思想是什麼，都來源於此，舉個簡單的均線指標，matlab，就是ma=movavg(data,length)
③模型回測，據我理解就是一個大循環:
if time>9. && time<15 && close(i)>ma(i) && p!=1
buy
else
sell
if p==1 && 止損條件
平倉
等等
④計算收益
然後根據收益，夏普比率等，改條件，重復上面的工作。

總結：
開發模型的步驟一般是：數據處理、尋找因子、回測驗證、實盤模擬、風險歸因。

備註：
數據處理：去極值、標准化、中性化；數據預處理。
尋找因子：尋找Alpha、尋找收益波動比因子、另外優礦上提供了近400個因子因子可以自己驗證。

3. 如何開發量化投資模型

4.如何進行量化投資
一個量化投資的交易系統主要包括三個部分，阿爾法模型、風險模型和交易成本模型。
阿爾法模型旨在預測寬客所考慮金融產品的未來趨勢；
風險模型旨在幫助寬客投資不太能帶來收益但會造成損失的敞口規模；
交易成本模型用於幫助確定從目前的投資組合到新的投資組合的交易成本。
目前對於量化交易的研究重點大都集中在對阿爾法模型的研究上。
阿爾法模型
阿爾法模型是量化交易系統的第一個重要組成部分，主要是為了尋找盈利機會。
阿爾法是希臘字母α的音譯，常用於量化表述投資者的盈利能力或投資者得到的與市場波動無關的回報。
阿爾法模型分為：
趨勢形、回復型、技術情緒型、價值型/收益型、成長型和品質型
趨勢型和均值回復型交易策略都依賴價格數據；純技術情緒型的策略比較少見通常都只作為一個輔助因子；而價值型/收益型、成長型和品質型策略都基於基本面數據
趨勢跟隨策略
趨勢跟隨策略是基於以下基本的假定：在一定時間內市場通常朝著同一方向變化，據此對市場趨勢做出判斷就可以作為制定交易策略的依據。常見於期貨市場，最常用移動平均線交叉來定義趨勢。
均值回復策略
均值回復策略的基本理論認為，價格圍繞其價值中樞而上下波動，判斷出這個中樞以及波動的方向便足以捕捉到交易機會。統計套利是用的最多的均值回復策略，認為價格出現背離類似股票的價值終究會縮小到合理的區間范圍。
技術情緒型策略
這一類策略沒有明確的經濟理論支撐，主要通過追蹤投資者情緒相關指標來判斷預期回報，如交易價格、交易量以及波動性指標等。比如觀察期權市場的認沽認購量和隱含波動率做現貨的擇時，再者就是高頻交易通過限價指令簿的形態來判斷近期市場情緒。
價值型/收益型策略
價值型策略主要用於股票交易。這類策略認為市場傾向於高估高風險資產的風險，而低估低風險資產的風險。因此，在適當的時間買入高風險資產和賣出低風險資產，就可以獲得收益。常用的指標有PE（市盈率）、PB（市凈率）等，常應用於股票多空。
成長型策略
成長型策略試圖通過對所考慮資產以往的增長水平進而對未來的走勢進行預測。他認為價格上漲通常都是存在趨勢的，價格上漲最快的產品通常比同類產品更具有優勢，他要求投資者能盡早判斷公司的股價處於增長期，從而捕捉到公司的股價未來更大的上漲幅度。宏觀上常見於外匯市場，例如持有經濟迅速增長的國家的外匯，這些國家的利率比經濟增長緩慢或處於復甦期的經濟體要高；股票市場通常用EPS等指標度量。
品質型策略
這類策略的支持者認為，在其他條件相同的條件下最好買入或持有高品質的產品而做空或減少持有低品質的資產。這類策略比較看重資金的安全，受宏觀市場影響比較大，常用的指標有杠桿比率、收入波動比、管理團隊水平和欺詐風險。
不管是什麼類型的策略最終受益都體現在交易中關於買賣時機的把握和持有頭寸選擇的技巧。
https://uqer.io/community/list 這個社區裡面有很多關於量化的策略，也有很多牛人，可以和他們多討論討論的。

4. 如何建立一個股票量化交易模型並模擬

研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。
量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。
量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。

5. 量化投資、量化交易、量化金融，這三者有什麼區別嗎

其二，行為金融學認為，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知、情緒、意志等各種心理因素的影響。基金經理和投資研究員在一段時間跟蹤某隻股票之後，由於時刻關心股價的表現和基本面的變動，可能出現不同程度的情感依賴，「和股票談起戀愛」。即使出現了下跌趨勢，也可能因為過度自信、抵制心理等不理性的分析出發點而導致投資、薦股時的行為偏差。而量化投資依靠計算機配置投資組合，克服了人性弱點，使投資決策更科學、更理性。

6. 什麼是量化投資

定義：是指通過數理統計分析，選擇那些未來回報可能會超越基準的證券版進行投資，以期獲取超越指數基權金收益的基金。

釋義：區別於普通基金，量化基金主要採用量化投資策略來進行投資組合管理。總的來說，量化基金採用的策略包括：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、演算法交易、資產配置等。對於量化基金的產品設計，雖然量化基金一般都是採用多因素模型對股票進行分析和篩選，但不同的量化基金的側重點是不一樣的，也就是包括投資思路、觀察角度、分析方法在內都是不同的。

在我國證券市場，基本面研究佔主流地位，然而隨著證券市場的不斷發展、證券數目的增加、衍生品的出現等，基金要想戰勝指數的難度也越來越大，量化投資則開始發揮越來越重要的作用，因此我國也涌現出了大批量化基金。

7. 什麼是量化投資

你好，量化投資，簡單地說就是利用數學、統計學、信息技術的量化投資方法來管理投資組合。

8. 量化模型是什麼意思

量化模型，是把數理統計學應用於科學數據，以使數理統計學構造出來的模型得到經驗上的支持，並獲得數值結果。這種分析是基於理論與觀察的並行發展，而理論與觀測又通過適當的推斷方法而得以聯系。

一個完整的量化模型包括哪些？

近幾年，量化投資在國內興起，但在很多人眼裡，量化投資彷彿是一個非常神秘的新事物。而實際上，量化投資的無非就是寬客通過計算機語言，將交易策略布置到一個量化系統中，然後進行回測和實戰的過程。量化投資的本質還是投資者的智慧，只是實現過程中運用到計算機這一工具。

寬客們到底是如何系統的構建一個完整的量化模型的？可以肯定的是，寬客跟普通投資者一樣，也在觀察市場，產生一些普通投資者也會想到的想法，當寬客產生一些想法時，他們會通過計算機去驗證他們的想法是否靠譜或者是能否帶來收益。而作為普通投資者，實現想法往往是困難的，如同普通投資者在投資或炒股過程中，發現在15分鍾K線圖，上升趨勢中股價跌破MA169後便會進入調整。普通投資者只是感覺，而寬客可以通過編寫程序然後在市場的歷史數據回測，驗證這個想法是否靠譜。

一個簡單的想法編寫成簡單的程序，這明顯不能稱作為量化模型，但這卻是任何一個量化模型的來源，即人的想法。完整的量化模型應當包括：策略模型、風險模型、交易成本模型、投資組合構建模型、執行模型，如下圖：

投資組合構建模型：投資組合構建模型在於構建一個能創造最大盈利的投資組合。主要分為：基於規則的投資組合構建模型和基於優化的投資組合構建模型。基於規則的投資組合構建模型主要分三類：相等頭寸加權，相等風險加權，信號驅動型加權。其中前兩類分別保證了投資組合的每個個股頭寸相等和所承擔的風險相等。第三類根據信號強度來加權，投資組合中個股與策略模型設定的條件越接近則賦予的權重越大，這是合理決定頭寸規模的最佳途徑。

執行模型：執行模型是實施量化模型的最後一個環節，如果沒有執行模型，那麼整個量化模型並沒有存在的意義。執行模型中訂單執行演算法是最關鍵的，其主要目的是，以盡可能低的價格，盡可能完整地完成想要交易的訂單。具體的執行演算法包括：採用何種訂單類型，採用進取訂單還是被動訂單，採用大訂單還是小訂單。對於資金量比較小的寬客，執行模型往往是比較簡單的，一旦出現信號，其所需成交量的並不需要太大。而對於資金量較大的寬客來說，執行模型是比較復雜的，需要根據實際情況來選擇合適的下單方式。

以上就是量化模型的整個系統框架，其中任何一個部分都發揮至關重要的作用，因此一個完整的能盈利的量化模型是非常有價值的。

9. 量化投資有哪些優勢

量化投資就是藉助現代統計學、數學的方法，從海量歷史數據中尋找能夠帶來超額收益的多種「大概率」策略，並紀律嚴明地按照這些策略所構建的數量化模型來指導投資，力求取得穩定的、可持續的、高於平均的超額回報。量化投資屬主動投資范疇，本質是定性投資的數量化實踐，理論基礎均為市場的非有效性或弱有效性。
量化投資特點：
第一，投資視角更廣。藉助計算機高效、准確地處理海量信息，在全市場尋找更廣泛的投資機會。
第二，投資紀律性更強。嚴格執行數量化投資模型所給出的投資建議，克服人性的弱點。
第三，對歷史數據依賴性強。
量化投資策略有如下五大方面的優勢，最大的優勢就是風險管理更加精準，能夠提供超額的收益，主要包括紀律性、系統性、及時性、准確性、分散化等。
(1)紀律性：嚴格執行量化投資模型所給出的投資建議，而不是隨著投資者情緒的變化而隨意更改。紀律性的好處很多，可以克服人性的弱點，如貪婪、恐懼、僥幸心理，也可以克服認知偏差，行為金融理論在這方面有許多論述。
(2)系統性：量化投資的系統性特徵主要包括多層次的量化模型、多角度的觀察及海量數據的觀察等等。多層次模型主要包括大類資產配置模型、行業選擇模型、精選個股模型等等。多角度觀察主要包括對宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度的分析。
(3)及時性：及時快速地跟蹤市場變化，不斷發現能夠提供超額收益的新的統計模型，尋找新的交易機會。
(4)准確性：准確客觀評價交易機會，克服主觀情緒偏差，妥善運用套利的思想。量化投資正是在找估值窪地，通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會。與定性投資經理不同，量化投資經理大部分精力花在分析哪裡是估值窪地，哪一個品種被低估了，買入低估的，賣出高估的。
(5)分散化：在控制風險的條件下，充當准確實現分散化投資目標的工具。分散化也可以說量化投資是靠概率取勝。這表現為兩個方面，一是量化投資不斷的從歷史中挖掘有望在未來重復的歷史規律並且加以利用，這些歷史規律都是有較大概率獲勝的策略。二是依靠篩選出股票組合來取勝，而不是一個或幾個股票取勝，從投資組合理念來看也是捕獲大概率獲勝的股票，而不是押寶到單個股票上。

10. 量化投資

沒有你想的書

我多年來都有關注這方面的書 可是也沒有在國內找到

數量化投資是將投資理念及策略通過具體指標、參數的設計，體現到具體的模型中，讓模型對市場進行不帶任何情緒的跟蹤；相對於傳統投資方式來說，具有快速高效、客觀理性、收益與風險平衡和個股與組合平衡等四大特點。量化投資技術幾乎覆蓋了投資的全過程，包括估值與選股、資產配置與組合優化、訂單生成與交易執行、績效評估和風險管理等，在各個環節都有不同的方法及量化模型：

一、估值與選股

估值：對上市公司進行估值是公司基本面分析的重要方法，在「價值投資」的基本邏輯下，可以通過對公司的估值判斷二級市場股票價格的扭曲程度，繼而找出價值被低估或高估的股票，作為投資決策的參考。對上市公司的估值包括相對估值法和絕對估值法，相對估值法主要採用乘數方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；絕對估值法主要採用折現的方法，如公司自由現金流模型、股權自由現金流模型和股利折現模型等。相對估值法因簡單易懂，便於計算而被廣泛使用；絕對估值法因基礎數據缺乏及不符合模型要求的全流通假設而一直處於非主流地位。隨著全流通時代的到來和國內證券市場的快速發展，絕對估值法正逐漸受到重視。

選股：在當前品種繁多的資本市場中，從浩瀚復雜的數據背後選出適合自己投資風格的股票變得越加困難。在基本面研究的基礎上結合量化分析的手段就可以構建數量化選股策略，主流的選股方法如下：

資產配置方法與模型
資產配置類別 資產配置層次 資產配置方法 資產配置模型
戰略資產配置 全球資產配置 大類資產配置 行業風格配置 收益測度 風險測度 估計方法 馬克維茨 MV 模型 均值 -LPM 模型 VaR 約束模型 Black-Litterman 模型
戰術資產配置 ( 動態資產配置 ) 周期判斷 風格判斷 時機判斷 行業輪動策略 風格輪動策略 Alpha 策略 投資組合保險策略

基本面選股：通過對上市公司財務指標的分析，找出影響股價的重要因子，如：與收益指標相關的盈利能力、與現金流指標相關的獲現能力、與負債率指標相關的償債能力、與凈資產指標相關的成長能力、與周轉率指標相關的資產管理能力等。然後通過建立股價與因子之間的關系模型得出對股票收益的預測。股價與因子的關系模型分為結構模型和統計模型兩類：結構模型給出股票的收益和因子之間的直觀表達，實用性較強，包括價值型(本傑明·格雷厄姆—防禦價值型、查爾斯·布蘭迪—價值型等)、成長型(德伍·切斯—大型成長動能、葛廉·畢克斯達夫—中大型成長股等)、價值成長型(沃倫·巴菲特—優質企業選擇法、彼得·林奇—GARP價值成長法等)三種選股方法；統計模型是用統計方法提取出近似線性無關的因子建立模型，這種建模方法因不需先驗知識且可以檢驗模型的有效性，被眾多經濟學家推崇，包括主成分法、極大似然法等。

多因素選股：通過尋找引起股價共同變動的因素，建立收益與聯動因素間線性相關關系的多因素模型。影響股價的共同因素包括宏觀因子、市場因子和統計因子(通過統計方法得到)三大類，通過逐步回歸和分層回歸的方法對三類因素進行選取，然後通過主成分分析選出解釋度較高的某幾個指標來反映原有的大部分信息。多因素模型對因子的選擇有很高的要求，因子的選擇可依賴統計方法、投資經驗或二者的結合，所選的因子要有統計意義上或市場意義上的顯著性，一般可從動量、波動性、成長性、規模、價值、活躍性及收益性等方面選擇指標來解釋股票的收益率。

動量、反向選股：動量選股策略是指分析股票在過去相對短期的表現，事先對股票收益和交易量設定條件，當條件滿足時買進或賣出股票的投資策略，該投資策略基於投資者對股票中期的反應不足和保守心理，在投資行為上表現為購買過去幾個月表現好的股票而賣出過去幾個月表現差的股票。反向選股策略則基於投資者的錨定和過度自信的心理特徵，認為投資者會對上市公司的業績狀況做出持續過度反應，形成對業績差的公司業績過分低估和業績的好公司業績過分高估的現象，這為投資者利用反向投資策略提供了套利機會，在投資行為上表現為買進過去表現差的股票而賣出過去表現好的股票。反向選股策略是行為金融學理論發展至今最為成熟，也是最受關注的策略之一。

二、資產配置

資產配置指資產類別選擇、投資組合中各類資產的配置比例以及對這些混合資產進行實時管理。資產配置一般包括兩大類別、三大層次，兩大類別為戰略資產配置和戰術/動態資產配置，三大層次為全球資產配置、大類資產配置和行業風格配置。資產配置的主要方法及模型如下：

戰略資產配置針對當前市場條件，在較長的時間周期內控制投資風險，使得長期風險調整後收益最大化。戰術資產配置通常在相對較短的時間周期內，針對某種具體的市場狀態制定最優配置策略，利用市場短期波動機會獲取超額收益。因此，戰術資產配置是在長期戰略配置的過程中針對市場變化制定的短期配置策略，二者相互補充。戰略資產配置為未來較長時間內的投資活動建立業務基準，戰術資產配置通過主動把握投資機會適當偏離戰略資產配置基準，獲取超額收益。

三、股價預測

股價的可預測性與有效市場假說密切相關。如果有效市場假說成立，股價就反映了所有相關的信息，價格變化服從隨機遊走，股價的預測就毫無意義，而我國的股市遠未達到有效市場階段，因此股價時間序列不是序列無關，而是序列相關的，即歷史數據對股價的形成起作用，因此可以通過對歷史信息的分析來預測股價。

主流的股價預測模型有灰色預測模型、神經網路預測模型和支持向量機預測模型(SVM)。灰色預測模型對股價的短期變化有很強的預測能力，近年發展起來的灰色預測模型包括GM(1, 1)模型、灰色新陳代謝模型和灰色馬爾可夫模型。人工神經網路模型具有巨量並行性、存儲分布性、結構可變性、高度非線性和自組織性等特點，且可以逼近任何連續函數，目前在金融分析和預測方面已有廣泛的應用，效果較好。支持向量機模型在解決小樣本、非線性及高維模式識別問題中有許多優勢，且結構簡單，具有全局優化性和較好的泛化能力，比神經網路有更好的擬合度。

四、績效評估

作為集合投資、風險分散、專業化管理、變現性強等特點的投資產品，基金的業績雖然受到投資者的關注，但要對基金有一個全面的評價，則需要考量基金業績變動背後的形成原因、基金回報的來源等因素，績效評估能夠在這方面提供較好的視角與方法，風險調整收益、擇時/股能力、業績歸因分析、業績持續性及Fama的業績分解等指標和方法可從不同的角度對基金的績效進行評估。

績效評估模型 / 指標

績效評估准則
擇時 / 股能力
業績歸因分析
風險調整收益
業績持續性
Fama 業績分解

模型 / 指標
T-M 模型

H-M 模型

GII 模型

C-L 模型
資產配置收益

證券選擇收益

行業選擇收益

行業內個股選擇收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
雙向表分析

時間序列相關性
總風險收益

系統風險收益

分散化投資收益

五、基於行為金融學的投資策略

上世紀50～70年代，隨著馬科維茨組合理論、CAPM模型、MM定理及有效市場假說的提出，現代金融經濟學建立了一套成熟的理論體系，並且在學術界占據了主導地位，也被國際投資機構廣泛應用和推廣，但以上傳統經濟學的理論基石是理性人假設，在理性人假設下，市場是有效率的，但進入80年代以後，關於股票市場的一系列研究和實證發現了與理性人假設不符合的異常現象，如：日歷效應、股權溢價之謎、期權微笑、封閉式基金折溢價之謎、小盤股效應等。面對這些金融市場的異常現象，諸多研究學者從傳統金融理論的基本假設入手，放鬆關於投資者是完全理性的嚴格假設，吸收心理學的研究成果，研究股市投資者行為、價格形成機制與價格表現特徵，取得了一系列有影響的研究成果，形成了具有重要影響力的學術流派－行為金融學。

行為金融學是對傳統金融學理論的革命，也是對傳統投資實踐的挑戰。隨著行為金融理論的發展，理論界和投資界對行為金融理論和相關投資策略作了廣泛的宣傳和應用，好買認為，無論機構投資者還是個人投資者，了解行為金融學的指導意義在於：可以採取針對非理性市場行為的投資策略來實現投資目標。在大多數投資者認識到自己的錯誤以前，投資那些定價錯誤的股票，並在股價正確定位之後獲利。目前國際金融市場中比較常見且相對成熟的行為金融投資策略包括動量投資策略、反向投資策略、小盤股策略和時間分散化策略等。

六、程序化交易與演算法交易策略

根據NYSE的定義，程序化交易指任何含有15隻股票以上或單值為一百萬美元以上的交易。程序化交易強調訂單是如何生成的，即通過某種策略生成交易指令，以便實現某個特定的投資目標。程序化交易主要是大機構的工具，它們同時買進或賣出整個股票組合，而買進和賣出程序可以用來實現不同的目標，目前程序化交易策略主要包括數量化程序交易策略、動態對沖策略、指數套利策略、配對交易策略和久期平均策略等。

演算法交易，也稱自動交易、黑盒交易或無人值守交易，是使用計算機來確定訂單最佳的執行路徑、執行時間、執行價格及執行數量的交易方法，主要針對經紀商。演算法交易廣泛應用於對沖基金、企業年金、共同基金以及其他一些大型的機構投資者，他們使用演算法交易對大額訂單進行分拆，尋找最佳路由和最有利的執行價格，以降低市場的沖擊成本、提高執行效率和訂單執行的隱蔽性。任何投資策略都可以使用演算法交易進行訂單的執行，包括做市、場內價差交易、套利及趨勢跟隨交易。演算法交易在交易中的作用主要體現在智能路由、降低沖擊成本、提高執行效率、減少人力成本和增加投資組合收益等方面。主要的演算法包括：交易量加權平均價格演算法(VWAP)、保證成交量加權平均價格演算法(Guaranteed VWAP)、時間加權平均價格演算法(TWAP)、游擊戰演算法(Guerrilla)、狙擊手演算法(Sniper)、模式識別演算法(Pattern Recognition)等。

綜上所述，數量化投資技術貫穿基金的整個投資流程，從估值選股、資產配置到程序化交易與績效評估等。結合量化投資的特點及我國證券市場的現狀，好買認為量化投資技術在國內基金業中的應用將主要集中在量化選股、資產配置、績效評估與風險管理、行為金融等方面，而隨著包括基金在內的機構投資者佔比的不斷提高、衍生品工具的日漸豐富(股指期貨、融資融券等)以及量化投資技術的進步，基金管理人的投資策略將會越來越復雜，程序化交易(系統)也將有快速的發展。