量化投資計算題

A. 波段回調不下破前高交易的量化指標公式怎麼寫

按你說的波段高點和波段低點的計算方法你這圖上畫的也不對啊這明顯macd下面一堆內金叉死叉怎容么主圖上就是個下跌趨勢畫線呢。這明顯不對啊。

編寫選股沒問題但前提是設計的選股條件一定要明確嚴謹。

B. 在金融市場高頻交易中有這樣一個問題：每筆交易勝率51%,問每天要做多少筆交易當天盈利的概率是99.99%

我沒有看過類似的文章，但是通過我的經驗和所學來判斷的話，你所說內的金融市場高頻交易應該容是不包含中國股市，而是指的其他類型的金融衍生品交易，比如期貨、期權等等。
因為後面所說的這些金融衍生品交易是可以做兩個方向的，也就是既可以做多，也可以做空，每筆交易本身的勝率如果能達到51%的話，那麼也就是失敗的幾率為49%，你可以控制倉位的情況下，將勝率和失敗率看成概率，倉位的不同會帶來不同的期望值。
正因為他們的概率相差2%，所以可以在一定的交易次數中達到所謂當天必定盈利這種說法。
但是我必須說明的是，這種說法應該是有前提，或者說是理想化的（如果你看的文章里沒有提及這一點，最好還是不要看這類文章比較好），因為每筆交易都會有其交易成本，高頻交易帶來的本身就是較高的成本，所以在撇開這些成本的情況下，通過概率方式計算的理想化盈利概率在現實中是不可取的。
當然，也必須承認的是，這個觀點真正隱含的含義實際是：如果每筆交易有贏有虧，那麼你只需要在你眾多交易中能做到盈的佔多數，或者盈利數額大於虧損數額，那麼交易總體上來看便是盈利的。

C. 資產評估中交易時間因素分析與量化怎麼算

成本法公式就是 各項取得成本加和 評估價值=成本1+成本2+成本N+預計利潤 -稅費 市場法就是 選取比較案例 將比較因素量化 對參照物修正 評估價值=參照物x調整系數1x調整系數2x調整系數3 收益法取得收益額a 收益年限n 折現率r 三個參數 評估值=(a/r)×[1-1/(1+r)n] 每個評估公司都有自己的計算方法和體系 這個都是商業機密了..你要詳細的測算過程是看不到的.我上面告訴你的也屬於原理,真正的計算要復雜的多.下面是無形評估准則內提及有關方法的要求. 第二十六條 注冊資產評估師執行專利資產評估業務，應當根據評估對象、價值類型、資料收集情況等相關條件，分析收益法、市場法和成本法三種資產評估基本方法的適用性，恰當選擇一種或者多種資產評估方法。第二十七條 注冊資產評估師運用收益法進行專利資產評估時，應當收集專利產品的相關收入、成本、費用數據。注冊資產評估師應當對委託方或者相關當事方提供的專利未來實施情況和收益狀況的預測進行必要的分析、判斷和調整，確信相關預測的合理性。注冊資產評估師應當根據專利資產的具體情況選擇恰當的收益口徑。第二十八條 注冊資產評估師運用收益法進行專利資產評估時，應當根據專利資產的技術壽命、技術成熟度、專利法定壽命、專利技術產品壽命及與專利資產相關的合同約定期限，合理確定專利資產收益期限。第二十九條 注冊資產評估師運用收益法進行專利資產評估時，應當綜合考慮評估基準日的利率、投資回報率、資本成本，以及專利實施過程中的技術、經營、市場、資金等因素，合理確定折現率。專利資產折現率應當區別於企業或者其他資產折現率；折現率應當與預期收益的口徑保持一致。第三十條 注冊資產評估師運用市場法進行專利資產評估時，應當收集足夠的可比交易案例。注冊資產評估師在分析交易案例的可比性時，應當考慮交易資產的特點、交易時間、限制條件、交易雙方的關系、購買方現有條件，專利資產的獲利能力、競爭能力、技術水平、成熟程度、剩餘法定保護年限及剩餘經濟壽命、風險程度、轉讓或者使用情況，實施專利資產是否涉及其他專利資產等因素。第三十一條 注冊資產評估師運用市場法進行專利資產評估時，應當對專利資產與可比交易案例之間的各種差異因素進行分析、比較和調整。第三十二條 注冊資產評估師運用成本法進行專利資產評估時，應當合理確定專利資產的重置成本。重置成本包括合理的成本、利潤和相關稅費等。注冊資產評估師確定專利資產重置成本時，應當合理確定形成專利資產所需的研發人員、管理人員、設備及房屋建築物等成本以及其他相關成本費用。第三十三條 注冊資產評估師運用成本法進行專利資產評估時，應當合理確定貶值。第三十四條 注冊資產評估師對同一專利資產採用多種評估方法評估時，應當對取得的各種初步價值結論進行比較分析，形成合理的評估結論。

D. 為什麼量化投資策略回測收益那麼高，那不是沒人虧錢了

回測數據不等於未來行情，未來的行情是不可預測的，回測數據考慮的是復利收益，現實中能有幾人能把資金一直放在裡面的

E. 以量化分析方法選股，要怎麼算股票收益率

首先建立各個指標在相應分析期內的「增持」/「減持」組合，通過事後檢驗，統計並分析各指標的「增持」/「減持」組合在分析期內的信息比率與收益率。依據各個指標的「增持」組合的市場表現，判斷該指標的選股能力。

「增持」與「減持」組合的構建方法如下：每次選擇一個指標，依據該指標對行業內個股進行排序。根據指標代表的經濟含義，選擇指標排序最優的前 25%的股票設定為「增持」，後 25%的股票設定為「減持」。將「增持」與「減持」股票，按照流通股市值為權重，組成「增持」與「減持」投資組合。投資組合建立後每隔三個月，根據市場最新的指標數據，對「增持」與「減持」組合進行一次重新調整。

1. 經過眾多的統計分析研究比較，一些短線投資者認為當隨機指標KDJ的K線從下向上穿過D線時，可以買入股票。
2.短線買截的不足之處。從技術分析的角度而言，短線買點都是短線行為在一定時期內，短線買點特別多，同樣短線賣點也特別多，因此投資者據此操作，成功的可能性不大。如果考慮到投資者的交易成本投資者根據短線指標操作股票，成功的概率又進一步降低。另外大多數散戶由於交易設施的不完備，短線操作也不方便。因此我們建議散戶投資者不要輕易用短線的方法買進股票。
3. 短線的交點在決定賣點時，除了前面所討論的方法外，一些短線投資者常常用隨機指標KDJ來決定股票的賣點。由隨機指標KDJ的墓木原理知，當隨機指標KDJ的K線從上向下穿過D線時，投資者可以賣出股票

我用的牛股寶，裡面有個從炒股大賽裡面選出來的牛人榜，這個牛股寶里可以跟著牛人買賣操作，這樣能跟這這些牛人學習很多知識，牛股寶我覺得不錯。你也可以試試。祝你成功。

F. 投資風險分析實例

【實例Ⅰ】讓我們研究有關一個石油化工廠考慮生產一種新型石化產品的例子。其現金流量為：

油氣工業技術經濟評價方法及應用（第3版）

當假設貸款利率為10%時，其凈現值NPV＝2.95，內部收益率IRR＝11%，二者均顯示該項目勉強可以接受。為了估算這些方法的精度，必須對現金流量值的變動性做某些設定。很明顯，任何一種情況都應該根據其優缺點進行處理。下面的假設僅是在表面合理的基礎上做出的。

假設1：已知零年的現金流量為-15 萬英鎊，無誤差，它實質上是投入的成本(廣告費，製作樣品的費用等)，並且據此已做出了明確的預算。

假設2：其餘的現金流量是隨機變化的，其中值(Median)即上面所示的值，並且假設每一現金流量的概率分布是已知的(這一點是非常重要的，因為它是後續分析的關鍵，也是我們進一步討論的內容)。

目前已提出了一些估算這些分布的方法，針對連續分布最常用的方法似乎是連續分布分值點法。該方法本質上是將最有經驗的專家(評估員)的意見進行量化。這一方法首先應給出未知變數的中值，即大於或小於該值的可能性是相等的。第一年的現金流量大概是4萬英鎊，接下來僅考慮現金流量大於4萬英鎊的概率，並要求估算出這些結果的「中間標志」。對這種估算而言，所得值為6萬英鎊，意味著如果所知道的全部情況是現金流量大於4萬英鎊，則認為大於或小於6萬英鎊的機會是相等的。對這兩個基準點深思熟慮後，認為現金流量大於6萬英鎊的概率為1/4。對另一半現金流量的低值部分進行類似的討論後，將會得到另一個低值的「中間標志點」，即3萬英鎊。值得注意的是，3萬英鎊和6萬英鎊距中值4萬英鎊的概率空間相同是沒有任何原因的。我們的大腦可在已確定的四個區間內重復尋找「中間點」的過程，將得到概率分別為1/8，3/8，5/8，7/8的現金流量值，並把它們加入到已有的1/4，1/2，3/4序列中。

最後，評估員要決定估算現金流量的極端值——預計最好和最壞的現金流量值。最後這一步將是很困難的，因為人們對「最壞」和「最好」有不同的解釋。評估員應加倍小心，以確保他能考慮的極端情況合情合理，不能把荒唐的事情考慮在內。比如石化廠的競爭對手全部倒閉(最好)或一場大火將石化廠燒毀(最壞)。

據此可假設第一年的現金流量如下：

油氣工業技術經濟評價方法及應用（第3版）

用肉眼將以上數據用平滑曲線連接，便得到圖7-13，應注意到實際中現金流量可能是由多項支出和收益組成的，而實質上的隨機變數可能是年銷售量。

圖7-13 第一年現金流量的主觀概率分布

接下來對每年度的現金流量依次重復上述過程。這將是一個費時(尤其對同一個評估員)甚至令人精疲力竭的處理過程。克服這一困難的有效方法是認為後續每一年的現金流量的概率分布完全是第一年按比例的翻版。如果這是可以接受的，則需要做的全部工作就是估算每一年現金流量的中值，就像第一年那樣，由它來劃分區間並提供比例因子。對所有數據進行完上述過程後可得表7-6。

表7-6 現金流量累計概率

每一個分布值的產生過程是這樣的：用一個已知分布(第1年)分別乘以比例因子1.75，1.5和0.5，得到第2、3、4年的分布值。實際中可通過查閱一個隨機變數介於00到99間的轉換表，該表中的值是可表示為100和第1年現金流量累積概率圖(圖7-13)中相應值的函數的隨機變數。因此序號為63 的隨機變數對應的第1年的現金流量為45.6，若求同一隨機序號所對應的第3年的現金流量值，則結果應為45.6×1.5＝68.4。

針對一組典型的模擬值，可取隨機序號為63、17、02、39，則相應的現金流量分別為45.6(1年)，46.2(2年)，20.4(3年)，17.8(4年)，則凈現值為：

油氣工業技術經濟評價方法及應用（第3版）

結果表明有較大的虧損。為了弄清這是否為非正常結果，需要進行全面模擬，上述一組輸入數據的IRR值為-0.07，不僅收益率低於貸款利率而且為負數。由於全部的收益小於初始投入，這一結果應該是可以預料的。

也許有人會提出：上述模型中的假設是不現實的，因為實際上任一年的現金流量是彼此獨立的。然而實際情況是，如果一個項目(在本例中就是引進新型石化產品)是成功的，其現金流量會持續大於現金流量中值，反之，一個失誤將會導致在項目壽命期內現金流量一直較低。用統計學的術語來說，就是隨機變數之間是相關的，並不是彼此獨立的。在實際模擬中，處理相關問題並不困難，問題在於如何使數學方法與評估員理解的概念相匹配。解決這一難題的一個辦法是對完全獨立和完全相關這兩個極端情況進行檢驗，並認為真實的情況應介於兩者之間，並希望對於任一種評價項目可行性的方法，這些極端值都會給出最合理的值，並有助於決策的做出。

我們已經考慮過完全獨立的模型。假設完全相關的模型，每一個現金流變數相對於其分布都處於同樣的位置。這可通過採用對每一組變數X₁，X₂，X₃，X₄都使用同一個隨機序號的簡單方法來完成。例如若我們使用隨機數63，則相應的現金流量分別為45.6，79.8，68.4和22.8，則有NPV＝24.4和IRR＝17.8%。

我們對獨立和相關兩種假設模型均進行了模擬，並將結果以NPV和IRR累計概率的形式繪製成圖(圖7-14，圖7-15)。

圖7-14 NPV累計概率圖

圖7-15/RR累計概率圖

對於相關模型，這兩個判斷標准都比預計的有較大的變化。這是因為在此模型中，極端隨機變數的作用被重復了四次，而在獨立模型中，極端值的作用有被其他三個隨機變數減緩的趨勢。更進一步觀察可發現，相關模型的曲線之間形狀上具有相似性，並與通常的現金流量累計概率曲線(圖7-13)相似。這一現象可簡單地解釋為：對任一隨機變數，四年均有唯一的現金流量，因而便會有唯一的NPV和IRR。現金流量、NPV和IRR的概率表達方式明顯相關，事實上則不必模擬。

用這些圖進行項目的可行性評價時，決策者或許首先會注意到NRV為負值的概率介於0.34到0.48之間，二者可能都高得不可接受。同樣，IRR小於貸款利率(10%)的概率也有一個范圍，且可得出相同的結論。這些圖會帶給我們更深層的思考，例如負NPV的風險或許被大量的正值所抵消。

在上述模擬過程中未涉及投資回收期這一判斷標准，盡管該方法不會引起分析上的困難。如前所述，相關模型的值可直接得出，結果見表7-7。

投資模型建立和模擬的結合為項目可行性的評價提供了強有力的工具，它在專業評估員提供的初始主觀概率的基礎上，為決策者提供了所含風險的詳細分析。從這個意義上講，它具有最有用的信息，風險雖不能完全避免，但被徹底地暴露了出來。

表7-7 累計概率

【實例Ⅱ】石油生產是由地下石油資源量、儲量、產量和投資等多種元素組成的一個復雜系統。在石油生產系統中，儲量是聯系勘探開發和開採的關鍵元素，通過勘探活動找到的儲量只有通過油氣開采才能實現它的價值，企業才能獲得經濟效益，從而使石油生產系統保持連續性和穩定性。

在石油生產系統中，資金流動可能呈現出多種運行模式，圖7-16把貼現凈現金流和累計貼現凈現金流表示在同一時間序列上，A、B、C、D和E點分別表示它們的特徵點。這是一種典型的資金流動曲線。

經濟可采儲量評價的實質就是確定資金流動曲線上的這些特徵點。C點是儲量開發取得經濟效益的臨界點，它對未動用儲量的開發動用具有重要意義。產量進入遞減期後，貼現凈現金流降為零而累計貼現凈現金流上升到最大，因此，E點是儲量開發可以達到的經濟效益的最高點。

從以上分析可以看出，經濟可采儲量評價是動態的，並具有階段性，它貫穿於石油生產的全過程。經濟可采儲量評價就是從未來一定時期內的資金流動分析出發，對石油生產系統中一切有資金流出、流入的分年動態進行預測，在一定技術經濟條件下，保證國家及勘探開發和生產部門獲得相應的利潤，從而確定儲量開發的經濟效益和經濟開發界限。

現金流通表中，當累計貼現凈現金流達到正值最大而貼現凈現金流等於零時稱為零效益。對正在開發的老油田來說，如果計算出的現金流通表在評價起始年就沒有經濟效益，說明該油田已處於零效益虧損狀態下開采。對新油田來說，圖7-16中C點是儲量開發動用並可能獲得經濟效益的臨界點，如果從評價起始年累計貼現凈現金流始終為負，盡管貼現凈現金流已上升為正值，說明目前該油田儲量開發仍沒有經濟效益。否則，從評價的起始年到零效益年份的累計產油量就是(剩餘)經濟可采儲量，凈現值NPV為(剩餘)經濟可采儲量的價值，其表達式如下：

圖7-16 石油生產的典型經濟特徵

油氣工業技術經濟評價方法及應用（第3版）

式中：NPV為(剩餘)經濟可采儲量的價值；CI_i為第i年的現金流入；CO_i為第i年的現金流出；IR為目標內部收益率；T為經濟開采年限。

現金流通法綜合反映了石油生產系統中經濟可采儲量的各種影響因素的動態變化，並考慮到資金的時間價值，因而對所有油田都適用。但是，由於這種方法以石油生產預測為基礎，預測精度的好壞會影響到評價結果，因此，在實際應用中應根據儲量類型、開發方式和開采階段，合理選擇預測方法。另外，經濟極限法因需要參數較少，計算公式簡單方便，同時可以避免多種開發生產指標預測偏差造成的影響，但這種方法對參數的敏感性較高，不能計算出所需的大多數評價指標，因此，只能作為經濟可采儲量評價的輔助方法。

G. 一股票今天的售價為50美元，在年末將支付每股6美元的紅利。貝塔值為1.2，預期在年末該股票售價是多少

53美元。這題漏了條件，是投資學書上的題，補充條件：無風險利率：6%，市場期望收益率：16%。

資產i的預期收益率

E(Ri)=Rf+βi[E(Rm)-Rf]

其中: Rf:無風險收益率

E(Rm)：市場投資組合的預期收益率

βi: 投資i的β值。

E(Rm)-Rf為投資組合的風險溢酬。

(7)量化投資計算題擴展閱讀：

期望收益率主要以資本資產定價模型為基礎，結合套利定價模型來計算。

資產i的β值=資產i與市場投資組合的協方差/市場投資組合的方差

市場投資組合與其自身的協方差就是市場投資組合的方差，因此市場投資組合的β值永遠等於1，風險大於平均資產的投資β值大於1，反之小於1，無風險投資β值等於0。

需要說明的是，在投資組合中，可能會有個別資產的收益率小於0，這說明，這項資產的投資回報率會小於無風險利率。一般來講，要避免這樣的投資項目，除非已經很好到做到分散化。

H. 量化投資的前景

隨著20世紀80年代以來各類證券和期權類產品的豐富和交易量的大增，華爾街已別無選擇，不用這些模型，不使用電腦運算這些公式，他們便會陷於困境，自招風險。1997~1998年亞洲金融危機，市場暴跌，量化投資的演算法交易也起到了同樣的壞作用。此外，始於2007年的金融危機中，量化投資也未能倖免。時過境遷，2011年，量化基金再次表現優異。
稍微接觸到資本市場的人，大都聽說過基本面投資和價值投資，而對於這方面的天才人物「股神」巴菲特，更是幾乎家喻戶曉，婦孺皆知。他以企業財務報表的分析見長，擅長挖掘企業的內在價值，一旦買入便長期持有，持續獲得穩定高額收益，為股東創造了豐厚利潤，無人能及。
相比之下，與價值投資同等重要的量化投資——即藉助數學、物理學、幾何學、心理學甚至仿生學的知識，通過建立模型，進行估值、擇時及選股，則沒有那麼幸運——在大多數人眼裡，量化投資是一個神秘的領域，深不可測，玄奧無比，令人望而卻步。世人皆知巴菲特，而對於號稱最能賺錢的基金經理人、在20年的時間里創造了年均凈回報率高達35%驚人傳奇的量化投資大師西蒙斯，卻只能成為少數人的專屬。
量化投資看似神秘，但並不古老。它從70年代開始逐漸興起，90年代才大行其道。之所以如此，是因為量化投資有其誕生的特定土壤，需要一系列的條件方能破土而出，這些條件其實相當苛刻。
很難想像，量化投資技術並非發端於華爾街，而是肇始於學術象牙塔里的少數「怪才」，他們長期不被正統的經濟學所接受，甚至遭到排斥，因此處境艱難。1952年3月發表「投資組合選擇」論文、提出現代財務和投資理論最著名洞見的馬克維茨，以該理論參加博士答辯，竟然戰戰兢兢差點未獲通過。1990年10月，這些人中有三位獲得諾貝爾經濟學獎，當時局外人很少有人清楚為什麼他們能夠得此殊榮；而三人中的其中一位則將他們的獲獎比作「芝加哥業余球隊贏得了世界盃」。
但是，沒有來自象牙塔的現代金融理論，便沒有量化投資的興起。馬克維茨的投資組合理論，提出了風險報酬和效率邊界概念，並據此建立了模型，成為奠基之作。托賓隨後提出了分離理論，但仍需要利用馬克維茨的系統執行高難度的運算。
夏普1963年1月提出了「投資組合的簡化模型」，一般稱為「單一指數模型」。馬克維茨模型費時33分鍾的計算，簡化模型只用30秒，並因節省了電腦內存，可以處理相對前者8倍以上的標的證券。1964年，夏普又發展出資本資產定價模型(CAPM)，這是他最重要的突破，不僅可以作為預測風險和預期回報的工具，還可以衡量投資組合的績效，以及衍生出在指數型基金、企業財務和企業投資、市場行為和資產評價等多領域的應用和理論創新。
1976年，羅斯在CAPM的基礎上，提出「套利定價理論」(APT)，提供一個方法評估影響股價變化的多種經濟因素。布萊克和斯克爾斯提出了「期權定價理論」。莫頓則發明了「跨期的資本資產定價模型」。
有趣的是，不少人最初並非經濟學家，如巴契里耶和布萊克原先是數學家，夏普則從事醫學，奧斯伯恩為天文學家，沃金與坎德爾是統計學家，而特雷諾則是數學家兼物理學家。他們轉行都是被金融市場研究所深深吸引，沉迷於其中的無窮魅力。
然而，僅有現代投資（行情 股吧 買賣點）理論的建立，及各類模型的完善與推陳出新，並不會直接催生出量化投資，它還需要其他幾個重要前提條件，比如機構投資者在市場中占據主導，電腦技術足夠發達，以及傳統華爾街投資家的傲慢被市場擊潰轉而被迫接受新的投資理念。
量化投資不會出現在個人投資者為主的時代。個人投資者既缺乏閑暇的時間，也普遍無此能力。隨著退休基金和共同基金資產的大幅增加，它們成為市場上的主要機構投資者，並委託專業機構進行投資操作。管理大規模資產，需要新的運作方式和金融創新技術，同時專業的投資管理人也有能力和精力專注地研究、運用這些技術。
沒有發達的電腦技術，量化投資也將成為無源之水，無米之炊。在電腦革命發生前，根本無法根據上述模型進行運算。1961年，與馬克維茨共同獲得1990年諾貝爾獎的夏普曾說，當時即使是用IBM最好的商用電腦，解出含有100隻證券的問題也需要33分鍾。當今，面對數不勝數的證券產品，以及龐大的成交量，缺了先進電腦的運算速度和容量，許多復雜的證券定價甚至不可能完成。
量化投資在不經歷市場的崩盤，傲慢投資者的自信未被摧毀之前，不會盛行。比較早的時候，華爾街對學術界把投資管理的藝術，轉化成通篇晦澀難懂的數學方程式一直持有敵意。他們認為，投資管理需要天賦、直覺以及獨特的駕馭市場的能力，基金經理可以獨力打敗市場，而無需依靠那些缺乏靈魂、怪異的數學符號和縹緲虛幻的模型。在美國，70年代初期表現最佳的基金經理人從未聽過貝塔值，並認為那些擁有數學和電腦背景的學者只是一群騙子。
1973~1974年美國債券市場和股票市場全面崩盤，明星基金經理人煙消雲散，財富縮水堪比30年代大蕭條。當時，頗有先見的投資顧問兼作家彼得·伯恩斯坦認為，必須採用更好的方法管理投資組合，並創辦了《投資組合》雜志，一出刊便獲得成功。此後，隨著80年代以來各類證券和期權類產品的豐富和交易量的大增.量化投資光彩炫目，但也具有魔鬼般的力量。它時而風光無限，但也常常墜入深淵。
1987年10月大股災，黑色星期一，當天股市和期貨成交量高達令人吃驚的410億美元，價值瞬間縮水6000億美元。很多股份直接通過電腦而不是經由交易所交易。一些採用投資組合保險策略的公司，在電腦模式的驅使下，不問價格機械賣出股票。很多交易員清楚這些投資組合會有大單賣出，寧願走在前面爭相出逃，加劇了恐慌。針對整個投資組合而非單個證券，機械式的交易，電腦的自動操作，使得這種量化投資出現助跌之效，大量的空單在瞬間湧出，將市場徹底砸垮。
在此次亞洲金融危機中，著名的長期資本管理公司，這家來自學術象牙塔的怪才充斥、主要運用量化投資技術的對沖基金，曾經在市場上呼風喚雨、無往不利，但偏偏遭遇俄羅斯國債違約這一小概率事件，陷入破產之境，迫使美聯儲集華爾街諸多投資銀行之力，加以救助。此外，始於2007年的金融危機中，量化投資也未能倖免。
雖然麻煩不斷，但量化投資依然必要且有效。要知道，在本次金融危機發生前，量化基金的表現連續8年超過其他投資方式。當然，挫折也會帶來量化投資技術的更新和完善，比如在模型中設定新的變數，尤其是加入以往並未包含的宏觀經濟參數。時過境遷，2011年，量化基金再次表現優異。雖然量化投資能否就此再度復興仍屬未知，但由本文先前的討論，漫漫歷史長河，此一趨勢已不可逆轉，量化投資依然擁有光明的未來。
德意志銀行的董事總經理、全球量化投資主管羅崟先生在激烈的競爭中脫穎而出，奪得全球最權威的《機構投資者》期刊2011年美國和歐洲量化分析第一名的佳績。在華爾街40餘年排名史上，罕有華人獲此殊榮。《金融時報》慧眼識金，就此專門做了訪談，並囑我就量化投資寫篇評論。我欣然命筆，並藉此祝願量化投資在中國的資本市場上，能夠早日生根。

I. 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。

J. CFA考試內容分為幾個級別

CFA考試共有三級，分別是Level I、Level II和Level III。三個級別不能同考，也不能跳級。考完上一級才能考下一級。其中，CFA一級考試時間為每年6月、12月，二級、三級為每年6月。

考試在全球各個地點舉行，每個考生必須依次完成三個不同級別的考試。CFA資格考試採用全英文，候選人除應掌握金融知識外，還必須具備良好的英文專業閱讀能力。順利通過CFA課程即是達到一種成就，能獲得僱主、投資者和整個投資界的高度認可。

CFA考試主要有十個科目，分別是：

Ethical and Professional Standards(total)職業道德；

Quantitative Methods數量分析；

Economics經濟學；

Financial Statement Analysts財務報表分析；

Corporate Finance公司金融；

Analysis of Equity Investments股票投資分析；

Analysis of Fixed Income Investments固定收益；

Analysis of Derivatives衍生品；

Analysis of Alternative Investments其他類投資；

Portfolio Management(total)投資組合。