量化投资策略

量化投资策略（精选十篇）

量化投资策略 篇1

关键词：量化投资,Alpha策略,意义,方法

Alpha策略最初的理论基础是套期保值,是由美国经济学家H. working提出的,随后股指期货的面市,量化研究便激发了人们浓厚的兴趣。传统的资产管理者理念的哲学基础大部分为追求收益风险平衡,然而平均市场收益与超额收益又很难达到绝对的均衡,因此将超额收益也即Alpha分离出来,建立起基于Alpha策略的量化投资,有助于指导投资实践。

1 Alpha 策略在量化投资中的应用意义

量化投资指的是以现代计算机技术为依托,通过建立科学的数学模型,在充分掌握投资环境的基础上践行投资策略,达到预期的投资效果。采用量化投资方式的优点包括其具有相当严格的纪律性、系统性,并且对投资分析更加准确与及时,同时还具有分散化的特点,这使得策略的实施过程更加的机动灵活。量化投资过程使用的具体策略通常有量化选股、量化择时、统计套利、高频交易等,每一种策略在应用过程各有千秋,而Alpha策略属于量化选股的范畴。传统的定性投资也是投资人基于一种投资理念或者投资策略来完成整个投资活动的,最终的目的是要获得市场的占有率,并从中取得丰厚的利润。从这个角度来衡量,量化投资与传统投资的本质并无多大差别。唯一不同的是量化投资对信息处理方式上和传统定性投资有着很大的差异性,它是基于现代信息技术、统计学和现代金融工程理论的基础上完成对各类数据信息的高效处理,在对信息处理的速度、广度上是传统定性投资无法比拟的。在对投资风险的控制方面也具有很大的优势,是国际投资界兴起的新型投资理念和应用方法,也在日益成为机构投资者和个人投资者共同选用的有效投资方案。现阶段量化投资的技术支撑和理论建设的基础包括人工智能技术、数据挖掘、支持向量机、分形理论等,这些现代信息处理与数据统计方式为量化投资的可操作性提供了坚实的基础。

Alpha策略在量化投资中的使用优点主要是对投资指数所具有的价值分析与评定。它不是依赖于对大盘的走向变化或者不同股票组合策略趋势的分析,对投资价值的科学分析与合理评估更能吸引投资者的目光。Alpha策略重视对冲系统风险所获得的绝对收益,在股票投资市场上是一种中性的投资方式,具体的程序有选择资产、对资产的优化组合、建立具体组合方式、定期进行调整。为了促进该策略在投资市场中获得良好的收益,就必须先要重视优秀的选股策略,其次是重视期货对冲平均市场收益的时候所产生的风险控制问题。对冲系统风险时,若是能够及时地对投资组合与相关的股指期货的平均市场收益指进行精准地判定和预测,那么将会对整个投资行为产生积极的影响。

2 基于 Alpha 策略的量化投资具体策略和实践方法

通常情况下,Alpha策略所获得的实际收益并不是一成不变的,这与该策略本身的特定有关,具体表现在周期性与时变性上。

Alpha策略的时变性主要是指当时间产生变化时,超额收益也会随之而改变。需要清除的是Alpha反映的就是上市公司超越市场的预期收益,因此属于公司资产未来估值预期的范畴,所以上市公司自身所处的发展阶段和发展环境不同,那么就会给Alpha带来影响。由于时变性的特点,这就给策略的具体估计模型的设立带来了更多不可确定的因素,为此,参照对Alpha满足不同动态假设的理论基础,建立起一个可以获得不同种类估算的模型,同时假定在同一个时间范围内,超额收益和市场平均收益都保持恒定不变,这就极大地简化了计算的过程与步骤。也就是说在该段时间内,市场上股票投资组合基本面不会有太大的变化与波动,这就与实际的投资状况基本达成一致。对于投资策略的调整则要根据上市公司重大事项发生情况而定,那么估算的时间单位周期可以采用每日或者每周估算,对每一个季度的历史数据进行调整也可以作为一种调整方式,反映公司季度行情。对于具体证券而言,采用季度或者每周的调整频率则不是最为理想的,还要针对公司情况与市场行情综合调整。

Alpha的周期性特点在交替出现的正负号上最为突出,导致这一情况产生的原因主要是行业的周期性特征与套利效应共同造成的。具体而言,首先不同类型的证券分别属于不同的行业所有,当行业处于景气周期循环状态下会影响Alpha的符号与大小,同时景气程度的深与浅也会对此产生影响。其次一个股票组合产生非常大的超额收益情况下,市场中的其他机构投资者或者个人投资者就会不断地参与到该组合的投资中来,最后会导致Alpha逐渐接近于零。因此在建立不同策略的组合方面,要针对每一个季度的具体情况和波动率,进行综合性地评价与分析,并及时地做出必要的调整,以便最大限度地获得市场收益。

量化投资中的Alpha策略并不是一种单一类型的策略,不同的策略都在寻求获得超额收益的市场机会和可能性。现阶段市场上采用的Alpha策略主要有多因子选股策略、动量策略或者反转策略、波动性策略、行业轮动策略、行为偏差策略等,每一种策略在具体实施过程中都有其特征性,并且可以相互结合使用,发挥出综合预测和评价的作用。

多因子选股策略是必要和常用的选股方式,最大的优势是可以将不同种类和模块的信息进行高效化综合分析与评价后,确定一个选股最佳方案,从而对投资行为进行指导。该种选股策略的模型在建立方面比较容易,是量化投资中的常用方式。同时多因子模型对反映市场动向方面而言具有一定的稳定和可靠性,这是因为所选取的衡量因子中,总有一些可以把握住市场发展行情的特征,从而体现其本来就有的参考价值。所以在量化投资过程中,很多投资者都使用多因子模型对其投资行为进行评估,无论是机构投资者或者是个人投资者,都能够从中受益。多因子选股策略模型的建立重点在于对因子的剔除和选择上,并要合理判断如何发挥每一个因子的作用,做出综合性的评定。

动量策略的投资方式主要是根据价格动量、收益动量的预期与评定,对股票的投资进行相应的调整,尤其是针对本身具有价格动量的股票,或者分析师对股票的收益已经给予一定评级的股票,动量策略的应用效果会比较理想。在股票的持有期限内,某一只股票在或者股票投资的组合在上一段时间内的表现均佳,那么则可以判断在下一段时间内也会具有同样的理想表现,这就是动量效应的评价依据,从而对投资者的行为起到一定的影响作用。反转策略和动量策略恰好相反,是指某一只股票或者股票投资组合在上一段时间内表现很不理想,然而在下一个时期反而会有突出的表现,这也给投资者带来了一线希望,并对影响到下一步的投资策略的制定。

波动性策略也是Alpha策略的一种方式,主要是利用对市场中的各股运动和发展状态的细致观察与理智分析后,列出一些具有相当大的波动性的股票,同时这些股票的收益相关性也比较低,对此加以动态化的调整和规划,从而逐渐获得超额收益的过程。在一些多因子选股策略中也有机构投资者或者个人投资者将股票具有的波动性作为考察与评价因子之一,波动性策略经常和其他策略相结合来评价,这说明股票投资市场本身就具有一定的波动性,因此在投资过程中要慎重对待。

行业轮动策略和行为偏差策略的应用频率不似前面几种高,但也会和另外几种策略相互结合使用。行业轮动策略主要是为了充分掌握市场行业轮动机制与特征,从而可以获得高额的收益,对行业之间的投资也可以非常高效和准确地进行,对把握正确的时机有很大的优势。行为偏差策略目的是窥探到股票市场中存在的过度反应或者反应不足等现象,这些都属于股票投资市场的偏差性行为,从而可以通过投资者对不同股票抱有的差异化评价来实现超额收益。

现阶段,通常将多因子选股策略、动量策略和反转策略以及波动性策略作为Alpha策略实施的主要选股策略,将这些策略结合起来建立综合性的模型,更加便于机构投资者和个人投资者对股票市场的准确把握,采用更为优越的投资策略来获得预期收益。

3 结 论

量化投资策略 篇2

“华富量子生命力基金自2011年成立以来，一直处于较弱的市场环境中，期间也有阶段性的比较好的表现，但总体来说没有给持有人带来正收益，深表歉意。公司看到了这一点，也一直在努力改变，今年三季度增聘了基金经理，改善了持股结构，逐步调整量化策略，以求找到更适应现阶段市场的量化模型，为持有人带来收益。”面对《投资者报》记者关于华富量子生命力基金业绩的质疑，华富基金公司的相关负责人表示了诚恳的歉意。

据Wind数据，截至今年12月3日，华富量子生命力基金经理朱蓓以负27%的任职总回报在244位同类基金经理中位居232名，另一位基金经理孔庆卿以负7%的任职总回报在357位同类基金经理中位居347名。

量化模型发掘大把牛股 分散投资业绩贡献打折

据了解，与传统的定性投资不同，华富量子生命力基金严格采用量化投资策略进行“择时”与“选股”的操作。其数量化投资策略由于借助高效的计算机系统对市场进行全方位的地毯式扫描，进而构建系统化的投资组合，并且遵守严格的投资纪律，因此可以弥补由于人的精力不足而造成的选择范围局限，最大限度扩大投资视野，并在第一时间发掘新的投资机会。

从实际效果来看，华富量子生命力也确实发掘了众多的大牛股。据Wind数据，从年初至今（11月22日），华富量子生命力第三季度末的十大重仓股中，浙报传媒（上涨176%）、上海钢联（上涨264%）、爱施德（上涨272%）、海越股份（上涨108%）、太极股份（上涨141%）5只股票涨幅均已翻番，然而，华富量子生命力的业绩回报却没有因为这些牛股而遥遥领先。

对此，华富基金相关负责人回答说：“量化投资是借助计算机系统，运用程序化的计算机模型进行全市场数据分析，用模型结论指导投资的一种投资方式。根据基金契约，华富量子生命力基金是一个运用量化模型指导投资的产品。每个模型对不同的市场环境都有不同的适应性，因为其分析基础是各种市场公开数据，所以从一般规律来看，量化投资的产品在震荡向上以及牛市行情中表现比较出挑，而在熊市行情中则普遍弱于市场。同时，量化投资产品持股分散度比较高，单个股票的占比都不高，从正面来看，是有效规避了风险，但同时个股涨幅对基金净值的贡献率也就相应降低了。”

量化投资成熟运用于国内A股还需时间

华富量子生命力基金的基金经理朱蓓，上海交通大学安泰管理学院硕士研究生，曾担任平安资产管理公司量化投资部助理投资经理。多年证券投资研究、保险公司投资从业经历。现任华富基金金融工程研究员、产品经理，华富量子生命力、华富中证100、华富中小板基金经理。

对于华富量子生命力目前的业绩不大理想。华富基金公司相关负责人解释说：“华富量子生命力基金自2011年成立以来，一直处于较弱的市场环境中，虽然期间也有阶段性的比较好的表现，但总体来说没有给持有人带来正收益，深表歉意。公司看到了这一点，也一直在努力改变，今年三季度增聘了基金经理，改善了持股结构，逐步调整量化策略，以求找到更适应现阶段市场的量化模型，为持有人带来收益。”参考华富基金旗下的其他基金业绩情况，今年以来的确收益不错，海通证券统计前三季度权益类基金综合净值增长率达38.07%，在所有基金公司中排名第五，说明华富基金对股票主动管理的能力还是可圈可点的。

这位负责人称：“量化投资在国内市场还处于初级阶段，应用国外成熟的量化策略操作于国内市场，也要有一个逐步适应调整的过程。但从长期来看，未来中国经济向好，大盘逐步回暖的大趋势下，量化投资的未来还是可以期待的。”

朱蓓也在季报里诚恳地说：“三季度，量子生命力在符合量化模型的基础上，对传媒等板块做了一定的主动投资，取得了不错的效果。操作中，我们遵循量化投资理念，加强了对成长股的研究，不断优化我们的投资组合。”■

培训投资收益量化分析 篇3

关键词：培训,收益,量化

一、现状——人力资源管理者的被动

培训是一个企业不断发展的不竭动力, 其重要性是显而易见的, 壳牌石油集团企划总监德格说:“唯一持久的竞争优势, 或许是具备比你的竞争对手学习得更快的能力”。据统计, 目前民营企业的培训经费为892元/人/年, 国有企业为1362元/人/年, 外企为5020元/人/年。可见, 相比于外企而言, 中国本土企业对于培训项目的重视程度仍然有待提高。

虽然随着企业的发展, 企业对于培训的重视程度有所加强, 但是人力资源部对于培训却仍然停留在执行层面。在一个企业中, 我们所看到的往往是高层管理者制定一个培训项目, 人力资源部门则开始制定培训计划、开展培训等等, 很少有人力资源部门根据组织需要提出合理的培训项目并说服高层管理者实施该项目的行为, 人力资源管理的战略性作用被削减。

当然, 这与人力资源工作的性质是离不开的。公司的目的在于追求利益最大化, 但是一个培训项目往往很难像营销策略一样, 能够带给公司实实在在的数量化的经济性收益。并且, 高层管理者往往视培训为公司的一项支出, 加上人力资源部无法提供客观的预期收益数据, 无法说服决策者实行人力资源部认为最需要的培训项目。人力资源管理者陷入被动的境地, 量化培训投资收益成为人力资源从业人员的面临的重要挑战。

二、改观——培训是一项投资

贝克尔在《人力资本》一书中是这样描述的:“这一学科研究的是通过增加人的资源而影响未来的货币和物质收入的各种活动。这种活动就叫做人力资本投资。”也就是说, 凡是能够有利于形成和改善劳动力素质结构、提高人力资本利用效率的费用与行为都可以认为是人力资本投资的范畴。由此可见, 培训不仅仅是企业的一项成本支出, 更是企业进行的一项投资行为。

在实际的企业管理过程中, 培训是一项投资这一观点却被弱化了。其原因仍然是无法将培训收益量化。同样是一种投资, 一份营销策划方案与一个培训项目策划的区别就在于营销策划能够将未来的收益合理的予以估计, 并用有力的数据加以论证说明。对于企业经营管理者来说, 利润才是真谛, 数字才有说服力。面对一个培训项目, 高层管理者看到的是培训费用的支出, 是职工培训期间无法正常工作创造利润的现实。而所谓的“提高员工积极性和忠诚度”、“提高工作绩效”等定性的描述在当前的支出面前显得非常无力。

要想改变仅仅把培训看作成本支出的观点, 最有效的方法仍然是将培训带来的利润量化表示出来。

三、培训投资收益量化

既然培训作为一项投资项目, 其现金流量模型如下图所示:

要想确定该项目是否值得投资, 只需将投资所得的未来收益与当前付出的成本作相应的比较即可。但是由于资金存在时间价值, 不能将未来获得的现金与当前现金简单相加减, 必须按照一定的贴现率进行贴现。

我们可以利用净现值法计算培训以后各年净现金流量按照一定的贴现率计算的现值之和, 即各年净现金流量贴现到当前期的现值之和。如果该净现值大于零则培训是值得投资的, 如果该净现值小于零则不值得投资。

其中:NPV——净现值

Rt是第t期利润增加值r是贴现率

C是培训成本

对该公式有以下几点说明:

1、Rt是第t期利润增加值, 这里包含一个假设即仅存在培

训这一个变量, 对于每期收益比较均衡的企业, 可以直接将本期收益与以前的平均收益相比较求出利润增加额;对于利润周期比较明显的企业可以分别将各期收益与以前各阶段收益分别相比较求出利润增加额。

2、r取银行同期存款利率。此处, 可以视其为机会成本,

即由于培训项目占用了企业的一笔现金, 使得该笔现金不能存入银行生息而带来的损失。一般而言, 银行同期存款利率是企业可以接受的最低收益率。

3、C是培训成本, 包括培训期间各项费用支出、培训期间给员工发的工资等。

4、该公式所计算出的仅仅是培训带来的经济利润的增加,

对于培训产生的隐性利益如员工对企业忠诚感的增加等方面无法衡量。因此, 相对而言, 该公式更加适用于技能型培训项目。

四、培训收益量化的应用

以上模型和收益在理论上是可行的, 但是在现实中应用起来有一定的困难。对于人力资源管理者来说, 由于对培训实务比较熟悉, 在培训以前估计培训的成本是比较容易的, 银行同期存款利率也容易取得。但是对于培训以后各期利润值增加的估计就有相当的难度, 这也对人力资源管理者提出了更高的要求。

要使量化结果更加精确就必须保证人力资源管理者深刻了解企业的研发、生产乃至销售部门的业务流程, 了解企业的利润创造来源。结合对培训项目的了解以及以前企业相关培训的经验, 准确估计培训效果的达成度以及由此带来的经济效益的增加值, 做出准确的培训投资收益预测。只有这样, 才能为决策者提供更有价值的信息, 完成从执行者到提案者的角色转变。

参考文献

[1]徐庆文, 裴春霞.培训与开发.[M].山东人民出版社, 2004:86

[2]曾湘泉.劳动经济学.[M].复旦大学出版社, 2011:160

别被量化投资迷惑 篇4

而今天的股市又与七八年前的股市截然不同，上市公司越来越多，投资工具越来越繁琐，投资策略越来越多元，市场越来越全面和有效。这时一种新潮的投资策略流脱颖而出——量化投资。它是今天最为流行的私募噱头，没有之一。

叫它噱头不仅仅是因为现在近千个正在发行的私募产品中有50%以上是套用各种量化的名头，更为重要的一点是，很多这些所谓的私募量化基金产品其实做的还是以前的信息优势，关系优势，坐庄手法等传统主观和资金推动的老把戏。仅仅利用一些比较初级和简单的量化工具作为借口，勉强地把换汤不换药的老手段用新量化概念加以包装而已。

量化三策

真正的量化投资领域里还可以较为粗略的分成量化套利、量化对冲和量化趋势三个主要的大本营。

其中量化套利属于听起来很高大上，但是经过本土化之后，会发现一个惨酷的事实即所有套利空间都会在比任何市场短很多的时间里被数以亿计的群众们瞬间抹杀。所以量化套利几乎沦落为一个没什么头发的中年IT男在一个喧闹的金融中心的暗淡孤独的角落里含胸偷笑的瞬间。

量化对冲看上去更加接近市场，甚至从某种角度而言胜于市场。因为量化对冲者们嘴里充满了Alpha，Beta，Tracking Error，Sharp Ratio等听起来比营业部老大爷高级很多的术语。他们最基础的理论就是自己可以通过各种手段找到上涨时比大盘上涨更多的股票，同时利用各种衍生产品对冲资产池中的市场整体收益敞口（简单说卖空大盘）。

这是一个听起来很好的主意。这也是最多假量化的存身之所。可是他们真正的选股手段其实还是消息和看K线。同时，他们最痛苦的就是大盘股没有底线疯涨的同时小盘股疯狂的下跌。两边一同积压的结果就是双重亏损。这时如果这个投资组合里再来点中国最近流行的股票质押配资杠杆，那么一个高大上的投资组合马上濒临崩溃。

其实这种量化对冲本身就是一个伪命题。在国外发达市场中的Market Neutral 战略基金也是有一个很本质的问题。那就是在一个被视为捕捉社会经济发展趋势的股票市场里，我们真的需要一个躲避市场趋势的投资方法吗？答案不是绝对的。

最后一个是量化趋势投资。其中量化选股的表现一般情况下比量化择时的策略要更加有效和稳定。

量化三维度

无论哪一种量化投资的方式，其重要的因素都是在如何量化。而笔者能够总结出来的就是量化的三个阶段和水平：

第一、归纳总结量化;第二、线性分析量化;第三、非线性量化;第一种归纳总结性的量化是我们最常见到的一些分析方式。其中广大炒股群众喜闻乐见的各种线和各种指标都是一种归纳总结性的量化。他们主要是一些比较直观经验的总结。例如最为常见的是以移动平均线（MA）和蜡烛图为代表的各种历史价格走势的总结。

其实我们仔细想想这些图本身没有任何神奇的地方，各种MA仅仅是总结了一个价格曲线的过去走势而已。蜡烛图就是用两个维度的方式一次性的展现出一个证券的开盘价，最高价，最低价和收盘价。这些传统的指标其实不具备简单信息总结以外的任何内容。我们可以说30日均线和125日均线相交会时代表了短期价格趋势和较长期价格趋势的背离，但是这种总结又有什么除此类表述以外的任何意义吗？

它们既不会告诉我们这个证券的价格为什么走到今天，也不会对未来有任何有实质性的预期。人们借助对这些线和图发挥出自己很多主观愿望。这不是研究，也不是分析而是简单的自欺欺人。

第二维度体是线性量化分析的世界。在这里，我们最为在意的是两个以上序列之间的相关性和因果性。世界上绝大部分当代量化分析都停留在这个维度里。

首先，我们需要把相关性和因果性有效的区别开来。相关性是一种数据上有效的关系。这种简单的相关性不一定表示两个序列有因果关系。这种仅仅在数据上呈现出的相关性很可能是万千缤纷世界中的一个个巧合。他们不仅仅存在而且会像突来的爱情一样强壮和美丽。例如，美国股市有一段时间里和美国棒球比赛中的某些结果两者之间具有接近于90%以上的相关性。它可能是一个非常有趣的饭后话题，但是没有人敢用一生的积蓄或者数以万计投资者的血汗钱来证明它下次的正确与否。

而今天，我们在互联网和很多领域上都在用数据挖掘的方式对这个世界的各个方面进行探索与发现。职业投资者们在建立各种主观的因果关系后使用数据回测的方法验证这些思路。

但它其实仍然是一个简单跨界的线性相关性的量化方式。同时，这种策略的另一个基础是心理和行为之间的因果性。在一个散户为主的发展中市场，这两个假设暂时较为有效。

最后一种量化投资是非线性的。非线性的量化分析简单而言就是利用复杂体系来解释市场的方法。很多这些复杂系统都会有质变和临界点等特色。

归纳总结性量化已经非常普遍。这种工具只能帮助投资者更加有效的达到其本身投资的水平。它没有能力帮助投资者进行任何质的提升。其更多的作用是让散户更加有效的散户下去。

线性量化投资是今天大部分职业机构投资者的领域。各种的回测和数据挖掘让大家更加准确的判断和投资。这些技术是有一定门槛的，但其弊端是市场中可以挖掘的、可以回测的东西有限。大量的资金投入到有限的策略中后，拥挤是必然的结果。2008年世界很多量化基金在同一时期崩溃就是前车之鉴。

故此，中国市场的线性量化投资会在三、五年里遇到同样的挑战。非线性量化投资是今天大家应该重点投入和关注的投资蓝海。

量化投资策略 篇5

1 积极开发130/30等数量化投资模型

对国内从事证券基金投资业的基金公司等及时顺应金融形势,尽早开始研发130/30等科学有效的数量化投资产品,从而满足公司旗下众多投资者的投资需求。为了追赶世界先进的潮流,加快中国金融创新,从根本上增强国内基金业的企业竞争实力,研发130/30空头扩展模型等证券投资基金数量化投资模型势在必行。随着国内经济形势高速发展,金融市场形势亦是日新月异。目前,中国证券基金投资业中的卖空改革已经在逐渐开启,在此形势下,相关资产福利业也应抓紧时间,抓住机会,积极开发出符合中国国情和投资者实际需求的基金产品,抓紧研发空头扩展模型等数量化投资模型,以更好的顺应金融市场的发展趋势和实际需求。在数量化投资模型开发过程中,应该注意“拿来主义”,不能一味的照抄国外数量化投资模型,开发时首先要考虑实事求是,符合中国的相关法律法规以及中国金融市场的实际情况,做到既学习了外国的先进经验,又兼顾国内市场现实。从而开发出符合中国实际的数量化投资模型。现实中,130/30数量化投资模型只是众多数量化投资模型中的一种。

2 合理应用数量化投资策略

投资者及受理委托基金公司等资产管理者应用正确数量化投资策略进行投资,可分散减小风险,增加收益。并基于此进行更加科学高效拟合金融市场实际收益率模型和数量化投资策略的开发。基于数量化投资策略不断创新发觉全新投资策略的特点,伴随广大投资者针对这一投资机会的广泛追捧开发,此动量策略的存在的情况会逐渐消失,弱势有效这一中国股市缺失的状况会逐渐改变。数量化投资策略模型只是理想状况下的数字模型,在实际投资中投资者及基金管理者还应注意定期检验,不能生搬硬套模型及应用公式,应根据市场形势,谨慎研究确定投资策略,才能在金融趋势改变时有效规避风险,增加收益。在金融市场中,基金公司应根据市场环境及现实情况,基于相应合理化科学化的数量投资策略,基于数字化投资的有效性制定相应的投资策略,才能有效提高证券市场投资效率,规避风险,增强投资收益。同时应注意听取专业人员根据经验所得出的合理人工判断,拒绝照搬模型公式的错误做法,杜绝全部投资由模型决策,密切注意规避数量化投资策略的趋势改变、相似性及肥尾性。

3 开放卖空政策

国家政策对金融市场存在巨大影响。为了从根本上提高中国证券金融市场效率,对金融市场发展起到积极意义,国家政策要给予支持,譬如对卖空政策采取加大开放政策。如此才能逐渐改善中国证券市场卖空限制大,除指数基金外,其他投资者参与卖空所受禁锢较多,公募基金甚至不能参与卖空,信息表达不充分,远远没有达到弱势有效等诸多限制中国证券市场有效性的不完善方面政策开放属社会实验,对政策所针对方面的影响不言而喻。在政策制定方面目前国内的相应管理层做的还是很好的。譬如,根据当前形势,相应管理层便会制定并开始试行各种转融通业务。在这样的政策环境下,对广大证券金融公司而言,便可以通过相互之间的内部交流与合作的方式,将自身原有的或者通过各种合法途径募集而来的证券和资金进行出借,为需求方提供所需的资金和证券,帮助其更好的开展各种经营活动。对广大证券基金类公司而言,可以通过此类活动,可有效整合金融市场资源,解决眼下难题。通过复杂严禁的实施设计方案,保证市场的良好发展。

4 降低融券费率

为了提高中国金融证券市场效率,缩短相应价格恢复平衡所需时间,提高中国金融资本市场的有效性,建议相关管理层采取积极措施,譬如对券商降低融券率的政策持鼓励态度。但在一定的条件下,130/30组合的收益率会出现极大的改变。例如,在融券费率处于10%和5%水平的时候,融券率会对130/30组合的收益率产生十分显著的影响。为了避免对中国证券市场的发展产生不好影响,相关管理层在制定政策时要注意规避券商间通过不顾成本盲目降低融券费率等不良手段抢占市场的恶意竞争。鼓励科学的正当竞争。目前国内金融市场中,各证券公司的融资利率基本相同,截至2013年3月19日,业务遍布全国的较大证券公司中,国信、国泰君安、广发、海通这四家公司年融券率和融资利率均为8.6%,相比之下,华安、上海、江海、华泰四家的融资利率虽然也达到同样的水平,但在融券率方面,却呈现出显著高于大证券公司的情况,达到10.6%。综上所述,小证券公司采用较高档,融券费率规模大的公司则采用相同的较低档,相比之下,大证券公司具备较大优势。若小证券公司要在激烈的金融市场竞争中站稳脚跟,建议其利用融券费率存在较大降低空间的优势制定相关政策。

5 结束语

综上所述,研究证券投资基金数量化投资战略决策,可帮助大家进一步提高对证券投资基金以及数量化投资相关问题的理解水平,了解130/30策略对基金业绩的影响,具有一定实践意义。

参考文献

[1]阮素梅,于宁.证券投资基金收益概率密度预测——基于神经网络分位数回归模型[J].华东经济管理,2015(2):105-110.

[2]黄海峰,葛林.多个金融市场协同波动溢出效应检验——基于中国证券投资基金市场经验数据[J].金融理论与实践,2015(2):61-64.

量化投资发展趋势及其对中国的启示 篇6

关键词：量化投资,技术量化投资,金融量化投资

一、量化投资的发展历程

(一) 量化投资发展的阶段

量化投资是运用现代统计学和数学的方法, 从大量的历史数据中寻找并获得超额收益的一种投资策略, 投资者通过计算机程序, 严格按照这些策略所构建的数量化模型进行投资并形成回报。

量化投资在国外已有30多年的发展历史, 但在国内还是近年出现的新鲜事物。相比其他投资策略, 量化投资在国外的运用已取得了更佳的业绩。1971年, 美国巴克莱投资管理公司发行世界上第一只指数基金, 这标志着量化投资的开始, 时至今日, 量化投资已经成为美国市场中的一种重要投资方法。到2009年, 这个比重已经上升到了30%以上, 主动投资产品中有20%~30%使用了定量的技术 (丁鹏, 2012) 。今天量化投资方法已经成为全球基金投资的主流方法之一。

在美国投资界, 西蒙斯所管理的大奖章基金, 从1989年到2006年之间的年化收益率高达38.5%。西蒙斯的年化净回报率远超巴菲特同期的21%, 西蒙斯因此而被誉为“最赚钱基金经理”和“最聪明亿万富翁” (德圣基金研究中心, 2010) 。巴菲特所用的是“价值投资”方法, 而西蒙斯则依靠的是数学模型和电脑管理自己旗下的基金, 即通过数学模型来捕捉市场机会, 由电脑作出投资决策 (纳兰著, 郭剑光译, 2012) 。电脑依据数学模型进行投资, 比个人主动投资可以更有效地降低风险、克服心理因素的影响。

从海外的发展经历来看, 量化投资也并不是一帆风顺地迅速成长起来的。资料显示, 国外量化投资发展基本上可以划分为三个阶段:第一阶段从1970年至1977年, 1971年世界上第一只被动量化基金由巴克莱国际投资管理公司发行, 1977年世界第一只主动量化基金也是由巴克莱国际投资管理公司发行, 1977年共发行了30亿美元的量化基金, 算是美国量化投资的开端。第二阶段从1977年到1995年, 量化投资在海外是一个缓慢的发展过程, 这其中受制于很多因素。第三阶段从1995年之后至今, 随着数据供给和计算机方面的长足进步, 量化投资才进入高速发展时代。到目前, 定量投资的方法已被广泛使用, 指数类投资几乎全部使用了定量技术, 主动投资中也越来越多地用到量化方法。

(二) 发展量化投资前提

量化投资这种投资方法的科学性本身在海外已经得到了证明, 但这是有几个前提条件相配合的。首先是市场结构不同, 海外成熟市场多是机构投资者占据主流地位, 购买量化基金的也主要是机构投资者。因为要将运用模型进行计算操作的量化投资这样复杂的投资方法向普通投资者解释清楚并让他们理解认可确实不易。而在中国这样一个散户占多数的市场中, 要想大力推广量化投资的产品, 还需要做大量的基础工作, 高风险也并不一定代表着高收益 (汪昊, 2011) 。

其次, 成熟市场有悠久的历史, 数据供应市场发达, 有价值线 (Value line) 这样备受称赞的数据供应商, 而量化投资需要统计以往规律, 极为依赖数据, 与定性投资方法不同, 模型设计不能仅靠经验和直觉, 它必须要有一个科学求证并加以改进的过程。在美国, 进行量化投资建模通常会向前看30年, 这样用长期历史数据检验出来的模型可能更为有效。而中国A股市场发展仅20余年, 无论是数据的厚度上, 还是供应商的水平都难以一蹴而就。

再次, 从量化产品在海外的实践来看, 确实有业绩长期超越基准的产品存在, 但事实上, 在任何一类基金中, 如果要想找出业绩出色的产品, 总能找得到。更何况由于诸多定量化投资公司均是私募公司, 其业绩并不公开, 由于数据的不完整性, 定量化投资在整体上与指数相比到底有多大优势也难以得知。但是从量化投资的特点上来看, 由于量化投资需要不断寻找机会, 买入一大批股票, 而不会在几只股票上重仓押注, 在投资结果上, 其换手率和分散化程度都较高, 这样一来, 在短期内, 量化基金的业绩一般而言都难以有突飞猛进的表现, 可能需要较长的时间段才能体现出该模型选股选时操作的优越性。在海外, 量化投资业集中度比较高, 因为这个行业存在一定进入壁垒, 定量比定性投资管理者更趋集中化。美国的数据显示, 最大的10家定量投资公司掌控了40~60%的资产。所以, 这对中国基金也是个提醒, 没有必要大家都要去凑这个热闹, 紧抓自己的特色产品, 一样能做大做强。

因此, 基金公司和投资者对此都应有清醒的认识, 定量化投资和以价值投资为代表的定性化投资是投资道路上的不同分支, 不是有了模型, 一切问题都能解决, 计算机改变不了行业发展的规律和本质。至于投资者, 究竟选择哪种方法, 还是要在仔细研究观察后, 根据自己的战略思路或者喜好来确定。

量化投资从最初的技术分析手段, 逐渐发展演变成为如今有金融理论支撑的金融设计工具, 最后到以计算机程序算法主导的高频交易, 量化投资的方法在西方金融发展历程中始终占据着重要的地位。资本市场结构的变化是量化投资技术的不断更新的源动力, 西方金融投资采用“委托代理”为主的理财模式, 个人选择投资公司为其理财, 这就需要投资公司提供良好的服务质量和产品业绩。同质化的产品在相对完善的市场制度下, 已经难以保证稳定的收益水平, 金融服务公司面临着越来越大的竞争压力, 只有采用先进的方法获得更高投资收益的金融公司才能脱颖而出。

二、量化投资的机理与分类

(一) 量化投资的机理

量化投资与定性投资的主要区别是, 它在定性的理论基础上进行数量建模, 通过计算机强大的处理大量信息的能力, 全范围内筛选符合“标准”的股票, 避免出现投资“盲点”, 能够无遗漏地捕捉到“标准”的投资对象。由于计算机借助量化模型, 进行程式化交易, 从而避免了基金经理人的情绪、偏好等心理因素对投资组合的干扰, 能精确反映基金管理人的投资思想, 实现最大限度的“理性”投资。

量化投资与传统投资方法的不同之处在于, 它是将投资专家的投资思想、经验和直觉通过计算机程序反映在量化投资模型中, 利用电脑帮助人脑处理大量的信息, 进行投资决策, 而不是以个人的主观判断来管理资产。量化投资也不是基本面分析的对立者, 它同样需要基本面分析, 90%的量化投资模型是基于基本面因素, 同时也考虑技术因素。因此, 量化投资是在对市场深入理解的基础上形成的合乎逻辑的投资方法, 而不仅仅是技术分析。

(二) 量化投资的分类

量化投资可以分为技术型量化投资和金融型量化投资两类。

技术型量化投资可定义为, 通过广义或狭义的市场技术分析工具, 利用高频或低频历史数据, 进行操作策略的检验, 从而达到良好的收益交易模式和战略, 并最终由计算机或交易软件终端程序执行, 如交易趋势、套利、短期类型的交易计划等。广义的技术分析工具, 不仅包括技术指标, 如股票估值指标, 盈利指标和图形, 还包括各种技术分析基本面的指标。技术型量化投资有统计套利的意义, 其理论基础是, 利用历史数据测试交易获利的概率或盈利幅度具有统计意义上的显著性。量化投资选取更广泛的样本数据, 具有更充分的统计学意义和更完善的交易策略, 从而有效避免了传统技术分析工具的缺陷。

金融型量化投资可以定义为以金融理论的不断发展为基础来定价的金融产品 (股票、债券、期货、期权等) , 通过计算机交易软件终端捕捉金融市场价格异常波动产生的交易机会, 进行跨市场、跨时期、多产品的高频率或低频率交易投资。金融型量化投资主要用于股票、债券及相关的期货和期权, 这就需要一个相对健全的金融体系和金融环境。此外, 金融型量化投资计算金融资产的理论价值, 是与金融理论的发展相适应的, 如Markowitz的投资组合理论, Fama的有效市场假说, Black-Scholes的期权定价理论等。

国外量化投资在投资领域有广泛的应用, 交易规模大, 投资模式相对成熟。技术型量化投资和金融型量化投资相互交织, 共同构成了量化投资的总体。2009年, 纽约证券交易所的程序化交易量占到总交易量的30%。技术型量化投资和金融型量化投资的侧重点有所不同, 技术型量化投资通常适用于商品期货及期权交易, 金融型量化投资主要是用在股票、债券、金融期货和期权交易。

金融型量化投资是西方市场的主要交易方式, 20世纪80年代初, Black-Scholes期权定价模型理论的创始人之一Black加入高盛, 从事多产品套利交易, 从此拉开了现代金融量化投资的序幕, 金融理论与金融投资紧密相连。金融型量化投资不仅体现在自动化交易程序上, 而且各种中期和长期的交易策略的制定都具有量化投资的性质, 因此无法准确衡量金融市场量化投资的份额。但可以肯定的是, 当前的金融型量化投资更加完美, 从原来单纯的理论价值模型开始转向交易速度模式。金融型量化投资起初, 通过价值—价格关系, 制定出使金融理论和金融工具完美结合的交易策略。但是, 1998年长期资本管理公司的破产暴露出这种模式的缺陷, 数学理论完美的推导, 有时并不符合实际情况, 金融理论存在的限制, “肥尾”涉及重叠掉期交易以及过多的流动性不足的头寸, 是导致长期资本管理公司破产的原因 (忻海, 2010) 。从此以后, 金融量化投资更多转向对高频数据的应用, 交易速度的追求, 控制投资组合头寸的比例, 从而减少了市场风险。

三、量化投资对中国的启示

相对于海外成熟市场, 我国A股市场的发展历史较短, 投资者队伍参差不齐, 投资理念还不够成熟。国内A股市场仍属于非有效市场, 而投资者非理性行为也广泛存在, 市场信心及政策信号的变化常常引起市场的过度反应或反应不足。量化投资通过科学理性的统计研究和实证分析使投资决策行为中的人类共性偏差、人为失误、非理性主观因素等产生的投资风险得到最大程度地降低, 在充分考虑风险收益配比的原则上构建符合投资目标的有效投资组合, 从而有效保证了投资决策的客观性、严谨性和科学性。量化投资的技术和方法在国内处于刚刚起步阶段, 几乎没有竞争者, 这也给量化投资创造了良好的发展机遇。

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。

量化投资在海外的发展相对成熟, 已有30多年的发展历程, 当前其市场规模和份额正不断扩大, 并已逐渐成了市场交易的主流方式。但相比较而言, 我国的量化投资发展还处于起步阶段。在国内, 由于股票市场较期货市场发展更为成熟, 因此, 量化投资首先是在股票市场上得到了应用, 但就目前的发展情况来看, 量化投资还只是在部分机构投资者中推行, 普通的投资者对此可以说除了“神秘”之外一无所知。

一般而言, 从市场饱和度的角度来看, 目前量化投资在中国仍是一块未开垦的处女地, 未来的发展空间是非常巨大的。随着中国基金业的发展, 市场急需多元化的投资理念, 国际上流行的量化投资有望在未来成为A股市场的主流投资方法之一。

随着A股市场的股票数量不断增加, 基金规模的不断扩大, 基本面研究的成本也会逐步增加, 个股对基金业绩的贡献下降, 再加上信息的快速传输, 依靠基金经理对基本面研究获取超额收益变得更加困难。在这种情况下, 量化基金在我国有良好的发展前景。在A股市场, 量化投资将能大展身手。随着中国的股票市场和投资机构资金规模的扩大, 量化投资能最大程度避免非理性的市场和不合理的投资目标造成的负面影响, 通过客观的量化模型准确地捕捉市场波动获得超额收益。

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。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。□

参考文献

[1]丁鹏.量化投资:策略与技术[M].电子工业出版社, 2012.

[2]德圣基金研究中心.量化投资基金的最新进化, http://fund.cnstock.com/yw/201003/423873.htm, 2010-3-15.

[3]纳兰著, 郭剑光译.打开量化投资的黑箱[M].机械工业出版社, 2012.

[4]汪昊, 薛陈.基于波动率与收益率负相关的量化投资模型[J].财经界 (学术版) , 2011, 5.

量化投资策略 篇7

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

[2]钱春沁孙晓安:项目融资指标体系及其风险评估[J].市场周刊:财经论坛,2004年6月

量化投资策略 篇8

20世纪90年代以来, 科技全球化的发展趋势推动着研发资源在世界范围内流动。许多跨国公司抓住这一机遇, 成功地将其研发机构嵌入到其他国家的创新体系中, 从而成为世界范围内的创新典范。技术获取型对外直接投资是以获取东道国的智力要素、先进技术、信息资源等为目标, 以新建海外研发机构或并购海外高科技公司为手段, 以提升企业技术竞争力为宗旨的跨境资本输出行为 (杜群阳, 2006) 。技术获取型对外直接投资是当前国际经济环境下, 发展中国家企业获取先进技术的重要途径。

进行技术获取型对外直接投资, 不仅要面临复杂的国际政治、经济和文化环境, 还要关注东道国的技术资源变动情况。因此, 如何进行有效的风险防范是企业要考虑的重要问题。当前, 中国企业技术获取型对外直接投资, 仍处于起步阶段。因此, 对中国企业技术获取型对外直接投资面临的风险进行量化评估, 为我国企业技术获取型对外直接投资提供合理建议, 在获取先进技术的同时, 减少不必要的损失, 具有重要的现实意义。

1 文献综述

Ahmed (2002) 把风险定义为对收益产生负面影响的变量, 在公司参与国际项目时, 会对其造成阻碍或限制, 甚至损失。通过总结Miller (1992) 、Yothin (2007) 及聂明华 (2008) 的文章, 可以得出对外直接投资风险是涉及到一个国家的政治、经济、社会、法律、宗教、金融、外债等方面, 以战争、冲突、汇率变动、自然灾害等方式表现出来, 对企业的国际投资活动的影响可能是罚没、收归国有、禁止出境、废除债务、强行终止合同、汇率损失和人员安全等。Pao-Li Chang和ChiaHui Lu (2012) 认为企业在决定是否进行对外直接投资时, 风险评估是很重要的一方面, 尤其是涉及技术层面的产品时。

在风险量化方面, 许多国家的研究机构、国际组织以及专业评级机构等都建立了各自的国家风险评价指标体系。如:美国风险评估集团 (Political Risk Services Group) 的政治风险指数、世界银行的WGI (Worldwide Governance Indicators) 数据库、经济学人智库 (Economist Intelligence U-nit) 的风险评估报告、惠誉国际的国家融资评级、以及标准普尔和穆迪公司的信用评级等。由于上述大部分的评级是针对国际信贷的国家风险衡量, 因此研究企业对外直接投资面临的风险时, 不能直接使用上述风险评估结果, 需要重新进行量化考核。所以, 许多学者又站在对外直接投资的角度衡量了国家风险。

在政治风险量化评估的研究中, Alkhattab (2007) 认为政治风险源于:征收或征用、合约终止、货币自由兑换、税收限制、进出口限制、恐怖主义、游行、骚乱、革命或内战、战争以及经济制裁等。陈菲琼和钟芳芳 (2011) 采用政治稳定性、民主水平、透明度和腐败水平、法制环境、开放程度和经济发展水平作为衡量政治风险的指标, 运用主成分分析法对我国进行对外直接投资的26个国家的政治风险进行了评估。姚凯 (2012) 也采用了相似的政治风险指标, 并运用Fabrizio和Riccardo (2008) 提出的定量分析模型, 对56个国家的政治风险进行了评估。

关于经济风险的量化, Yim和Mitchell (2005) 在对比分析国家风险模型时, 选用的经济风险指标有:人均GDP、储蓄率、投资率、实际GDP、失业率和消费物价指数。同时, 运用判别分析法、Logit模型、神经网络模型和聚类分析法评估了26个国家在2003年的政治和经济风险。Ghosh和Li (2009) 研究跨国公司在中东、北非国家面临的投资风险时, 采用了GDP增长率、通货膨胀率和失业率等宏观经济变量。

在文化风险指标的选取上, 很多学者都采用Hofstede提出的、其后续研究所建立起来的各国文化维度评分。如:Julan Du (2012) 使用该指标衡量文化距离在对外直接投资区位选择和模式选择中的作用;苏柏成 (2011) 研究文化差异对外商在华直接投资的影响中, 也使用该指标衡量我国和东道国的文化差异。

综上所述, 已有研究多是对企业对外直接投资面临的政治风险、经济风险和文化风险进行量化分析。但是, 考虑企业对外直接投资的动机, 专门针对技术获取型对外直接投资风险的研究还较少。另外, 多数学者仅仅是针对某一类风险进行实证研究, 并且采用的多是截面数据, 较少将各类风险进行综合评估。因此, 本文在参考上述研究指标选取方法的基础上, 结合技术获取型对外直接投资的特点, 加入技术风险指标, 将技术获取型对外直接投资面临的各类风险进行综合评估。采用主成分分析和聚类分析法, 并使用面板数据来增强客观性和科学性。

2 技术获取型对外直接投资风险指标体系构建

2.1 技术获取型对外直接投资风险指标的选取

2.1.1 政治风险指标的选取

政治风险是海外投资者决策过程中要考虑的一项重要因素, 会对企业的利润和战略目标的实施带来极大的不确定性 (谷广朝, 2007) 。政治风险的成因主要包括5个方面: (1) 战争或内乱; (2) 恐怖主义; (3) 腐败和政府效能低下; (4) 政策变动; (5) 法律风险。前两类原因导致的风险可以总结为政治暴力风险, 对于该风险的衡量采用政局稳定性及未存在暴力这一指标;后三类原因导致的风险可以总结为征用风险, 依次选用腐败、制度质量、政府干预、法律制度这4个指标衡量。

2.1.2 经济风险指标的选取

技术获取型对外直接投资的经济风险主要来源于:东道国宏观经济状况、经济开放程度和金融风险。 (1) 东道国宏观经济状况会影响企业技术获取型对外直接投资。如果东道国的经济前景预期不明朗或者已进入经济衰退轨道, 经济增长速度下滑, 会给企业跨国投资带来风险。 (2) 经济开放程度越高, 国际间的贸易往来和相互投资也越多, 技术交易市场也会相对较完善, 获取技术的风险也越低。 (3) 不论是海外研发投资, 还是并购高科技公司, 都需要大量的资金支持, 东道国的金融风险可能导致企业的融资和汇率风险增加。

东道国的宏观经济状况用人均GDP和GDP增长率这两个指标衡量;经济开放程度和金融风险用经济自由度指标衡量, 因为经济自由度包含10个指标:商业自由度、贸易自由度、财政自由度、货币自由度、金融自由度、劳工自由度、投资自由度、政府开支、产权、廉洁, 可以综合体现出一国的经济开放和金融发展程度。同时, 加入我国对外直接投资额 (OFDI) 指标, 衡量我国与东道国的经济关系。

2.1.3 文化风险指标的选取

文化风险主要来源于交流、沟通障碍和文化融合障碍。采用Hofstede (2010) 的文化得分为基础计算出的文化距离指数来衡量文化风险。Hofstede的文化距离指数包括:权力距离指数 (PDI) 、男权主义指数 (MAS) 、不确定性规避指数 (UAI) 和个人主义指数 (IDV) 。然而, 仅仅是各国的文化得分并不能体现东道国与我国的文化差距, 还需要对上述4个指标进行处理, 得出文化距离指数。依据Kogut and Singh (1988) 提出的公式计算出我国与东道国之间的文化差异。计算公式如下:

其中, Iij代表第j个东道国的第i个文化纬度指数, Iic表示中国的第i个文化纬度指数, Vi代表所有样本国在第i个文化纬度的方差。CDj就代表第j个东道国与中国的文化差异, 即文化距离指数。该指数越大, 表明我国和东道国的交流沟通和文化融合越困难, 文化风险也就越大。

2.1.4 技术风险指标的选取

技术风险是指由于技术方面的因素, 包括:东道国行业整体技术水平、研发人员的技术素养、技术信息的获取情况、对新技术的保护、外界相关领域的技术进步等, 所导致的技术获取成效与预期目标之间存在偏差甚至投资失败的现象。技术风险的成因主要有:

(1) 技术研发风险。东道国丰富的研发资源、优秀的技术人才、领先的行业技术水平等因素, 都能提高企业在海外获取先进技术的可能性, 降低研发过程中的技术风险。

(2) 技术引进风险。如果没有进行合理论证就盲目引进, 会不可避免地产生引进的技术与现有生产不匹配, 或者引进的已不再是先进技术, 使企业投资蒙受损失。

(3) 技术保护风险。法律制度的不完善会导致企业在海外的研发成果被东道国或第三国的相关企业、组织或个人非法侵害, 产生技术保护上的风险。

技术研发风险和技术引进风险, 采用研发人员数量、研发支出在GDP中的占比、高科技产品出口在制成品出口中的占比以及专利申请量来衡量;技术保护风险用法律制度这一指标来衡量。由于在对政治风险的衡量中, 已经使用了法律制度这一指标, 则不再重复使用。

根据上述分析, 总结出全部风险指标的选取结果, 如表1所示。

2.2 样本选取和数据来源

2.2.1 样本选取

样本国主要在2011年底中国对外直接投资存量排名前100名的国家中选取。由于技术获取型对外直接投资主要考虑技术资源丰富的国家或经济大国, 所以最终确定20个国家为研究对象, 包括:14个发达国家, 有日本、韩国、新加坡、德国、英国、法国、荷兰、波兰、西班牙、瑞典、美国、加拿大、澳大利亚和新西兰;6个发展中国家:马来西亚、印度、俄罗斯、南非、巴西和墨西哥 (1) 。

2.2.2 数据来源

政治风险指标全部来自世界银行的WGI数据库 (Worldwide Governance Indicators) ;经济风险指标中的人均GDP、GDP增长率来自世界银行WDI (World Development Indicators) 数据库;中国OFDI数据来自《2011年度中国对外直接投资统计公报》;经济自由度来自美国传统基金会网站;文化风险指标源于The Hofstede Center研究所网站;技术风险指标源于世界银行WDI (World Development Indicators) 数据库。样本期间为2003~2011年。技术风险指标中的研发人员数量、研发支出/GDP有小部分缺失, 将采用SPSS的缺失处理方法。

3 中国企业技术获取型对外直接投资风险评估

3.1 风险指标的归一化处理

为使所有指标具有可比性, 在进一步分析之前, 需要对数据进行归一化处理, 以解决各指标间数量级差异较大和方向不同的问题, 使其转化为[0, 1]之间的无量纲性指标。并且, 数据方向统一为值越大、风险越小。

对于数值越大、风险越小的指标, 包括:所有的政治风险指标、经济风险指标和技术风险指标, 共计13个指标。归一化公式如下:

其中, Xij表示国家j的第i个风险值, Xi表示所有样本国的第i个风险值。Yij表示第j个东道国的第i个风险指标归一化后的风险值。

对于数值越大、风险越大的指标, 只有代表文化风险的文化距离指数。归一化公式如下:

使用SPSS软件对所有指标进行归一化处理。由于数据量较大, 只将2011年的结果放入文中, 如表2所示。

注:政治风险、经济风险、文化风险和技术风险的得分是该类风险各衡量指标的平均值。各类风险的值越高, 则该类风险越小。表中每一列都按照降序排列。

在表2中, 政治风险和经济风险的值排在前10位的都是发达国家。技术风险值排前10位的国家中, 只有印度是发展中国家。与我国文化差异较小, 文化风险较小的前3位都是亚洲国家。这与现实情况一致, 可以证明指标选取的合理性。同时, 有些国家政治、经济环境较好, 但技术资源较缺乏, 如:新西兰、加拿大、澳大利亚等;有些国家技术资源丰富, 但政治风险较高, 如:日本、韩国。有些国家则是政治、经济风险中等, 技术资源丰富, 但与我国文化差异较大, 如:美国和瑞典、荷兰等欧洲国家。因此, 需要进一步的分析, 才能确定样本国家的风险等级。

3.2 基于主成分分析法的风险因子得分

利用SPSS软件中的因子分析模块, 对归一化后的数据进行主成分分析。通过降维, 用少数不相关的指标解释原本多个相关指标所包含的信息, 用较少的潜在因子反应上述14个指标。选取特征值大于1的主成分作为因子, 根据成分矩阵和初始特征值计算出潜在因子得分。主成分分析结果见表3。

利用每年的潜在因子得分和方差贡献率占总贡献率的比重, 可以得到各国在每年的总风险因子得分。即以方差贡献率占总贡献率的比重为权重, 对各个潜在因子进行加权求和, 计算公式如下:

其中, λ1是指第一个潜在因子的方差贡献率, F1指第一个风险因子得分。Ft是第t年的总风险因子得分, 且分值越大、风险越小, 与归一化方向一致。

各国风险因子得分如表4所示。可以发现, 2008年是一个分水岭。有12个国家 (全是发达国家) 在2008年以前的得分较高、风险较小, 而在2008年之后, 得分越来越低、风险越来越高。特别是美国、英国、瑞典、日本, 得分下降超过0.2以上, 风险增幅最大。只有8个国家在2008年之后风险没有持续提升, 包括:韩国、波兰和所有的发展中国家。

注: () 表示2003~2011年间分值最大, 即风险最小时的得分。加下划线表示在2008年之后, 得分没有持续下降的国家。方差为2003~2011年期间的方差值。

3.3 基于聚类分析法的风险等级评估

聚类分析的主要思想是根据个案的特征, 将其分为不同类别, 且每一类别个体间具有较大的相似性, 但与其它类别的个体又有较大的差异性。根据上述的风险因子得分, 利用两步聚类法, 将20个国家分为3类风险等级。聚类分析结果见表5。

处于第一组的是低风险等级, 因为在聚类时, 这些国家在每年的风险因子得分都大于1.2, 风险相对较小;第二组是中等风险等级, 这些国家各年的风险因子得分大于0.6小于1.2;处于第三组的是高风险等级, 聚类结果显示这些国家在每年的风险因子得分都小于0.6, 处于高风险。

由表5可见, 分在第一组的低风险国家全部都是发达国家, 共有11个。分在第二组的中等风险国家有4个, 分别是:韩国、马来西亚、波兰和西班牙, 其中只有马来西亚是发展中国家。可以得出, 在本文样本中, 所有发达国家都处于中等以下的风险等级。这是因为, 发达国家拥有较高的技术优势、制度发展水平和经济水平, 促使其综合风险等级偏低。分在第三组的高风险国家全都是发展中国家, 共有5个, 分别是印度、南非、墨西哥、巴西和俄罗斯。尽管这些国家中有些与我国的文化差距较小, 但过低的政治经济水平及与发达国家的技术水平差距, 造成其一直处于高风险等级。但近年来, 印度、巴西等国在科技方面的投入以及稳定的经济发展, 使得其风险逐步降低, 不断向中等风险等级靠近。

4 结论及建议

根据上文的实证分析, 得出以下结论:

(1) 目前我国技术获取型对外直接投资主要流向了美国, 其次是德国、日本、英国等。这些国家技术资源排名靠前, 但政治环境排名却在中等水平, 说明技术优势仍是吸引我国企业技术获取型对外直接投资的主要因素, 可能会使企业忽略了政治风险的影响。但是, 近年来, 尤其是美国次贷危机爆发后, 美国和欧洲国家的风险波动幅度较大。中国企业在这些地区进行技术获取型对外直接投资应加强投资风险预警体系的建立, 做好风险控制。

(2) 2008年是一个分水岭。2008年以来, 多数发达国家的风险不断提高。其中, 美国、英国、瑞典、韩国和日本的风险增幅较大。然而, 一些发展中国家的风险却没有持续升高。导致这一现象的主要原因是:很多发达国家的经济受2008年金融危机的影响, 经济风险迅速提高 (其他风险指标变化不大) , 致使综合风险上升。而发展中国家经济受金融危机的影响相对较小, 同时科技发展降低了技术风险, 因此综合风险并未持续升高。

(3) 在本文样本中, 所有发达国家的风险都处于中等以下水平。然而, 尽管其综合风险较低, 不同国家在不同风险上的表现差异较大, 且高经济水平也不能分散某些技术和文化风险, 未来的投资还需要针对不同国家的情况进行具体分析。发展中国家则多处于高风险等级, 包括印度、南非、墨西哥、巴西和俄罗斯。其中, 马来西亚是唯一处于中等风险组的发展中国家。在我国进行技术获取型对外直接投资的发展中国家里, 印度、巴西是最常见的区位选择地, 其投资环境正逐步改善, 在不断地在向中等风险等级靠近。

在实证结果基础上, 就我国企业技术获取型对外直接投资提出如下建议:

(1) 在具有技术优势的欧美发达国家进行研发投资时, 要具备足够的风险意识。近年来, 欧美发达国家受经济危机的影响, 其投资风险持续上升。中国企业进行技术获取型对外直接投资应作好风险预警, 采取有效的风险防范和控制措施。重视政治风险和经济风险, 了解其政治环境和经济发展状况, 特别是某些东道国的投资限制, 同时争取获得政府的支持和保护。另外, 美国、瑞典、荷兰、法国等欧美国家与我国文化差异较大。在这些国家进行技术获取型对外直接投资时, 面临的文化风险也较大。因此, 中国企业在这些国家进行投资时, 需重视前期语言差异问题和后期文化整合问题。中国企业可以借助海外华人华侨的力量, 对当地的风俗习惯和价值观等进行深入了解, 减少双方在管理理念上的差异, 防止关键员工和优质客户资源的流失。

(2) 中国企业应重视对发展中国家和地区的技术获取型对外直接投资。由于发展中国家受金融危机的影响较小, 其投资风险没有持续上升。中国企业到周边发展中国家投资所面临的文化风险较小。而且, 有些发展中国家在某些特殊领域已经达到了世界领先技术水平。所以, 今后中国企业应重视对发展中国家的技术获取型对外直接投资。中国企业可以到一些拥有先进技术的发展中国家进行研发投资, 如:印度的班加罗尔、马来西亚的吉隆坡、巴西的圣保罗等。

与其量化宽松不如鼓励中国投资 篇9

当众人“期盼”QE3时，中国企业分众传媒却宣布，其董事长和私人股本公司购回在美国上市的股票，将上海总部的公司私有化。这笔价值35亿美元的交易，把中国在美国上市企业的退市潮推向了高峰！

短短几年，中国企业从列队向华尔街出售其股份——上市，到“开着倒车”退出美国证券市场，表明中国明星企业在美国上市后，所遭遇的“水土不服”。其中涉及到部分中国概念股的“财务造假”，以及做空机构推波助澜等因素，使得在美国上市的中国概念股整体受重创。

在中国明星企业纷纷退市之际，许多中国企业却开始投资美国制造业。

据CNN报道，美国电池制造商A123系统称，收到了来自中国万向集团4.5亿美元的投资，这宗在美国电动车领域的外商投资如果成交，万向集团将持有A123系统80%的股份，亚洲、特别是中国将垄断美国的电池市场。

这一事件在美国引起了激烈的争议。白宫没有直接发表意见，但却说“A123系统公司从政府那里拿到了钱，不能用来把美国的工作和设施送到国外。”因为今年早些时候，另一家美国电池制造商Ener1公司破产，被一个俄罗斯投资者买断，辞退了所有员工，并将所有设备搬回了俄国。

让外国投资进入制造业，还是任其破产，致使产业流失海外，令美国非常纠结！

目前美国最大的问题之一，就是失业率高企不下，而能够提供就业最多的就是制造业。只要制造业不回归，失业率就下不来。据美联社报道，虽然美国两位总统候选人，均对中国的不公平贸易政策口气强硬，但中国企业在美国的投资额，比以往任何时候都要高，包括最近两项分别价值数十亿美元的页岩油、及天然气交易，中国今年对美国的投资额已创下有史以来的最高记录，给成千上万美国人带来了就业机会。

即便推出QE3，也无法降低美国的失业率。而要是全球资本、特别是越来越多的中国资本进入美国制造业的话，将有望帮助美国经济健康地缓步回升。

对中国企业来说，可引用美国商界的一句俗语：如果我不能打败你，我就加入你，甚至把你买下来！现在看来，中国企业放弃在美国上市，而转向投资美国制造业是正确的选择，因为美国制造业依然是全球最强大的。

不过，美国制造业在一定程度上受到政府的监管，特别是其发展还会受到强大工会的制约，这些是中国企业在投资美国制造业之前，必须做好功课的。

一种适用于射频数字功放的量化策略 篇10

随着当前通信系统集成度的不断提高, 功放高效率、低功耗的要求显得越来越重要。传统模拟功放为了保证放大信号的线性性能, 必须工作在线性区域, 这大大限制了其效率性能。而基于△∑调制器 (DSM) 的数字功放[1]通过将数字信号转换为脉冲信号, 驱动晶体管工作在饱和开关状态, 能够大大提升功放的效率。数字功放结构图如图1所示。

通过开关工作, 数字功放理论上能够获得100%的效率。但在实际电路中, 当前端DSM的输出驱动电平发生跃变时, 开关功放会消耗一定能量对电路中的电容进行充放电, 从而影响数字功放的效率[2]。为了降低数字功放的切换损耗从而提升高频场合下的功放效率, 需要尽量减少DSM输出的切换频率。本文利用电力电子系统中的滞环比较控制思路, 结合DSM结构提出了一种新的量化策略。该策略下DSM量化器通过记忆前一时刻的量化输出, 实时更新当前的量化门限值, 从而在不改变DSM硬件结构的前提下有效降低DSM输出的切换速率。

1 DSM量化策略

图2所示为DSM的原理框图[3]。

其中, Hu (z) 为信号传递函数, He (z) 为噪声传递函数。根据DSM的结构, 减少DSM输出切换频率的一个直接方法是降低过采样率。降低过采样率时, 为了保证带内SNR性能, 需要相应地提高DSM阶数。但无论是降低过采样率还是提高DSM阶数, 都会改变DSM的环路滤波器结构。为了在不改变DSM硬件结构的前提下实现对输出切换频率的控制, 考虑改进量化器的量化策略。现有的DSM结构中, 量化器采用固定门限量化策略。对于单比特量化情况:

1.1 单比特DSM的可变门限量化策略

在电力电子系统中, 为了解决比较器输入接近门限值时出现“振铃”现象, 往往采用滞环比较器[4,5], 其基本特征是比较器采用不同的正、反向比较电压。借鉴滞环比较思路, 提出一种可变门限的DSM量化策略:

其中迟滞指数H>0。在可变门限量化策略下, 量化门限由固定值变为与前一时刻量化输出相关的值。假如前一时刻量化输出为1 (-1) , 则当前时刻量化器输入值必须小于-H (大于H) 其输出才会发生改变。相比固定门限量化策略, 可变门限策略下量化器输入需要变化更大的值才能最终引起输出发生变化。因此采用可变门限策略可以降低DSM输出的切换频率。

图3为单比特量化示意图, 阴影部分代表量化误差。固定门限量化策略下, 量化器前一时刻输出为1时, 量化误差面积为:

可变门限量化策略下对应的量化误差面积为:

注意到对称性, 相比固定门限, 可变门限量化策略下量化误差的总面积增加:

公式 (4) 表明, 相比固定门限量化, 可变门限量化策略下DSM输出在切换频率减小的同时SNR性能会有一定程度的下降。

1.2 多比特DSM的可变门限量化策略

进一步根据公式 (2) 可以概括电平量化下可变门限策略的量化方案为:

假设固定门限量化策略下量化门限值为QL=[Q1, Q2, …, Qn, …, QN-1] (-1Qn, 则当前时刻下的量化门限变化为:QL′= (Q1-H, Q2-H, …, Qn-H, …, QN-1+H) 。

容易验证, 当N=2时, 上述的量化方案与式 (2) 一致。

如图4所示, 对于固定门限量化策略, 2 bit DSM的量化门限为[-2/3, 0, 2/3]。而在可变门限策略下, 根据前一时刻的量化输出, 多电平DSM门限值实时地进行更新。与单比特情况类似, 容易推出2 bit可变门限策略下量化误差总面积增加量为3H2。

2 仿真结果

前面通过理论定性分析了可变门限策略下DSM输出序列的切换频率及其SNR变化情况, 下面进行仿真验证。不失一般性, 这边考虑基于CRFB结构的4阶带通DSM[6], 输入为35 MHz单音信号, 系统采样频率为400 MHz。

2.1 迟滞指数范围

为了保证DSM调制器的稳定性, 首先分析不同输入幅度下允许的最大迟滞指数。

图5所示为DSM处于稳定和失稳时的输出序列频谱。比较两种情况, 可以看到失稳时DSM序列频谱的带内噪声成型已经不可见, 并且带外的信号谐波和杂散幅度迅速增大。因此以DSM输出序列频谱的带内SNR指标作为稳定性判据, 以分析不同输入幅度下允许的最大迟滞指数。

分析图6仿真结果:在固定H_inf下, 输入单音信号幅度增加, 系统的稳定性下降, 对应此时量化器允许的最大迟滞指数整体上呈现下降趋势;另一方面, H_inf取值越小, 对应DSM结构越稳定。因此相同输入幅度下, H_inf越小, 量化器允许的迟滞指数越大。与H_inf类似, 量化电平数越多DSM的稳定性越好[3]。因此2 bit量化下的最大稳定迟滞指数整体上要大于单比特量化。

2.2 平均切换频率性能

下面在系统稳定前提下仿真分析DSM输出序列的切换频率指标。根据参考文献[2], 定义平均切换频率fav:

其中, fs为系统采样频率;N为序列时钟周期数;Ntr为高低电平间的切换次数, 反映脉冲序列中的脉冲总数。仿真中迟滞指数取为[0, 0.2, 0.4, 0.6]。

不同迟滞指数下的fav比较如图7所示。迟滞指数越大, 则量化器输入需要变化更大的值才能最终引起输出发生变化, 对应DSM输出序列的fav越小。注意到2 bit量化情况下, 当迟滞指数为0.6、幅度为0.4时, 此时DSM输出序列的fav反而增大。这是由于DSM实质是一个负反馈系统, 当信号幅度较小且迟滞指数较大时, 相比2 bit固定门限量化策略, 可变门限策略下量化器由于迟滞作用输出电平在±1/3之外还将引入±1, 从而使得此时DSM输出序列的fav增加。

2.3 带内信噪比性能

根据前面分析, 迟滞指数越大, 量化误差也越大。因此随着迟滞指数增大, DSM输出序列的带内SNR逐渐下降, 仿真结果如图8所示。

根据表1、2的定量分析结果, 相比固定门限策略, 当H=0.2时, 单比特和2 bit量化下fav分别减少23.7%和19.7%, 此时带内信噪比分别只下降了1.8 d B和3.6 d B;当H为0.6时, 单比特和2 bit量化下带内信噪比分别下降了11.6 d B和8.3 d B, 此时fav分别减少52.9%和34.5%。

3 结论

本文利用滞环比较控制思路, 在DSM调制器中提出了一种可变门限的量化策略, 并通过理论和仿真分析了该策略下DSM输出序列的平均切换速率fav以及带内SNR性能。结果表明, 相比固定门限量化策略, 可变门限量化策略通过设置合适的迟滞指数, 在带内SNR性能下降有限的情况下能够显著的降低DSM输出序列的平均切换频率。因此, 基于本策略的DSM调制器可以有效减少高频应用场合下数字功放的切换损耗, 从而提升功放整体效率。另一方面, 考虑到本文策略下DSM输出序列平均切换频率降低是以牺牲一定的带内SNR性能为代价, 考虑利用遗传算法[7]、文化算法[8]等进化策略优化迟滞指数H, 从而在fav与SNR之间获得一个最优平衡是下步工作的方向。

参考文献

[1]朱蕾, 周强, 谭笑.基于多比特带通△∑调制器的射频数字功放[J].电子技术应用, 2013, 39 (8) :102-105.

[2]JOHNSON T, STAPLETON S.RF Class-D amplification with bandpass sigma-delta modulator drive signals[J].IEEE Tran.on Circuits and System, 2006, 53 (12) :2507-2519.

[3]SCHREIER R, TEMES G C.Delta sigma数据转换器[M].北京:科学出版社, 2007.

[4]程瑜华, 邝小飞, 孙玲玲.采用迟滞比较器的自激振荡功率放大器行为特性分析[J].电路与系统学报, 2012, 17 (6) :100-107.

[5]彭彦豪, 张为, 刘洋.一种应用于锁相环频率合成器的自动选带电路[J].微电子学, 2011, 41 (4) :498-501.

[6]刘冠东.基于∑△技术的调制器的设计与验证[D].长沙:湖南大学, 2011.

[7]周明, 孙树栋.遗传算法原理及应用[M].北京:国防工业出版社, 2002.