時間：2023-06-18 10:46:46
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇量化交易策略的研究，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
【關鍵詞】系統 選擇 開發
北京時間2013年8月16日11點05分31秒到05分56秒的短短26秒里，中國石化和工商銀行兩大權重龍頭先后漲停。之后多只權重股迅速跟進大幅拉升；根據事后調查結果，造成這一事件的光大烏龍交易以70億的成交量，卻造成了日均交易量在2000億以上的A股市場的大盤指數瞬時上漲超過5%的漲幅，這讓貌似遙遠的量化交易突然出現在國內投資者的面前，很多普通投資者這才發現自己同量化交易戰斗已經很久了。如何獲得一個擁有高速精準的數據、高性能程式交易以及高度的開放性和前瞻性等特點的專業的交易平臺，這正是本文嘗試解決的問題。
一、如何選擇國內現有平臺
目前的量化交易平臺可以從開發語言、技術架構、系統架構、策略方向、交易方式等幾個方面，分為中低端和高端量化交易平臺。
（一）中低端量化交易平臺
中低端平臺只支持復雜度不高的腳本語言實現策略邏輯，多數的實現只能在圖表上加載技術指標進行自動化交易、程序化交易等量化交易方式。它一般采用的技術架構是投資者使用平臺商提供的客戶端軟件，采用互聯網接入方式連接平臺商或者金融經紀公司提供的行情和基礎數據服務器，投資者在本地運行的策略觸發后，通過經紀公司的普通交易席位進行交易。國內應用的中低端量化交易平臺主要有文華贏智程序化交易、交易開拓者、金字塔決策交易系統等。
（二）高端量化交易平臺
高端量化平臺除了支持復雜腳本語言實現策略邏輯外，均支持直接使用C++、JAVA等開發語言實現復雜的策略邏輯，采用多進程、多線程方式進行自動化交易、程序化交易、算法交易。行情和交易的延時都要求盡可能最低。它適合機構投資者進行趨勢、套利、對沖、高頻等對行情和交易要求高、邏輯復雜度高的策略。國內主流的高端量化交易平臺主要有龍軟DTS、國泰安量化投資平臺、天軟量化平臺等。
總的來說，中低端平臺適合投資者進行趨勢、反趨勢等對行情和交易邏輯要求不高的策略，高端交易平臺適合機構投資者進行趨勢、套利、對沖、高頻等對行情和交易要求高、邏輯復雜度高的策略。同時不同的平臺費用也不同，投資者必須根據自己的交易要求和費用承擔能力來選擇最適合自己的量化交易平臺。
二、自己打造量化交易系統。
由于MATLAB、R語言這些新一代面向對象、功能強大的語言的出現，獲取免費證券和期貨的數據并不難，同時出于交易保密的要求，再加上使用功能強大的現有平臺費用很高，越來越多的個人和中小機構選擇自己或委托別人開發自己的量化交易系統。
（一）語言選擇
很多大的機構都有自己軟件團隊開發量化交易平臺，大多選擇C語言、C++、JAVA等開發語言，有的甚至使用機器語言，但MATLAB、R語言逐漸成為主流的開發語言。
1.MATLAB簡介：MATLAB的是美國MathWorks公司出品的商業數學軟件，用于算法開發、數據分析以及數值計算，主要包括MATLAB和Simulink兩大部分。其優勢在于：用戶可以利用MATLAB進行：（1）交易策略實現和回測、投資組合優化和分析。（2）資產分配、金融時序分析、期權價格和敏感度分析、現金流分析。（3）風險管理、預測和模擬、利率曲線擬合和期限結構建模。（4）Monte Carlo模擬、基于GARCH的波動性分析等
2.R語言：R語言是一個高效率的實驗平臺：通過R語言可以很高效的實現前沿paper的模型方法，同時R語言又提供與C，C++等傳統語言工具的量化結合，作為免費開源的數據處理語言，至少幾百名世界知名統計學家在算法上的支持，至少幾百名世界頂尖的Fortran，C，C++數學庫編程高手在代碼上的支持，大數據計算平臺的運算支撐，開放金融數據資源的免費接入，前沿期刊與代碼工具的協同
（二）量化投資重要支撐：IT系統
一個高水準的量化交易系統，必須實現以下的4種功能：
1.歷史數據統計后驗。歷史數據統計一般以收盤價或者日均價作為買入賣出的交易價格。然后根據設定的交易價格計算出在某一段時間內的收益率、超額收益、夏普率等結果。歷史數據統計后驗的優勢是效率高、簡單方便。缺點是不夠精確，尤其不能考慮資金量對市場的影響。這個階段的IT要求：簡單的原語/多市場的數據/各種盈虧報表分析。
2.歷史高頻交易數據后驗。歷史高頻交易數據后驗的核心在于根據歷史高交易頻數據進行模擬撮合，撮合算法主要是判斷在某個時段的成交量的成交比例。這個步驟的IT要求：快速撮合能力
3.高頻數據實時模擬。策略后驗無法檢驗其在樣本外的效果。解決這個問題的方法是進行高頻數據的實時模擬交易。實時模擬交易是將策略寫成一個DLL，放在模擬平臺上自動運行。高頻數據實時模擬和實盤交易已經非常接近，對沖擊成本的考慮，市場容量的考慮基本上和實盤已經一致，唯一不能解決的就是對市場的影響，這個階段的IT要求：一個簡單高效的統一的交易接口API
【關鍵詞】量化投資；阿爾法策略；期貨策略；做市商策略
一、背景介紹
量化投資是金融領域相對前沿的一門學科，它強調將數學、物理、統計、計算機等數量的方法與投資結合賺取收益。在國外，量化投資已經有幾十年的發展歷史，但是在國內由于市場因素等方方面面的限制，該領域處于朝陽期，發展的機會巨大。目前狹義的量化投資包括追求股票中性收益的阿爾法對沖策略，追求高收益的期貨策略（包括股指期貨和商品期貨策略），以及在國內市場尚未成型的做市場策略等。
二、量化投資理論闡述
（一）經典量化投資理論
阿爾法對沖策略的理論模型來自于CAPM模型以及APT模型，其基本思想就是選出具有正阿爾法收益的股票：將來自市場的貝塔風險對沖，最終獲取阿爾法收益。具有阿爾法收益的股票在生活中隨處可見，在大牛市中，如果前期漲的比較好的股票在之后也會有很好地表現，這樣的股票具有動量因子；在超跌的行情中，前期跌的過于兇猛的股票在后期有比較好的表現，這樣的股票具有反轉因子；諾比爾經濟學獎得主法瑪和弗蘭奇曾經發現小市值成長因子具有顯著超額收益，并提出了著名的法瑪弗蘭奇三因子模型。阿爾法策略的核心一方面在于選取合適的數學模型，另一方面在于從投資的經驗中尋找能夠帶來超額收益的因子。
阿爾法對沖策略在大牛市當中不及股票純多頭策略。以2015年上半年大牛市為例，阿爾法策略基本跑不贏指數；反之，一些比較搶眼的股票純多頭策略取得了100%以上的收益。但是在接下來的幾次黑天鵝事件中，股票純多頭產品紛紛清盤，其中不乏一些大牛；但是比較穩定的阿爾法產品在市場大跌時凈值依然在穩步上升。目前阿爾法對沖策略的壓力來自于兩方面，一方面由于投資者對市場的悲觀情緒導致股指期貨持續貼水，另一方面監管層對于股指期貨的限制使得阿爾法策略開發者變得更加謹慎。但是鑒于其科學的方法和可靠的控制風險的能力，阿爾法策略的未來非常光明。目前國內阿爾法對沖策略的頂級私募包括尊嘉資產、寧聚資產、金锝資產等；公募阿爾法的權威包括富國量化基金經理李笑薇女士等。
期貨多空策略主要包括股指期貨與商品期貨策略。期貨的T+0的交易機制使得程序交易可以更為方便的進行。最基本的期貨策略就是穿越均線策略，例如當期貨上穿60分鐘均線則認為其上升勢頭已經形成，進而做多；如果期貨下穿60分鐘均線，則認為其下降勢頭已經形成，平多頭同時做空頭。主觀投資者的虧損很大一部分原因來自于交易缺乏紀律性，但是程序化期貨成功的克服了交易者的這一行為金融學弊端。最直接的例子仍然是這次股災，由于股市期貨在股災期間存在著明顯的下行趨勢，多數成熟的期貨多空策略均發現這一下行趨勢并多空。股災期間股指期貨多空策略賺得盆滿缽滿，但是某種程度上程序化交易也加重了市場的趨勢效應。目前國內期貨策略的頂級私募包括淘利資產、黑翼投資等。
做市場算法在國外是一個高速發展的領域，最為杰出的代表就是西蒙斯的文藝復興基金。索羅斯、巴菲特為大家所熟知，但是西蒙斯這個名字就要低調得多。在過去十幾年，文藝復興基金獲得了年化35%的收益。文藝復興基金雇用了大量數學、物理、統計學博士，通過機器學習算法等，對市場上的微觀交易行為進行細致的分析，以‘薅羊毛’的方式不斷吸取收益。我們傳統投資者很難捕捉交易當中微觀交易結構，但是高頻交易者可以從一系列的買賣競價單中挖掘市場中的交易動態，發覺我們肉眼難以發現的蛛絲馬跡。
（二）廣義量化投資理論
更為廣義的量化金融包括一切基于數量理論對金融市場的研究。萬物皆數，學科相通，無數的智慧可以應用于金融市場。股市泡沫對于廣大散戶而言是一個虛無縹緲的事物，但是物理學中的模型卻可以將股票泡沫以一個數量的形式呈現。LPPL模型，就是地球物理系中的對數周期性冪律模型，其創始人Sornette曾多次成功預言股災的產生；劉淳等將貝葉斯方法應用于股市的變結構研究，并得出具有參考價值的理論：重大金融事件的發生往往會帶來股市內在結構的變化；人類的智慧是相通的，現在化學、物理學、生物學、計算機科學、數學等學科的跨學科領域研究已經取得了重大進步，相信在將來金融學這一社會科學領域的學科將會越來越多的出現自然科學的身影。
目前國內金融市場正在逐漸走向大資管時代，越來越多的投資者會通過專業的投資者將資金投入市場。量化投資與傳統主動投資乃是武俠中的“劍宗”與“氣宗”，兩者各有長短。在大資管時代兩大流派將會各霸江山。巴菲特般股神將會不斷創造著財富神話，西蒙斯般的科學達人們也會不斷將人類的智慧充分的應用于金融市場；并且隨著市場競爭的加劇，成熟的投資者將管控著更多的財富。未來如何風云劇變？我們拭目以待。
參考文獻：
[1]EUGENE，F.“The Cross-Section of Expected Stock Returns.”The Journal of Finance，47.2 （1992）：427-465
[2] Sornette，Didier，Ryan Woodard，and Wei-Xing Zhou.“The 2006C2008 oil bubble：Evidence of speculation，and prediction.”PhysicaA：Statistical Mechanics and its Applications，388.8 （2009）：1571-1576
[3] 劉淳，劉慶，張晗.使用 Bayes 方法識別股市變結構模型[J].清華大學學報：自然科學版，2011，51（2）：245-249
“沒有互聯網大數據的時候，量化投資技術僅僅是機構投資者使用，有了互聯網大數據，量化投資便成為普惠金融，成為中小投資者能夠采用的投資方式。”1月下旬，在接受《投資者報》記者采訪時，微量網絡科技（北京）有限公司董事長馮永昌表示。
所謂量化投資是基于大數據分析，以統計學的思維研究市場。這在機構投資中十分常見，也深受華爾街的金融家們偏愛。而微量網正是通過互聯網大數據技術，讓“神秘”的量化投資“平民化”。形象的來說，中小投資者可以像去淘寶購物一樣，到微量網購買一個“智能大腦”，在這個大腦的幫助下，選擇投資策略，從而讓賺錢成為大概率事件。
讓量化投資成為普惠金融
馮永昌是北京大學光華管理學院培養的第一批統計學博士，2007年進入嘉實基金。在此期間，他注意到基金投資時，大量使用量化投資策略，但當時的量化交易工具，都是基于本地網絡，受本地用電、網絡環境穩定性等情況約束，存在交易風險。他萌生了研發一種云交易技術的想法，可以將交易托管在云端。
馮永昌離開嘉實基金后，第一個合伙人是后來的“余額寶之父”周曉明。當時他們想一起做一個結合互聯網技術，用量化交易方式進行投資的基金，但當時有資金、有策略，卻缺乏相應的技術，馮永昌決定先解決技術問題，于是他創辦了一家軟件科技企業。
在研發相關技術的過程中，馮永昌認識到，這項技術既然可以幫他解決量化投資中存在的問題，也可以幫助中小投資者采用量化投資的方式進行投資。基于互聯網技術，可以搭建這樣一個平臺，有能力提供投資策略的人或機構，在這個平臺上銷售自己的投資策略，而投資者則在這個平臺上購買量化交易策略，實現策略提供者和策略使用者的對接。
正是基于這樣的思考，馮永昌又創辦了微量網。
“微量網類似于是一個‘淘寶商城’，商城中既包括針對投資者的量化投資策略評價和推薦，也包括針對策略提供者的策略生產和出售。而投資者只需在這個平臺上，按照自己的風險偏好，購買某個投資策略，選擇開始，就可以委托網絡機器人來管理自己的投資。”馮永昌介紹。
截至2015年1月底，已有近千個策略被提供到微量網平臺。而微量網也擁有了大量使用者，其中有理財者、也有股民和期民，理財者主要通過債券逆回購方式進行投資理財，而股民和期民則主要使用程序化交易和量化投資的策略，即將自己的賬號與微量網綁定，在微量網上購買策略，然后進行證券、期貨交易。
馮永昌當初設計的時候，就將微量網的用戶定位為100萬元投資規模以下的中小投資者。數據顯示，目前微量網的用戶以資金額在30萬元左右的投資者為主。微量網的出現讓“高大上”的量化投資變成了中小投資者也可以使用的工具。
低門檻的投資平臺
股民李華（化名），原來在國泰君安開戶炒股，為了體驗在微量網進行量化投資，近期又在與微量網有合作關系的光大證券開戶，投資數萬元，“嘗鮮”微量網，他選了兩個策略組合進行交易。
以前李華自己炒股的時候，一直擔心自己知道什么時候買，但不知道什么時候賣，以及該賣的時候，自己沒時間顧不上賣。使用微量網投資，可以通過綁定策略來止損，每個策略都有自己的止損點，也可以設置賬戶止損，李華給自己賬號設置為虧損15%就自動止損，這讓李華頗感放心。李華介紹，進行量化投資半個多月以來，他的投資略有盈余，他期待微量網能夠幫助他解決賣出股票的時機問題。
馮永昌評價，微量網就是將碎片化的投資管理能力集合起來，使之變成微量網上的策略，傳遞給微量網的用戶，縮短散戶和機構之間的差距。
在股市，知道什么時候買，不知道什么時候賣，是學生;知道什么時候買，也知道什么時候賣，是老師;而微量網則更進一步，高度紀律化，能夠精準無誤地保證執行，降低人為情緒波動的影響，基于大數據，對投資做出判斷和選擇，降低風險。
然而，微量網如何確保平臺上策略提供者策略的有效性？馮永昌解釋，微量網是一個C2C的平臺，任何自然人都可以給微量網提供交易策略，但微量網會以專業的技術力量對策略進行長期跟蹤，嚴格審核，通過實測驗證等手段，保證其有效。策略提供者還要負責維護策略，對其進行必要的修正。
“微量網會以第三方專業的技術力量對策略進行長期跟蹤，還會觀察策略的風險特征及市場環境等，所有結果都會在用戶端詳細展示，幫助投資者進行選擇。”馮永昌說。
還將繼續“燒錢”
來自微量網的統計顯示，在去年12月9日（當天上證綜指和深圳成指都達到了單日最大振幅9%），微量網70%的策略創造了期貨、股票市場新高，80%用戶創造了單日3%以上的收益，股指期貨策略尤為出色，當日用戶受益45%以上。而在今年“1?19”股災當天，微量網的用戶同樣實現了十分可觀的收益。
馮永昌評價，市場波動越大，投資者通過量化交易套利的空間就越大，還可以盡量規避風險。因此股市等市場波動大的時候，恰是推廣微量網的最好時機，2015年微量網將會加大市場推廣力度。
微量網此前已經接受過一輪天使投資，目前正在進行新一輪融資。與新投資機構的談判已進行了數月，預計將很快會結束談判，引入新的資金。
“新的資金進來后，微量網會繼續‘燒錢’，會界面更友好的版本，充實研發團隊和客服工作人員，繼續以較低的價格將策略提供給使用者。”馮永昌介紹。
【關鍵詞】金融衍生品 量化投資 相關性 探究
金融衍生品與量化投資之間的相關性是當前經濟發展比較重要的研究議題，兩者的有效配合在某種程度上能使投資者獲得較為豐富的投資收益，并且將風險以及杠桿性將至最低。就當前現狀而言，金融衍生品內容越來越多，而量化投資投資工具呈現多元化的趨勢，這為投資者提供了較多的投資方式以及渠道，并使其在最小風險值內獲取最大的經濟收益。文章主要介紹了金融衍生品及量化投資，重點闡述了兩者之間的關聯性，最后論述了兩者有效融合的前提下如何獲得最大的經濟效益值。
一、金融衍生品與量化投資概念闡述以及其發展
（一）金融衍生品
金融衍生品在我國經濟中運用范圍不斷擴寬，它是基于經濟發展而形成的，是社會發展的必然產物，并且對于全球經濟有著深遠的影響，比如加劇世界經濟一體化、促使金融一體化的逐步形成，金融衍生品在我國經濟發展中扮演非常重要的角色，帶動了我國實體經濟的發展。所謂金融衍生品，它是與金融相關，并由其引發的派生物，屬于一種金融交易工具。近年來，隨著市場經濟發展速度不斷提升，我國金融市場逐漸趨向完善，這也為金融衍生品的發展提供了良好的契機，使其發展日益壯大并成為金融市場的主力軍，并且與信貸以及貨幣市場聯系日益密切，最終促進了金融資產配置的逐漸完善，即風險管理的復雜鏈條。從目前情況分析，我國經濟發展呈現出良好的前景，相對應的工業以及房地產發展相對較好，在此基礎之上，依據高杠桿原理，金融產品自身的優勢性徹底被展現出來，并為投資者帶來相對較好的經濟效益值。但是金融產品也存在一定的風險，可謂是一把“雙刃劍”，雖然它可促進金融市場的發展，但如果運用不當將會引發極為嚴重的后果。上世紀90年代以來，就發生了多起由于金融產品運用不當而引發的經濟損失，例如：2008年金融危機波及全球，引發金融危機的原因主要是CDS等金融產品，其在美國金融市場運作中出現風險管理不當的現象，也就是風險失控，繼而引發了全球性的經濟危機。
金融衍生品主要是基于與金融有關產品的通過不同方式衍生而來，主要包含四種基本形式，分別是遠期、期貨、期權、互換，其價格的變動規律主要是由基礎標的物所決定的，隨著它的變化而變化的，而金融衍生品的價值主要與基礎工具的相關因素有關，比如利率、匯率、市場價格、指數、信用等級等等，從本質上分析，它屬于虛擬的有價證券，在某種意義上而言是一種權利證書，給予投資者基礎性的權利，且與實物資本有著很大的區別，能夠使投資者獲得投資收益。與一般金融產品相比，金融產品有了極大的改良與進步，產品結構更為復雜，其定價模式基本比較單一，主要是以復雜數學模型為主，將多種風險以及因子，如Beta、Delta、Rho、久期等，通過多種方式的映射、組合、分解復合等，繼而形成金融衍生品，結構層次多樣。金融產品雖然為投資者提供了發展契機，但是也存在極大的風險，這種風險的形成與交易與結算有著直接的關聯，上述兩種交易形式基本發生在將來，基于高杠桿的影響，市場風險難以有效控制，預測就更難以估計。
（二）量化投資
量化投資在我國金融市場發展中得到了進一步推廣，相較于定性投資，量化投資科學性更強，并且具備相應的理論依據。在投資過程中，投資者可以利用數學、統計學，還可以借助數據挖掘等方法，以此構建投資策略，管理投資組合，繼而實現風險管理，利用數據模型，借助系統交易信號，系統會自動完成相關交易。從本質上分析，量化投資屬于工具，投資者可以通過經驗累加，然后利用數學模型的功能性，繼而實現信息化的表達。量化投資形式具有自身的優勢特點，這也是傳統投資形式不可比擬的，它主要將投資者經驗累積以另外一種方式呈現，即數學模型，繼而轉化至計算機中，運用相對科學的計算方式，實現產品投資，隨著金融市場的日益完善，數學模型也得以不斷優化。無論是數量化的投資，還是依靠計算機程序的投資，對于技術的要求極為苛刻，在業界譽為“黑箱交易”，從某種角度分析，量化投資基本不依賴大腦，而是依據交易系統，繼而實施具體的決策，上述交易系統是之前確定的，且形式非常復雜的，這樣的系統往往具備較高的精準度。與此同時，交易系統開發需要一定的技術支持，即程序算法設計，部分開發者通常會采取相應措施，加密交易系統，以此保障知識產權不受侵害。外界投資者對此并不清楚，具體運行機制也存在極大的疑問。量化投資者基于交易系統的前提下，收集市場最新的數據變化，同時采集與之相關的信息，將其輸送至交易模型里，然后通過科學的計算，數據的挖掘，加密信息的處理，最終敲定資產配置方案，確定交易的最佳時機。按照相關公式進行量化投資在某種程度上是一種相對理性的投資，其自身的優勢集中體現在分析策略這一環節，突出明晰性以及一致性，與此同時，運用信息與公式，由此獲得的結果基本相同，這在某種程度上對交易者非常有利，避免由于其客觀性以及隨意性而引發的交易失誤。
針對量化投資而言，其涵蓋多個方面：就現狀而言，主要包括量化資產配置、量化投資交易、風險管理。以資產配置為例，必須要基于行業選擇的前提下，以此實施有效配置，然后依據策略組合，在行業內開展相關工作，實行資產優化。量化資產投資，它在某種程度上奠定了總體投資方向，確定發展前景最好的行業、風格和產品。換言之，投資者需要根據市場行情變化規律，選擇市場以及產品，然后給予最佳資金分配方案。相較于傳統的投資形式，量化投資更具一定的優勢，更具科學以及合理性，同時兼具高信度。投資者可以依據數據模型，對整個市場進行有效分析，繼而給予相對準確的判斷，以此進行理性投資決策。
二、兩者之間的關聯性分析
金融衍生品與量化投資的有效結合能夠起到非常關鍵性的作用，投資者能夠選擇相對發展較好的金融產品進行量化投資，由此收獲了相對豐富的投資收益，因而探討兩者之間的關聯性以及有效融合具有劃時代意義。近年來，我國金融市場發展形勢良好，也因此帶動了金融衍生品的迅速擴大，促進了國民經濟的迅速增值。但是以我國現有金融衍生品現狀來說，無論是從行業總量、規模，還是參與范圍及層次方面來看，金融衍生品都還屬于小眾市場，仍需不斷創新與改革。從目前情況分析，對于大部分的投資者而言，他們對于金融衍生品的了解還不夠透徹，這也導致了民主對于金融衍生品的了解甚少，基本都停留在電視或是報紙上對于金融衍生品的看法，這于金融衍生品的長遠發展是非常不利的。2008年的金融危機，很多實體企業采取了相應的對策，比如參與期貨市場，實施套期保值，以此降低生產經營風險，也在某種程度上擴寬市場發展。
金融市場發展速度的加快，股指期貨得以大面積擴散，指數期權也擴大了應用范圍，這于我國金融市場發展而言是極為有利的因素，為量化投資提供良好的發展契機，迎來發展機遇。借助量化投資原理，運用相關實踐方法，通過計算機程序實施投資交易，這將是之后金融衍生品投資的主流方向。
金融衍生品的誕生是社會發展的必然產物，其功能性集中體現在投資風險規避，它形成的主要動因與投資者關系密切，滿足其轉移風險的需求，同時實現其套期保值實際需求，這一過程又被稱為風險對沖，這樣可以使投資者運用相對較少的低成本，基于現貨價格變動，達到規避風險的目的。從目前形勢分析，量化投資在我國金融衍生品上得到了廣泛應用，其對沖實踐需要借助相關載體，也就是具備一定的期貨市場方可實現，但是基于交易品種單一的現狀，這使得量化投資產品在某種程度上具有一定的局限性。隨著股指期權的誕生，個股期權的逐步實施，擴大了金融市場的投資發展，讓更多的投資者增加了風險規避渠道，推動了量化投資范圍的不斷擴大。量化交易策略也在某種程度上發生了改變，更具創造性，帶動實體經濟發展。
金融衍生品的誕生以及投入使用促進了我國金融市場交易的逐步完善，這其中金融衍生品的一個非常重要的功能得到了極大的發揮，即價格發現。所謂價格發現功能，主要從參與者角度出發，他們通過獲得信息，且基于價格預期，利用公開拍賣形式，或是借助電腦進行撮合交易，這在某種程度上可以獲取市場真實需求，供求關系，并且極具競爭性以及預期性的體系。隨著世界經濟一體化趨勢不斷加強，世界金融市場不斷擴大，與之相關的金融衍生品應用范圍也隨之不斷擴大，金融交易所的相關交易實現跨越式的進步，通過這種形式形成的價格權威性更強。上述價格通過不同的傳播工具不斷擴散，如報紙、電視、網絡等，范圍波及全球，儼然成為市場價格的引領者，這為大眾提供了良好的平臺，讓其透過相關經濟信息了解經濟動態，以便幫助投資者給予正確的決策，借以提升資源配置效率。量化投資相較于傳統投資形式具有一定的優勢，這主要體現在兩個方面：分別是速度與規則，從某種角度分析，我們可以預期，量化交易應用范圍，促使市場報價更為緊密，成交更為頻繁，從而增強市場流動性。與此同時，基于量化交易策略而言，其中部分交易存在策略的相似性，這對于未來的金融市場影響頗大，集中體現在市場價格波動這一方面，具體表現為高波動性以及規律性，上述改變與量化投資有著非常直接的關聯。
金融衍生品是社會發展的階段性產物，量化投資是基于傳統投資形式基礎上的創新與變革，兩者之間具有一定的關聯性，就好比人和人之間的合作，通過量化投資，金融衍生品能夠在某種程度上受益，彰顯其風險規避功能，量化投資對于投資者而言是巨大的福音，使其更理性地進行投資，從而避免由于自身主觀原因而造成的經濟損失，與此同時，能夠有效消除非預期損失。針對金融衍生品而言，其不斷發展對量化投資而言也是非常有益的，為其提供應用平臺，借助不同領域資源整合，從總體角度分析，優化金融市場，交易環境不斷完善，并且對投資者影響極大，使其投資理念不斷升華，投資水平在某種程度上也得到看提高，繼而促使投資者通過結合金融衍生品與量化投資獲取豐厚的投資收益。總的來說，金融衍生品與量化投資可謂是相輔相成的關系，彼此相互促進又相互影響，協調好兩者的關系對金融市場發展益處多多。
三、結語
總體來說，金融衍生品在我國金融市場的廣泛運用極大的促進了國民經濟的發展，量化投資是一種相對理想的投資理念，將金融衍生品與量化投資有效融合能夠獲得良好的成效，這于金融市場經濟發展而言也是極為有利的因素，為投資者提供了良好的應用平臺，促使其獲得比較豐富的投資收益。文章主要介紹了金融衍生品以及量化投資的發展，重點闡述了兩者之間的相關性。
參考文獻：
[1]李東昌.金融衍生品與量化投資相關性研究初探[J].山東工業技術，2015（06）.
[2]張梅.后金融危機時代金融衍生品的風險管理與控制[J].湖南商學院學報，2010（02）.
[3]寇宏，袁鷹，王慶芳.套期保值與金融衍生品風險管理研究[J].金融理論與實踐，2010（05）.
[4]林世光.可拓學在金融衍生品市場風險中的量化分析[J].武漢理工大學學報，2010（11）.
[5]薛智勝.金融創新風險的防范與監管探析――以金融衍生品為例[J].云南大學學報（法學版），2012（01）.
話題1:貨幣型基金今年的表現如何?現在若想投資貨幣型基金合適嗎?
點評:
當前可以對貨幣型基金做短期限配置的考慮。
今年以來貨幣型基金表現一直比較平穩,年初至今累計平均漲幅為1.38%。其中,表現較好的天治天得利貨幣、萬家貨幣漲幅超過了1.8%。10月份以來,由于加息、存款準備金率上調、通脹預期上升等因素導致債券市場出現了較大幅度的調整,但貨幣型基金依然表現穩定,平均凈值增長率為0.13%,并且所有基金均為正收益。一方面是受貨幣市場較寬裕的資金面影響,回購利率以及拆借利率并沒有出現大幅上行;另一方面部分交易型機構出于對后市通脹持續走高以及可能進入加息周期的擔憂,將資金從長期債券向短期債券和央票轉移,對于貨幣市場券種的需求增大。
從貨幣型基金的歷史業績來看,大致與1年期銀行定存利率相當,2007年平均收益率為3.31%,2008年為3.55%,2009年為1.41%。由于貨幣型基金的申購、贖回均不產生交易費,有點類似于銀行的活期存款,而收益率與銀行活期存款相比,仍具備一定的吸引力。在當前通脹率較高、流動性充裕、股市走強的背景下,債券市場的調整或將延續,并且收益率曲線將呈現陡峭化傾向,短債相對于長債有一定的優勢。投資者可將債券型基金的資產轉移至權益類市場做中期投資,然后用貨幣型基金來做流動性需求的配置。
話題2:上半年量化基金的概念炒得挺火熱的,已發行的這些量化基金的業績如何?是否能跟上大盤的表現?
點評:
截止到10月22日,今年年初就已經成立的6只量化基金中,華商動態阿爾法業績最好,凈值增長率為11.34%,其它5只量化基金的凈值增長率也是超過了上證指數(同期指數下跌9.22%)。其中,中海量化策略、長盛量化紅利策略、光大量化核心3只實現了正收益,漲幅分別為4.27%、5.07%、6.35%。總體來看,今年以來這些量化基金雖然在業績上戰勝了上證指數,但基金的表現分化較大,大部分也就位于偏股型基金中的中游,相對之前投資者的期望而言,這些量化基金至今并沒有表現出太多的業績上的亮點,與傳統的基于定性研究的基金相比也并無顯現出顯著的業績優勢。
我們認為,國內A股市場基金量化投資尚處于摸索階段,我們在大部分量化基金的季報和年度報告中并未看到對所運用模型的總結和改進,看到的更多是基金經理自身對市場的回顧和判斷。所謂的量化投資一般也只是基金經理運用一些量化指標來進行輔助選股,還未形成一整套完善的量化體系。量化基金在模型上也存在一定的同質化傾向,大多采用的是多因素模型,模型的出發點大都是基于對上市公司基本面的量化。這些基金所用多因素模型的模型因子也有相當一部分重合,而對因子的權重分配更多摻雜著研究員和基金經理的主觀判斷,因此,最后輸出的結果差異更多的是源于主觀判斷的差異。
未來量化基金發展的方向可能會更傾向于“技術化”:應用個股的高頻數據流開發有效的選股模型,應用行為金融學的相關理論進行交易策略的設計,對市場情緒進行量化來設計擇時指標等,甚至可以遷移一些其他學科中的思路進行模型的開發。當前,國內一些實力雄厚的券商研究團隊在這些領域均展開了研究,也陸續出現了一些研究成果,這些研究成果在經過實踐的檢驗和篩選后可能慢慢會進入到基金的實戰投資中。
(點評人:好買基金研究中心)
【關鍵詞】 量化交易；布林線
1 基于布林線理論的量化模型構建：日間布林線趨勢跟蹤策略
一個好的趨勢追蹤交易系統，要滿足很好的穩健性。即在一個較長的時間內，該模型不會因為市場的變化而失效。而且要盡量避免市場上模型在短期內盈利水平較高，而在長期內無法達到穩定盈利的普遍現象。為此在設計時要盡量做到原理簡單，簡化指標，不要有過多參數。本文中所設計模型在交易開拓者軟件（TB）上運行。
1.1模型設計原理
布林線（Bollinger Band）是根據統計學中的標準差原理設計出來的一種非常實用的技術指標。它由三條軌道線組成，其中上下兩條線分別可以看成是價格的壓力線和支撐線，在兩條線之間是一條價格平均線，一般情況價格線在由上下軌道組成的帶狀區間游走，而且隨價格的變化而自動調整軌道的位置。當波帶變窄時，激烈的價格波動有可能隨即產生。布林指標（BOLL），布林極限（%B），布林帶寬（BW）三者構成指標群，相互配合使用，準確度相當高。本文中只用到布林帶（包括上軌，中軌，下軌），以及布林帶寬（BW）這兩個指標。
在實際操作中，每隔60分鐘取一個收盤價，取其加權平均價為中軌，以20個交易周期來計算標準差，中軌加減兩倍標準差分別定為上軌和下軌，用公式表示如下：
Std=StandevClose，Length
Midline=XAverage（Close，Length）
Lowline=Midline-2×Std
Uppline=Midline+2×Std
取股指連續為研究對象，并且取小時線（N=60）布林線，周期20小時（Length=60），加載到一分鐘K線圖。
將布林帶寬定義為：
StdMidRatio=StdMidMidLine
當股指處于震蕩行情時，價格應處于布林帶之間，此時標準差較小，帶寬也較小。當價格突破上下軌，布林帶出現放大喇叭口形狀，可以認為行情從震蕩轉換為趨勢，此時標準差會突然放大，出現脈沖現象。為描述這種現象，新定義趨勢指標TrendIndex用來研判行情，同時定義TrendIndex的上下界。
TrendIndex的定義：前后兩期布林線帶寬的平均值的差，用來表示價格波動率的大小。用公式表示如下：
TrendIndex=AverageStdMidRatio，N-AverageStdMidRatio1，N
UppBand=HigestTrendIndex1，N
LowBand=lowestTrendIndex1，N
當股指震蕩時，TrendIndex也處于窄幅震蕩，出現喇叭口時，TrendIndex值突然放大。當出現很明顯的價格突破時，可以認為趨勢已經形成，即可買入或賣出該資產。
1.2模型框架
1.2.1入場規則
當價格突破上下軌，出現喇叭口形狀時，可以認為上漲或者下跌的趨勢行情已經開始顯現。此時用之前定義的趨勢指標TrendIndex來研判是否出現趨勢行情，即TrendIndex大于前期最高值且大于0時，表明趨勢已經出現。
當分鐘收盤價高于前期最高價時，即當Close>Uppline時，做多一手股指；同樣的，當分鐘收盤價低于前期最高價時，即當Close 1.2.2 加倉規則
趨勢策略的勝率普遍不高，為保證該策略有持續盈利能力，當確認趨勢行情出現后，應該增大同方向的倉位。在此，利用ATR指標進行資金管理。加倉前提條件與入場的前提條件一致，還需要當前價格滿足以下條件：TrendIndex柱圖值破新高，且價格比上次買入價高出1倍ATR。此時可以認為價格波動較大，趨勢得到確認，可以加倉。公式表示如下：
Close>GetGlobalVarMyPosition+DeltaPrice
全局變量GetGlobalVar存儲的是上一次開倉的買賣價，DeltaPrice為ATR的值。為了控制風險，設置最大總開倉數不超過3手。
1.2.3 離場規則
當一筆交易浮盈時，用百分比回落止盈法進行止盈，即開倉多單后，價格回到最高價以下一定比例后進行平倉出場；同樣的，開倉空單后，價格上升到最低價以下一定比例后進行平倉出場。下面給出空單黃金百分比回落止盈示例：當收盤價減去最低價的值高于最大利潤的0.618倍時，即利潤回吐值達到最大利潤的0.382倍時，空單離場。
在進行量化交易時，并不能排除對行情研判失誤的情形，為此還應當設立止損離場規則和行情結束離場規則。多頭ATR止損規則：當浮虧超過1倍ATR時多單離場。
GetGlobalVar（Num）-Close>DeltaPrice
行情結束離場規則：當趨勢指標TrendIndex觸碰該指標前20個周期最低點時，認為行情結束，可以平倉。
2 模型歷史回測
在模型構建結束后，選取我國滬深300指數股指期貨合約的主力合約2010年4月16日至2013年6月7日的分鐘交易數據在交易開拓者軟件上進行交易歷史回測。對于一個量化交易模型而言，較為重要的指標有：
（1）盈虧比，即模型總盈利值與總虧損值的比。當盈虧比的值小于1時，說明該模型整體不盈利；反之，當盈虧比的值大于1時，說明該模型整體有盈利能力。當一個模型的盈虧比大于2時，可以認為該量化交易模型的盈利能力較高。
（2）盈利比率，即勝率，表示盈利的手數與總手數的比值，也就是每一手的獲利概率。一般而言，盈利比率大于50%即表明該模型的獲利概率大于虧損概率。
（3）最大回撤及最大回撤率。最大回撤表示在選定周期內任一歷史時點往后推，權益凈值走到最低點時的收益率回撤幅度的最大值。最大回撤用來描述投資者可能面臨的的最大虧損，用來描述交易進行后可能出現的最糟糕的情況。最大回撤率是指最大回撤與前期高點的比值，是非常重要的風險指標，對于量化交易模型的風險度量而言，該指標比波動率還重要。
由表1可知，該模型的年度有效收益率為69.07%，盈虧比為2.21，說明模型總體上是盈利的，且盈虧比大于2，說明該模型的總體盈利能力很高。盈利比率為67.71%，大于50%，說明該模型的勝率較高，每一手的盈利概率大于虧損概率。最大回撤發生在2010年6月21日，回撤值為85421.1元。最大回撤率為14.07%，說明投資者若使用該模型交易時，可能發生的最大虧損為14%左右，這是一個相對較高的值。由圖1可知，該模型的盈利整體處于上升狀態，但從2013年下半年起，盈虧曲線上升較為緩慢，可以認為受到2013年上半年震蕩行情的影響，模型的整體盈利水平有下降的趨勢，并且模型整體的穩定性也有所下降。
圖1 交易盈虧曲線圖（2010年4月16日至2013年6月7日） 3 模型使用建議
（1）切勿加入投資者主觀判斷
人們開發量化交易的一部分原因是：與人的主觀判斷相比，計算機交易是理性的、純客觀的，不夾雜任何情感因素，不會存在行為金融學中所描述的人類在投資中所表現出的情感偏差（例如羊群效應、追漲殺跌、過度自信等）。因此在使用量化模型進行實盤交易時，除非程序運行錯誤，否則投資者應任由程序自行開、平倉，切勿加入投資者對行情的主觀判斷，手動開、平倉，干擾程序運行。
（2）投資者應正視股指期貨投資風險
任何投資都是有風險的，股指期貨也不例外。特別的，股指期貨是保證金交易模式，最低保證金8%，最高可以達到12.5倍杠桿，收益與虧損被同時放大，所以投資者在使用該模型時，應考慮到自身的風險承受能力，包括客觀風險承受能力及主觀風險承受能力。客觀風險承受能力不高的投資者，即使其主觀風險承受能力較高，也不應該進行股指期貨投資。
（3）投資者應時刻關注計算機交易情況
由于計算機自身運行錯誤、程序運行錯誤以及網絡連接故障等原因，投資者使用該模型在進行實盤交易時可能會出現以下情況：出現交易信號時，并未開倉；到了止盈或止損價格時，未平倉；連續發出不正常的交易信號。所以在交易時間內投資者應關注計算機的下單狀況，發現錯誤時及時停止交易。
（4）正確識別模型優劣，在模型失效時停止交易
任何一個量化交易模型都有其自身的局限性，具體表現在參數優化之后產生的短期盈利水平虛高、長期盈利水平很低甚至不盈利的現象，有些模型甚至通過過度參數優化而產生過度擬合的缺陷。而在盈利水平和最大回撤控值都做到相當優秀的模型極有可能是經過了過度優化的模型，投資者遇到此類模型時，應當在使用模型前仔細甄別該模型的回測結果、歷史業績是否真實可靠，需要重點關注模型的參數、研判條件是否出現過度優化的情況。當使用一個模型時，如果其回撤值大于歷史最大回撤值，可認為該模型已經失效。
參考文獻：
[1]John Bollinger， CFA， CMT. Bollinger on Bollinger Bands， 2001
[2]P.R. Christian， C. George， Monte Carlo Statistical Methods， Springer， New York， 2004
【關鍵詞】統計套利 玉米期貨 協整 資本市場
關于統計套利策略，首先要提的是20世紀20年代華爾街傳奇人物杰西·利弗莫爾，他通過創造“姐妹股”為自己賺取了大量財富。然后在20世紀80年代在Morgan Stanley中由Nuozio Targalia領導的量化投資團隊被認為是最早使用統計套利的投資團隊。統計套利是指應用各種定性和定量分析方法識別投資組合之間的相對錯誤的價格關系，買入被低估的投資組合，同時賣出被高估的投資組合，等待錯誤價格向均值回歸從而獲利的一種投資套利策略。
一、策略設計
（一）套利對象的選取
本文選取玉米期貨合約c1401和c1311作為研究統計套利在中國內地市場的應用主要是基于以下幾點考慮：
1.玉米期貨合約c1401和c1311同屬于玉米期貨，兩者受到共同因素影響較多，為研究統計套利提供了現實的可能性。
2.玉米期貨的流動性較好，玉米期貨是大連商品交易所的主要交易品種之一，各種投資者和玉米交易商參與度活躍。
3.玉米作為主要糧食作物之一，對確保國家糧食安全具有重要的作用，國家對農業的大力支持，有利于玉米價格的穩定，代表玉米未來價格的玉米期貨價格也隨之較為穩定。
（二）數據來源
本文研究玉米期貨合約c1401和c1311統計套利關系的數據來源于期貨交易軟件“文華財經——贏順期貨交易軟件”，選取了c1401和c1311從2013年4月2日到2013年9月30日的日度數據作為研究對象，其中x表示c1401的每日收盤價，y表示c1311的每日收盤價，對x和y取對數后分別表示為lnx和lny。
（三）協整分析
1.單位根檢驗
由于玉米期貨的價格是基于玉米現貨的未來價格走勢產生的，并且玉米期貨合約c1401和c1311的標的物都是玉米，受共同因素影響較多，從直觀上看，兩個不同期間的玉米合約的價差之間存在一種平穩關系。為此，對玉米期貨合約c1401和c1311分別取對數lnx和lny進行單位根檢驗，檢驗結果顯示：lnx和lny都是一階單整平穩序列，所以lnx和lny之間可能存在協整關系。
2.協整檢驗
（1）做lny對lnx的協整回歸方程：
lny=0.410122lnx+4.593945+u。
（2）用eviews對u進行單位根檢驗，顯示：u是I（1），即u是平穩的，因此接受lny和lnx是協整關系的假設。根據協整回歸方程可以看出玉米期貨合約c1401和c1311的套利組合比例是：1：0.410122，即價差為：Spread=0.410122lnx-lny。
二、制定交易策略
由協整檢驗的結果我們得到價差分布序列Spread，此序列表明了玉米期貨合約c1401和c1311之間的差距水平，所以可以根據對價差的分析來構建跨期套利的交易策略。根據Eviews的統計測算得出價差序列的基本統計數據，為了更好地讓序列數據集中化，我們依據價差序列均值mean的結果將Spread中心化，即：MSspread=Spread-mean.
跨期套利中價差分析非常重要的一點就是分析套利出現的時機和概率。為此，首先要確定套利區間，本文采納國外學者在計量方法分析中的±3/4標準差為交易上下邊界，因此，交易上下邊界確實可以設為±3/4×σ（其中σ=0.005191141）。并且為了減少損失，需要設置平倉上下限，文中以±2σ為平倉上下限，交易策略制定如下：
1.當MSspread﹤-3/4×σ時，買入5張玉米期貨合約c1401同時賣出2張玉米期貨合約c1311；當MSspread﹥+3/4×σ時，賣出5張玉米期貨合約c1401的同時買入2張玉米期貨合約c1311。
2.當價差序列如預期回歸到±3/4×σ區間時進行反向操作平倉獲利了結，完成一次交易。
3.當價差觸發±2σ以外的區域時，不管是多頭頭寸或空頭頭寸都立刻平倉止損，以減少損失。
三、總結
本文在研究統計套利策略中發現：當兩個投資品種受共同因素影響較多時，統計套利策略比較容易成功，所以在選擇投資對象時，應該考慮兩個投資對象共同的基本面影響因素相似度的高低，相似度高就為統計套利策略的實施奠定了良好的基礎。在實施統計套利策略過程中，交易成本是一個必須考慮的事情，頻繁的實行統計套利會造成極大的交易成本，可能是原本的盈利變成虧損，因此，在制定和實施統計套利策略時應該將交易成本納入考慮的對象。
參考文獻
[1]吳振翔，陳敏.中國股票市場弱有效性的統計套利檢驗[J].系統工程理論與實踐，2007（02）.
[2]朱治平.期貨套利機會創造更大收益[N].中國證券報，2008.
與股神巴菲特的“價值投資”不同，西蒙斯的投資成就依靠的是“量化投資”。這位24歲起就出任哈佛大學數學系教授的數學天才，依靠數學模型和計算機技術捕捉著市場機會。他認為，數學模型比主動投資能夠更有效地降低風險。
雖然中國人對西蒙斯這個名字還比較陌生，但“量化投資”產品在華爾街已經非常普遍。受益于計算機技術的提升和市場歷史數據供應的完善，進入21世紀后，這一投資方式開始飛躍成長。2000年至2007年間，美國“量化投資”產品的總規模翻了4倍多，超越了同期美國共同基金總規模（定量+定性）的增長速度（翻了1.5倍）。“量化投資”在美國全部投資中的占比，從1970年為零發展到2009年30%以上。
什么是“量化投資”？
可以說“量化投資”是隨著計算機科技而發展起來的。簡單地說，“量化投資”就是將人的投資思想反應在數量模型中，并利用電腦處理大量信息，從而進行投資決策。建信上證社會責任ETF基金經理葉樂天介紹，“量化投資”在美國的發展比較蓬勃。在華爾街的投資行為中，同一個套利機會下，誰下單早誰就就能抓住機會，這些都得益于計算機運行速度越來越快。也往往就是這幾毫秒的領先，就可以掙到萬分之一的收益。萬分之一雖然不多，但是日積月累，就可能有很高的收益。
目前“量化投資”在中國還是一個新概念，處于起步和發展之間的階段，可以說是少數派的地位，普通老百姓不太熟悉，產品較少，也缺乏明星產品和明星基金經理。
與市場熟悉的“定性投資”相比，“量化投資”主要是在研究方法上與其不同。“定性投資”的公司基本面研究是靠到企業調研，看研究報告，與高管深入交流、了解大股東訴求，了解公司發展規劃之類，有很深的深度。“量化投資”則注重廣度，比如市場上有2000只股票，就把2000只全都抓起來，“量化投資”的數據越多反而越好。葉樂天以市場中一個很形象的比喻來形容上述兩種投資的異同：“定性投資”和“定量投資”的差異如同中醫和西醫的關系。“定性投資”更像中醫，更多地依靠經驗和感覺判斷病在哪里；“定量投資”更像是西醫，依靠模型判斷，模型對于定量投資基金經理的作用就像CT機對于醫生的作用。在每一天的投資運作之前，我會先用模型對整個市場進行一次全面的檢查和掃描，然后根據檢查和掃描結果做出投資決策。
葉樂天笑稱，與定性投資基金經理經常出差不同，他主要的工作都在案頭。他主要是搜集數據，進行數據處理，還有編程。雖然表面上看不如定性投資基金經理忙碌，但其實工作量一點不少。
排除“人”的情感
一位“量化投資”基金經理一開始是學習理論方面的知識，比如數學知識和統計學知識；然后對歷史數據進行分析；參考市場中已有的成功模型，汲取巨人的智慧；接著是建模；然后測試，測試中有很多細節需要考慮，比如沖擊成本等；最后是搭建一個平臺，確保數據到達后，模型能夠響應，進行處理和輸出。每一步都非常復雜。
在這個過程里，不僅數學模型不具備自己的情感，基金經理也要盡可能地剔除“人”的思維。這其中便是對紀律性的超高要求。雖然量化模型是由人設計的，具體的交易單由模型產生，但基金經理在經驗總結以及模型設計時容易保持理性，在個股的交易時卻不免受制于人性的弱點。葉樂天說，正如西醫檢查一般，量化模型的最大的特點就是可以克服人性的弱點，他不會有恐慌，也不會有貪婪。所以只要模型和數據是正確的，基金經理平時都不會去干預和控制模型的輸出。
2007年次貸危機的爆發，在一定程度上可以說就是人的情感對模型干預造成的失誤。華爾街為衍生品定價的模型并沒有錯，錯的是人在設定參數的時候對當時的金融形勢過于樂觀，過分信任金融衍生品工具。
但盡量不干預也不是完全不干預，比如下面這兩種情況：一是程序發生錯誤，二是模型錯誤。模型錯誤主要指的是股票走勢與預測相差特別大，超過了統計意義上顯著的差別，這時就需要更新一下模型，但一般不會太頻繁。
另外一種發揮人的主觀能動性的情況就是對虛假數據的剔除。葉樂天介紹，“中國很多數據都經過修飾，對我本人來說，我不喜歡根據宏觀數據擇時，更多地是相信多因子模型。我們現在有很大一部分工作是進行數據清理，包括上市公司經過修飾的財務數據。但是有一塊是沒有經過修飾的，就是技術面的數據，比如成交量和成交價格，這是由市場PK決定的。同時由于中國市場有坐莊的人，所以我們在小股票的選擇上也會比較慎重。在數據清理方面與基本面有關，所以我們也會和研究員溝通。還包括異常值的去除，取中位數往往比平均數更靠譜。在統計學上有一個大數定律，在數據量很大的情況下，最終會回歸一個中性的環境。”
如何選擇“量化投資”產品？
依照目前中國市場的情況，“量化投資”主要分為一下幾類：一是套利型，比如股指期貨套利；二是被動型；三是追求超額收益的產品；四是做高頻交易，主要是私募和券商資本。不同的產品對收益率會有不同的要求：指數增強追求的是超額收益，與標的指數之間的差盡量少，還能跑贏指數；對沖基金和套利ETF是在穩定的前提下追求超額收益。
目前中國的量化產品絕大多數還是指數產品，尤其是公募這一塊，起碼有100來只，但主動量化的可能只有十幾只。量化產品的換倉、持倉的規模比較大，那么沖擊的成本就比較大。因為量化投資不像基本面研究對單個公司的研究很透，所以禁得起很大的波動，追求的漲幅也大。量化追求比較小的漲幅，但比較穩定。另外，查閱“量化投資”基金的歷史業績可以發現，指數增強型基金的表現還算穩定，主動量化型的穩定性稍差。業績穩定對開放式基金比較重要。目前市場上認購較好的指數基金，就是因為業績穩定。
在交易量上，不同的產品會不一樣。公募的交易肯定不活躍，因為交易量比較大，沖擊的成本也大，另外同日不能反向交易。但私募量化基金主要是做高頻交易，深度更大，一天可能往返好幾次。
同時，中國的量化產品主要還是受制于投資人才的培養、衍生工具的發展和市場深度不夠。因為衍生工具缺乏，在內地市場買可轉債，就不能像在香港市場一樣去做空股票，做空相應的債券，賺取波動率。市場深度不夠則主要表現可投資股票的數量上。
在目前的市場情況下，投資者在選擇“量化投資”產品的時候，首先看一下這只基金是屬于哪一類的，然后看基金經理的投資理念和思路方法能否在當時的市場上獲取收益，如果認同的話就可以選擇了。也即是一看歷史業績，二看管理者的投資理念。
很多人擔心由于中國股市受政策影響較大，數學模型可能并不能及時對政策變動做出反應。葉樂天說，“政策市對市場肯定會有影響，包括數據不透明，政策變化對股市的影響等。但股市會反映政策的，如果政策有效的話，政策會反映在股市中，為量化模型提供一些最新的數據，只要及時更新數據，還是可以處理得很好。”
另外，基金的規模對業績也會有影響。葉樂天認為，指數增強產品三四十個億是比較好的規模。如果規模太小，有些持倉可能會買不足。
投資在選擇“量化投資”產品的時候，應當首先考慮資產配置。因為基金是一種長期投資，不需要經常擇時，更多地還是做好投資者個人的資產配置。
量化產品的優勢
“量化投資”的投資方法本身在海外已經得到了證明，但中國A股市場主要以散戶占多數，要把運用模型進行計算操作的量化投資這樣復雜的投資方法向他們解釋清楚并理解和接受確實不易。但從量化投資的特點上來看，由于量化投資需要不斷尋找機會，買入一大批股票，而不會在幾只股票上重倉押注，在投資結果上，其換手率和分散化程度都較高，這樣一來，相對于散戶投資者重倉幾只股票來講，風險性也就更小。同時，由于量化投資就是借助現代統計學、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，并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、形成回報，因此具有很高的投資價值。
［關鍵詞］ 價格敏感度量化 一口價 在線拍賣 價格區間
一、引言
近年來，以C2C為主要形式的中國網絡購物發展迅速。截止到2009年12月，網絡購物用戶規模增長了45.9%，這比2008年底的24.8%增長了21.1個百分點；2009年中國網絡購物市場交易規模達到2500億，其中近90%是網民在C2C網站上的購物支出。
C2C之所以在近年來能夠蓬勃發展，價格是重要的影響因素之一。對擁有81.5%網購用戶的淘寶網，CNNIC的調查顯示用戶對網購商品價格低廉的滿意度較高，而C2C購物網站采用品類豐富、低價優惠的模式更適宜目前用戶的偏好。在淘寶網中，一口價是很多網絡賣家選擇的定價方式，由于網店的低門檻和消費者的低詢價成本，網上商家之間的價格競爭激烈，價格作為消費者進行在線購物決策的重要考慮因素，突出地影響著交易成果，這就需要賣家必須把自己商品的價格定價為最有競爭力的價格。為了獲得最有競爭力的定價，在線商家除了考慮：進貨數量和價格、成色和質量、信用度、商品稀缺程度等自身因素外，還特別關心商品價格在什么區間成交量比較好，以及消費者對商品價格的敏感程度，即價格敏感度的量化問題。雖然很多學者的研究表明了一口價價格與成交量成負相關關系，即價格越低，成交量越高，卻很少進行商品價格對成交結果影響的量化研究。如何對消費者價格敏感度進行量化不僅是在線商家考慮的問題，也是電子商務領域研究的一個重要問題。
本文通過分析淘寶網的在線交易數據，以價格及其他影響因素作為控制變量，實證研究了商品價格對商品成交量的影響，以及消費者對商品價格區間的敏感程度，并進行了商品價格與信用度偏相關分析，最后提出了相應建議。
二、文獻綜述
商品價格是影響網上消費者購物決策行為的主要因素之一，消費者對商品價格的敏感程度直接決定了交易行為。
國外研究表明，電子商務市場作為一個典型的信息不對稱市場，網絡消費者價格敏感度不僅取決于消費者搜索產品質量信息成本及對商品價格變動了解程度，還與自身受教育程度和收入水平等因素有關。此外，網絡消費者對價格的敏感度也可以從網上產品價格的離散程度及企業對產品的定價這些側面體現出來。
對于C2C在線拍賣市場， D.Lucking-Reiley(1999)和R.Katkar(2000) 通過構造在線拍賣市場實驗研究方式，P.Bajari(2003)、S.Anwar(2004)和D.Lucking-Reiley(2000)[20]則通過調查、收集eBay網站的在線拍賣數據實證研究方式得出了商家所采用的不同拍賣方式對網絡消費者價格敏感度有影響。
隨著C2C在線拍賣在中國的迅速發展，網上產品價格作為影響顧客滿意度的一個很重要的原因也引起了國內許多學者廣泛關注：
有的學者基于問卷調查方法，得出價格是消費者在進行網購時，作為稍次于產品功能的第二重要考慮因素，而且與消費者選擇店鋪的態度顯著負相關 ；
有的學者利用網上拍賣數據實證研究價格對成交結果影響。崔香梅等（2010）、彭賡等（2008）對淘寶網實際交易數據、李先國等（2009）對eBay易趣網站的實際交易記錄，及岑薇（2009）通過模擬網購實驗得出的數據研究均得出了一口價價格對成交概率有顯著負向影響的結果；
有的學者著重研究了哪些因素對網上產品成交價有影響。鄧之宏等（2009）從市場聲譽的角度出發對淘寶網交易數據進行實證分析，得出賣家信用和賣家是否為專賣店對成交價具有顯著的正向影響，而賣家差評數和賣家受到懲罰具有顯著的負面影響。呂巍等（2006）通過對eBay網絡Mp3競拍的實證分析得到了是否具有網絡參考價、賣家的信用及經驗信息、網絡支付手段的安全性對成交價有較大影響。李原（2008）通過觀察淘寶網手機行業69個手機型號的價格分布發現，消費者介入度、市場中競爭進數目、進入市場時間也可以影響價格成交價。
王元華（2006）則利用數學方法，通過構建模型證明推導得出價格、質量與成交量的關系：如果價格提高的幅度大于質量提高的幅度，或者價格降低的幅度小于質量降低的幅度，都會導致成交量降低。李彥霞（2009）也通過構建消費者購物決策模型,利用消費者效用函數分析推導得出價格對消費者購物決策的影響。
綜合來看，學者進行了大量的實驗研究和實證研究，得到了許多具有理論價值和實踐價值的結論。現如今，在國內如淘寶這樣的在線銷售方式中，一口價定價方式占到了很大的比重。然而在國外，較少有學者進行一口價方式的在線拍賣研究。雖然很多國內學者進行了大量的相關研究，但大都側重于價格對拍賣結果影響的研究上，很少有學者研究商品價格對成交結果的量化研究上，針對商品價格對拍賣成果造成影響的研究，消費者對價格敏感度的量化研究就更少了。
三、理論假設
根據前文對國內外文獻的研究結果，針對一口價交易方式，我們對商品價格、信用等因素對交易筆數的影響作出6個假設。
價格是消費者首先考慮的因素，也是比較敏感因素，因此，提出如下假設：
假設1 一口價價格對成交量有負向影響
用戶對許多商品往往存在一個可接受的價格范圍，若超出此范圍，價格就會變得非常敏感，因此，提出如下假設：
假設2 超出一定的價格區間上限時，價格與成交量負相關；
低于一定的價格區間下限時，價格與成交量正相關
電子商務市場是一個典型的信息不對稱市場，在線交易過程中，買賣雙方之間相互不見面，所以賣家在過去交易中所獲得的信用度和好評率往往成為交易成功是否的重要因素。另外，由于本文采用淘寶網上較為貴重的商品--手機作為研究對象，發票作為消費者向銷貨方要求調換、退貨、修理商品的重要依據，商家是否提供發票以及是否提供商品保修服務，都會降低買家的風險，提高產品成交率。因此，提出如下假設：
假設3 商家信用度對成交量有正向影響
假設4 商家好評率對成交量有正向影響
假設5 是否開具發票對成交量有正向影響
假設6 是否保修對成交量有正向影響
四、數據收集及計量分析
1.數據收集
為了有效地研究消費者對商品價格的敏感程度，應盡可能選取同質的數據樣本，以避免由產品不同質帶來的問題。本文選取淘寶網上交易比較活躍的，以一口價方式競拍的基本同質的諾基亞手機作為研究樣本，利用自編的SPIDER程序在淘寶網上觀察2009年1月-2月期間的交易，以架上期間作為時間周期，收集交易結束時交易數量及其他變量信息將近4萬余條。同時，為了保證數據的真實性，我們對數據進行了篩選，剔除了一些非全新商品及成交量為0的數據，對好評率為0或信用度4以下的數據進行刪除，原因主要是：一是因為這些賣家交易行為不夠成熟，缺乏代表性；二是即使有交易，也可能存在虛假行為。最終我們得到了近3千條有效樣本。數據分析使用SPSS16.0統計分析軟件，采用如下分類線性回歸分析模型：
Y=Xβ+C+ε; E (ε) = 0; Cov (ε) =σ2I
其中，Y為成交量，X為一口價價格、信用度、好評率、有無發票和是否保修等（變量描述見表1）。當然，成交量還受其它多種因素的影響，如商家是否加入消保、商家的產品推廣力度、線下交易等。因此，本模型只能在一定程度上解釋商品價格、信用度、好評率、有無發票和是否保修對成交量的影響。
2.數據分類初始化
在進行分類回歸數據分析時，本文首先對數據中的成交價格、信用度、好評率、有無發票及是否保修進行了分類處理。各個變量的處理方法如下：
（1）成交價格。由于數據樣本涉及10類不同型號的諾基亞手機，每款手機的價格都不一樣，因此本文首先對每一款手機進行大量的線上線下考察，得出每一款手機網上合理價位，并以此價位作為基點，然后通過大量訪談，確定以200元作為每類間的梯度，對價格進行分類初始化。
（2）發票與保修。我們作了如下定義：1代表無發票或無保修；2代表有發票或有保修
（3）信用度按淘寶網采用的分級方法分為了20個等級。
3.分類回歸結果及分析
用SPSS16軟件進行模型驗證和參數檢驗，回歸結果如表2所示：
從分類回歸結果可知F=40.878，P
商品價格對成交量有顯著的負向影響，商品價格越低成交量越高，說明進行網購的消費者對價格具有較高的價格敏感度，他們更喜歡在商品價格低的店鋪瀏覽和購買商品，這與以前學者的研究成果是完全一致的。由回歸系數可知，在其他因素不變的情況下，商品價格每降低一個價格區間，成交量會上升12.7%。
商家的信用度對成交量有顯著的正向影響，且影響較大，說明在網絡這種虛擬空間中信用度高的商家更容易得到買家的信任，從而增加商家產品的成交概率。
好評率在0.05顯著性水平上相關，對此的解釋是淘寶網上大多數買家的中評數和差評數保持在很低的水平，導致商家的好評率普遍較高。
有無發票變量統計上顯著，這與我們的預期假設相符。說明對于手機這種消費水平較高的產品來說，發票可以降低在線交易的風險，提高成交量。
商家是否提供保修服務無統計學意義，這與我們的預期假設不相符。對此的解釋是：一方面：商家所提供的產品保修證明與發票有較強的相關性，都是發生在商品成交基礎上由商家隨產品一并發出的。另一方面，由于網上交易的產品價格比線下要低，有部分買家會因價格而甘愿承擔一定的無保修服務等這樣的風險。
4.相關性分析
本文主要研究消費者對價格的敏感性，但鑒于信用對成交量的顯著影響，因此在做相關性分析時主要選取了價格和信用二個變量，以進一步查看變量之間的相關關系。分析結果（見表3）顯示，成交量與成交價格、信用度均有顯著的相關性。成交價格與交易呈負相關關系，信用度與成交量呈正相關關系，這說明價格越低和信用度高的賣家都可以提高成交概率，這與我們的預期假設相符。
5.用戶敏感度價格區間
詹姆斯.恩格爾等人指出：由于顧客對許多產品往往不注意它們的精確價格，因而，在許多情況下，可能存在一個可接受的價格范圍。如果產品落入這個范圍，價格就可能不被作為一個尺度，然而，若價格超出可接受范圍的上限或下限，價格就變得很重要，同時有問題的產品被拒絕[30]。因此，為了進一步驗證用戶敏感度的價格區間，我們對成交量和分類處理后的價格作分析研究。
由于每一型號的手機均是按實際考察價格加減100元作為中間分類號4，并以200元為價格梯度依次分為7類價格區間，這樣做就可以排除因不同型號手機價格不一致帶來的問題，達到初步研究用戶敏感度價格區間的目的。
在研究過程中首先對實證數據中不同型號但具有相同分類號的成交量進行分類匯總，得到每一價格區間的交易總量；然后對每一價格區間交易量占總成交量百分比進行分析，結果如表4和圖1所示。
分析結果表4中可以看出，網上交易時分類號為4的價格區間成交量最多，占到了總成交量的65.6%，而分類號為4的價格區間正是我們以網上手機實際考察價格加減100元所得出的價格區間。分類號為3和5的價格區間成交量相比分類號為4的價格成交量有大幅度降低，分別為：9.5%和11.9%。也就是說，買家對手機價格在超出實際考察價格的正負100元時變得比較敏感，成交量會急劇降低。
圖1中還可以看出，以分類號4的價格區間為中心，成交價格與成交量基本成倒“U”型結構，這與我們的假設2相符。也就是說，以某一個價格區間為中心，在左邊，成交量隨著價格的降低而降低，而在右邊，成交量隨著價格的升高而降低。隨著價格的升高成交量降低，這和我們上面分類回歸結果及相關性分析結果是一致的。而在某一個價格點的左邊，成交量卻隨著價格的降低而降低，我們對此的解釋是，手機作為一類相對貴重的商品，消費者在網上進行交易時，一般會預先進行相關信息收集，但由于網上交易存在信息不對稱現象：如產品質量及因雙方身份難以確定而引起的網張詐騙等，因此，隨著價格的降低，買家會對賣家的商品質量等方面產生不信任，從而導致了成交量的下降。即消費者在線上進行交易時，當價格超過一定的價格區間時,消費者商家會因為商品太貴而放棄購買,而當價格低于某一價格區間時，又會因為對質量產生懷疑及其他因素而放棄購買。
五、結論與建議
本文通過對淘寶網手機一個拍賣周期實際交易數據分析，研究了網購用戶對價格敏感度的量化問題，驗證了相關假設（見表5），得出商品價格對成交量有顯著的負向影響，價格越低成交量越高。在其他因素不變的情況下，而且商品價格每降低一個價格區間（以200元作為價格梯度），成交量會上升12.省略nic.省略 :2009年中國網絡購物市場調查報告[EB/OL]
[3]崔香梅,黃京華.信用評價體系以及相關因素對一口價網上交易影響的實證研究[J].管理學報,2010年1月
[4]肖尉.C2C網上交易中賣家定價及行為研究[J].湖南科技學院學報,2005年10月
[5]邵丹萍.C2C網上交易模式下的定價策略研究[J].價格月刊,2008年10月
[6]Bakos,J.Y.(1997).Reducing Buyer Search Costs: Implications for Electronic Marketplaces[J].Management Science,43(12),1676-1692
[7]彭賡,陳杰,劉穎,孫玲.信用對在線拍賣結果的影響-基于淘寶網一口價數據的分析[C]. 第十三屆中國信息經濟學會學術年會,2008-07-01
[8]李先國,張茜.基于網站自身數據的c2c在線拍賣運營研究[J].中國軟科學,2009年第1期
[9]劉子龍.基于模式比較的C2C在線消費決策行為研究[J].管理現代化,2007年第5期
［DOI］10．13939/j．cnki．zgsc．2017．30．039
1 量化投資擇時選股的背景與意義
1．1研究背景
量化投資被西方投資界稱為顛覆傳統投資哲學的投資革命，可以追溯到20世紀50年代，在過去的60年里被證明是一種可以對沖市場風險，以概率取勝的高收益投資模式。相較技術投資者和價值投資者，量化投資者憑借其高頻交易和不斷適應市場的量化投資策略，在2008年波及全球的金融海嘯中獲得了遠超其他策略的收益。詹姆斯·西蒙斯所掌管的大獎章基金從成立開始，年均回報率高達38．5％，運用量化的方法而獲得交易的套利。量化投資策略的基本原理是通過對海量歷史數據收集和總結后得到的交易策略，主要是通過高頻交易對市場存在不合理估值進行糾錯，來尋求α收益。
1．2研究意義
從國內現有的采用量化投資方法并且運作一段時間的基金來看，在A股這樣的市場應用更加具有前景，通過量化擇時策略對歷史信息進行分析從而達到預測價格的目的。一般來講，量化擇時選股策略可以分為基本面與市場行為兩類。其中，基本面選股策略中常用多因子模型，重點運用選定的某些因子指標作為股票遴選的標準，通過結果滿足標準作為買進股票的對象，反之不滿足的則作為賣出對象。根據投資者的操作理念、投資風格可以大致分為價值型、投機型等類別。無論何種投資者都會或多或少依據一些因子判斷股票漲跌。然而,當多數交易者同時采用某一因子指標時，促使該因子具有顯著有效性。這些因子和收益率之間有著千絲萬縷的因果關系。
2 量化擇時選股理論的研究
2．1基金擇時選股能力的分析模型
基金分析模型的基本思路一般都基于CAPM模型進行拓展衍生，將基金的擇時選股能力分離和量化，進而做出評測。應用最為廣泛的有：特雷諾和瑪澤(Treynor ＆ Mazuy,1966）的T-M模型、Jensen模型（Jensen 1968）、亨里克森和莫頓的H-M模型(Henriksson ＆ Merton,1981)等。
2．2模型設計及研究樣本的選取與處理
本文以單因素T-M 模型為理論基礎因子，分析三個時間段（2006年1月1日—2007年9月3日，2007年10月8日—2008年10月8日，2007年12月31日—2011年12月31日）各種類型基金的選股以及擇時能力的情況，并分析每個時間段基金經理的能力表現。
分析模型如下所示：
ri－rf＝α＋β1(rm－rf)＋β2(rm－rf)2＋εi
其中：α表示選股能力指標，β1表示基金當時面對的市場系統性風險，β2表示擇時能力指標，εi為殘差項，其他變量表示的含義與Jenson模型相同。
假如β2大于零，那么表明基金經理憑借專業能力和工作經驗，能夠把握市場的機會，做出準確的研判，基金經理具有擇時能力；否則就表明基金經理在能力、經驗，以及把握機會方面還相對欠缺，擇時能力方面較差。參數α表示投資組合收益率差異，在α大于零的情況下，表明基金經理的工作經驗和專業能力在選股方面可以獨當一面，如果個股選擇的能力較高，那么α值越大。需要指出的是，α分離了擇時和選股能力。
為比較不同基金的選股擇時能力，本文采用Wind資訊數據庫中的晨星基金分類標準予以數據篩選，共取得了1443只基金的數據（剔除貨幣型基金和指數型基金）。同時，為了分析各種類型的基金在不同時間段內的選股擇時能力，本文將研究區間分成三個時間段，根據模型相關變量及指標數據的可操作性，最終篩選出384 個樣本，如表1所示。
3 實證結果與分析
以下2表是綜合運用T-M 模型對樣本基金予以回歸分析。通過分析結果，樣本基金的F值均處于5%的顯著水平上通過檢驗，這說明方程的整體顯著性良好，同時擬合優度R2處于0．30~0．79，說明擬合較好。
下面，運用T-M 模型對所有樣本基金進行回歸計算，分別從選股和擇時兩方面的能力對各種類型基金在不同時間段內的統計表現進行分析。
3．1選股能力分析
（1）回歸分析
表2中27 只不同時間段、不同類型的基金T-M 模型的檢驗結果。通過t檢驗結果表明，其中僅有三只基金沒有通過α> 0的顯著性檢驗，而其他的24只基金均通過了α>0的顯著性檢驗。回歸分析結果顯示，有22只基金的α>0，占樣本總數的81%。結果表明樣本內基金經理都具有選股能力，但α的數值都相對偏小，這說明我國基金經理的選股能力尚需提高。
（2）統計分析
通過表3的統計匯總，可以看出，只有債券型基金在2007年12月31日—2011年12月31日期間選股能力系數為負值，而其他基金在每個時間段均具有正向的選股能力，這表明樣本內基金經理都符合考察目的。不過，能力數值普遍偏低。
通過表4、表5和表6分析，股票型和混合型基金的平均選股能力都高于債券型基金，最大值、最小值、標準差等指標也差別不大。絕大多數基金經理具有一定選股能力，但這種能力并不突出。
3．2擇時能力分析
（1）回歸分析
表 2 給出了針對不同類型的27 只基金在不同時段內T-M 模型的檢驗結果。從 t 檢驗來看，只有兩只基金能夠通過α的顯著性檢驗。通過T-M模型的回歸分析，其中9只基金α>0，多數基金表現為負向的擇時能力。
（2）統計分析
從表7 可以看出，只有債券型基金在2007年10月8日到2008年10月8日和2007年12月31日到2011年12月31日兩個時間段內的擇時能力系數大于零，其他的基金在每個時段的擇時能力系數均小于零。
綜合分析，在擇時能力方面，只有債券型基金的表現較好，樣本內基金總體呈現負向狀態。說明我國基金經理的對于未來經濟及股市整體趨勢的研判和分析不夠透徹。
4結論
通過實證分析，得出的結論如下：
（1）選股能力方面，除債券型基金外，所有類型的基金在三個時間段都表現出一定的選股能力，不過能力表現并不顯著。而且，所有表示基金選股能力的標準差相對較小，表明基金經理之間對投資配置、組合的能力差異很小。
（2）擇時能力方面，樣本內基金經理擇時能力不太理想，當市場出現多頭行情，基金經理難以把握機會，以尋求穩定超額收益率；當市場出現空頭行情,基金經理也無法規避系統性風險，及時空倉止損。此外，所有類型基金擇時能力標準差都較大，不同基金經理的表現水平波動較大。
（3）綜合分析，我國大部分基金經理的選股擇時能力和經營管理能力尚需加強，具體表現在擇時能力方面，只有少數的基金經理能夠具備一定的選股能力。這種結果受到國內證券市場特點、基金公司績效考核等客觀原因的影響。相信隨著我國加快完善多層次資本市場體系和基礎性制度，以及基金公司的內部管理體制建設等措施，基金經理的擇時選股水平會進一步提升。
參考文獻：
［1］Treynor D．E．,Mazuy K．．Can Mutual Funds Outguess the Market［J］.Harvard Business Review,1966(17):38-4．
交易風險是一種外匯風險，指跨國公司進行跨國業務取得外幣債權債務后，由于業務發生日的匯率與結算日的不同，而使跨國公司在結算這些外幣債權債務時可能出現的損益。
在固定匯率制或單方面釘住匯率制（中國進行匯率改革前的匯率制度)下，交易雙方之間，如中國和美國，并不會產生交易風險。但在浮動匯率制下，結算貨幣和本國貨幣的匯兌關系產生波動，而匯率波動必定造成一方受益一方受損。在人民幣升值背景下，以美元為結算貨幣、人民幣為本國貨幣的在華跨國公司在出口業務上將面對交易風險，即人民幣的升值將使公司直接受損，而在進口業務上則會直接受益。
交易風險的出現源于匯率的變化和業務發生日與結算日的匯率不同，因此匯率是影響交易風險的關鍵因素。圍繞匯率展開的交易風險管理屬于金融風險管理的分支，金融風險管理的理論發展影響著風險管理水平。
二、金融風險管理相關理論回顧與綜述
金融風險管理的產生與發展主要得益于以下原因：首先，在過去的幾十年時間里，世界經濟與金融市場的環境和規則都發生了巨大的變化。金融市場大幅波動的頻繁發生，催生了對金融風險管理理論和工具的需求;其次，經濟學特別是金融學理論的發展為金融風險管理奠定了堅實的理論基礎；最后，計算機技術為風險管理提供了強大的技術支持。
20世紀60年代后,金融學作為一門獨立學科的地位得以確立。期間產生了金融學理論界和實務界被廣泛接受和運用的經典理論和模型。在風險管理領域，Sharp和Lintner等人創立“資本資產定價模型”（CAPM)，認為風險資產的定價要和其所承受的風險成正相關關系，并通過無風險資產收益率和風險資產收益率的關系作為定價模型。Rose的“套利定價模型”(APT),把影響風險資產收益率的因素加入模型，成功地提出了風險模型在套利技術下的定價原理。Black和Scholes的“期權定價理論”將影響期權價格的因素定量化，提出了決定期權價格的數學模型，從而使得期權成為可以交易的具有市場價格的金融產品，進而成為風險管理的重要工具。
交易風險管理也依賴于管理學的發展。Hunter與Timme(1992)指出,企業管理人發現公司常常暴露在外匯風險中,不管是進口企業或出口商,常常面臨換算風險和交易風險,故經理人必須設計外匯的避險策略。面對多種避險策略，管理人必須評估策略的優劣。
三、交易風險管理一般模型及方法
交易風險管理一般模型主要包括三個方面:一是風險識別和預測;二是對風險控制進行決策;三是選擇合適的風險管理技術。
1.風險預測
交易風險管理是“必修課”，而這門“課程”最重要的基礎就是對匯率變動的預測。
理論上，在匯率波動的量化上，遠期可以參考卡塞爾的購買力平價模型（盡管實證支持并不很有力），而作為短期匯率風險的交易風險來說，利率平價這個套利模型更受推崇，也更具實證價值。
2.風險管理決策
這個環節將會決定采用哪些方法來進行交易風險的管理。一般來說，風險管理的目標分為兩類:一類是成本節約型;另一類是利潤創造型。前者指通過風險管理，使交易風險的損失盡可能小，以節約總成本，選擇這種目標的公司所采用的風險管理技術多為保守型，且管理相對靜態和被動；利潤創造型則是保留風險帶來的收益，并將風險控制在一定程度，以利潤創造為目標的公司使用的風險管理技術較先進，管理更積極，但是會產生新的風險。因為以利潤創造型為目標的公司多采用金融衍生工具進行風險管理，而這些工具本身就含有極大的風險。
交易風險管理和會計風險管理，一般在進行外匯風險管理時不可兼得。跨國公司需要處理好兩者的關系，明確公司更關注哪類風險，并進行相應的風險管理。
3.交易風險管理
正確選擇對外交易中的計價貨幣、外匯儲備、提前和延遲收付款、參加外匯保險等方法可以在成本節約型風險管理中使用。成本節約型企業更多傾向于遠期外匯交易，利潤創造型公司則偏好期貨、期權等金融衍生產品進行套期保值。
四、在華跨國公司交易風險管理常用方法及對在華跨國公司交易風險管理的建議
1.在華跨國公司交易風險管理常用方法
人民幣目前正面臨單方面升值預期，中國采取的是小幅度漸進升值的方式，在華跨國公司可以清楚預期人民幣匯率目前會小幅度持續升值。
目前，中國的金融市場并不完善，多種金融產品、金融衍生品缺失，金融服務滯后。因此，在華跨國公司的交易風險管理只好采用傳統風險管理方法進行單一管理，即只能是成本節約型的風險管理目標，較為被動。
在華跨國公司，目前普遍采用遠期外匯交易進行風險管理。遠期外匯交易保值是交易雙方通過簽訂外匯交易合同,事先約定未來的交割幣種、數量和匯率,到期按預定條件進行實際交割。一般是客戶與銀行簽訂合約,客戶通過這種交易,能保證在未來某一時刻,以確定的匯率獲得所需貨幣,從而有效地避免匯率波動的風險。
2.對在華跨國公司交易風險管理的建議
根據一般模型，以及實證中的情況，對在華跨國公司交易風險管理提出了一些建議:
(1)理論上，在匯率波動的量化上，可以考慮利率平價模型。但是，中國目前的利率并不是完全按照資本市場的供需關系來定的，所以用利率平價模型來進行人民幣匯率變動的量化預測是肯定不準確的。而且，在現階段，人民幣匯率制度還是有管理的浮動匯率制。
根據現實(歷史)經驗，有兩個指標極其需要關注，一個是美元兌人民幣一年期海外無本金交割遠期外匯（NDF）市場上對人民幣遠期匯率的報價，另一個就是中國人民銀行的外匯掉期業務報價。
理論上，根據Kaen和Hachey，Hartman和Swanson的研究，他們考察了美國國內利率引導離岸市場利率的情況，提出了著名的“境內優先說”。用在人民幣匯率上就應該是國內遠期匯率引導NDF。但是，在人民幣匯率上，外匯管制弱化了本土信息優勢的功能，NDF一直充當了匯率波動引導者的角色。NDF比境內遠期要更準確地從事“價格發現”。值得注意的是，在投機資本的驅動指標上，NDF對熱錢的風向標作用明顯不斷增強，同時，國內匯率市場要越來越看重NDF在人民幣匯率問題上的位置和沖擊的力度。NDF目前的日均交易量已經做到了6億美元左右，大約在亞洲外匯市場排名第三，其市場規模和地位進步神速。新加坡作為目前最大的人民幣NDF離岸市場，其報價已經顯著制約了國內人民幣對美元遠期匯率的報價。香港也具有很大的影響力。
另外，中國央行與十家商業銀行于2005年11月25日進行了一筆金額達60億美元的人民幣與美元掉期業務，當時將一年期人民幣與美元的交易匯率定為7.85。2006年11月24日，外匯即期市場上，美元兌人民幣的中間價出現了“驚人的巧合”，報價正好是7.8526。由此可以看出，央行的掉期業務的匯率波動預測極具指導意義。
(2)跨國公司在考慮選擇成本節約型或利潤創造型時應該結合自身情況，甚至針對不同的業務采用不同的目標。一般地，對于金融機構來說，通常采用的是利潤創造型風險管理目標。由于金融衍生工具的實質是創造風險的金融票據，且金融機構的核心業務就是與資產的增值緊密相關，因此將風險杠桿化，使用衍生工具管理風險并創造利潤是首選。相反地，對于非金融機構來講，由于這些公司的核心業務仍是商業交易，所以采取傳統、簡捷、實用的風險管理方式，即對沖風險更為合理。
(3)目前，在華跨國公司的交易風險管理采用傳統風險管理方法進行單一管理。提前、延遲收付款和外匯遠期協議是在華跨國公司最常用的風險管理方式，目前開來也是最實用的理方式。這種保值方式比較靈活,手續簡便,且避險效果好,成本低,因此在國際上也被廣泛采用。此方法簡單實用，目前來看，不足之處就是價格略高，企業難以完全享受到風險管理保值之好處。隨著中國金融市場的完善，人民幣衍生品的成熟，利潤創造型的風險管理勢必成為在華跨國公司未來風險管理的趨勢。因此，跨國公司應該對相關金融衍生產品有全面、深入的了解，并擁有一批專業人才;在用衍生品進行風險管理和創造利潤的時候，也要注意衍生品本身的風險。
(4)跨國公司應該樹立風險管理文化，建立建全風險管理部門、人員、流程等，并根據自身戰略和東道國經濟環境進行合理的風險管理。有能力的跨國公司應該建立全面風險管理體系，將匯率風險作為其中一環融入整個公司的新的適合全面風險管理的框架和流程中去。
[論文摘要] 隨著電子商務的蓬勃發展，電子商務的風險問題日益受到關注，其中的電子商務交易風險更加成為研究的熱點。本文評述了電子商務交易風險及其特點，論述了電子商務交易風險的分析方法和分析模型，探討了需要進一步研究的問題。
由于用戶的超大規模、潛在的巨大價值和信息的快速，電子商務提供了各種商業機會，但其發展也面臨著各種風險災害和不利因數。電子商務的風險問題引起了人們越來越多的關注，己成為信息時代不可回避的問題。
一、電子商務交易風險及其特點
電子商務交易所涉及的交易各方不是當面交換或直接面談，而是在網絡平臺上以電子交易方式進行的，它可以減少消費環節和交易費用，節約時間，跨越空間，作為一種新的形式，它既存在高收益又存在高風險。到目前為止，對電子商務交易的風險還沒有一個明確的范圍劃分，但研究中普遍地把信息安全作為電子商務交易風險的一個方面，用“的風險”來定義與電子商務交易有關的風險，包括網上頁面的破壞、操縱和非授權訪問用戶記錄，互聯網欺騙和長途偷竊，版權的侵害和訪問拒絕等。有的把與電子商務交易有關的風險看作為機密數據的損失可能性，或是破壞、產生和使用數據的損失可能性，或是程序造成身體、精神和經濟上傷害他人的可能性，以及造成硬件損害的可能性。還有的研究關注于電子商務交易中的有關商務風險，認為當一個組織發展或實施電子商務交易策略時，對組織自身負面影響的可能性。事實上，產生電子商務交易風險的因素是多方面的，電子商務交易的威脅來自于互聯網上的安全入侵、隱私入侵、聲望的毀壞、身份的盜用、知識產權的侵犯等多個方面。電子商務交易是一種全球范圍內的活動，它還涉及到不同的、法規和貨幣的流通。類似于傳統的交易活動，也有難以確定利潤、缺少策略、不當的領導和殘酷的競爭等風險的存在。此外，電子商務交易風險的存在還在于過多地依靠賣方或其他第三方，缺少技術上的可靠性和沒有有效專家意見。因此，電子商務交易風險涉及到策略、領導、聲譽、文化、安全、隱私和技術等多個方面。它不僅是技術領域的風險問題，它也是科學領域的風險問題。
二、電子商務交易風險分析的方法
風險的識別和評價是風險分析的兩個過程。當前應用的風險分析方法有很多種，它主要包括Monte Carlo仿真、失效樹分析、事件樹分析 、失效模式、基于可信性的風險分析、文檔分析和模糊分析法等，這些方法依賴有效的信息和要求不同的細節水平對風險進行定量或定性的評價。在電子商務交易風險風險分析中，研究者多是采用模糊分析法對交易過程的風險進行估計和評價。
Monte Carlo仿真根據不確定事件的要求建立概本模型，對各種風險變量(不確定因家)進行風險辨識，按照各風險變量的概率分布產生偽隨機致，使用選定的序列隨機數對模型中不確定的量進行限定，然后進行計算，并對結果進行分析；計算各指標的風險度。
失效樹分析(Fault Tree Analysis, FTA)作為一種復雜系統進行風險預測的方法。在產品設計階段，失效樹分析可幫助判明潛在危險的模式和災難性危險因素，發現系統的薄弱環節。
事件樹分析(Event Tree Analysis, ETA)是風險分析的一種重要方法。它是在給定系統起始事件的情況下，分析此事件可能導致的各種事件的一系列結果，從而定性與定量的評價系統的特性。
模糊分析法(the fuzzy analysis)，將風險分析中的模糊變量用隸屬度函數量化。由于在商務風險評價指標體系中存在著許多難于精確描述的指標，可以采用模糊綜合評價法進行綜合評價。具體是確定電子商務企業風險模糊綜合評價指標集，給出電子商務企業風險綜合評價的等級集，確定評價指標體系中各指標權重，模糊矩陣的確定，模糊綜合評價，評出電子商務風險的最終綜合價值。
三、電子商務交易風險分析的模型
由于電子商務交易是一種新的商務模式，關于它的風險研究還剛剛起步，絕大多數研究者主要是使用解釋結構模型和層次分析法、技術接受模型和-技術模型等。其中，基于層次分析和解釋結構的模型、社會-技術模型主要的分析對象是企業開展電子商務活動的風險，技術接受模型研究的是電子商務活動中消費者購買行為的認知風險。在基于層次分析和解釋結構的模型和社會-技術模型的研究分析中，研究者選擇構成電子商務交易風險的關鍵因素，分析各種可能的不確定性和這些不確定性可能產生的影響。在技術接受模型分析研究中，研究人員用改進的技術接受模型解釋消費者網上的購物行為，電子商務的網上商店集溝通渠道、交易渠道、配送渠道于一身。消費者在采取購買行為時不僅僅會評價其感知利益，還會評估其感知風險。感知風險和感知利益將共同影響消費者的購買意向，進而決定購買行為。
四、需要進一步研究的問題
電子商務交易是一個新興的商務模式，它的發展涉及、、技術和等很多方面，是一個龐大復雜的社會、經濟、技術系統。電子商務交易活動必然受到交易內部條件和外部的影響和制約。電子商務的風險具有復雜性、多樣性和隱蔽性等特點，電子商務交易風險研究涉及信息技術、與運作管理等方面，是一個新的涵蓋范圍較為寬泛的風險研究領域，目前的研究還存在如下的問題：
1．在電子商務交易風險分析模型方面，多是從局部對電子商務活動中的不確定進行探討，對電子商務風險的模型建立研究尚顯欠缺，目前還沒有建立反映電子商務特點的完整全面風險分析模型框架。
2．有關研究采用了很多傳統的定量和定性的風險分析方法，已經應用的定量技術方法過多地依賴統計學分析，定性的技術方法則更多地依賴主觀判斷。這些定量或定性的分析，沒有考慮多個風險因素的相互作用對未來結果不確定性的影響。很多研究僅僅是提出了電子商務交易活動中可能的風險因素，而沒有對這些風險因素可能產生的結果做進一步的定量分析，有的進行了定量分析，但分析僅僅是部分的或不全面的。
3．新的分析方法和技術應用于電子商務交易的風險分析還有待于探索。如應用人工免疫原理和數據挖掘等新的技術，通過對電子商務交易過程中的交易數據進行風險的相關性分析，發現風險因數間內在關系特征以及它們相互的作用對風險的影響。
參考文獻:
[2]Judy E. Scott. Measuring dimensions of perceived e-business risks. Information Systems and E-Business Management Date: 2004 Volume: 2 Issue: 1 p. 3156
[3]D.W. Viehlandm, Managing business risk in electronic commerce, Americas Conference on Information Systems
[3]李龍沫等:系統工程原理及其應用[M].延邊人學出版社，1993.44- 47
[4]許樹柏:層次分析原理[M].天津人學出版社，1988. 41-43
