量化投资（精选十篇）
量化投资 篇1
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
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
黄明：行为金融学和量化投资的应用 篇2
黄明：我一般是以康奈尔大学教授和中欧商学院教授的身份出现的，虽然我在资产管理上有很多年的经验，但今天我还是以一个教授和学者的身份来讲，这样比较合适一些，但这并不表示我对自己的实盘成绩不满意，实际上我对自己的实盘结果还是非常骄傲的。我今天主要讲的是“行为金融学和国内量化投资的应用”。
首先我想给大家介绍一下行为金融学，它的学科你们最近关注到诺贝尔奖，显然知道行为金融学的影响力特别大，Shiller教授获得了最近的诺贝尔经济学奖，但是它又不想不平衡，那就两边安抚一下，就同时颁给了传统理论的现代金融学理论的创立者法马教授，也是我曾经的芝加哥商学院的同事，法马最近经常面带笑容，所以是非常满意了，这一辈子做学术研究。
我简单的这么说，你要来跟我争论市场是不是有效的话，你最好别干这一行了，因为你要想管理好资产，你必须有一个理论框架和信念，你的投资决策能够打败指数，不然我找你干嘛?其实说白了，行为金融学讲的就是市场的非理性，我们可以通过劳动、好的决策打败市场，比指数做得更好一点，所以才需要资产管理的行业，才需要庞大的基金经理行业。
我知道很多私募、公募的朋友，美国是特别有名的基金经理，相当于美国的王亚伟，彼得林奇辉煌的战绩打造了美国最大主动型的基金，彼得林奇的书很多人读过，那本书里面花了很大的篇幅，它基本上认为的理性学术界比较迂腐的东西，我刚开始在斯坦福大学读的就是理性理论这一套，而且我的老师是全球数学金融学最顶尖的两三个学者之一，他是美国金融学会的主席。但是当我到了芝加哥商学院后，接触到了席勒教授，我受到了行为金融学的影响，我认为行为金融学虽然没有理性理论数学上那么漂亮，但它是正确的，因此我就走了这条路。今天给大家简单的介绍一下行为金融学和理性理论的区别到底在哪里，理性理论认为人们是理性的，价格永远是正确的，很多聪明的人弄个计算机模型逮着机会就进去，这些人能够把错误的价格修正过来，所以套利的人能够像警察一样保证价格是正确的。
而行为金融学理论框架有两大支柱，第一，套利是非常脆弱的力量，套利的风险非常大，成本非常大，套利的人经常被打爆，死得也很惨，就像长期资本公司，想套利结果被打爆了，套利有局限性，套利不是看到错误价格就冲上去，套利者是看到错误价格，等它发展到泛滥了，等它开始回归了才敢进去。理性理论回到A股市场，它的理论是市场氛围中傻的散户加上聪明的机构，聪明的机构行
为总是使价格更理性的，这个是非常荒唐的，在A股市场就会明白，市场上很多错误的价格是聪明的机构做出来的，吸引散户进来的，谁说聪明机构只是打击价格，消灭错误价格，这是荒谬的。我认为行为金融学更加正确，它说的是套利者改变不了错误价格，投资者心理偏差就起到了推波助澜的作用了。可以看出来这个学科跟传统的理论不一样，美国的商学院是非常讲究实际的，200多个MBA有160个人选我的课，所以这个课蛮有用的。
紧接着下来我就行为金融学在美国投资的应用，行为金融学往往是属于量化的栏目，但是量化是非常广阔的空间，行为金融学只是一个非常小的空间，这个小的空间只是在扩大，那么量化不是行为金融学范畴的，包括很多高频的就不属于行为金融学，所有行为金融学杂志发表的文章是一到两个月以上的频率，回到A股这个频率得加快，跟着市场的节奏调，但是一般来说高频都是套利、识别等等其他的一些方法，好像张总待会儿就要谈到这方面的东西。
行为金融学在美国的影响非常大，我简单说几个数据，你们看一个学术领域对实战有没有影响力，很简单，你就看这个学术领域教授是不是去做实战了。金融学很多都是迂腐的没有实战价值的东西，我总是认为金融学分两大类，一个是市场投资学，是市场定价，一个是公司金融学，公司金融学的教授是得不到华尔街的邀请，因为他做的东西比较迂腐，比较学术化，和华尔街背离的。金融学有两大领域曾经得到实战派的追捧，碰巧我都碰到过，刚开始做博士的时候，利用深厚的数学建模基础做的就是衍生产品理论，我是赶上了衍生产品理论的晚期，觉得没有意思了，跟我合作的一帮人被华尔街挖走了，做对冲基金，做复杂的模型，如期权定价理论的布拉迪到高盛去了，有人带头了，很多教授都去华尔街了，就看出来这个领域是有施展价值，这是第一批。后来衍生产品不足以支撑教授的研究，我就换了新的领域，而行为金融学走了一大批，比方说我在芝加哥上学的同学朋友，好几年是高盛的数量投资总监、交易总监。
另外随便讲几句话，都跟我非常熟的，三个教授一块做一个基金，又把我康奈尔的一个同事给挖过去了，600多亿美元的管理规模，就几个人一大堆的计算机分享每年的管理费，他们管理费收得很低，因为他们拿着学校机构的钱，这种模式就特别有意思。另外一个同事，我刚去康奈尔的时候，他刚离开康奈尔，我估计可以改善之前1万亿美元，至少几千万美元，8个有两万亿，短短的两三年就成为全球研究总监。因为说白了，当你有2万亿资产的时候你是无法去传统炒股的，所以我也是在他们的鼓舞之下，进入资管行业。
我在美国跟他们拼没有意思，我应用对国内市场的理解，基金在1月份启动，给投资人赚了27%，通过这个传统的产品坦率说，希望把行为金融学的理论结合起来研究出核心的理论，这个是很有挑战性的，国外理论在国内基本上是不太灵，所以你一定要本土化。说到美国了，量化的优势是股票非常的宽广，不是盯着几只股票，而且量化可以跟得非常的及时，他不是隔了几个月，他是每分每秒都可以保持着跟踪，而且量化的成本非常低，现在研究员越来越贵，核心竞争力起来了，但很容易会跑掉，但在量化的核心团队，只要他们的模型做出来了，即使人走掉了但模型却走不掉，能保留竞争力。另外，现在政府监管也越来越严了，量化投资的股票是计算机挑的，不会涉及到内幕交易等。
量化投资还有很多其他的优势，为了这些优势你就必须有一个核心能力就是研发的创新。我今天因为来晚了，没有听到肖风的演讲，他讲金融，很多是跟互联网联系起来讲，我回头要把他的演讲稿好好读，其实金融学里面的很多规律都跟其他的行业非常的类似。比如说英特尔，是全球芯片行业的垄断企业，但是很多人不知道，因为我一大帮哥儿们都在那里工作，英特尔获得全球的垄断，新一代的芯片他推出6个月之后AMD就会了，AMD的产品也很快就出来了，然后有赚6个月的差价，能够提前几个月推出来，他的内部有几个互相不沟通的团队，互不沟通，互相竞争。核心竞争力是有垄断能力的，高利润率的企业，他们最核心的能力就是持续研发创新的能力。
我认为量化最重要的是持续研发创新的能力，只能有一个框架指导，框架轮回的过程中把模型变得越来越好，你不能做别人都会的东西，如果都做一样的东西可能会导致大家最终都没有利润可赚，至少会导致大家一起都停产了，这个就是美国07年8月份的教训。有一批朋友跟我讲的故事是07年8月，那段时间全国的股市都静悄悄的没啥特别，但是在量化领域很多人，很多基金都是以10个标准差方式亏损，10个标准差的方式是怎样的呢?量化投资的风险从“恐龙年代”到现在都不会发生的，你琢磨这玩意儿肯定不会发生，可是在07年8月份很多量化产品每天10个标准差亏损，“恐龙”到现在不发生的事儿现在每天发生一次，就是美国的量化过度了，大家打着类似的策略，从英特尔都变成了加工厂，没有区别了，全部都死得特别惨，所以你要保持创新。我知道有些机构采取很多方法，一定要跟别人的策略是不一样的，做到别的策略对你的影响不大，和市场相关度为零，你要做到这一点的话就是做到持续创新，不断的领先市场，才能持续的享受市场给你的利润。
回到A股，我也不愿意多讲细节的东西，我就讲讲几大体会。当你把行为金融学运用到国内市场，当你把量化投资运用在国内市场，你必须对国内产生的一些新的问题新的挑战作出应对，我的模型理念也要去反应这几点：第一个是择时的重要性，第二个是价值投资在国内是否适用，要怎么去思考它，第三是游资的影响。
第一，择时的重要性，很多人到美国学到了传统的金融学，到国内了就学巴
非特，要挑好的公司一拿就拿十年，我觉得这是对巴非特理论的最大的误解，巴非特说了别人恐惧我就贪婪，别人贪婪我就恐惧，金融危机的时候大家恐惧，他贪婪了一把，他已经赚了100多亿美元还没有完，还在数钱呢，那就是典型的择时。如果你真正的读懂价值投资，就知道市场本身就是要求你必须择时，尤其是波动非常大的市场环境下。择时理论的背后是什么?其实美国这个市场，是世界上最独特的成熟市场，除了最近十年，两大金融危机之外(一个是互联网泡沫，一个是全球金融危机)，在美国你就别择时了，从互联网泡沫时间进去会比较惨，下面要经历半个世纪的两大危机，但是你稍微再等个两年就全部都赚回来了，所以美国这个股市实在是太牛了。第二个原因，美国择时可见度不高，因为美国的市场非常的成熟，你很难有特别过度的估值的误差，互联网泡沫破灭和金融危机期间，择时能赚大钱，但你把这个阶段抹开，美国的市场择时不是它的主流投资方法。彼得林奇晚年写的一本书，教股民如何炒股，我读了第一遍就想读第二遍，美国最牛的基金经理整本书都没有教人如何去择时，这在中国是不可想象的。中国最牛的精英经理不管是公募还是私募的，如果他一点时间都不花在择时上，我觉得是有问题的，短期他的业绩可能表现不错，但他的业绩波动会非常大，跟散户都差不多，作为专业的投资人，最大的优势就是你对风险管理的能力，回撤不能太大。
如果在中国你想做一个好的资产管理者，给投资者一个稳健的回报，不去择时我觉得是开玩笑的。因为不要择时这是美国产生的，单纯靠选股到中国来效益不是特别的好，因为两国的股市有几大不同：第一是股指泡沫高得邪门，往往是美国市场不能理解的泡沫;第二是它的可见度，有时候可预测度比美国要清晰多了，你不信的话到美国、日本、新兴资本市场，你90年泡沫不出来，20多年来还亏60%多，人有几个20年可以亏，就像A股，在我的投资生涯我敢赌，等十几二十年，指数可能都回不到6000点，尤其现在整个转型的结构下，A股只能靠着结构性行情去了。
第二，价值投资在中国是否适用。大家都说价值投资，你看美国的历史，价值投资从来都不赚钱的人的首选，赚钱人的首选是庄家操纵、老鼠仓勾结，这都是赚钱来的快的。美国什么时候才开始有价值投资赚钱呢?是证监会把这些猫腻都全部打下去之后，在30年代初，才产生了价值投资。所以我认为价值投资是在把庄家灭掉了之后，剩下唯一没有太多监管风险的、可行的、长期的赚钱方法，所以大家不要忘了价值投资不是最快的赚钱方法，在中国缺乏它的土壤。我是一笔带过，首先是监管不够，利益输送和虚假披露，虚假披露我这里不展开说。利益输送简直太可怕了，一大堆的利益输送企业，基本上都是国企，我不点名了，你说国企赚了钱，不分红，反而帮政府修路、盖机场，这就是利益输送，那就是给大股东输送，在西方是违法的东西，在我们这儿是合法的，你怎么做价值投资
呢?在西方你不体现价值把你整个上市公司都买了，在中国你敢去买下整家一个政府控股的企业吗?
在美国，激励、兼并收购、积极主义投资、集体诉讼是非常流行的，而在中国并没有相应的土壤。另外，估值也缺乏基础。
最后，我讲一下游资风格对国内市场的影响。其实在国内，你要问什么价值投资最赚钱，还是打涨停板最赚钱，其实不用多说了，打涨停板肯定是最赚钱的。这一点是公募基金很郁闷的，估计很多私募也很郁闷，那是国内的特色，绝对的中国特色，在中国打涨停板可以把一个股票翻到3倍，在美国绝对发生不了，香港也不会发生，因为在美国市场被你打了3倍，当天晚上就要开会，第二天十亿股拍出去，为什么你的公司就值5块钱，人家给你打到18块钱为什么不拍呢?在香港和美国，再融资是董事会决策的，是董事会统领的角色，是不管盈利与否的。而在中国是要证监会审批才能进的，证监会规定一定要盈利、有增长才通过，你不允许融资，没有上司公司拍我，那我就把你打涨停板。这是A股的特色，这个特色还会在A股走很多年，除非证监会把再融资变成一个小时就可以决定的事情，让上市公司自己决定，这种打涨停板的情况才可能会被消灭，但证监会敢不敢承担这种没有基本面的上市公司，随便再融资后出险暴跌的后果。
这个是中国的特色，这种特色使得国内投资者面临很多的挑战，不管你在中国做价值投资还是量化投资，你必须把这一股力量也要考虑进去。这是中国其中一种特色，中国还有很多其他的特色。
申毅:量化投资先锋 篇3
似乎很难想象流体力学和期货交易池之间的关联，也似乎很难想象物理学高才生和金融高手之间的组合，但申毅融合了两者。
上世纪八十年代末，申毅被保送入激光物理专业学习，随后赴美国俄克拉荷马州立大学攻读统计物理，主攻非线性流体力学，直至在博士班攻读并获得物理博士学位。本来申毅完全可以成为一名《生活大爆炸》中那样出色的物理学家、教授，然而他却选择弃物理从金融。
曾经有不少媒体都称呼申毅为“投资人”，但申毅每次都果断地加以纠正：“我是交易者不是投资人，我是极少数非常喜欢交易的人。”申毅曾在高盛集团先后任芝加哥分部副总裁、高盛欧洲部执行交易董事。2002年进入对冲基金管理公司SAM资产定量管理公司担任合伙人。2004年，申毅在上海成立了上海申毅投资咨询公司，以自营资金从事A股套利交易，被称为是A股市场上第一只对冲基金。
2011年8月份，申毅开始募集有限合伙制的“天津申毅”基金产品，当年10月推出，截至2012年1月中旬的净值为1.03元。
在2011年11月底，他还推出了一款结构化产品——申毅量化1号。有趣的是，申毅的投资公司和产品名称均用了自己的名字来命名。他告诉记者，尽管这样做有时会被人误以为是“—人公司”甚至是“皮包公司”，但以此命名的初衷是出于对投资人负责的态度。用自己的名字命名产品，希望产品能够持续地做强做好。
对冲离不开量化
这位喜欢“实名制”的基金经理，在投资界的“标签”已被锁定在“量化投资”上，在谈及量化投资区别于定性投资的鲜明特征时，申毅将量化投资和定性投资的关系比做中医和西医。中医往往通过望、闻、问、切来判断得出结果，很大程度上基于经验。而西医则先要患者去拍片和化验，依托于医学仪器最后得出结论。定性投资和量化投资的具体做法上，前者更像中医，更多地依靠经验和感觉判断病在哪里。后者则更像是西医，依靠模型判断，模型对于量化投资基金经理的作用就像X光对于医生的作用。在每一天的投资运作之前，量化投资会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。
“对冲离不开量化。”申毅表示，量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。因此，量化投资的概念并不算新，不少的国内投资者也早有耳闻，但真正的量化基金在国内目前还比较罕见。
量化首先需要收集投资标的，如一些股票的历史数据，然后将这些数据用计算机软件进行分析和归纳，寻找其中潜在的规律，随后计算机建立数学模型，最后再将历史数据代入数学模型进行测试，进一步修正和完善模型。即可开展小规模的实盘测试并进一步验证模型的正确性，直至将应用模型开展规模交易。
申毅举了一个通过量化对趋势判断的实战案例，即在2009年和2010年间，A股中的小盘股跑赢了蓝筹股，通过量化模型的计算，预测在2011年蓝筹股将跑赢小盘股，于是申毅借助该模型的预测结果，及时“掉头”并从中获得了收益。
在股指期货推出后，他发现A股终于有了做空的工具。他告诉记者，较之海外成熟市场，国内股市的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟，这样一来留给主动投资发掘市场非有效性以及产生Alpha的潜力和空间也更大。
量化投资的技术和方法在国内目前几乎没有竞争者。他举例说，1849年美国淘金大潮中，当矿工们一窝蜂涌进加利福尼亚州努力工作时，都被另一群以卖水和牛仔裤为生的商人赚得盆满钵满。
“现在的证券市场上，定性投资者太多，机会太少，竞争太激烈，而量化投资者太少，因此机会很多且竞争很小，这些都给量化投资创造了良好的发展机遇。”申毅说，“好比大家都在埋头淘金的时候，我们在卖牛仔裤。”
“魔高一尺，道高一丈”
“一只对冲基金的开张，其实和一次小型IPO差不多，只不过对冲基金卖的是挣钱的技术、历史上赚钱的记录和基金经理的人品。”申毅认为，国内本土对冲基金最大的问题在于缺乏主流的资金来源。除国家层面的中投公司、社保基金有一些投资，国企不能投资，民企的钱是营运资金，很难保证6个月不动，因此对冲基金主要的资金来源是高端个人投资者。
目前的量化投资模拟的是人的市场行为，但人是会思考的动物，其市场行为的变化非常之大，导致数学模型的变化也非常大。量化模型类似于计算机安全软件，都是“魔高一尺，道高一丈”的模式，只有当新的计算机安全威胁，如一个新的病毒出现后才会有查杀这个病毒的工具诞生，因此量化模型针对很多具有“黑天鹅”性质的投资市场事件是无法预测的。
“目前国内的股市，还没有到非常适合价值投资的程度，原因在于目前国内上市公司的所有权是无法通过股票进行转让。好比你即使买下了一个超市里所有陈列而至库存的商品，但也绝不意味着这个超市就归你了。”申毅认为，随着国内股市的进一步完善和健全，各类投资机制也将进一步成熟，此时的量化投资将从针对人的市场行为去制定模型，逐渐倾向于按照价值来制定量化模型。
不看好私募“公募化”
作为一名资深的私募经理，申毅对近年来一些私募逐渐开始“大张旗鼓”大力开展各类营销活动的“公募化”举措深感不以为然。他认为，“阳光私募”基金自诞生之日起就应和与追求相对收益的公募共同基金“划清界线”，只有过硬的业绩和复利增长，才是吸引投资人购买的最大理由。另一方面，越来越多的“阳光私募”开始追求管理规模。加之近年来私人银行的深度介入，使得不少过往业绩优异的“阳光私募”获得了庞大的资金支持，新发产品数量越来越多，资产管理规模越来越大。
“规模往往是业绩的敌人，快速增加的资产管理规模如果不能与投研力量相匹配，最终的结果只能是业绩下滑。”申毅表示，对于投资者而言，私募的不断“做秀”而至过度的市场化活动，均增加了运营成本，最后“羊毛出在羊身上”，私募“公募化”的各类成本终将全部转嫁到投资者。
部分“阳光私募”尽管有意识地试图控制规模扩张速度，但在成本高企和渠道压力之下，仍不得不发行更多的产品，希望提取足够的管理费用以购买信托账户和以维系日常开支，最终满足渠道提出的种种要求。但事实上，投资者关心的重中之重是“阳光私募”能否实现绝对收益，而不是其资产的管理规模有多么巨大。如果信托账户费用继续居高不下，如果私募基金继续被渠道“绑架”，那么“阳光私募”未来的发展只能是复制又一个公募。“这显然不是投资人乐于见到的前景。”申毅说。
量化投资理论基础概述 篇4
从上世纪五十年代起, 随着股票、债券、期权、期货以及衍生品市场的蓬勃发展, 以有价证券为标的物的现代投资学作为金融学的重要分支在以流动性为主要目的的金融市场中产生了越来越重要的作用。同时一方面能够为投资者转移风险, 一方面又能够凭借市场的波动获取客观的超额回报, 如何专业化进行投资以及构造低风险高利润的资产组合作为一个重要的课题受到了包括企业政府和个人投资者在内的普遍重视。
从广义上讲, 现代投资学有两个重要的理论分支, 其一是以格雷厄姆在其聪明的投资者一书中提出的以价值评估为核心的价值投资, 其代表的投资策略使用者是著名的投资大师巴菲特。而另外一个重要的分支就是量化投资学, 其基础理论是借助数学建模的理论基础, 广泛使用概率测度, 统计原理和计算机技术对投资标的物进行模型建立, 设定投资策略并由程序来进行择时, 估值和选股。其理论基础是上世纪五十年代由马克维茨提出的投资组合模型理论。
二、量化投资的理论基础
事实上, 量化投资理论是严格基于经典投资理论的两个假设而建立的, 这两个假设分别是市场有效假设和无套利机会原则。市场有效假设认为, 在现代有效金融市场中, 市场是不可能被打败的, 也就是, 不存在超额回报, 回报与风险必然成正比。市场中天然蕴含着一个风险与收益交换的机制, 其中投资者提出需求而市场提供供给, 在一个有效地市场中, 风险回报机制也意味着超额回报由承担超额风险而来。
与市场有效假设紧密相关的是无套利机会原则, 也就是金融市场是不可预测的, 无风险套利机会并不存在。主流的金融理论主张市场是不可预测的, 因为一旦市场能够被预测, 那么它就不再有效, 获取超额回报可以不再承担多余的风险。而投资者会蜂拥而至, 最终抹平无风险套利机会, 市场将重新恢复有效。
事实上量化投资在的基本核心在于其从理论上完成了关证券价值和交易流程的完整概念梳理, 并且通过数理模型的方式用计算机程序模拟了出来。最关键的是, 量化交易理论认为投资在市场中关于收益与风险的机制是动态的, 它并没有排除掉资产回报是有可能超额并且可以预估的这种可能性。在以市场有效假设和无套利机会原则为基础的理论上, 量化投资对市场风险和收益模型提出了自己的看法。
三、量化投资的发展现状
从量化投资的角度, 为了更好地测度和衡量金融市场风险回报架构, 研究者提出了一个量化模型概念, 也就是beta回报和alpha回报, 其中beta回报用于测度市场风险敞口, 而alpha回报用于测度超出市场回报的那部分收益。所有的证券和投资组合收益都可以被看做由市场部分的beta回报和非市场部分的alpha回报组成, 市场部分的beta回报是源于投资者所承担的投资风险敞口的基于市场基准风险的收益, 与量化模型无关。而alpha回报则是那些超过平均市场回报的超出收益, 这取决于量化投资的主动投资水平。
量化投资模型可以被分为动态和静态两种, 其中标准金融模型是静态的, 在该模型中变量的分布不依赖于该变量的历史路径, 而是依赖于一个随机分布。因此, 从标准金融模型的角度上, alpha回报和beta回报都被视作是静态条件下的常量, 不会随着时间而变化。然而, 我们也可以将市场视作一个动态模型, 在动态模型中, 变量的变化会受到历史数据的影响, 而alpha回报和beta回报的概念在不同的动态模型中需要被重新定义。例如, 在线性动态模型中, 我们常常发现长期的均衡会伴随着短期的动态, 也就是alpha回报和beta回报是随着时间变化而变化的。此外, 如果考虑应用非线性关系和更高阶的统计形态 (例如偏态和峰态) 或者非正态分布来对模型进行修正, 我们会发现资产的风险收益回报并不是简单地使用alpha回报和beta回报的线性关系就能够准确描述的。
从金融市场有效性的角度, 动态模型蕴含着更好地对预期收益的可预测性。但是, 并不能说静态模型就不能够更好地去衡量和预期风险收益的大小, 如果能够的到更准确的alpha值的话, 静态模型往往能产生极大地利润同时还可以避免掉动态模型的高昂交易成本。而通常来说, 在考虑无限的可投资机会时, 捕捉市场机会需要在允许的架构内充分使用建模方法进行最优化来对风险收益做出权衡。将大量的资本委托给自动化模型和最优化算法来进行交易需要极大的信心, 所以定量模型的稳健性也成为一个重要问题。
摘要：量化投资是二十世纪以来在传统金融学基础上发展起来的, 依靠计算机技术, 数学建模理论和概率分布统计优化等应用的一门交叉学科, 在经历了世界范围的市场波动的考验之后, 量化投资在后金融危机时代重新受到了广泛的重视, 本文对量化投资的基本原理和其理论发展进行初步的探讨。
关键词：量化投资,alpha收益,动态模型
参考文献
[1]Alizadeh, Farid, and Donald Goldfarb.2003.“Second-Order Con e Programming.”Mathematical Programming, vol.95, no.1:3-51.
[2]Axtell, Robert.2001.“Zipf Distribution of U.S.Firm Sizes.”Science, vol.293, no.5536 (September) :1818-20.
[3]Paul Wilmott, Introduces Quantitative Finance, John Wiley and Sons Ltd Publish, Chichester, 2001.
量化投资 篇5
居：金螳螂（正常偏低）、索菲亚（正常偏低）、格力电器（值得关注）、老板电器（值得关注）
钱：安信信托（极度低估）、兴业银行（极度低估）、海通证券（极度低估）、中信证券（正常偏低）
药：东阿阿胶（低估）、天士力（正常偏低）、汤臣倍健（正常偏低）、迪安诊断（低估）、鱼跃医疗（低估）安：康得新（极度低估）
目前出现了相对低估的机会，可以重点关注哦。本人已在雪球建立量化简财实盘 用于验证这套四位一体的估值体系，有兴趣的朋友可以关注。量化简财-股票价值投资体系：
一、投资铭记
1、不清楚自己的能力圈、忽视安全边际，这是投资者亏损的根本原因。坚决执行不熟不做
二、投资理念
1、坚持股票价值投资，不投机、不赚快钱。
2、买股票就是买公司，注重公司长期稳定的业绩增长、持续不断获取现金流。
3、围绕人们日常生活需求，衣食住行文、电居钱医游，生活离不开，被人需要或者不可替代的龙头或者寡头公司。
三、投资体系
1、好行业、好公司、好价格、低估买入、长期持有、高估卖出。
四、选股体系
量化简财-选股六大标准
1、股票池：围绕人们日常生活需求，衣食住行文、电居钱医游，生活离不开，被人需要或者不可替代的龙头或者寡头公司。
2、成长性：过往以及未来十年至少复合增长率15%以上
3、较高的销售净利率15%以上
4、历年的净资产收益率ROE 保持在15%以上。
5、优良的经营性净现金流净额，要正数，而且最好与净利率数额匹配，能超过最好，或者达到70%。
6、稳定性：过往的经营状况不能大起大落，即便在行业低迷期，也能保持稳定增长。【2018.06.08】量化简财-指数估值数据。目前从滚动市盈率PE-TTM历史估值百分位、市净率PB历史估值百分位，盈利收益率等综合分析评估。市场指数：上证综指 正常偏低 红利指数：上证红利 正常偏低 红利指数：中证红利 正常偏低 规模指数：上证50 正常偏低 规模指数：中证500 低估 行业指数：央视50 低估 行业指数：中证环保 低估 行业指数：地产指数 正常偏低 策略指数：基本面50 低估 策略指数：300价值 正常偏低
目前出现了相对低估的机会，可以进行相应指数基金的定投 【2018.06.08】2018年第24周股票投资小结
一、雪球实盘持仓
1、收益情况
2018年1月1日创建实盘，起始本金5万元，3月份追加本金8万元，5月份追加7万，合计投入本金20万元整。截止本周实盘资产19.50万元（其中市值：12.44万，现金7.09万），账户盈亏-5666元，账户收益率-2.83%。
备注：上证综指年初至今涨幅-11.44%，跑赢上证综指8.60%个点。
2、操盘记录 无
3、当前持仓
二、持仓股票年报、季报情况食：双汇发展
1、双汇发展：2017年双汇发展实现营业总收入505.78亿，同比下跌2.44%，归母净利43.19亿元，同比下跌1.95%，每股收益1.31元。拟每10股派现11元（含税），分红36.3亿，分红率84.03%，股息率4.25%，标准的人现金奶牛。登记日：2018-04-26 除息、除权日：2018-04-27。
2018年第一季度：公司实现营业收入120.60亿元，同比下降-1.38%；实现归属于上市公司股东净利润（扣非）10.10亿元，同比增长23.42%。
年报低于预期、一季度高于预期，继续持有。电：正泰电器
1、正泰电器：2017年正泰电器实现营业收入234.17亿元，同比增长16.13%；实现归属于上市公司股东净利润28.40亿元，同比增长29.98%。拟每10股派现7元（含税）2018年第一季度，公司实现营业收入50.95亿元，同比增长27.99%；实现归属于上市公司股东净利润6.13亿元，同比增长70.59%。
年报超预期、1季报也超预期，坚定持有。行：福耀玻璃
1、福耀玻璃：2017年福耀玻璃实现营业收入187.16亿元，同比增长12.60%；实现归属于上市公司股东净利润30.30亿元，同比下降-1.27%(备注：净利润同比大幅降低主要因一季度汇兑损失人民币2.19亿元，去年同期损失0.35亿元，剔除此影响，实际同比增长17.50%)。拟每10股派现7.5元（含税）2018年第一季度，公司实现营业收入47.48亿元，同比增长13.11%；实现归属于上市公司股东净利润（扣非）5.95亿元，同比下降-13.19%。（利润下降主要受人民币升值产生汇兑损失影响，剔除汇兑影响后公司利润同比增长5.4%)年报符合预期、1季度略低于预期，继续持有。居：索菲亚、华夏幸福
1、索菲亚：2017年索菲亚实现营业收入61.61亿元，同比增长36.02%；实现归属于上市公司股东净利润9.07亿元，同比增长36.56%。拟每10股派现4.5元（含税），登记日：2018-04-24 除息、除权日：2018-04-25。
2018年第一季度，公司实现营业收入12.43亿元，同比增长30.32%；实现归属于上市公司股东净利润1.01亿元，同比增长33.48%。
年报超预期、1季报符合预期，坚定持有。
2、华夏幸福：2017年华夏幸福实现营业收入596.35亿元，同比增长10.08%；实现归属于上市公司股东净利润87.81亿元，同比增长35.268%。拟每10股派现9元（含税）2018年第一季度，公司实现营业收入94.85亿元，同比增长21.48%；实现归属于上市公司股东净利润（扣非）21.58亿元，同比增长30.33%。年报超预期、一季报符合预期、继续持有观望。钱：安信信托、兴业银行、海通证券
1、安信信托：2017年安信信托实现营业收入55.92亿元，同比增长6.60%；实现归属于上市公司股东净利润36.68亿元，同比增长20.91%。拟每10股转2股派现5元（含税）2018年第一季度，公司实现营业收入15.90亿元，同比增长-2.26%；实现归属于上市公司股东净利润10.56亿元，同比增长3.58%。
年报基本复合预期、1季报低于预期，继续持有观望。
2、兴业银行：2017年兴业银行实现营业收入1399.75亿元，同比下降-10.89%；实现归属于上市公司股东净利润572亿元，同比增长6.22%。拟每10股派现6.5元（含税）2018年第一季度，公司实现营业收入353.32亿元，同比增长2.15%；实现归属于上市公司股东净利润（扣非）165.73亿元，同比增长0.51%。
年报、季报基本符合预期，持有观望。
3、海通证券：2017年海通证券实现营业收入282.22亿元，同比增长0.75%；实现归属于上市公司股东净利润86.18亿元，同比增长7.15%。拟每10股派现2.3元（含税）2018年第一季度：公司实现营业收入57.05亿元，同比下降-11.45%；实现归属于上市公司股东净利润（扣非）14.69亿元，同比下降-24.10%。年报基本复合预期、证券行业典型的周期行业，继续坚定持有，等待牛市的来临。医：东阿阿胶
1、东阿阿胶：2017年东阿阿胶实现营业收入73.72亿元，同比增长16.70%；实现归属于上市公司股东净利润20.44亿元，同比增长10.36%。拟每10股派现9元（含税）2018年第一季度：公司实现营业收入16.96亿元，同比增长1.17%；实现归属于上市公司股东净利润（扣非）5.97亿元，同比增长2.02%。
年报复合预期、1季报严重低于预期、继续持有观望。安：康得新
1、康得新：2017年康得新实现营业收入117.89亿元，同比增长27.69%；实现归属于上市公司股东净利润24.74亿元，同比增长26.06%。拟每10股派现0.7元（含税）
2018年第一季度，公司实现营业收入35.50亿元，同比增长31.486%；实现归属于上市公司股东净利润7.15亿元，同比增长32.10%。
年报基本复合预期、1季报复合预期，继续持有。下周计划：继续选择低估品种建仓或者加仓。目前中证500指数、上证红利、中证红利都非常值得定投了，做基金定投的朋友们把握好机会。
声明：以上为本人股票投资实盘操作记录，不构成任何投资决策建议。本人之所以针对以上股票配置，是根据自己的实盘投资体系完成一只包含3~6行业的组合持仓，中长线持有。@今日话题 @今日话题 @徒步投资笔记 @谋财
$正泰电器(SH601877)$
$万华化学(SH600309)$ $上证50(SH000016)$
量化简财=能力圈学习安全边际研究 量化投资策略。专注股票价值投资、港股打新、指数基金投资3个能力圈研究。不清楚自己的能力圈、忽略安全边际、这是投资者亏损的根本原因。--杰明·格雷厄姆
量化投资具有独特优势 篇6
第一个投资优势是量化投资能够做到理性决策。与传统主动投资不同，量化投资是通过量化模型进行交易，剔除了主观因素，按已经编制好的程序进行，不会因为情绪而产生投资冲动，我觉得这是量化投资最大的一个优势。一般而言，量化投资有着模型研究——模型测试——实盘操作这样的流程，首先有一个投资策略，讨论确定其逻辑合理性，随后将其固化为量化投资模型，综合历史回测业绩和风险考量指标进行评测，试运行3至6个月进行虚拟交易，如果试运行结果和历史回测及其他预期结果一致，该模型将得到正式确认，最终将此模型上线交易运行。一旦交付运行，将充分遵照模型的指令进行投资，降低情绪影响，克服人性贪婪恐惧的弱点，做到有计划、有原则、有纪律地进行投资。一般而言，通过这样的流程制定的量化投资策略能够理性决策，获取市场非理性的收益，大概率战胜市场。
在这个过程中，量化投资不仅排除了人为的主观因素，并且可以做到更精确，以精确的值达到一个最优结果，这是量化投资的第二个优势。比如说什么叫成长性好的个股，是每年业绩增长20%，还是更多？什么样的标准才是他选股的标准？一般投资者判断某个行业或个股好坏，往往凭借主观经验与判断，量化投资则有一套完整的逻辑和规则，可以进行有效的评价和识别。比如有观点认为医药行业成长快，量化投资或许会考虑用某个指标去度量成长性，比如ROE增速，如果这个指标超出一定阀值，就可确认该行业确实成长快。从这个意义上来说，量化投资采用量化工具将主动投资逻辑规范化，能够带来规范化的收益。
量化投资的第三个优势是对海量信息的处理。现在沪深两市已经有2000多只个股，和10多年前相比，一个最大的区别是信息爆炸。现在人脑是永远不可能记住这么多信息的，并且对海量数据之间的关联不可能做出迅速判别，而电脑可以做到。
从摩根士丹利华鑫基金数量化投资运行的量化模型来看，量化模型获取的超额收益是非常显著的。除已经实际运行的多因子模型和即将运用在大摩量化配置基金上的行业配置模型外，还有五六个量化模型在模拟运行，包括价值量化模型、成长量化模型、技术量化模型以及事件驱动模型等。截至三季度末，模拟运行的模型均取得明显的超额收益。实际运作中的大摩多因子基金，根据Wind数据统计，截至10月26日，今年以来基金收益率为2.84%，与该基金的小盘风格比较类似的中证500指数则下跌3.17%。
如果采用一个比喻来讲，量化模型好比用以获取超额收益的兵器，不同的模型适用的战场和取得的效果不同。年化30%收益的模型自然很好，年化5%的也还不错，总会有其适用的时机，但它们共同的特点是能够持续的获得超额收益。量化投资就是运行这些兵器捕捉市场的价值边界，因为市场上的股票并不是全都有价值，市场喜欢的股票和行业总会有特点，量化投资就是要选出这类股票和行业的特点，通过数学验证建立模型，形成一种投资模式，达到大概率的成功。与此相对应的是，一些主观投资偶有成功，但往往难以复制，难以获得持续的超额收益。
基于Alpha策略的量化投资研究 篇7
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
量化投资发展趋势及其对中国的启示 篇8
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 篇9
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 篇10
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。
