数量化评价法

　　数量化评价法是指对事物发展过程和结果从数量方面进行描述、分析，采用数学的方法取得数量化结果的评价方法。

　　运用数量化方法评价的特点是侧重于事物的量的方面。

　　数量化评价法的优点：

　　统计分析科学、精确，具有较高的客观性和可靠性，能使一些含糊概念精确化，使主观随意性的程度减弱；可操作性较强。

　　1．评语定量法

　　评语定量法首先要确定评价的若干评语。

　　例如，对某教师课堂教学效果进行评价，其评语是：教学目标、教学内容、教学方法、教学语言、课堂结构、板书设计。然后对该教师的课堂教学按上述评语逐项打分。如非常满意打4分，基本满意打3分，一般打2分，不满意打工分，极不满意打0分。

　　计算公式：

　　F（课堂教学效果）＝F1+F2+F3+F4+F5十F6

　　由此得出总分，满分为40分，设定34分以上为优，30～33分为良，24～29分以下为差。

　　2．加权定量评定法

　　加权定量评定法是为了弥补评语定量法不考虑各因素之间实际存在差别的缺点而提出来的。其主要特点是给每一项评价因素加权。

　　此外，还有其他一些数量化方法。例如，模糊数学法，模糊数学法是指运用模糊数学的理论对一些模糊事物以数量化的描述和运算做出连续性评价结论的方法。

战略量化管理的必然性

　　在上世纪七八十年代，在国际上仅有很少的大公司依靠非财务和非运作的指标进行量化管理的实践。例如美国联合包裹服务公司，他们通过开发劳动力满意指数，使得经理人员可以识别劳动力最不满意的工会选区。这在当时是十分少见的，而今天量化管理已经成为管理的一种趋势，许多《财富》500强的一流公司在进行量化管理的实践。例如希尔斯·罗巴克公司(Sears Roebuck)、联邦快递公司(Federal Express)、通用电气公司、宝洁公司等等，他们利用一套平衡财务和非财务运作的量化措施来帮助管理业务。在这个过程中，已经把量化转变成为平衡的战略量化--一个新的重要实施企业战略的管理工具。例如，运用战略量化管理，1988—1991年强生公司的矫型诊断系统公司(Jonhson & Jonhson’s Ortho Diagnostic Systems Inc.)在总裁威廉·克劳斯(William Crouse)的带领下，实现了销售和利润的增长。如《管理评论》所说，改变的关键是公司的量化系统，这包括雇员的调查过程，它为公司带来了新生。

　　实施战略量化管理并不意味着量化更多的事情。真正有效的战略量化管理并不意味着量化指标的多少，而在于把量化指标瞄准“做正确事情” 。学术研究的成果也进一步证明了上述的结论。例如卡普兰和诺顿认为，最有效的量化包括4个关键部分：财务、内部业务流程、消费者、学习和成长。这4个部分构成一个“平衡计分卡”。卡普兰和诺顿强调，每个一方面对组织的长期战略成功都是关键的，因此，组织需要不断考察这4个领域中少数期望结果和促进因素，实践领域的应用将这4个方面进行了修正，随着虚拟组织数量的增加导致战略联盟和供应商对实施战略重要性的增加，关键绩效量化范围增加了“伙伴／供应商”。

什么是量化资产

　　量化资产，是指如果原所在的企业原来是集体所有制，后来进行股份制改造，作为企业的一员，自然会得到一些企业的股份，然而这些股份不能以现金的方式发给企业员工，而是把企业的所得资产，如地皮、厂房、设备等，划分成股，然后分配给每名职工的资产。

　　对职工个人以股份形式取得的量化资产，暂缓征收个人所得税。只有在股份转让出去后，才需要缴税，缴税方法与财产转让方式一样。

　　国有资产的产权要体现国家的利益，但同时也要考虑实际操作、控制、掌握这个资产的劳动者利益。是劳动者在运作、保证国有资产的保值增值，上交各种税费，保证地方稳定，促进一方经济稳定，劳动者在运作资产时也是排他的，但他们一直处在无产者的地位，这是很不公平的。企业的资产是国家赋与的，但国家的财力也是人民创造的，这里应有一个全体人民与特定群体的人民之分，资产赋与时是全体人民的，创造时就是特定群体的人民，企业作为一个特定群体对财力的贡献是非常大的，尤其对本企业的资产积累的贡献是独一无二的，这个贡献不应只体现为国有资产无穷无尽的鸡与蛋的全转化关系，也可以拿一部分鸡蛋出来蒸“鸡蛋羹”改善伙食。因此，企业的劳动者应对企业的资产有一定的所有权，企业资产所有权应从两个方面来进行理解，一方面是国家赋与的资产，这理所当然应有产权的归属，这种归属的体现是通过所得税、社会价值及资产积累来实现的。另一方面劳动者的创造应得到尊重，国有企业的长期低工资、低福利、多种费用，使很多利润转化成了所得税和承担的社会功能费用。可由两个数据进行比较，一是当年国家投资的现值，二是国有企业多年所交纳的所得税复利现值，对这两个数据进行比较，选择一个合理点，即国有资产价值已被收回了多少，这部分资产相应地应量化给特定群体的国有企业的劳动者，剩下的国有资产可由社会人出资购买。这个特定群体所作的贡献的体现，当然是按贡献的大小来予以分配的，并承担今后的风险。

　　由于国有企业职工多年辛苦奉献，并一直是处在无产者地位，正因为这部分无产者的存在，造成了国有资产的保值增值，资产的积累，以及高额税收。按照党的“十六届三中”全会的精神，产权要归属清晰，流转通畅，我们把这部分资产合理地流转到职工手里，使我们的产权名义上由国家负责，实质上无人负责，变成人人负责，人人监督，这样资产的使用就会被有效地监督。

年终奖怎么花 阿牛智投“连年有余”成股民新选择

       快过年了，今年挣了多少钱、年终奖怎么花，成为社交平台的热门话题。

       现如今很多年轻人已不满足于工资储蓄，而是把目光投向了股票投资，希望通过这样的理财方式让自己的生活水平有所提高。现实情况是，每一批涌进股市的新股民都往往变成了新一轮的“韭菜”，面对海量的股票不知如何选择，选中的股票常常在雷区。大部分股民并没有专业的投资知识，更多的是凭“感觉”，可靠谱的股票投资不仅需要专业的知识，还需要更多精力去实时盯盘。

       专业的人做专业的事，因而不少投资者选择跟着持牌的投资咨询公司和专业投资顾问去理财。

       阿牛智投作为中国证监会核准开展证券投资咨询业务的83家证券投资咨询公司之一，成为一些投资者选择的对象。阿牛智投投资顾问余兆荣联合投研团队打造了一个投资组合“连年有余”，受到一些投资者欢迎。余兆荣表示，“连年有余”优势在于锁定社保重仓股为永恒主题，帮助用户避雷识险；寻找高潜力组合，改善账户收益曲线；智能量化交易抵御人性弱点；资深投顾团队全天盯盘、调仓指令多种渠道通知，比较适合注重账户长期表现的股民朋友。

       据了解，余兆荣曾就职于银河证券等多家金融机构，担任过点掌财经、第一财经等媒体的嘉宾；在知名私募担任过首席操盘手，从业经验丰富，熟悉主力机构交易的习惯和手法，擅长解读游资交易风格和盘口，重视相对确定性和资金安全边际。

量化交易的风险性

　　量化交易的风险首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。

　　一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子股票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出；另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。

　　由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。

　　又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。

　　第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。

什么是量化交易

　　量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

　　量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%，而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。

量化交易的优势

　　1. 严格的纪律性

　　量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。

　　2. 完备的系统性

　　完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

　　3. 妥善运用套利的思想

　　量化交易正是在找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票；与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

　　4. 靠概率取胜

　　这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。

基本面VS量价，哪个量化策略更优？

       近期，量化投资比较热门。但是，对于量化选股的两条路，你知道多少？量化选股本质上也是主动投资，目的是希望通过对各类数据进行分析，获取超越市场β（贝塔）的α（阿尔法）收益。之前我们提到，根据底层数据的不同，量化策略可以有多种细分。比较常见的就是基本面策略和量价策略。这两种策略，哪个更具优势？谁才是未来的发展方向？

1、基本面量化：主动逻辑与量化工具的耦合

       基本面量化是基本面投资和量化投资的耦合，将量化投资工具与主动研究有效结合起来。主动研究更加注重研究的深度，比如对于个股的所有相关信息（包括财务数据、竞争格局、渠道等等）进行深度研究，但是只能覆盖少部分的重点个股，也容易受到研究人员主观情绪的影响，并且不会给出具体的交易信号。

       而量化工具，由于计算机可以快速的处理大量数据，更加注重研究的广度，可以覆盖全市场所有的上市公司，并且策略可回测检验，但是对于中长期的逻辑，量化可能就没办法演绎了。

       基本面量化框架针对各行业板块运行特点构建，纳入财务数据、多元的行业另类数据等，先逻辑后数据，量身定做的模型带来了更高的针对性和可理解性。
       综合来看，基本面量化结合主动投资与量化工具优势，投资比较分散，不依赖市场风格，优势凸显。

2、量价策略

       基于量价因子的量化模型主要通过对海量的量价数据挖掘，寻找投资规律。由于数据量非常大，因此主要是通过机器学习、人工智能等方法来处理数据。并且，由于量价数据每天都在变，模型的调仓换股可能会比较频繁，尤其是高频策略，可能每天都是100%的换手率。

       就目前的市场来说，私募主要采用的是量价策略，而公募由于具备比较丰富的研究资源，多数采用的是基本面量化。

3、基本面逻辑或将强化

       今年，量化基金异常火爆，尤其是私募相关产品，规模持续扩张。但是，近期也出现了头部量化机构的业绩出现较大回撤的情况。这也说明，基于量价的策略，其收益情况是受到了规模的影响。随着市场不断进化，高频交易的超额收益将不断降低，策略的有效性会随着规模的增大而降低，这也是美国等成熟市场的发展经验，近期头部私募相继封盘也印证了这一点。

       随着量化基金规模的不断扩张，量化策略必然要往策略容量更大的低频方向发展；另外，从当前市场情况来看，预计未来仍将是比较分化的结构性行情，对行业或赛道的精选将成为重中之重，量价策略对行业进行中性化处理，直接抛弃了强势行业的β（贝塔）收益，使得量化基金的收益可能很难跑赢押中赛道的主动型基金。因此，基本面量化或将是未来量化投资的重要发展方向之一。

来源：a940303378

6种常见的量化投资策略

       据估计，美国公开市场上大约有90% 的交易使用量化交易，随着投资者的量化技术和建模技术的提高，这一数字可能还会增加。什么是量化交易策略？

       在这篇文章中，我们想探讨一些量化部署的策略。我们会把策略分类，在同一大类中策略之间也会有不同。

量化价值策略

       量化价值策略侧重于股票的价值，寻找预计会随着时间的推移而增加价值的现被低估的股票。一般来说，价值策略的工作原理是划掉“股票世界”中被认为有风险的，并使用估值倍数对股票进行排序，通过分析盈利能力和财务实力等因素来确定其增值的可能性。价值策略的成功取决于找对那些会随时间推移而增值的现被低估的股票。

聪明的 Beta 策略

       Beta 是衡量证券对市场变动的敏感性的指标。它是衡量资产相对于整个市场的表现，如按市值加权的指数所示。例如，波动性比市场大 30% 的股票的贝塔系数为 1.3。通过关注贝塔，投资者可以构建满足其风险偏好的被动管理投资组合。

       Smart Beta 策略旨在通过根据波动性、动量、规模或价值等因素重新加权的自定义指数跑赢市场。与 beta 基金一样，smart-beta 基金与整个市场密切相关，它们包含根据策略规则进行主动选择的元素。

因子投资策略

       因子是与更高回报相关的资产的可量化属性。因子通常分为宏观经济因素和微观经济因素。宏观经济因素包括通货膨胀、流动性和经济增长。微观经济因素包括股价波动、信用水平、股票流动性和质量。因子投资旨在通过投资具有可带来卓越回报的因子的证券，创造一个领先于市场的多元化投资组合。

       因子投资是一套广泛的策略，其中包括我们在此讨论的一些其他策略，例如聪明的贝塔策略。

统计套利

       统计套利是一种定量投资方法，旨在创建高度多样化的投资组合，其中的证券持有时间可能只有几分之一秒。基本策略基于均值回归分析。分析师确定成对或相关证券组的定价效率低下。他们开立被低估证券的多头头寸，并匹配被高估证券的空头头寸，期望价格会回到均值。用于关联证券的方法可能很复杂，统计套利大量使用高频交易技术、定量分析和计算机建模。

事件驱动套利

       事件驱动套利旨在利用历史和实时数据来识别可能对特定业务或市场中的事件做出反应的定价不当的证券。简而言之，事件驱动的套利可能会导致投资者购买股票，预期其价值会在财报电话会议之前或之后上涨。但事件可能要复杂得多，包括监管变更、管理层重组、股东活动等。

人工智能/机器学习策略

       量化投资策略通常依赖于分析师和程序员开发的数学模型和算法。他们对规则进行编码，让算法在现实世界的数据上测试。

       人工智能策略将计算机模型的使用更进一步，部署机器学习技术来分析大量数据并识别可以在交易算法中编码的模式。机器学习允许分析师自动化和加速分析，同时基于比其他方式更微妙和更复杂的模式开发模型。

       水母量化提供广泛的数据和计算服务，以促进量化交易。这些措施包括处理历史数据，标化操作模式，实时性，低延迟，综合历史数据集，回溯测试，高吞吐量的订单录入，管理，执行。

来源：水母量化

千亿私募遭历史最大回撤，量化投资还香吗？

       12月28日，顶尖量化私募幻方发布公告致歉投资者，产品业绩回撤达到历史最大值。

       数据显示，截至12月27日，幻方今年来整体收益为10.76%，中证500指数产品收益率在12%左右，中证1000指数产品收益率在16%左右。

       其中，对冲产品创出了10.66%的历史最大回撤，今年成立的部分新产品，目前仍处在亏损中。

       幻方表示，近期的业绩波动一部分来源于长周期上的持股波动，买卖时点没有选好。另一方面是量化规模扩展太快，策略同质化严重。

       此前，幻方在11月就已宣告“封盘”，不再接受申购，且免除所有产品的赎回费用，直接劝退投资者，规模缩减了近百亿。其实下半年以来，包括明汯、天演、启林在内的十几家量化私募都陆陆续续开始封盘，各家给出的说法都是要控制规模。

       规模似乎已经成了量化基金业绩的杀手，然而，美国头部量化私募规模早已远远超过200亿美金，优秀的策略是可以取胜的，把回撤归咎于规模已经是陈词滥调。

1. 策略单一

       国内量化这几年的发展一直平平无奇，今年前三季度量化私募赚钱效应显著，整体业绩大幅跑赢市场。尤其是9月初，A股日交易量连续维持在万亿以上，其中量化交易贡献了20%的交易量。但自9月中旬以来，量化产品遭遇了一轮大的回撤，今年新成立的产品有的净值已低于0.85。

       目前，头部量化的主要策略是指数增强和中性策略。

       指数增强也就是通过量化模型构建股票组合，然后使用可批量复制的量化T0策略，再搭配上打新。

       这个策略在前三季度市场比较活跃的时候效果很好，但随着成交量的回落，日内T0策略的盈利出现了困难。

       刚好又碰到新股频频破发，打新产品的收益增强效果被削弱了，原本捡钱的机会变成了亏损。

       中性策略是建立在指增产品的基础之上，构建股票与期指头寸的多空组合，配以一定的杠杆，来获取超额收益。

       由于中性策略多空平衡，市场风险远低于一般的主动管理型基金，这类产品一般会给专户提供，往年做得好的年化收益有10%左右。

       而影响中性策略的因素除了指增产品本身策略的稳定性，还有就是对冲工具的成本。

       就拿空头展期最多的中证500合约来说，今年下半年，股指期货贴水成本一直维持在年化6-7%，也就是说，基差变动直接带来了年化7%的损失。

       要知道，2014年那会股指期货还存在升水现象，意味着做空股指期货不仅不存在成本，而且市场会反过来给到一些利润，简直就是躺着赚钱。

       随着对冲成本的不断攀升，必然会压缩策略的超额收益。

2. 伪量化

       有人把2004-2014年这10年归为伪量化时代，其实直至现在，大部分声称做量化的机构都是伪量化。

       国内的量化机构大多是招揽一群高智商、高学历的人才，把所谓优秀的投资策略做成自动化交易，用程序来执行买卖操作。与其说是搞量化，倒不如说是“计算机化”。

       进阶一点确实是有做量化模型的，可大多数还是追涨杀跌。他们把追涨杀跌的策略称之为“动量”，或者趋势跟踪，意思就是涨了就做多，跌了就做空。

       历史数据表明，“追涨杀跌”确实是可以赚到钱的。从美国对冲基金AQR公布的动量策略表现来看，从1880年到2013年长达一百多年的时间，年化收益达到了11.2%。但前提是要严格遵循规则并持续执行策略，毕竟躺赢的故事基本不存在，择时并不比择股容易。

       但可怕的是，各大量化基金的操作策略基本都是趋同的，一旦某k线趋势达到这些策略共同的下单标准，就有可能会一下子触发大量的交易，进而更加加强k线趋势，继而又触发更多的交易，最终导致市场诡异的大幅波动。

       真正的量化是基于数学统计学原理，量化投资在海外已有50年的发展，最鲜明的特征就是对于模型的应用。

       量化模型被认为是个黑匣子，很多事情和现象都无法解释。所以，量化的各项指标需要严格控制，电脑最大的优势就是没有感情地执行命令，模型不会受到市场情绪波动的影响。

3. 红利逐渐褪去

       金融交易本质上是概率的预测，而量化模型基于的是正态分布。正态分布下，收益与风险是成正比的，每一个策略都有对应的收益率和标准差。

       在量化相对成熟的美国市场，投资者能买到的量化基金，年化超额收益普遍是个位数。

       目前看到市场上量化私募所谓的高收益，并不是模型做得有多好，而是风险敞口暴露得更多，背后承担的风险更大了。

       国内量化市场发展至今，良莠不齐的管理人纷纷来分享量化市场的发展红利，今后，仅仅依靠单一策略会越来越难获得超额收益。

       如果严格按照每个策略的收益损失比做回撤标准，还出现大幅回撤的情况，可以好好思考一下是否策略研发能力真的跟不上，不要一股脑把责任推到市场波动不理性上。正如那句话：“保持对市场的敬畏，对策略研发创新持续投入，自然水到渠成。”

来源：格隆汇