時間：2022-05-17 12:26:55
序論：在您撰寫量化投資論文時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
盡管量化投資已經成為市場投資的發展趨勢，但是大多數投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數學模型，而賺錢的投資模型都是機構的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統，設計各種交易手段，有著較為復雜的數學計算與技術要求，現在許多量化投資都是計算機自動執行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統的典型構造，打開了量化投資的“黑箱”。納蘭認為阿爾法模型用來預測市場未來方向，風險控制模型用來限制風險暴露，交易成本模型用來分析為構建組合產生的各種成本，投資組合構建模型在追逐利潤、限制風險與相關成本之間做出平衡，然后給出最優組合。最優目標組合與現有組合的差異就由執行模型來完成。數據和研究部分則是量化投資的基礎：有了數據，就可以進行研究，通過測試、檢驗與仿真正確構建各個模型。預測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現套利組合、市場異象研究中的差價組合等。統計套利策略是經典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內容，基于高速的計算機系統實施高頻的程序交易已經是量化投資的重要利器。丁鵬（2012）將量化投資的主要內容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優勢在于：紀律性、系統性、及時性、準確性和分散化。
二、量化投資“黑箱”中的構造與證券投資學的差異
在傳統的證券投資學中，投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想，后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類，而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術分析，但它可以采用基本面分析，也可以采用技術分析，關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。
（一）資產定價與收益的預測
根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻。基于因素模型的套利定價理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考?？梢哉f，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
（二）無套利條件與交易成本
在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會。現實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風險控制與市場情緒
在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。
（四）執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
三、對量化投資在證券投資教學中應用的思考
從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。
（一）市場微觀結構與流動性沖擊
在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。
（二）業績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風險
在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
（四）2013年諾貝爾經濟學獎的啟示
盡管量化投資已經成為市場投資的發展趨勢,但是大多數投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數學模型,而賺錢的投資模型都是機構的秘密武器,不會輕易披露。另一方面是由于量化投資采用計算機系統,設計各種交易手段,有著較為復雜的數學計算與技術要求,現在許多量化投資都是計算機自動執行的程序交易。另外,量化交易者,俗稱寬客(quants)的交易和故事多多少少增加了量化投資的神秘感。所以,人們一般把量化投資稱為“黑箱”。納蘭(Narang,R.,2012)描述了量化交易系統的典型構造,打開了量化投資的“黑箱”。納蘭認為阿爾法模型用來預測市場未來方向,風險控制模型用來限制風險暴露,交易成本模型用來分析為構建組合產生的各種成本,投資組合構建模型在追逐利潤、限制風險與相關成本之間做出平衡,然后給出最優組合。最優目標組合與現有組合的差異就由執行模型來完成。數據和研究部分則是量化投資的基礎:有了數據,就可以進行研究,通過測試、檢驗與仿真正確構建各個模型。預測市場并制定策略是量化投資的核心,即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發展,量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為,如期現套利組合、市場異象研究中的差價組合等。統計套利策略是經典的量化投資策略,如匹配交易或攜帶交易。近年來,高頻交易成為量化投資的重要內容,基于高速的計算機系統實施高頻的程序交易已經是量化投資的重要利器。丁鵬(2012)將量化投資的主要內容分為以下幾個方面:量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優勢在于:紀律性、系統性、及時性、準確性和分散化。
二、量化投資“黑箱”中的構造與證券投資學的差異
在傳統的證券投資學中,投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想,后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類,而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看,量化投資既不是基本面分析,也不是技術分析,但它可以采用基本面分析,也可以采用技術分析,關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示,本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。
(一)資產定價與收益的預測
根據組合優化理論,投資者將持有無風險組合與市場風險資產組合,獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合,認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價,超過的部分就是超額收益,即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中,法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考?？梢哉f,在因素定價方面,量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇,證券投資學認為,對資產價格的影響,長期應主要關注基本面因素,而短期應主要關注市場的交易行為,即采用技術分析。在量化投資中,主要強調按照事先設定的規則進行投資,這在一定程度上與技術分析類似。但是,在技術分析中,不同的人會有不同的結論,而量化投資則強調投資的規則化和固定化,不會因人的差異而有較大的不同。另外,量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
(二)無套利條件與交易成本
在證券投資學里,流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券,投資者可以自由買賣證券。這主要是為了保證各種交易都能實現,如套利交易。根據套利定價理論,一旦市場出現無風險的套利機會,理性投資者會立即進行套利交易,當市場均衡時就不存在套利機會?，F實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中,對市場中套利限制與非流動性的關注較少,這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下,金融資產交易的過程及其結果,旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中,不同的市場微觀結構對市場流動性的沖擊是不同的。因而,從量化投資的角度看,為了降低交易帶來的價格沖擊,能實施量化投資策略的證券往往都應有較好的流動性,因為交易時非流動性直接影響投資策略的實施。從這個意義上講,量化投資時的交易成本不僅包括交易費用,更主要的是要考慮市場交易沖擊的流動性成本。
(三)風險控制與市場情緒
在證券市場中,高收益與高風險相匹配。量化投資在追求高收益的同時,不可避免地承擔了一定的風險。在證券投資學中,系統性風險主要源于宏觀經濟因素,非系統性因素則主要源于行業、公司因素,并且不考慮市場交易行為的影響。在量化投資中,較多地使用因素定價模型,不僅會考慮市場經濟因素,而且會考慮交易行為等因素,只是不同的模型有不同的側重點,在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外,量化投資還有自身不可忽視的風險源。一方面,量化交易中,部分交易是采用保證交易的期貨、期權等衍生品交易,這種杠桿交易具有放大作用,隱藏著巨大的風險。另一方面,市場沖擊的流動性成本也是量化投資的風險控制因素,理所當然地在圖1的風險控制模型中體現出來。另外,在一般的投資過程中,市場情緒或多或少會成為風險控制的一個對象。然而,在量化投資中,更多的交易都是通過計算機來實現的,如程序交易等,這樣以來,投資者情緒等因素對投資決策的影響相對較小。所以,在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒,主要是通過承擔適度的風險來獲得超額回報,因為畢竟減少風險也減少了超額回報。
(四)執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下,實現投資策略成為量化投資的重要執行步驟。為了達到投資目標,量化投資不斷追求更快的速度來執行投資策略,這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里,技術分析認為股價趨勢有長期、中期和短期趨勢,其中,長期和中期趨勢有參考作用,短期趨勢的意義不大。然而,隨著計算機信息科技的創新,量化投資策略之間的競爭越來越大,誰能運作更快的量化模型,誰就能最先找到并利用市場錯誤定價的瞬間,從而賺取高額利潤。于是,就誕生了高頻交易:利用計算機系統處理數據和進行量化分析,快速做出交易決策,并且隔夜持倉。高頻交易的基本特點有:處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略:自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法:產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行,目前“算法交易”比較流行。算法交易
優化買賣指令的執行方式,決定在給定市場環境下如何處理交易指令:是主動的執行還是被動的執行,是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。 三、對量化投資在證券投資教學中應用的思考
從上述分析可以知道,量化投資的“黑箱”構造與證券投資學之間存在一定的差異,因此,在證券投資的教學中應當考慮量化投資發展的要求。
(一)市場微觀結構與流動性沖擊
在理性預期和市場有效假說下,市場價格會在相關信息披露后立即調整,在信息披露前后市場有著截然不同的表現。在證券投資學里,一般認為價格的調整是及時準確的,然而,現實的世界里,價格調整需要一個過程。在不同的頻率下,這種價格形成過程的作用是不同的。在長期的投資中,短期的價格調整是瞬間的,影響不大。然而,在高頻交易中,這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型:存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響,解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程,認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型,這些市場微觀結構的研究加強了流動性與資產價格之間的聯系,強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容,因而,為了加強證券投資學的實用性,應關注市場微觀結構的內容與發展。
(二)業績評價與高杠桿
對于證券組合而言,不僅要分析其超額收益和成本,還要考慮其風險與業績。在組合業績評價中,一方面要考慮風險的衡量,另一方面則要分析業績的來源。在證券投資學中,組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言,市場時機和管理者的能力依然重要,然而,量化投資的業績評價還應考慮另一個因素:高杠桿。量化交易中,部分交易是采用保證交易的期貨、期權等衍生品交易,這種杠桿交易具有放大作用,在市場好的時候擴大收益,但在市場不好的時候會加速虧損,這些與傳統的業績評價就不太一樣。在一般的證券投資學里,業績評價主要考慮經風險調整的收益,很少考慮其杠桿的作用,這不僅忽略了杠桿的貢獻,而且有可能夸大了投資者的技能水平。
(三)人為因素與模型風險
在量化投資中,非常注重計算機對數據和模型的分析,這突出了量化投資的規則性和固定性。然而,實際中,別看量化采用了各種數學、統計模型,但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究,并借助計算機實施策略,能夠消除很多認為的隨意性。但是,量化策略畢竟體現投資者的交易理念,這一部分依賴于投資者的經驗,一部分依賴于投資者對市場的不斷觀察與更新。實際上,人始終處于交易之中,對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性:決策實施依賴于人的設定,而人的設定不僅依賴于經驗,而且人還會犯錯。人之所以會犯錯,一方面是因為人們對市場的認知是不完全的,另一方面則是人們使用了錯誤的模型。經典的證券投資理論中,股票價格的變動被認為是隨機的,小概率事件出現的機會比較小,但是經驗研究表明股票收益率具有肥尾現象,小概率事件發生的機會超出了人們原先的認識,即市場還會出現“黑天鵝”。更為關鍵的是,量化投資更依賴數學和統計模型,這就使得量化投資存在較大的模型風險,即使用了錯誤的模型。為了防范模型風險,應采用更為穩健的模型,即模型的參數和函數應該適應多種市場環境。近年來,研究表明,證券收益及其與風險因素的關系存在較大的非線性,同時,市場中存在一定的“噪聲”,采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
一、投資組合的基本理論
馬考維茨(Markowitz)是現資組合分析理論的創始人。經過大量觀察和分析，他認為若在具有相同回報率的兩個證券之間進行選擇的話，任何投資者都會選擇風險小的。這同時也表明投資者若要追求高回報必定要承擔高風險。同樣，出于回避風險的原因，投資者通常持有多樣化投資組合。馬考維茨從對回報和風險的定量出發，系統地研究了投資組合的特性，從數學上解釋了投資者的避險行為，并提出了投資組合的優化方法。
一個投資組合是由組成的各證券及其權重所確定。因此，投資組合的期望回報率是其成分證券期望回報率的加權平均。除了確定期望回報率外，估計出投資組合相應的風險也是很重要的。投資組合的風險是由其回報率的標準方差來定義的。這些統計量是描述回報率圍繞其平均值變化的程度，如果變化劇烈則表明回報率有很大的不確定性，即風險較大。
從投資組合方差的數學展開式中可以看到投資組合的方差與各成分證券的方差、權重以及成分證券間的協方差有關，而協方差與任意兩證券的相關系數成正比。相關系數越小，其協方差就越小，投資組合的總體風險也就越小。因此，選擇不相關的證券應是構建投資組合的目標。另外，由投資組合方差的數學展開式可以得出：增加證券可以降低投資組合的風險。
基于回避風險的假設，馬考維茨建立了一個投資組合的分析模型，其要點為：(1)投資組合的兩個相關特征是期望回報率及其方差。(2)投資將選擇在給定風險水平下期望回報率最大的投資組合，或在給定期望回報率水平下風險最低的投資組合。(3)對每種證券的期望回報率、方差和與其他證券的協方差進行估計和挑選，并進行數學規劃(mathematicalprogramming)，以確定各證券在投資者資金中的比重。
二、投資戰略
投資股市的基金經理通常采用一些不同的投資戰略。最常見的投資類型是增長型投資和收益型投資。不同類型的投資戰略給予投資者更多的選擇，但也使投資計劃的制定變得復雜化。
選擇增長型或收益型的股票是基金經理們最常用的投資戰略。增長型公司的特點是有較高的盈利增長率和贏余保留率；收益型公司的特點是有較高的股息收益率。判斷一家公司的持續增長通常會有因信息不足帶來的風險，而股息收益率所依賴的信息相對比較可靠，風險也比較低。美國股市的歷史數據顯示，就長期而言，增長型投資的回報率要高于收益型投資，但收益型投資的回報率比較穩定。值得注意的是，增長型公司會隨著時間不斷壯大，其回報率會逐漸回落。歷史數據證實增長型大公司和收益型大公司的長期平均回報率趨于相同。另外，投資戰略還可以分為積極投資戰略和消極投資戰略。積極投資戰略的主要特點是不斷地選擇進出市場或市場中不同產業的時機。前者被稱為市場時機選擇者(markettimer)，后者為類別輪換者。
市場時機選擇者在市場行情好的時候減現金增股票，提高投資組合的beta以增加風險；在市場不好時，反過來做。必須注意的是市場時機的選擇本身帶有風險。相應地，如果投資機構在市場時機選擇上采用消極立場，則應使其投資組合的風險與長期投資組合所要達到的目標一致。
類別輪換者會根據對各類別的前景判斷來隨時增加或減少其在投資組合中的權重。但這種對類別前景的判斷本身帶有風險。若投資者沒有這方面的預測能力，則應選擇與市場指數中的類別權重相應的投資組合。
最積極的投資戰略是選擇時機買進和賣出單一股票，而最消極的投資戰略是長期持有指數投資組合。
公司資產規模的大小通常決定了股票的流動性。規模大的公司，其股票的流動性一般較好；小公司股票的流動性相對較差，因此風險較大。從美國股市的歷史數據中可以發現，就長期而言，小公司的平均回報率大于大公司，但回報率的波動較大。
三、投資組合風險
我們已經知道，投資組合的風險是用投資組合回報率的標準方差來度量，而且，增加投資組合中的證券個數可以降低投資組合的總體風險。但是，由于股票間實際存在的相關性，無論怎么增加個數都不能將投資組合的總體風險降到零。事實上，投資組合的證券個數越多，投資組合與市場的相關性就越大，投資組合風險中與市場有關的風險份額就越大。這種與市場有關并作用于所有證券而無法通過多樣化予以消除的風險稱為系統風險或市場風險。而不能被市場解釋的風險稱為非系統風險或可消除風險。所以，無限制地增加成分證券個數將使投資組合的風險降到指數的市場風險。
風險控制的基本思想是，當一個投資組合的成分證券個數足夠多時，其非系統風險趨于零，總體風險趨于系統風險，這時，投資組合的風險就可以用指數期貨來對沖。對沖的實際結果完全取決于投資組合和大市的相關程度。若投資組合與大市指數完全相關，投資組合的風險就能百分之百地被對沖，否則只能部分被抵消。
投資組合的系統風險是由投資組合對市場的相關系數乘以投資組合的標準差來表達，而這里的相關系數是投資組合與市場的協方差除以市場的標準差和投資組合的標準差。因此，投資組合的系統風險正好可以由投資組合對大市指數的統計回歸分析中的beta值來表達。投資組合對大市的beta值是衡量投資組合系統風險的主要度量。投資組合的回報率、方差或標準差以及其beta值是投資組合分析和管理中的三個最重要的數據。在投資組合的另一重要理論是在資本市場理論中引入了無風險資產的概念。在實際中，我們可以將國庫券認為是無風險資產。任何投資組合都可以看成是無風險資產和其他風險資產的組合。于是，投資組合的期望回報率可以表達成大市回報率與無風險回報率之差乘以beta值再加上無風險回報率。
國際金融投資行業也廣泛地使用VAR(Value-at-Risk)的方法來分析和管理投資組合甚至公司全部資產的風險。VAR實際上是衡量資產價值變動率的方法。其基本概念是：假設某投資組合的回報率是以正態分布，衡量在確定的概率下投資組合可能出現的虧損金額。VAR值就是用均值減一個標準方差的回報率，可以用來計算虧損。
四、投資組合業績評價
通常有兩種不同的方法對投資組合的業績進行評估。養老金、保險基金、信托基金和其他基金的主要投資計劃發起人一般會考察投資過程的各個主要方面，如資產配置、資產類別的權重和各類別重的證券選擇。這類評估稱為屬性評估。對很多投資者來說，他們更關心的是對一個特定的投資策略或投資機構效率的評價，如對有明確投資策略的開放式基金的評估。這種評估叫做指標評估。評估投資組合最直接的指標是回報率。但只有在相同或類似的風險水平下比較回報率才有實際的意義。從美國開放式互助基金的歷史數據可以看到，增長型基金的beta值最高，系統風險最高，相應在牛市時的回報率最高，在熊市時的回報率最低。平衡型的基金則相反。收益—增長型的基金的系統風險和回報率都在增長型和平衡型的基金之間。由此可見，任何一種基金在一個時期所獲得的回報率在很大的程度上取決于基金的風險特性和基金在當時所面臨的市場環境。在評估基金時，首先應將基金按風險等級分組，每一組的風險大致相同，然后在組中比較回報率的大小。
投資組合的回報率是特定期間內投資組合的價值變化加上所獲得的任何收益。對封閉式基金來說，由于沒有資金的流進和流出，回報率的計算相對比較容易。對開放式基金而言，頻繁的現金流動使普通的回報率計算無法反映基金經理的實際表現。開放式基金的回報率通常使用基金單位價值來計算?；饐挝粌r值法的基本思想是：當有現金流入時，以當時的基金單位凈資產值來增加基金的單位數量；當有基金回贖時，基金的單位數量則減少。因此，現金的流動不會引起凈資產的變化，只是發生基金單位數量的變化。于是，我們可以直接使用期初和期末的凈資產值來計算開放式基金投資組合的回報率。
沒有經過風險調整的回報率有很大的局限性。進行風險調整后評估投資組合表現的最常見的方法是以每單位風險回報率作為評判標準。兩個最重要的每單位風險回報率的評判指標是夏普比例(ShameRatio)和特雷諾比例(TreynorRatio)。夏普比例是投資組合回報率超過無風險利率的部分，除以回報率的標準方差。特雷諾比例是投資組合回報率超過無風險利率的部分，除以投資組合的beta值。這兩個指標的不同在于，前者體現了投資組合回報率對全部風險的敏感度，而后者反映對市場風險或系統風險的敏感度。對投資組合回報率、其方差以及beta值的進一步研究還可以定量顯示基金經理在證券選擇和市場時機選擇等方面的優劣。
【參考文獻】
[1]［美］小詹姆斯L·法雷爾，沃爾特J·雷哈特.投資組合管理理論及應用
[3]陳世炬，高材林.金融工程原理[M].北京：中國金融出版社，2000.
下面我將從論文的目的、結構內容、不足之處三個方面向各位老師作一大概介紹，懇請各位老師批評指導。
首先，在目的和意義上，本文研究將實物期權理論引入城市軌道交通項目投資決策評價過程之中，目的在于完善軌道交通建設投資項目的評估方法和體系，通過完善評估手段，使軌道交通項目價值能夠被更準確地計算和評估，進而幫助軌道交通項目建設方進行科學決策。
當前，將實物期權理論應用于城市軌道交通項目投資評價的相關研究較少，本文成果可作為以投資者為主體，評價城市軌道交通項目價值理論的一個新的思路，同時為決策方法的選擇提供理論支撐，對我國軌道交通基礎設施建設領域的發展有一定的意義。
其次，在結構內容上，本文的基本思路是：首先分析城市軌道交通項目特征并回顧傳統方法在處理項目投資決策問題上的局限性。在此基礎上，分析軌道交通項目特性以及期權特征，并構建基于推遲期權的城市軌道交通項目評價模型。最后，通過實例對投資決策模型進行了驗證。本文的主要研究內容結構如下：
第一章是論文的緒論部分，此章節中首先對城市軌道交通等相關研究背景做了簡要介紹，并對于此次研究提出了其研究的必要性和意義所在。通過文獻綜述，系統闡述了國內外學者和專家對于實物期權等方法的研究過程和現狀，并最后提出本論文的研究內容和框架結構。
第二章對于城市軌道交通項目和投資決策方法兩方面分別做了系統闡述。其中軌道交通項目闡述包含對于城市軌道交通的簡介、分類及特征，重點對軌道交通項目的經濟特征和投資特征進行分析，為下一步研究做鋪墊。在投資決策方法綜述中，重點分析和對比了傳統項目評價方法及實物期權方法。首先是對傳統項目評價方法的闡述，并總結其存在的問題和缺陷。其后，對實物期權方法做了系統介紹，最后總結了實物期權方法應用的基本思路和步驟。
第三章和第四章是本論文的核心部分，本文第三章著手于分析軌道交通項目的期權特征，并建立了城市軌道交通 推遲期權模型，指出了該模型的實際指導意義。
第四章中并運用具體案例進行實證分析和量化的計算，增強論文的說服力。
第五章是本文的最后一章，通過前面兩章的模型構建和驗證，初步總結將實物期權方法應用于城市軌道交通項目的結論，并指出本次研究中未能考量的因素以及可能存在的問題，指出將來進行完善和開拓研究方向。
最后，在不足之處上，關于本文存在的不足以及對未來的展望總結如下：
1、 模型參數的確定較難。城市軌道交通項目價值增長率的數據難以獲得，本文以客流量增長率近似代替。實際上，決定軌道交通項目價值的因素較為復雜，固定資產折舊、維修費用增加、沉沒價值計算等都將影響項目價值。另外，價值增長率的方差難以直接獲得，利用類似項目歷史年數據近似代替的手段無法考量項目未來年的不確定性。因此，模型參數的確定仍需有更準確的測算方法。
2、 在構建推遲期權定價模型中，未能準確得到推遲期權的時間，并將其量化為公式進行計算，給項目確定決策操作時機帶來較多不便，而這正是項目本身的不確定性特征所決定的。
3、 未能考慮存在其他競爭對手情況下的博弈模型。本文構建推遲期權定價模型以及案例驗證均以僅有一個投資者的條件為基本假設，但實際當中往往有多個投資者進行競爭，因此需進一步對其博弈特性及模型進行構建和驗證。
關鍵詞：房地產項目，可行性研究
可行性研究是指在投資決策前,對與項目有關的資源、技術、市場、經濟、社會等各方面進行全面的分析、論證、和評價,判斷項目在技術上是否可行、經濟上是否合理、財務上是否盈利,并對多個可能的備選方案進行擇優的科學方法,其目的是使房地產開發項目決策科學化、程序化、從而提高決策的可靠性,并為開發項目的實施和控制提供參考?？尚行匝芯渴琼椖客顿Y決策的重要依據,是項目立項、審批、開發商與有關部門簽訂協議、合同的依據,是項目籌措建設資金的依據,是編制設計任務書的依據。論文寫作，房地產項目。
1.房地產項目經濟評價特點分析
房地產開發項目的特點是房地產開發項目投資的過程本身就是房地產商品的生產過程,房地產產品的總成本費用之和即為總投資,其財務效益主要表現為生產經營過程中的銷售收入。對于一般的房地產項目而言,經濟評價主要是財務評價,因此房地產開發項目經濟評價,即財務評價的特點：
1.1微觀效益分析與宏觀效益分析相結合,以宏觀效益分析為主
房地產關系到人們的切身利益,不能只看項目本身的獲利能力,還要考慮項目對社會的影響,即考察項目的建設和經營對國民經濟有多大貢獻以及需要國民經濟付出多大代價。在當前經濟形勢下,房地產開發商更應該重視國家宏觀經濟調控政策的方向的分析,根據國家的需求,更多的投資經濟適用房、中小型住房等項目。論文寫作，房地產項目。
1.2定量分析與定性分析相結合,以定量分析為主;
財務評價是可行性研究報告中唯一的量化的評價部分,必須進行數據的預測估算,進行定量分析,定量分析更加直觀,能直接反映項目的效益,據以判別項目的財務可行性。作為資金密集型的房地產業,迫切需要從粗放式開發向集約式開發過度。特別是在當前金融危機下,房地產開發商要擴大開發利潤空間,必須用定量分析的方法,來量化開發過程中的每一項成本支出,擺脫過去粗糙的定性分析,從而真正達到全過程量化監測成本費用,最大限度地降低開發風險。
1.3分析過程中主觀性與客觀性相結合,主觀性所占比重較大;
如實踐中,由于編制財務評價報告的目的不同,委托人及編制人對財務評價缺乏應有的認識和重視,使得財務評價主觀意識較強,受委托人和編制人員影響較大。投資額、房價、銷售量等是編制人員可以對財務效益進行主觀控制的手段。編制人員對風險的態度和對項目的認識也會使財務評價表現出很強的主觀性。
2房地產項目可行性研究過程
2.1以投資機會研究
該階段的主要任務是對投資項目或投資方向提出建議，即在一定的地區和部門內，以自然資源和市場的調查預測為基礎，尋找最有利的投資機會。投資機會研究相當粗略，主要依靠籠統的估計而不是依靠詳細的分析。該階段投資估算的精確度為±30%，研究費用一般占總投資的0.2%～0.8% 。如果機會研究認為可行的，就可以進行初步可行性研究。
2.2初步可行性研究
在機會研究的基礎上，進一步對項目建設的可能性與潛在效益進行論證分析。論文寫作，房地產項目。初步可行性研究階段投資估算精度可達±20%，所需費用約占總投資的0.25%～1.5% 。
2.3詳細可行性研究
詳細可行性研究是開發建設項目投資決策的基礎，是在分析項目在技術上、財務上、經濟上的可行性后作出投資與否決策的關鍵步驟。這一階段對建設投資估算的精度在±10%，所需費用，小型項目約占投資的1.0%～3.0%，大型復雜的工程約占0.2%～1.0% 。項目的評估和決策，按照國家有關規定，對于大中型和限額以上的項目及重要的小型項目，必須經有權審批單位委托有資格的咨詢評估單位就項目可行性研究報告進行評估論證。未經評估的建設項目，任何單位不準審批，更不準組織建設。
2.4可行性研究階段工作精度表
論文關鍵詞：湖北省，GDP，固定資產投資
一、湖北省GDP和固定資產投資的基本情況
1、全省GDP總量和固定資產投資快速增長
1995-2007年，湖北省GDP從2109.38億元增長到9230.68億元，年增長率達13.2%；固定資產投資從1995年的785.09億元快速增長到2007年的4330.40億元，年均增速接近15.52%，成為推動全省經濟持續發展的重要力量。
表1：1995-2007湖北省GDP與固定資產投資(單位：億元)
年份
GDP
固定資產投資
2001
3880.53
1486.55
1995
2109.38
785.09
2002
4212.82
1605.06
1996
2499.77
935.22
2003
4757.45
1809.45
1997
2856.47
1023.50
2004
5633.24
2264.80
1998
3114.02
1156.76
2005
6520.14
2676.60
1999
3229.29
1239.14
2006
7581.32
3343.50
2000
3545.39
1339.20
2007
關鍵詞：采購;數字資源；比例；影響因子
中圖分類號：F49文獻標識碼：A文章編號：1672-3198（2012）15-0169-02
數字資源是高校圖書館的核心組成部分，其在圖書館資源采購中的比例也處于逐年攀升的狀態，甚至在很多館中，數字資源的采購總量已經超出了傳統紙質文獻資源的采購。同時，伴隨著數字技術與計算機技術的發展，讀者對數字資源的接受程度也日益增強。IPAD，智能手機，平板電腦等新設備的出現，也使得數字資源的使用不再僅僅局限于傳統的計算機，各式各樣的移動設備都是讀者獲取、使用數字資源的平臺，空間、地域都不在是獲取資源的限制。因此，如何選取適合于高校圖書館，適合于高校讀者群的數字資源已經成為圖書館工作中的重中之重。
1 當前高校圖書館數字資源采購的現狀
目前，高校圖書館的數字資源采購并沒有一個科學的規范與量化的比對，通常是數據庫提供商將其開發的產品推薦給圖書館數字資源采購部門，采購部門覺得適合學校的發展情況就將其作為試用數據庫提供給用戶使用，然后根據試用情況的結果并結合當年的經費劃撥情況決定是否購買。同時，學術界也有一些針對數字資源質量評價體系建立等方面的研究，雖然對于開展采購工作有一定的參考作用，但在實際操作中還存在著一些問題。圖書館需要一套數字資源采購評價體系量化了解自身的數字資源結構，量化了解適合學校學科發展的數字資源結構，才能做好數字資源的采購工作，更好的為用戶服務，為學校學科發展奠定基礎。
筆者認為，由于現階段無成型的數字資源采購評價體系，導致圖書館無法量化了解自身的數字資源特性，也導致圖書館無法量化了解學校在學科角度上對數字資源均衡性的要求。因而圖書館在數字資源采購中容易憑借自身的偏好，而不能系統、正確的看待整個學校在學科類別上的均衡。最終導致圖書館在數字資源的采購問題上有失偏頗，資源結構不合理，投入大，產出小，未能全面均衡學校所有院系、學科的資源需求。
2 建立數字資源評價采購體系的意義
要做出合理的數字資源采購決策，需要了解圖書館自身資源針對學校學科專業的結構比例，需要了解學校學科發展所需要的資源結構比例，而這些并不能單憑部門的喜好來決定，需要有一個科學、量化的過程，用數據說話，用事實說話，才能作出正確的判斷。
理想的數字資源評價采購體系可以對數字資源從學校學科專業的角度進行量化比對，有助于圖書館了解自身數字資源結構特點。同時可以對學校院系、學科的數字資源需求進行量化比對，得到適合學校學科發展的數字資源結構比例。
科學獲得數字資源現狀和數字資源需求現狀的量化數據后，圖書館可為數字資源采購作出整體規劃。進而從科學量化的角度做好數字資源評估采購工作，避免采購工作中的盲目性，均衡各院系專業間的資源需求，構建適合學校學科建設的數字資源結構體系，為學校學科發展夯實基礎，做好鋪墊。
3 科學建立數字資源評價采購體系
3.1 了解圖書館現有數字資源結構
目前，高校的學科、專業日趨多樣化，專業之間的交叉也較為普遍，例如外語專業的學生并不是單純的學習外語，還需要掌握計算機的知識，而計算機專業的學生也不是單純的學習計算機技術，還需要適當的掌握外語。同時，數字資源之間也同樣存在的交叉、覆蓋、重復的問題。因此按學校學科類別對所有數字資源進行分析統計是一件復雜的工作，需要仔細的按系統化來清理，按量化來操作，詳盡科學的分析是研究的基礎，這樣才能得出對學校發展有益的真實數據。
高校購買的數字資源包括期刊論文、博士論文、碩士論文、會議論文、電子書、試題、音視頻文件等，需要根據內容分配不同的影響因子，一般來講，博士論文的學術價值要大于碩士論文，影響因子就會較大，而期刊論文的劃分更為復雜，以我校為例，《湖北經濟學院學術期刊分級分類目錄（2007年版）》（簡稱《目錄》）是依據《2006年度CSSCI來源期刊目錄》（南京大學）、《中文核心期刊目錄總攬》（2004年版，北京大學圖書館）和《2006年版中國科技期刊引證報告（核心版）》，并結合我校實際情況制定的，《目錄》中的期刊分為A、B、C、D、E五個級別。對于不同等級的期刊需要給予不同的影響因子。電子書中有專業性書籍與一般性書籍的區別，音視頻文件中也有專業性教學內容與一般性科普內容的區別，因而也需要給予各自不同的影響因子。
影響因子的確立不能盲目確定，需要集中專家、學者的力量統一定制，需要考慮到各個方面的綜合影響，如期刊成立的時間，花費的成本，學術界影響等等因素都需要兼顧。而且隨著數字技術的發展，數字資源的類型可能還會增加，需要根據不同的情況給出不同的影響因子。
假設以10作為最大影響因子，博士論文與A級期刊的影響因子為10，B級期刊的影響因子為9，碩士論文、會議論文、與C級期刊的影響因子為8，D級期刊與專業性電子書的影響因子為7，E級期刊的影響因子為6，F級期刊與專業性教學類音視頻文件的影響因子為2.5，試題類的影響因子為1.5，科普性書籍、一般性雜志與科普性音視頻文件的影響因子為1。
依據制定好的數字資源影響因子就可以結合數據庫在院系、專業中的具體應用而得出院系、專業實質上占有數字資源的比例。
