量化投資與分析精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的量化投資與分析主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：量化投資與分析范文

量化投資重在風控

近幾年，國內基金公司都在積極推出量化投資產品。但市場人士認為，目前國內的常見“量化”基金，實質上大多是“量化選股”基金，從量化的風險控制到量化的交易，整個決策流程依然靠傳統的方法。

國內著名投行宏觀策略研究員的工作積累，華爾街量化投資的歷練，使華商大盤量化擬任基金經理費鵬對量化投資的A股應用有著自己的心得。他認為，量化投資最大的優勢在風險控制上。與傳統的價值投資“越跌越買”的理念不同，他認為量化投資應該是主動對市場風險進行判斷，通過技術分析、量化模型分析等判定風險，在確定風險之后，及時對倉位進行控制，及時止損。

費鵬認為，目前市場上的量化產品將研究的重點放在擇股和行業配置上，缺乏有效及時的風險響應體系，而從國外的經驗看，量化的一大特點就是對風險的預判。因此，華商基金量化投資團隊在吸收國內外先進經驗的同時，在模型設計之初，便將核心定為風險控制。

在設計中，華商基金量化投資團隊借助了包括從統計信息學角度出發的信息熵值（Entropy）的變化、從分形理論出發的市場模式（P atter n）的變化、從金融物理學角度出發的金融泡沫統計指標的變化、從市場微觀結構出發的分析師一致預期分歧的變化和趨勢等，構建風險模型，對中短期系統風險進行定量分析，依靠基金經理和研究員對宏觀經濟發展狀況、人口與社會的結構性特征、經濟產業周期等因素的分析，對長期風險進行定性分析。

量化投資堅持追求絕對收益

提及量化投資，人們就會想到西蒙斯用公式打敗市場的經典案例。但這一投資工具在被引入國內投資市場之后，并沒有展現其神奇的威力。根據wi n d數據分類顯示，目前市場上有19只量化基金，2 012年可統計的15只量化基金平均收益率僅為2 . 5 5%（同期滬指上漲3 .17%），國內發行的量化基金的表現不盡如人意。

在費鵬看來，國內的量化基金僅僅是“量化選股”，追求相對收益。他認為，量化投資的核心應該是風控，堅持追求的則應該是絕對收益。

相比而言，目前國內公募量化基金多采用多因子模型，而多因子模型的設計原理是把價值投資理論通過數字模型加以表達。在實際測算中，華商基金量化團隊每日漲幅居前的股票中，會有所謂投資價值較少的“垃圾股”，很難通過價值投資理論解釋。

對此，華商量化投資團隊在設計選股模型時，更多的是通過捕捉市場的異常波動，尋找股價波動的非基本面的因素。通過對數據挖掘，建立初選股票池，然后按照行業分類，結合基本面研究，通過行業研究員調研，尋找相互印證支持依據，在分析手段上更多了對隱性信息的補充。

第2篇：量化投資與分析范文

【關鍵詞】量化投資 量化投資策略 資產配置

量化投資是投資者借助計算機信息化建立數學模型，把最新市場數據和相關信息輸入到模型中，通過公式計算出投資對象，做出最優投資決策。量化投資不依靠投資者的感覺直覺，不依賴個人判斷，而是將其經驗利用信息通過模型實現投資理念。同時，投資者期望達到收益和風險的合理配比，利用夏普比率等科學方法控制收益和風險。量化投資者不用每天重復的分析瑣碎信息，只需要不斷完善這個模型并不斷創造新的可以盈利的模型。

二、量化投資策略

（一）量化投資策略分類

量化投資策略，主要包括量化擇時策略、統計套利策略、算法交易策略、組合套利策略、高頻交易策略等。

（1）量化擇時策略是收益率最高的一種交易策略，通過對宏微觀指標的量化分析判斷未來經濟走勢并確定買入、賣出或持有，按照高拋低吸原則獲得超額收益率。在量化擇時策略中，趨勢跟蹤策略是投資者使用最多的策略。量化擇時分析策略包括：趨勢跟蹤策略、噪音交易策略、理易策略。

（2）統計套利是風險套利的一種，通過對歷史數據的統計分析，利用統計學理論，估計相關變量的概率分布，判斷規律在未來一段時間內是否繼續存在。統計套利策略包括協整策略和配對利差策略、均值回歸策略以及多因素回歸策略。

（3）算法交易又稱為自動交易，主要是研究如何利用各種下單方法，降低沖擊成本的交易策略，將一個大額交易通過算法拆分成數個小額交易，以此來減少對市場價格造成沖擊，降低交易成本。算法交易策略包括交易量加權平均價格策略、時間加權平均價格策略、盯住盤口測量、執行落差策略、下單路徑優選策略。

（4）組合套利策略主要針對期貨市場上的跨期、跨市及跨品種套利的交易策略。組合套利策略包括均衡價格策略、套利區間策略、牛市跨期套利、熊市跨期套利等。

（5）高頻交易是一種持倉時間短、交易量巨大、交易次數多、單筆收益率低的投資策略，人們從無法利用的極為短暫的市場變化中尋求獲利的計算機化交易，依靠快速大量的計算機交易以獲取高額穩定的收益。高頻交易策略包括流動性回扣交易策略、獵物算法交易策略和自動做市商策略。

如下是量化投資中幾種主要的投資交易策略：

（1）趨勢跟蹤策略。趨勢跟蹤策略追隨大的走勢，向上突破重要的壓力線可能預示著更大一波的上漲趨勢，向下突破重要的支撐線可能預示著更大一波的下跌趨勢。趨勢跟蹤策略試圖尋找大趨勢的到來，在突破的時候進行相應的建倉或平倉的投資操作來獲得超額收益。

趨勢型指標進行擇時的基本理念是順勢而為，跟蹤市場運行趨勢。在趨勢策略中使用的技術指標是最多的，常用有：移動平均線（MA）、平滑異動移動平均線（MACD）、平均差（DMA）、趨指標（DMI）等。

（2）噪音交易策略。噪聲交易是指交易者在缺乏正確信息的情況下進行密集交易的行為。有效市場中噪聲只是一個均值為零的隨機擾動項，但市場并不總是有效的，市場上有很多異常信息，往往有人能夠提前獲得這些異常信息，很可能對投資的判斷提供重要的價值。噪聲交易策略的運用主要是機構投資者通過計算得到市場的噪聲交易指數，監測該指數的變化，根據其變化來設計量化交易策略。

（3）協整策略。在統計套利策略中，協整策略是應用最廣泛的一種策略。協整套利的主要原理，是找出相關性最好的幾組產品，再找出每一組的協整關系，當某一組投資產品的價差偏離到一定程度時建倉，買入被低估的資產、賣出被高估的資產，當價差均衡時獲利了結平倉。協整策略包括協整檢驗、GARCH檢驗、TARCH檢驗以及EGARCH檢驗。

（4）多因素回歸策略。多因素回歸策略，也是一種被廣泛使用的投資策略。這一策略利用影響投資收益的多種選擇因素，并根據其與收益的相關性，建立多元回歸模型，簡化投資組合分析所要求的證券相關系數的輸入，這類方法的代表是套利定價模型。

（二）量化投資策略組合

量化投資策略組合綜合考慮交易商品、策略類別、策略數量、時間周期因素。量化投資策略組合相比較單一投資策略有以下優勢：

（1）策略組合降低了對單一策略的依賴，當單一策略失去競爭力，使用策略組合的方式，可以利用不同產品價格變化、變化幅度、周期等多個方面把握投資機會，在一定程度上保證了穩定的收益率，盈利機會更多；

（2）策略組合可以分散單一策略的交易風險，降低風險，通過策略組合將投資風險分散化，盡可能規避市場風險、策略風險及系統風險等。

三、量化投資資產配置

資產配置是指資產類別選擇，即投資組合中各類資產的適當配置及對這些混合資產進行實時管理。量化投資管理打破了傳統投資組合的局限，它與量化分析結合，將投資組合作為一個整體，確定組合資產的配置目標和分配比例，深化了資產配置的內涵。

資產配置包括戰略資產配置和戰術資產配置兩大類。戰略資產配置是長期資產配置，針對較長時間的市場情況，控制長期投資風險以達到收益最大化。戰術性資產配置是依據資產預期收益的短期變化，獲取超額收益的機會。因此，戰術資產配置是建立在長期戰略資產配置過程中的短期分配策略，二者相輔相成。在長期投資活動的戰略資產配置下，戰術性資產配置利用其積極的靈活的投資機會，適當的配合戰略資產配置，獲取較高收益。

四、前景展望

在量化投資飛速發展的今天，它己經成為金融市場中不可忽視的一個領域，中國的金融市場在逐步發展及完善，中國的量化投資也會繼續發展和前進，隨著量化投資方面的加大投入，量化投資的進程加快，中國量化投資的前景無限。

參考文獻：

第3篇：量化投資與分析范文

從業績來看，量化基金的長期業績表現相當不俗。根據中信證券、Wind統計數據顯示，2010年底已經打開申購、贖回的量化基金中，有5只是以滬深300指數作為業績比較基準的，這5只基金從建倉期結束到2011年5月6日均跑贏滬深300指數，年化超額收益率平均為9.1%。

不過，雖然國內量化基金業績不俗，這兩年來規模也有顯著提升，但是與國外市場量化基金在共同基金總資產中占比16%相比，國內量化基金還有非常大的發展空間。而伴隨著中國市場有效性的逐步增強，量化基金未來的業績也有很大想象空間。

此前國內量化基金產品數量多達12只，但是大多以大中盤股票作為投資標的，而申萬菱信量化小盤基金則是一只專注于小盤股投資的量化策略基金。將投資目光鎖定小盤股，主要是看中小盤股長期優秀的業績以及高成長性。1996年到2001年的A股長牛市中，小盤股大幅超越市場；2009年之前，小盤股整體走勢與大中盤股接近；從2009年中開始，小盤股走勢大幅超越大盤股；到了2010年，雖然A股市場整體表現不佳，但許多小盤股漲幅卻仍然翻番。

除了業績表現出色外，小盤股本身也非常適合量化投資。首先，目前分析師研究充分覆蓋的股票主要是白馬股，大量的小市值上市公司沒有被覆蓋或只被少量分析師覆蓋。如果想從基本面分析的角度去投資一個小盤股，往往找不到反映上市公司最新情況的研究報告，這就為量化投資提供了用武之地。其次，由于目前A股市場中有1500多只股票可以劃在小盤股的范疇內，因此用基本面分析的方法去研究這么多股票很難對每一只股票都做深入的分析。而即便是發現了優秀小盤股，受流動性、基金契約和監管部門的限制，也無法投入較多的資金。用量化的方法分析小盤股，通過比較同行業股票的估值、盈利能力、成長性以及近期走勢等，則可以以較低的研究成本獲取投資收益。

第4篇：量化投資與分析范文

股神巴菲特的價值投資理念已經深入人心，他利用個人經驗和智慧判斷進行的投資受到投資界的推崇。不過，與巴菲特這種重思想、重洞悉力的定性投資模式所不同的量化投資，在美國也取得了成功。

數學家成“最賺錢基金經理”

在美國投資界，相比聲名顯赫的巴菲特，西蒙斯雖罕為人知，但他所管理的大獎章基金，從1989年到2006年的平均年收益率高達38.5％，凈回報率已超過巴菲特。即使在2007年次貸危機爆發當年，該基金回報仍高達85％，西蒙斯也因此被譽為“最賺錢基金經理”、“最聰明億萬富翁”。

西蒙斯的投資成就，就是來自于定量投資。在進入華爾街之前，西蒙斯是個優秀的數學家，24歲就出任哈佛大學數學系教授。

與巴菲特的價值投資所不同的是，西蒙斯依靠數學模型和電腦管理著自己旗下的基金，即用數學模型捕捉市場機會，由電腦作出交易決策。他稱自己為“模型先生”，認為模型比個人主動投資可以更有效地降低風險。在他的公司里，雇員中有超過三分之一的人擁有數學、統計學和自然科學的博士學位，而華爾街高手只有兩位。該公司從不到商學院中雇傭職員。

不依靠華爾街的經濟學家和分析師，西蒙斯也為投資人創造了驚人的回報。

其實，定量投資與量化基金在海外的發展已有30多年的歷史，其市場規模正在不斷擴大，投資業績穩定增長，市場影響力不斷提高，已成為海外基金管理公司提高管理能力，擴大產品線長度、廣度和深度，分散基金管理風險及服務細分市場的重要工具之一。

投資思想融入數學模型

據嘉實基金公司的王永宏博士介紹，定量投資和傳統的定性投資本質上是相同的，兩者都是基于市場是非有效或弱有效的理論基礎，投資經理可以通過對個股估值、成長等基本面的分析研究，建立戰勝市場、產生超額收益的組合。不同的是，定性投資管理較依賴對上市公司的調研，以及基金經理個人的經驗和主觀判斷，而定量投資管理則是“定性思想的理性應用”。定量投資的核心投資思想包括宏觀周期、估值、成長、盈利質量、市場情緒變化等等。

俗話說，“條條大路通羅馬”。巴菲特與西蒙斯的投資理念與成功，說明投資沒有一定之規。

以巴菲特為代表的一類投資家認為，“現實世界是極為復雜的，經驗與思考才是財富制勝之道”。因此，其成功的關鍵，不是頂級的科技，而是對市場的理解、洞悉和不隨波逐流的勇氣。即以“人”的因素造就財富的增值。

西蒙斯代表的一類投資家則被看作是推論公式、信任模型的數學家。他們利用搜集分析大量的數據，利用電腦來篩選投資機會。并判斷買賣時機，將投資思想通過具體指標、參數的設計體現在模型中，并據此對市場進行不帶任何主觀情緒的跟蹤分析，借助于計算機強大的數據處理能力來選擇投資，以保證在控制風險的前提下實現收益最大化。

目前量化投資觀念也在中國興起，量化產品正開始萌芽。新發行的嘉實量化阿爾法基金就是量化投資產品，其試圖將投資專家的銳利洞悉和數學家的嚴格客觀進行整合，在基本面分析的基礎上，提煉出產生長期超額收益的投資思想，借助計算機系統強大的信息處理能力構建定量模型及投資組合，并根據市場變化趨勢及時動態調整，加上基金經理嚴格遵守紀律性投資法則，使該基金在融合定性投資思想精髓的同時。能夠規避基金經理個人情緒對組合的影響，有效克服人性弱點，力爭取得長期、持續、穩定的超額收益。

此外，嘉實量化阿爾法基金將以全市場、全策略選擇投資對象，360度的全市場掃描，避免基金經理個人偏見、精力不足造成選擇范圍的局限，充分分散風險，以解決基金業績和規模相互約束的矛盾，并通過精細化的投資運作，掌握細微的結構性投資機會。

量化投資是否適合中國

談到量化投資方法在中國是否適用，嘉實量化基金擬任投資經理王永宏告訴記者，由于量化投資是一種主動投資策略，主動投資的理論基礎就是市場非有效或弱有效，基金經理通過對個股、行業價格變化的驅動要素的分析研究，可以建立投資組合，從而戰勝市場，獲得超額收益。

他認為，與海外成熟市場相比，A股市場的發展歷史較短。投資理念還不夠成熟，相應地留給主動投資發掘市場的潛力和空間也更大。定量主動投資以基本面分析為驅動，以全市場、多維度的視角廣度掃描投資機會，在中國市場的應用將更顯其優勢。

嘉實總經理助理陶榮輝指出，利用具有定性思想的定量分析，讓量化模型與基金經理相結合，不僅讓基金投資變得更加完美，也能把基金經理和投資總監們從瑣碎的日常信息分析中解放出來。基金經理可以花更多的心思考慮市場趨勢的變化、結構的變化，以及向模型中添加哪些新的信息，投研總監也有時間去考慮市場上的“黑天鵝”事件了。

量化基金業績有所分化

目前市場上已經有了多只以量化為投資策略的基金，如光大保德信量化核心、上投摩根阿爾法基金等。

相關資料顯示，前者是通過光大保德信獨特的多因素數量模型對所有股票的預期收益率進行估算，個股預期收益率的高低直接決定投資組合是否持有該股票。同時。投資團隊從風險控制的角度出發，重點關注數據以外的信息，通過行業分析和個股分析對多因素數量模型形成有效補充，根據預先設定的風險目標構建投資組合。

后者以量化指標進行個股篩選。然后研究團隊將對個股進行基本面審核，結合跟蹤誤差的緊密監控，以求不論指數高低、市場多空皆創造主動管理回報。

從業績上看，上投摩根阿爾法的表現更穩健，基本處于同類基金的前三分之一位置，其較強的選股能力或許正是量化投資的成果。

然而。量化投資在中國還不是很普及，能否在中國獲得更多投資者的信任，需要不斷探索與實踐。量化基金任重而道遠。

基金動態

國泰雙利債券基金正在發行

國泰基金旗下第2只債券型基金――國泰雙利債券基金自2月18日至3月18日通過建行、工行、中行、交行、招行等銀行及各大證券公司發行，托管行為建行。據悉，該基金是一只注重“利息收入”的穩健型基金，立足債市的同時兼顧股票二級市場投資機會。

富蘭克林國海成長動力發行

富蘭克林國海成長動力股票型基金現正發行，擬任基金經理為公司研究總監潘江。該基金股票投資比例為60％～95％，將重點投資于具有內生性增長和外延式擴張的積極成長型企業。投資者可通過中行、工行、建行、招行、中信等銀行及國海證券等代銷渠道認購，也可通過公司直銷柜臺或網站認購。

廣發強債基金首次分紅

廣發基金公告稱，廣發強債基金將進行分紅，每10份基金份額分紅0．3元。權益登記日、除息日為2月20日，紅利發放日為2月24日。

華寶興業三基金評為雙五星

根據銀河證券最新公布的基金評級結果，華寶興業旗下有3只基金一年期、兩年期評級均為五星，成為擁有“雙五星”基金數量最多的基金公司之一。華寶興業多策略增長基金、動力組合基金和寶康消費品基金的一年期和兩年期評級均為最高級五星級，其中多策略增長基金的一年期、兩年期和三年期評級均為五星級。

易方達基金業績很搶眼

今年以來，截至2月13日，284只開放式偏股基金除個別基金外全線飄紅，實現了正收益，其中不少基金跑贏同期上證綜指漲幅。混合偏股型基金易方達價值成長，以29.98％的收益率位居混合偏股型基金前茅。

第5篇：量化投資與分析范文

中國金融業飛速發展，尤其是2010年股指期貨的推出，量化投資和對沖基金逐步進入國內投資者的視野。目前，量化投資、對沖基金已經成為中國資本市場最熱門的話題之一，各投資機構紛紛開始著手打造各自量化投資精英團隊。同時，中國擁有數量龐大的私募基金，部分私募基金利用國內市場定價較弱的特性轉化成對沖基金也是必然的趨勢。

量化投資是將投資理念及策略通過具體指標、參數的設計，融入到具體的模型中，用模型對市場進行不帶任何情緒的跟蹤；簡單而言，就是用數量化的方法對股票估值，選取適合的股票進行投資。

量化投資的鼻祖是美國數學家西蒙斯（James Simons）教授，從1989年到2006年間，他管理的大獎章基金平均年收益率高達38.5%，凈回報率超越巴菲特。

對沖基金（hedge fund）是指運用金融衍生工具，以高風險投機為手段并以盈利為目的的金融基金，采用各種交易手段（賣空、杠桿操作、程序交易、互換交易、套利交易、衍生品種等）進行對沖、換位、套頭、套期來賺取巨額利潤。

猶抱琵琶半遮面

上海交通大學金融工程研究中心陳工孟教授表示，2010年股指期貨推出后，量化投資和對沖基金漸成熱門話題，并正在逐步萌芽和發展，但因為是新事物，社會各界還不是很了解。

目前國內約有12只公募量化基金，而深圳和上海也已有不少對沖基金；量化投資和對沖基金離中國投資者如此之近，但又是如此神秘。

長期以來，國內投資者一直存在著一些疑問，例如，量化投資和對沖基金是不是金融業發展的必然？量化投資和對沖基金對金融安全問題會產生什么影響？上海建設國際金融中心，量化投資和對沖基金應該扮演怎樣的角色？量化投資和對沖基金為何能取得超額收益？量化投資和對沖基金如何進行規范和監管？對沖基金如何募集、運作和壯大？如何開發策略、如何進行交易如何控制風險？

對于上述問題，國內缺乏進行深度探討和專業研究的有效途徑。近日，國內領先的量化投資和對沖基金專業研究機構，上海交通大學金融工程研究中心主辦了2011第一屆中國量化投資高峰論壇。眾多國際投資家、知名學者、優秀對沖基金經理、量化投資領軍人物、交易所研究代表等，與300多位來自于證券、基金、私募、信托、銀行、保險界的專業人士、信息技術服務商和民間資本代表，共同分享最新的量化投資和對沖基金的宏觀視點及微觀技術，以解決金融業發展迫切需要解決的問題。主辦機構表示：“我們相信此次高峰論壇的召開，將開創中國量化投資和對沖基金的新紀元。”

無限風光在險峰

上海交通大學安泰經濟管理學院院長周林教授在論壇致辭時表示：“通過引進各種各樣的產品、各種各樣的金融工具，特別是量化投資的方法，逐漸把過去的投資藝術轉化到投資科學，這是我們共同關心的問題。”

周林認為，在中國開展量化投資、設立對沖基金將來有可能的空間，當然，可能也會有問題和風險。即使像美國、英國這樣的成熟市場也會產生風波，比如金融危機，不能歸咎于量化投資、對沖基金，但一些投資手段、金融工具運用不好，也可能對市場帶來一些風險。“對于一系列未來可能產生的問題，我們一定要做非常好的分析。”

中國金融期貨交易所副總經理胡政博士談到，由于量化投資導致程序化交易和國外流行的算法交易等，這些新的交易方式是市場發展的基本趨勢。通過研究后他認為，有四方面問題值得關注。

第一是對市場公平性的沖擊。有人用“大刀長矛“，有人用“導彈、機關槍”，有專家理財，有一般的投機炒家，各種各樣的風格構成了市場，投資手段的不平衡，有可能會帶來市場交易的不公平。

第二，對市場本身運行的沖擊。量化投資的產品，有可能會對市場價格造成沖擊。當采用類似的風險止損點或者類似理念時，市場發生某個方向的變動，有可能加劇這種變化。

第三，對市場價格信息的沖擊。很多量化投資工具需要收集信息，需要有很多試探性的報價去測市場的深度。大量的試探性報價，不以成交為目的的報價信息，會對市場產生沖擊和影響。

第四，對交易系統的沖擊。量化投資快速發展的核心因素是計算機技術的發展，現有交易系統都基于計算機系統，各種各樣的工具會對交易系統造成沖擊。

第一財經傳媒有限公司副總經理楊宇東建議，希望媒體把目前機構、專家學者、管理層正在研究的成果報道出來，讓更多的人了解；他還呼吁更快地完善有關對沖基金方面的監管政策和法規，并給予量化投資更多的扶持和技術支持。

上海銀監局副局長張光平探討了人民幣國際化的話題。湘財證券副總裁兼首席風險官李康的觀點鮮明生動，而中國社科院研究員易憲容在演講時則激情四溢。

韶華休笑本無根

量化投資把資本市場的投資行為從以往定性化的“藝術”升華為數量化的“科學”，運用到高深的數量工具。國外從事量化投資的研究人員和基金經理大多是學金融、計算機和統計學出身，很多物理、數學專業等理工科背景的優秀人才也加入這一行列。野村證券亞太區執行總監周鴻松就是哈佛大學空間物理博士，曾獲2011亞洲銀行家峰會最佳算法交易系統團隊獎。

在美國留學獲計算機碩士的劉震現任易方達基金管理公司指數與量化投資部總經理，1995年進入華爾街工作，在與國內父母通電話時，他感到很難解釋清楚自己的職業性質，便說跟“投資倒把”差不多，這可把他父母給弄暈了。

國泰君安證券資產管理公司總經理章飆是統計學博士，早在2006年就開始用量化投資工具做ETF套利，最初很難被上司和同事理解，直到做出幾個成功案例后，才有了較大的發言權。他曾向公司申請投5000萬元做“攀鋼鋼礬”，還放出“狠話”：如果公司不讓做他就辭職，兩年后這筆投資為公司賺了3.5億元。

第6篇：量化投資與分析范文

隨著資產管理學科的不斷更新和發展，數量化資產管理的策略如今被廣泛的運用，越來越多的基金管理人采用了這一成本較低、客觀性較強的策略進行資產選擇和配置。同時，都在很大程度上推進了數量化選股的進程。國際上一些著名的資產管理機構，如巴克萊（Barclays Global Investors），，都有各自的數量化模型并且也發行了許多相關的金融投資商品。

二、數量化選股

目前世界上有很多基金經理人開始采用數量化選股模型進行投資決策。數量化選股，是指利用市場指標、經營指標、財務指標等可以數量化的因素，在眾多上市公司中選出符合條件的公司股票進行投資。數量化選股的模型主要有線性回歸模型、主成分分析模型等。國內外很多學者都運用了這些模型進行實證分析。如Fama-French(1993) 的三因子模型認為，資產組合的超額回報率由上市公司的市值因子(SMB)、賬面市值比因子(HML)以及市場資產組合(Rm ? Rf)決定。數量化選股的優勢在于，利用客觀數據進行分析做出判斷，避免了因基金經理人的主觀判斷錯誤而可能造成的偏誤，一旦模型構建完畢，需要維護和修改所需要的人力物力遠小于傳統的基本面分析，對于基金公司而言，可有效節省成本，增加公司利潤。

三、選股策略：以Alpha model為例

1.介紹

Alpha選股模型是一種將信息轉變成Alpha分數的方法，據此經理人能夠判斷投資于哪些資產以及該如何配置投資組合。本文所說的Alpha選股策略是采用 Qian (2004)的方法，利用兩階段的方法結合多個因子產生Alpha分數，建構多因子模型不僅包含訊息相關系數(Information Coefficient, IC)的時間序列，也包括同時期因子訊號之間的相關性，透過模型求解極大化IR的目標。

2.要素篩選及數據處理

對于基金管理而言，信息運用的成功與否往往是決定成敗的重要因素。在alpha 模型中，所選的要素可以被看做信息，它們可以幫助基金管理人分析股票報酬的預期走勢，從而利用這些信息構建多因子選股模型。然后，如何選擇正確的信息并非易事，因此，信息的分析和評估對于模型的簡歷有著至關重要的作用。

模型將整個數據的區間分為樣本區間和回測區間，通過數據庫獲取整個區間內各個上市公司的財務、發展等各項指標，并進行數據預處理。為了消除各要素不同量綱的差異，將所有數據先進行標準化處理。此外，在數據分析時，個別極端值對于結果可能會產生較大影響，而極端值的產生往往沒有規律可循，據此得出的結論不具有普遍的適用性。Shyu and Jeng (2006)使用了winsorization進行處理，針對每一項要素，計算得出各自的平均值和標準差。將平均值加減5.2倍的標準差作為各項要素的上下極限，如果數據大于上極限或小與下極限，則認為這是一個極端值，而分別使用上極限或下極限的值代替極端值。類似的方法還可以將數據按數值大小排列，取上下5%分點，分別代替大于上5%以及小于下5%分點的值。此類方法的目的都在于消除極端值的影響，使得模型的解釋力更強，偏誤更小。

由于要素的數據頻率不同，將要素分成若干個周要素與月要素。除此之外，要素篩選后于比較長期的樣本內期間，針對這些要素做t檢驗，若要素結果呈現顯著，稱為核心要素。剩下未被篩選的要素并不表示無效，在回測的樣本外期間有效的要素，為衛星要素。再通過兩階段方法，將要素合成因子，因子再合成Alpha Score。最后，將周、月要素合并，并且做平滑化動作，以降低每期權重重新調整的周轉率。

3.選股及資產組合構建

首先確立股池，剔除流通量過低、企業信用等級較低的股票，還可結合產業等因素，根據需要構建的資產組合確定。根據最后的Alpha Score進行選股的動作。模型認為得分較高的個股具有較高的投資價值，根據股池大小選擇相應數目的個股進入資產組合中。各股權重的配置有多種方案，比較簡單的方法是將入選組合的股票平均分配權重，這樣的方法可有效分散風險，但是不利于獲得更高的超額回報。另一種方法是根據得分分配權重，得分越高的股票權重越高，在模型建立準確，預測能力較好的情況下，往往可以獲得更高的超額報酬。

四、實證分析與結論

很多學者已對量化選股這一策略進行過實證分析。袁捷（2008）以滬深A股為研究對象，形成了市場大勢判斷指標、板塊熱點評判指標、技術分析評判指標、基本分析評判指標和主力機構支撐評判指標等五個指標體系的評判分析工具，得出了一套可以量化的投資評判標準。通過實證分析該交易規則在2008年7月至11月期間規避了熊市的系統性風險，建立的投資組合績效優于上證指數，對于投資者有一定的參考價值。隨著越來越多模型的出現和不斷完善以及計算機算法技術的日益精進，這一理論體系也將會得到更多的補充和發展。

參考文獻:

[1]Fama, Eugene F. and French.Kenneth R. Common Risk Factors in The Returns to Stocks and Bonds, [J].1993(02).

[2] Qian, E. E. and Hua.R.Active risk and information ratio,[ J]. 2004.

第7篇：量化投資與分析范文

摘 要 自2010年4月股指期貨推出后，數量化投資逐漸成為我國資本市場的一個熱點。對此，本文以投資者熟知的MACD指標為基礎，運用遺傳算法和模擬退火算法，建立了一個數量化投資模型。該模型的仿真投資收益明顯超出大盤，而風險明顯低于大盤。本文基于MACD指標建立數量化投資模型的方法簡單、有效，可操作性強，可方便地推廣至其他技術指標，在數量化投資領域中可能具有廣泛的發展前景。

關鍵詞 數量化投資 MACD 遺傳算法 模擬退火算法

一、研究背景

與傳統投資基于各方面信息和個人判斷進行操作不同，數量化投資將適當的金融理論、投資經驗等反映在數量模型中，然后利用程序軟件代替大腦對海量信息進行科學處理，總結歸納市場規律，最終建立可以重復使用的、不依靠個人主觀判斷的投資策略。

由于數量化投資的操作策略往往經過了嚴格的驗證，具有較強的系統性和規范性，主觀隨意性較少，風險可測可控，因此隨著計算機數據處理能力的迅速提高，數量化投資獲得了快速發展，數量化基金的規模亦迅速擴大。據統計，自2003年以來，數量化基金規模的年均增長速度高達15%，而傳統型基金規模的增長速度則低于5%。

很顯然，科學的數量模型是數量化投資成敗的關鍵。當前，主流的數量模型均考慮了多方面的因素，既包括各種基本面因素，又包括各種技術因素，涉及較為高深的經濟學、金融學、技術分析等知識，模型都比較復雜，理解難度較高，甚至令人望而生畏。對此，本文以人們熟知的技術指標為基礎，通過引入遺傳算法和模擬退火算法對參數進行優化，建立了一種較為簡單、有效的數量模型構建方法，希望能為推動我國剛剛起步的數量化投資發展有所幫助。

二、模型框架

由于MACD指標以經平滑后的股票價格為基礎，而股票價格包含了絕大部分的基本信息和技術信息，因此本文以MACD指標為基礎研究建立相應的數量化投資模型。

（一）MACD公式

MACD是投資者最熟悉的技術指標之一，主要包括EMA、DIF和DEA三個指標，涉及一個已知變量（收盤價P）和三個未知參數（ 和 ），公式較為簡單。

（二）決策準則

雖然MACD指標的運用方式有很多種，既存在對指標值的應用（如比較DIF和DEA的大小），又存在對形態的應用（如底背離、頂背離等）。對此，本文制定的決策準則相當簡單，即：

時，做多

時，做空

三、模型參數優化

（一）參數的科學取值是決定MACD指標投資決策價值的一個關鍵因素

在一般的技術分析參考書和交易軟件中， 和 通常取12、26和9。然而，該取值并不是最優的。

例如，以2005年1月5日至2010年12月31的滬深300指數為例，根據（公式1）和（公式2），做多業務在 和 取值12、26和9時，可獲得的投資收益為230.55%（收益①）；而在 和 取40、195、130時，可獲得的投資收益為651.98%（收益②）。

因此，參數取值是否合理決定了使用MACD指標進行投資決策時投資收益的高低，決定了MACD指標的投資決策價值。

（二）人工智能算法在技術指標參數優化領域中的突出優勢

運用MACD指標建立數量化投資模型的關鍵在于對公式中的三個參數進行優化。然而，雖然參數取值與投資收益間存在確定的函數關系，但該關系并不能用一個表達式予以直接闡述，因此傳統的解析方法在此并不適用。而其他傳統方法如隨機法和窮舉法的優化效率不高。在此情況下，可運用人工智能算法有效解決此類優化難題。

遺傳算法（Genetic Algorithms）和模擬退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，兩者均從一定的初始值開始，按照明確的規則搜索最優解，并不要求目標函數存在明確的表達式，且具有高效、魯棒性強等特點。由于技術指標參數與投資收益間的關系相當復雜，不存在明確的函數關系式，因此遺傳算法和模擬退火算法在技術指標參數優化領域中具有很高的應用價值。

此外，遺傳算法和模擬退火算法的基本原理和運算過程雖然較為復雜，但其運用卻相當簡單，MATLAB等數據處理軟件均提供了現成的工具箱供用戶方便地使用，且即使不掌握參數優化的原理和運算過程，也不會對數量模型的研究產生重大影響，因此運用遺傳算法和模擬退火算法對技術指標參數進行優化的可操作性強。

（三）遺傳算法和模擬退火算法應用舉例

1.MATLAB指令

假設投資收益R和參數 、 間的關系為R=gain( 、 )，則MATLAB的遺傳算法指令和模擬退火算法指令分別為：

[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；

[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。

其中：

x和fval是程序返回值，分別為參數 、 的最優化取值及其所對應的投資收益；

gain是目標函數，可根據（公式1）、（公式2）和（公式3）編寫；

nvars是待優化的參數個數；

x0是參數 、 的初始值；

lb是參數的下界；

ub是參數的上界；

options是MATLAB指令的設置選項。

第8篇：量化投資與分析范文

新浪財經擁有千萬級別的用戶數據，包括用戶基本信息，用戶分類與投資偏好，以及基于用戶分類的資產和投資品種分析。其中投資產品種囊括A股，港股，美股，基金，外匯，貴金屬，期貨，期權等。新浪財經提供全球各地主要交易所的股票報價，其中包括美國、上海、深圳、香港的股票交易所報價，以及與上市公司相關的突發新聞和市場趨勢分析，并形成財經優勢數據和工具，包括行情、組合管理和工具，企業，行業，市場，宏觀經濟數據，并結合互聯網用戶行為大數據等，形成獨具特色的數據平臺。

而作為國內資產管理規模持續領先的南方基金，公司資質牌照齊全，產品線完整，定位于全能型財富管理集團，近三年來屢屢在晨星中國公募基金綜合實力排名中名列前茅。南方基金除了擁有業界領先的固定收益團隊和驕人業績外，其在主動管理基金方面亦成績斐然，南方旗下主動管理股票型基金―南方優選價值基金新近獲評《證券時報》“五年持續回報股票型明星基金獎”；旗下主動管理量化基金產品―南方策略優化今年上半戰勝80%以上的主動管理股票基金；另據銀行渠道數據統計，南方基金旗下某只專戶對沖基金產品今年以來已取得7.14%的收益；在被動投資方面，南方基金管理的A股指數/ ETF產品共10只，是業內第一家兼具滬深兩模式跨市場ETF的基金公司，其管理的500ETF為目前規模最大的跟中證500的ETF。

財經大數據管窺市場情緒

世界首家基于社交媒體Twitter的對沖基金Derwent Capital Markets創始人保羅.赫汀（Paul Hawtin）曾說：“長期以來，投資者已經廣泛地認可金融市場由恐懼和貪婪驅使，但我們從未有一種技術或數據來量化人們的情感。”一直被金融市場非理性舉動所困惑的投資者，現在終于有了一扇可以了解心靈世界的門戶――“南方新浪財經大數據策略指數”。

該項目新浪方面負責人介紹到，新浪財經作為國內領先的財經數據平臺，其股票頻道、財經新聞、股吧論壇、尤其是新浪微博相關財經賬號，對上市公司有著更及時全面的資訊覆蓋、其財經數據的互動信息來自專業的投資者，較普通的互聯網媒體有著更具有價值的信息。其體現的市場情緒變化涵蓋了宏觀經濟、行業動向、個股關注、財經新聞報道曝光度、股票論壇用戶參與度，全方位地展現了投資者與股票間的互動情況，隱含了海量的投資輔助信息。

南方基金數量化投資部總監劉治平介紹道，從目前國內量化投資現狀來看，傳統的基于財務數據、估值成長因子、技術指標因子的多因子模型研究框架已經非常成熟，越來越難以獲得超額收益，因此近幾年新聞事件、公司事件對于股價的影響成為量化投資者研究熱點，但傳統的量化投資者由于數據獲取局限，研究更多的止于事件本身對于股價的影響，數據量極其有限，對于新聞事件所帶來的互動信息數據研究更是嚴重缺位。

種種跡象表明，新浪和南方的合作很好地填補了這一空白。南方基金數量化投資部資深研究員雷俊表示，前期南方數量化投資部通過對財經大數據的分析，發現追蹤市場熱點變化，結合南方量化研究成果，挑選出更具有投資價值股票作為投資組合，日前已經完成了綜合寬基指數、主題行業指數的歷史模擬業績測算。內部測算結果顯示，該指數具有較好的市場代表性、收益性和流動性。

互聯網速度打造金融版圖新坐標

互聯網金融創新浪潮來襲，當部分人還在熱烈探討互聯網對金融（基金）業的影響，當部分人還在苦心孤詣謀求如何在網上賣出更多的“寶寶產品”，已經有弄潮兒將眼光投向了互聯網平臺之下的寶藏――大數據應用。

南方基金新聞發言人、董秘常克川表示，公司自去年便組織相關部門研討，如何更深度地將互聯網行業信息優勢與傳統金融機構的研發優勢相結合這一新的課題。“南方新浪財經大數據策略指數”的推出將填補國內在互聯網大數據投資應用領域的空白，公司未來或將開發跟蹤該類指數的系列基金產品，為基金投資者提供多元化、專業化的投資工具，不遺余力地為客戶捕捉市場機會，創造價值。

據了解，早在2013年底，南方基金即與新浪財經討論雙方在上述領域合作的可能性并達成合作意向，擬充分挖掘雙方在各自領域的專業優勢，在股票量化研究及合作開發指數方面展開方向性合作。

通過對不同方案的可行性分析和篩選，南方基金與新浪財經雙方敲定擬先期充分利用新浪在財經領域的大數據，結合南方基金數量化投資領域專業分析，深度研究挖掘網民關注度、新聞點擊率等數據與證券市場潛在的趨勢性聯動信息，為指數編制提供決策參考依據，從而確定了“財經大數據策略指數”的合作方向。

第9篇：量化投資與分析范文

從蒙代爾—弗萊明—多恩布什（M—F—D)模型及新開放經濟宏觀經濟學模型（NOEM）出發，通過構建SVAR模型，基于匯率傳導機制分析日本量化寬松貨幣政策效果。研究結果表明：日本超量化寬松貨幣政策短期效果良好，匯率對物價的傳導作用較顯著，對產出的傳導受阻，主要因為日元貶值未明顯改善貿易收支；隨著日本基礎貨幣投放加碼，廣義貨幣供應量增長速度放緩，貨幣流動性有可能滯存金融體系并滋生資產泡沫，政策效果隨之打折；鑒于日本量化寬松貨幣政策有愈演愈烈之勢，易與美國退出量化寬松產生共振效應，故中國不僅應吸取其寬松金融政策的實踐經驗，同時需要審慎對待并及早應對其負面沖擊。

關鍵詞：

日本；量化寬松；匯率傳導機制；SVAR；政策效果

一、引言

在以利率為主要調控工具的“價格型”貨幣政策與財政政策調控空間均縮窄的情況下，日本學術界對量化寬松貨幣政策效果寄予厚望[1]。2008年全球金融危機以來，日本施行量化寬松貨幣政策的步伐趨于加快，政策目標從最初的穩定金融市場開始轉變為解決通貨緊縮和提振經濟。“日本版”量化寬松貨幣政策最顯著的成效便是有力引導了日元下行。日元匯率貶值有助于打破日本市場現有的利益格局，指引資金流向，一方面借由匯率下行促進出口，增加投資及消費，進而拉動產出增長。另一方面抬高進口原材料及商品價格，可以通過匯率傳遞效應影響物價。如果說，“日本版”量化寬松貨幣政策的顯性目標不外乎穩定金融體系、擺脫通貨緊縮及提振經濟，那么其隱形目標則是革新日元匯價機制[2]。2014年10月底美國宣布退出量化寬松，然而僅隔一天，日本央行突襲式擴大量化寬松規模。“日本版”量化寬松貨幣政策持續發酵，開始與美國背道而馳，美日元匯率在未來難免震蕩。盡管國內量化寬松貨幣政策研究成果較豐富，但大多以研究美國為主，研究日本的相對較少，且實證分析集中于小泉時期的首次量化寬松政策階段，對于金融危機以來規模持續擴大的超量化寬松貨幣政策的效果缺少實證探析，量化寬松貨幣政策的匯率傳導機制研究也相對空白。因此，文章擬通過構建SVAR模型，基于匯率傳導機制，分析金融危機以來日本超量化寬松貨幣政策的效果，以期探析對中國的政策啟示。

二、金融危機以來日本超量化寬松貨幣政策軌跡

為探析日本自金融危機以來施行的量化寬松貨幣政策效果，首先需明晰在此期間日本量化寬松貨幣政策的演變軌跡。2008年雷曼公司宣布破產，以此肇始的世界金融海嘯席卷全球。日本為保持金融危機期間市場所需的流動性充裕，緊急啟動了量化寬松貨幣政策，之后東日本大地震及核電災害使日本經濟雪上加霜，日本量化寬松貨幣政策的目標逐漸由最初的穩定金融體系開始向解決通縮和改善經濟環境轉變。2012年底安倍上臺之后，日本量化寬松貨幣政策的施行力度空前加大，成為世界經濟焦點。金融危機以來日本逐步走上施行超量化寬松貨幣政策的軌道，主要分為兩個階段：一是2008年至2012年施行的廣泛性寬松貨幣政策；二是2012年至今施行的異次元量化寬松貨幣政策。

（一）2008年至2012年：廣泛性寬松貨幣政策2007年美國爆發次貸危機，2008年愈演愈烈為全球性的金融危機，作為金融大國的日本難免沖擊。為緩解金融市場的流動性緊張，時任日本央行行長的白川方明緊急啟動量化寬松貨幣政策，主要措施有：分兩次將無擔保抵押貸款隔夜利率從0.5%下調至0.1%；向銀行間市場及私人機構注入流動性，加大購買政府債券的力度，截至2009年3月，日本銀行對長期國債的月購買量從1.2萬億日元提高到1.8萬億日元[3]，擴大銀行合格抵押品范圍、簽訂貨幣互換協議以緩解銀行間市場流動性壓力，越過商業銀行等金融機構，通過購買商業票據和公司債券等信用產品直接向私人機構提供資金支持；為壓低風險溢價，穩定金融體系，日本央行實施股票購買計劃，建立資產購買項目購買股權金融產品，包括風險資產[4]。盡管金融海嘯對日本的沖擊漸退，但是禍不單行，2011年之后，東日本大地震及福島核電災害接連發生，天災人禍使日本再次跌入經濟停滯的深淵。日本開始施行全面寬松的貨幣政策，主要措施有：降低基準利率，下調基本貸款利率和無擔保抵押貸款隔夜利率，宣稱將無擔保隔夜拆借利率的目標定為“0%~0.1%”；積極施行資產購買計劃，資產購買項目愈加廣泛，貨幣寬松規模逐步擴大；此外，2012年2月日本央行引入“中長期物價穩定目標”，并明確當前目標為CPI同比增長1%，但是對“中長期”的時間范圍解釋較為曖昧。盡管以上舉措在一定程度上營造了寬松的金融環境，恢復了金融產品的市場功能，防止金融市場失靈進一步拖累實體經濟，但是對于解決日本通貨緊縮和經濟萎靡的難題效果不佳。整體而言，2008年至2012年，日本量化寬松貨幣政策的施行具有廣泛性和遞增性等特點。遞增性的特點較易理解，即指隨著金融海嘯、東日本大地震及核電災害的發生，整體政策寬松規模逐步放大。廣泛性主要指政策施行工具多樣，政策框架下資產購買項目較為廣泛，由于廣泛性為這一階段貨幣政策鮮明特點，因此，在此期間日本采取的貨幣政策可以稱為廣泛性寬松貨幣政策。

（二）2012年至今：異次元寬松貨幣政策2012年底，安倍晉三第二次當選日本首相，上臺伊始便射出三支政策利箭，即大膽的金融寬松政策、積極而靈活的財政政策及刺激民間投資的經濟發展戰略，以期消弭通貨緊縮，刺激經濟復蘇。2013年4月，黑田東彥接替白川方明成為新一任日本央行行長，他積極支持安倍的經濟思想和政策主張，在首次貨幣政策會議上即推出更為激進的無限量、無限期的“質化與量化”寬松貨幣政策，提出4個“2”的政策預期目標，即基礎貨幣投放量擴大為兩倍，將更長期國債納入收購對象，并且在兩年之內促使通貨膨脹達到2%[5]日本央行計劃將基礎貨幣投放量由2012年的138萬億日元增至2014年底的270萬億日元，購買長達40年期限的國債，采取更為多樣的政策工具，如增購交易型開放式指數基金（ETF）以及房地產投資信托基金（REIT）等[6]。盡管相對于白川方明在任期間，政策形式并無特別創新，但是黑田版量化寬松貨幣政策的推出伴隨“無限量、無限期”等字眼，可見其規模之大、決心之堅、施行力度之強前所未有，因此也被稱為“異次元”寬松貨幣政策，有史無前例、突破歷史維度的激進之意[7]。2014年10月底美聯儲宣布退出量化寬松，僅相隔一天，在毫無預警的情況下，日本央行突襲式增加量化寬松政策施行砝碼，不僅將每年的基礎貨幣投放規模由目前的60萬億至70萬億日元擴大到80萬億，而且進一步延長國債增持期限至10年，國債購買量從每年50萬億日元的規模擴大至80萬億日元，同時股市聯動型基金、交易型開放式指數基金（ETF）及房地產投資信托基金（REIT）的年購入量也被放寬。日本量化寬松貨幣政策的施行大有愈演愈烈之勢。

三、量化寬松貨幣政策匯率傳導機制理論

盡管量化寬松貨幣政策屬于非常規貨幣政策，但是匯率傳導機制仍是其政策傳導機制的重要一環，特別是對于日本而言，量化寬松貨幣政策的加碼對日元貶值的作用十分明顯。基于匯率傳導機制研究日本量化寬松貨幣政策效果，可以從蒙代爾-弗萊明-多恩布什模型以及新開放經濟宏觀經濟學模型的理論基礎展開，以期從理論層次明確實證分析的框架。

（一）蒙代爾-弗萊明-多恩布什（M-F-D）模型蒙代爾-弗萊明模型（M-F模型）是在封閉經濟環境下的IS-LM模型基礎上發展而來的，是傳統宏觀經濟分析的基礎模型，也是進行貨幣政策傳導機制分析的經典模型。1976年，多恩布什（Dornbusch）在蒙代爾-弗萊明模型的基礎上，引入理性預期，并考慮到價格漸進調整，最終形成了蒙代爾-弗萊明-多恩布什（M-F-D）模型，突破性地提出匯率超調理論[8]。1985年，奧布茨弗爾德（Obstfeld）和斯道克曼（Stockman）將理性預期及隨機因素沖擊納入模型，進一步完善了M-F-D模型[9]。采用M-F模型分析，在固定匯率制度下，一國施行擴張性的貨幣政策，無論資本是否完全流動，其政策均無效；但在浮動匯率制度下，擴張性貨幣政策可通過匯率變動影響凈出口以促進經濟增長。在資本不完全流動的情況下，一國實施擴張性貨幣政策，貨幣供應量的增加帶動利率下降，基于利差資本外流，進而本幣貶值，凈出口增加，本國產出增加；在資本完全流動情況下，假設本國利率將與世界利率保持一致，則貨幣供應量的增加會導致本幣貶值，凈出口增加，進而刺激產出增長。由于M-F模型的基本假設為價格水平不變，進口商品價格以外國貨幣表示，因此匯率水平的變動可以同比例傳遞到進口商品的價格上，進而影響國內整體物價水平。多恩布什的匯率超調模型對M-F模型進行擴展，繼承了M-F模型中價格粘性的分析，假定一價定律成立，由于貨幣市場可以瞬間完成調整，商品市場調整具有滯后性，貨幣市場調整速度快于商品市場，因此擴張性貨幣政策促使短期利率下降，資本外流，匯率迅速貶值至國內外資本收益相等的均衡點，但由于長期匯率預期升值，最終匯率會在一定程度上回升達至新的均衡，故最初的匯率均衡點貶值程度將大于最終匯率均衡點，出現匯率超調。在匯率超調模型中，盡管短期內價格具有粘性，但增加的貨幣供給催生價格上漲預期，最后隨著價格剛性的消失，價格也將隨著貨幣供給量的增加而上漲。

（二）新開放經濟宏觀經濟學模型（NOEM）M-F-D模型可以有效考察在開放經濟下宏觀經濟變量之間的關系，但這種解釋缺乏微觀基礎。1995年，奧布茨弗爾德（Obstfeld）及羅高夫（Rogoff）將壟斷競爭及名義價格粘性納入動態一般均衡模型，并考慮了理性預期因素，新開放經濟宏觀經濟學模型理論框架基本形成[10]。新開放經濟宏觀經濟學理論對貨幣政策傳導機制的研究有著較強的現實解釋力，科爾賽蒂（Corsetti）和佩森蒂（Pesenti）在此框架下，系統梳理了財政貨幣政策的傳導機理及對福利水平影響。NOEM模型并沒有簡單沿用價格粘性的假設，而是根據實際經濟環境下價格粘性的不同狀態，引入不同定價規則的假設，故M-F模型中匯率波動可以最終同比例傳遞到進口商品價格上的情況有所改變。在NOEM的標準模型基礎上引入市場定價原則和國際市場分割，則匯率波動對進口商品價格的傳遞取決于以何種規則定價，以生產者所在國的貨幣定價稱為生產者貨幣定價（簡稱PCP），以消費者所在國的貨幣定價則稱為當地貨幣定價（簡稱LCP）。按照PCP原則，以本幣表示的國內產品價格具有粘性，擴張性貨幣政策促使本幣貶值，則本國進口商品的本幣價格上漲，而出口商品的外幣價格降低，在一定程度上有利于出口并抑制進口，提高本國的經濟福利水平。在此定價規則下，進出口商品價格隨著匯率下行將同比例變化，進而影響最終消費者價格指數，匯率傳遞效應是完全的。按照LCP原則，由于進口商品的本幣價格具有粘性，本國擴張性貨幣政策引起的匯率貶值不會改變貿易條件，但是降低了外國出口企業的實際收益，在提高本國福利水平的同時損害了他國的經濟福利。在此定價規則下匯率波動不影響進出口商品的價格[12]。無論是在M-F-D模型還是NOEM模型的分析框架下，均可看出一國施行量化寬松貨幣政策可以通過匯率傳導機制影響產出與物價水平。故結合理論基礎及研究需要，文章基于匯率傳導機制研究日本超量化寬松貨幣政策效果，為探析匯率傳導的各環節效果，構建3個層次的SVAR模型，分別研究日本超量化寬松貨幣政策對日元匯率的影響，日元匯率對物價以及產出水平的傳導效應。文章的實證分析框架。

四、SVAR模型構建與實證分析

（一）模型變量設定與數據來源1．變量的設定（1）量化寬松貨幣政策與匯率的變量。日本量化寬松貨幣政策主要通過增加基礎貨幣供給帶動廣義貨幣供應量擴張，進而引導利率下行。自1998年起，日本使用“M2+CD”作為廣義貨幣供給量指標[13]。因此，為更切實度量日本量化寬松貨幣政策對日元匯率的影響，選取日本基礎貨幣、廣義貨幣供應（M2+CD）、日本銀行間無擔保隔夜拆借利率為量化寬松貨幣政策的變量。日元匯率的變量為東京市場日元兌美元月平均值，采用直接標價法。（2）日元匯率對物價傳導模型中的變量。日元貶值可以通過抬高進口原材料、中間品及商品價格影響國內消費者價格指數。因此，選取日本進口價格指數，去除生鮮食品的核心消費者價格指數作為日本物價水平的變量。（3）日元匯率對產出傳導模型中的變量。匯率貶值對產出的傳導主要是通過促進出口，改善貿易收支，拉動投資，進而提高產出[14]。故選用日本凈出口額作為日本對外貿易變量，選取常用的日本民間投資指標“除船舶和電力以外的民間需求”訂單額作為投資的變量。由于日本GDP只有季度統計數據，故參照以往研究，以日本全產業活動指數（農林水產業生產指數除外）作為產出的變量。2．數據來源與處理為涵蓋金融危機以來日本超量化寬松貨幣政策的施行階段，并滿足構建模型所需數據容量，文章選取樣本區間為2008年1月至2014年11月的月度數據，具體變量設定見表1。

（二）模型設定及穩定性檢驗1．模型設定檢驗首先，為確保時間序列平穩，采用ADF方法對各變量進行單位根檢驗。結果如表2所示。其中，（c，t，m）為檢驗回歸方程形式，c為回歸方程的截距項，即檢驗的時間序列均值；t為回歸方程的線性趨勢項，即檢驗序列是否具有明顯的時間趨勢；m為滯后階數，由Eviews7.0軟件系統根據SIC準則自動確定。結果顯示，i和y的原始時間序列平穩，對jbm及jgm進行對數一階差分處理，對jr、je、ipi、cpi及nx進行一階差分處理后的序列均平穩。2．模型穩定性檢驗為確保建立SVAR模型構建有效，需判斷模型是否穩定，采用AR根的圖表予以檢驗。在此之前，必須確定VAR模型滯后期，根據LR、FPE及AIC準則確定研究日本超量化寬松貨幣政策對匯率影響的模型滯后期為3，研究日元匯率對物價傳導的模型滯后期為2，研究日元匯率對產出傳導的模型滯后期為3。AR根的圖表檢驗結果見圖2，所有根模的倒數小于3，即位于單位圓內，故模型均是穩定的，可以進行下一步分析。

（三）模型識別在構建SVAR模型時，最為重要的是設定結構參數可識別的條件約束。由于文章使用AR型SVAR模型，因此需要對同期關系矩陣施加約束條件，約束條件分為短期和長期，由于短期約束條件可以根據相關經濟理論進行施加，故文章采取施加短期約束條件的方法。根據文章實證分析脈絡。式（1）中，第1行假設日元匯率只受其他變量滯后期的影響，不受當期影響；第2行假設利率對當期廣義貨幣供應量及基礎貨幣波動的變化沒有反應；第3行假設基礎貨幣供應量波動的變化對當期廣義貨幣供應量沒有影響；第4行假設基礎貨幣調控受其他變量的當期及滯后期波動變化的影響。式（2）中，第1行假設核心消費者價格指數不受其他變量當期值影響；第2行假設進口物價指數不受匯率當期波動的影響；第3行假設匯率波動受其他變量當期及滯后期影響。式（3）中，第1行假設產出只受其他變量滯后期的影響；第2行假設投資不受日元匯率、凈出口的當期影響；第3行假設凈出口與當期日元匯率波動無關；第4行假設日元匯率與其他變量當期及滯后期值均有關。

（四）實證結果1．脈沖響應函數結果分析脈沖響應函數可以形象描述模型受到某種沖擊時對系統產生的動態影響，即施加一個標準沖擊后對其他變量當期與未來的影響。由于脈沖響應與變量順序有關，因此需檢驗模型穩健性，更改變量順序后得到的脈沖響應結果很相似，所以SVAR模型是穩健的，故根據約束條件先估計出結構因子分解矩陣，然后利用其估計正交轉換矩陣，得到各內生變量的脈沖響應函數，結果見圖3及圖4。（1）量化寬松貨幣政策對匯率的沖擊影響。圖3中，在日本基礎貨幣的一個標準沖擊下，廣義貨幣供應量處理值首先呈微弱的負向響應，但隨即轉為正向并逐漸增強，在第4期達到峰值，隨后下跌并在正負向響應間震蕩，最終趨近于0；相對而言，日元匯率處理值具有較強的正向響應，在第4期達到峰值后趨弱，第8期后持續負向響應并趨近于0；給廣義貨幣供應量施加一個標準沖擊，日元匯率處理值則更多的是負向響應，第6期負向響應幅度最大，之后在第10期左右轉為正向響應，但響應程度微弱；在利率的一個標準沖擊下，日元匯率處理值先正向響應增強，隨后減弱至負向響應，在第5期降至最低，之后轉為微弱的正向響應，最終趨于0。（2）日元匯率對物價水平的沖擊影響。圖4中，在日元匯率一個標準沖擊下，進口價格處理值的響應曲線最初呈現正向響應，在第2期即達到最高點，之后迅速下滑，第3期轉為負值，之后響應趨勢平穩趨于0；日元匯率變動沖擊對消費者物價處理值的影響基本類似，同樣起初為正向，至第2期達到峰值，之后下行轉為負向并小幅震蕩；進口價格變動的沖擊對消費者物價處理值的影響始終為正向，在第2期達到峰值，之后逐漸減小。（3）日元匯率對產出水平的沖擊影響。圖4中，在日元匯率一個標準沖擊作用下，凈出口處理值在前期反應明顯，第4期達到最大值，之后轉為負向響應并逐漸減弱，最終趨近于0；而日本投資及產出對日元匯率變動沖擊的響應曲線類似，均保持正向響應，短期響應程度增強，長期減弱；在凈出口的沖擊作用下，投資雖然在第2期出現正向響應，但是整體來看負向響應居多；日本產出對于投資變動沖擊的響應最初并不明顯，但第4期具有較大的正向響應，之后響應幅度逐漸減弱。2．方差分解結果分析方差分解可以定量評價不同結構沖擊的重要性，即描述每個結構沖擊對內生變量變化的影響程度。為進一步明晰結構沖擊的影響貢獻，對系統變量進行方差分解。由于選擇滯后期數為18，篇幅有限，只簡述其主要結果，省略方差分解所得具體數據的陳列但備索。由方差分解結果可得，對于日元匯率來說，利率對其影響程度最大，并隨時間推移影響程度漸進提高，最終在4.88%左右；基礎貨幣對其影響次之，最終在3.50%左右；廣義貨幣供應量對其的影響最弱，最終在2.31%左右。對于日本消費者物價水平來說，進口價格對其的影響大于日元匯率對其的影響，進口價格對其的影響度在第2期即為6.19%，之后在第6期攀升至峰值9.88%，并最終穩定在9.87%左右；而日元匯率對其的影響度最高只達到2.97%。觀察日元匯率對進口價格的影響度可知，其在第2期對進口價格的影響度升至最高為8.69%，之后4期均小幅回落，最終緩慢攀升，維持在8.62%左右。對于日本產出來說，日元匯率對其影響最強，最大為21.54%；投資次之，最大為18.40%；凈出口對其影響最弱，最終僅維持在1.40%左右，但是投資、凈出口及日元匯率對產出的影響均隨時間推移逐漸增強。為探析日元匯率通過貿易、投資向產出傳導的過程，觀察日元匯率對凈出口的影響度可知，日元匯率貶值并未明顯拉動凈出口的增加，對其影響度最高不超過5.12%。同樣，日本凈出口對投資的影響也不明顯，最高不超過2.77%。相對而言，日元匯率對投資的直接影響度較大，最高達到14.28%。方差分解結果印證日本超量化寬松貨幣政策確實可以通過促使日元貶值，進而影響物價和產出水平。相對而言，日元匯率對物價的傳導機制存在，但是對產出的傳導受阻，日元貶值可以在一定程度上直接促進了投資和產出的增加。

五、主要結論對中國的啟示

（一）主要結論文章主要通過構建SVAR模型，研究了自金融危機以來日本超量化寬松貨幣政策基于匯率傳導機制的政策效果，可以得到主要結論。首先，從貨幣政策對匯率的影響角度來看，日本量化寬松貨幣政策通過向市場大幅投放基礎貨幣，帶動廣義貨幣供應量的增加及利率的下行，短期內促使日元大幅貶值，但是長期效果受到懷疑。對日本來說，日元貶值確實有利于經濟的復蘇。國際流動性泛濫，在美元弱化的背景下，日元的相對升值曾給日本帶來一系列經濟問題，如熱錢涌入威脅經濟的健康發展，海外投資增加加劇國內產業空心化，削弱出口產品的價格競爭力，影響物價加劇國內通貨緊縮等。因此，日元貶值成為日本解決棘手經濟難題、革新利益集團格局的良藥。金融危機以來，日本量化寬松貨幣政策的施行有力引導了日元貶值，特別是黑田版異次元量化寬松貨幣政策，由于政策力度史無前例，導致日元貶值空前加速。但是需要注意的是，一國匯率由多種因素決定，不僅受經濟政策的影響，一國經濟發展、國家實力及外交關系等也是匯率波動的影響因子。如果說，20世紀80年代因為日本取代美國成為債權和金融大國，美國便可通過“廣場協議”及“盧浮宮協議”成功對日元幣值“有計劃的操縱”[15]，那么美國已然退出量化寬松，而“日本版”量化寬松的施行卻大有愈演愈烈之勢，日元貶值必然入侵美國經濟利益區間，美國對日元貶值的“善意忽略”恐怕總有期限，可見日本幣值下行之路前景難以一帆風順，貶值的空間會逐漸縮小。其次，從日元匯率對物價及產出的影響角度來看，在日本超量化寬松貨幣政策效果下，日元匯率對物價的傳導機制存在。但是，日元貶值抬高物價水平的長期前景并不樂觀。一方面日元貶值推高進口產品價格，損害中小企業的經營利益，實際工資增幅過小降低日本民眾的消費需求，如果日本不能有效提振國內需求，通貨緊縮的短期改善將難以為繼。另一方面，物價上漲也得益于消費稅提高帶來的正向刺激，但是稅后消費需求減少，隨著原油、銅等國際大宗商品價格持續下行，日本通貨緊縮預期難免升溫。日元貶值雖然對解決通貨緊縮問題有所助力，但長期效果有可能被多種因素緩沖。探究日元匯率對產出的傳導過程可知，日元貶值對改善貿易收支的作用不明顯，而且貿易收支的變動對投資的影響也不明顯，匯率傳導機制在此兩個環節均受到阻滯，這可能是由以下幾方面原因造成：首先，日本進口及出口需求缺乏彈性，但是相對而言，進口需求彈性要高些[16]，符合馬歇爾——勒納條件①，貨幣貶值對貿易收支的改善存在時滯，即“J曲線效應”②。其次，日元貶值增加企業進口成本，在一定程度上蒸發了企業的貿易利潤，而且日本主要的貿易對象為美國、歐洲及中國等國家，美國與歐洲各國經濟增長乏力，對日本產品的需求降低，中日貿易關系受兩國政治關系惡化的影響轉為低谷，日本對外貿易環境整體惡化。最后，日本國內需求尚未有效激發，企業及民眾對經濟基本面的悲觀預期尚未消弭，因此投資難以隨著經濟政策寬松而跟進。盡管通過日元貶值改善貿易收支進而促進投資與產出的路徑受阻，但不可否認，隨著日元匯率下行，日本投資與產出確實出現一定幅度的增加，日元貶值對提高投資及產出的直接作用不容小覷。最后，對于日本國內來說，量化寬松貨幣政策為重振經濟奠定了寬松的流動性環境，但是，隨著基礎貨幣投放腳步的加快，廣義貨幣供應量的增速趨緩，這是由于黑田東彥主推的量化寬松經濟刺激計劃規模為美國第三輪量化寬松規模的兩倍[17]，相對美國來說，日本市場吸收資金能力有限，一部分流動性有可能滯留金融體系，未進入實體經濟流通。黑田版量化寬松貨幣政策的施行如火如荼，滋生金融泡沫的風險不斷加大。對于包括中國在內的日本周邊國家來說，日本大量“印鈔”導致多余流動性有可能伴隨日元貶值外流，以大規模套利性資本形式沖擊亞洲金融體系的穩定[18]。美國已然退出量化寬松，日本貨幣政策開始與美國背道而馳，日元兌美元的匯率震蕩不僅影響兩國的經濟福利，也可能給世界經濟環境帶來潛在的風險。

（二）對中國的啟示一方面，日本超量化寬松貨幣政策短期效果良好，其政策實踐對中國完善貨幣政策施行框架有一定啟示；另一方面，其政策溢出效應對國際資本流動產生沖擊，需要認真對待并防范其負面影響。因此，從日本超量化寬松貨幣政策的實踐效果中可以得到以下啟示：首先，“數量型”貨幣政策工具③對宏觀經濟具有重要的調控作用。美歐對量化寬松的研究已經論證此類政策短期刺激經濟增長效果顯著，長期效果并不確定且伴有風險[19][20]。文章以日本為對象國，同樣得出上述結論。美日歐等發達經濟體施行量化寬松貨幣政策的背后有財政政策空間縮窄的原因，而對于中國來說，影響經濟發展的約束條件更多是內需不振、生產成本上升、潛在產出下降等問題，切實降低經濟增長的外部依賴，推進結構性調整才是中國當下緊迫之舉。鑒于中國自身經濟結構特征，財政和稅收政策是承擔經濟結構調整任務的有力政策手段，而貨幣政策應配合經濟政策導向繼續走穩健調控之路，不應盲目跨入流動性寬松的行列。但是需要注意的是，美日歐等發達國家經濟增勢疲軟，依賴量化寬松政策緩解經濟困局開始趨于周期性常態化，國際流動性泛濫之勢短期內難以改變，中國也將面臨愈加沉重的資本輸入性壓力，因此適度加大貨幣政策調控靈活性，并切實提高政策框架下的風險防范能力顯得尤為重要。其次，加強對日本量化寬松貨幣政策的跟蹤研究。國內量化寬松貨幣政策研究成果并不貧乏，但主要對象為美國，對“日本版”量化寬松關注不足，對于黑田東彥推行的“質化與量化”寬松貨幣政策缺乏深入分析及跟蹤研究。盡管日元沒有美元一般的國際地位，但是日本作為開放性的經濟強國，其經濟政策溢出效應仍不容忽視。況且，在美國已然退出量化寬松的前提下，日本量化寬松貨幣政策依然持續發酵，其共振效應尚未可知，需加強關注及剖析。最后，未來中國經濟面對較大的下行壓力，金融改革也將全面深化，鑒于國際復蘇格局和貨幣政策施行的分化，人民幣匯率難免震蕩，這就要求中國在穩步推進匯率機制改革過程中，在短期內仍應重視央行對匯率的“有管理”的職能，維持匯率的相對穩定。另外，雖然美國退出量化寬松貨幣政策之后，人民幣出現對美元的大幅貶值，但是就整體經濟發展的基本面來看，中國不存在匯率貶值的基礎[21]，因此不應忽視人民幣對日元的相對升值，故僅從經濟層面上看，可以利用日元大幅貶值的契機調整對日進口產品結構，并促進對日直接投資發展，繼續深化中日雙邊貿易角色的轉換，以更低成本吸收日本先進技術及管理經驗，同時，鑒于中日政治關系重降冰點，日本對中國的經濟依賴程度較高，中日民間貿易合作在一定程度上有利于借助經濟力量融化政治冰凍。

[參考文獻]

[1]日本経済同友會.量的緩和政策からの転換に向けて[R].KEIZAIDOYUKAI,2005（11）:1-11.

[2]易憲容.“安倍經濟學”效果及影響的理論分析[J].國際金融研究,2013（6）:14-23.

[3]內田真人.非伝統的金融政策の効果と限界:デフレ脫卻と金融政策[R].経済研究所年報,2013:26.

[4]清水良樹.金融•経済危機におけるユーロシステム(ECB及びユーロ導入國中央銀行)の危機対応:他國中央銀行との共通性とその獨自性[J].季刊経済理論,2012,49（1）:53-63.

[5]李彬,鄧美薇.日本異次元量化寬松貨幣政策及其效果評析[J].現代日本經濟,2014（6）:17-29.

[6]石山嘉英.日本銀行の新施策を評価する(最新ビジネス•レポート)[J].CUCview&vision,2013（36）:49-52.

[7]藤田勉.異次元の金融政策は成功するか?[J].資本市場,2013（5）:45-52.

[8]RudigerDornbusch.ExpectationsandExchangeRateDynamics[J].JournalofPoliticalEconomy,1976,84(6):1161-1176.

[9]ObstfeldM,StockmanAC.Exchange-ratedynamics[J].Handbookofinternationaleconomics,1985,2:917-977.

[10]ObstfeldM,RogoffK.Exchangeratedynamicsredux[J].JournalofPoliticalEconomy,1995,103(3):624-660.

[11]ObstfeldM,RogoffK.Newdirectionsforstochasticopeneconomymodels[J].JournalofInternationalEconomics,2000,50(1):117-153.

[12]BettsC,DevereuxM.Exchangeratedynamicsinamodelofpricing-to-market[J].JournalofInternationalEconomic,2000,50(1):215-244.

[13]崔金哲,楊云峰,李鐘林.日本貨幣政策效果的影響因素分析[J].現代日本經濟,2013（6）:40-48.

[14]盛朝暉.中國貨幣政策傳導效應分析:1994-2004[J].金融研究,2006（7）:22-29.

[15]李俊久,姜默竹.利益集團如何影響美國匯率政策？[J].世界經濟研究,2014（6）:73-79.

[16]倪月菊.“安倍經濟學”的出口促進效果評析[J].日本學刊,2014（1）:103-118.

[17]ProspectsGE.GlobalEconomicProspects[J].TheInternationalBankforReconstructionandDevelopment/TheWorldBank,2013(7):23.

[18]李曉,張虎,丁一兵.從“安倍經濟學”的前景看中國經濟面臨的挑戰與機遇[J].國際經濟評論,2014（1）:31-44.

[19]HoenigTM.TheFederalReserve’sMandate:LongRun[J].BusinessEconomics,2011,46(1):13-16.

[20]JoyceM,MilesD,ScottA.QuantitativeEasingandUnconventionalMonetaryPolicy:anIntroduction[J].TheEconomicJournal,2012,122(564):271-288.