投资分析

单因子策略：涨跌幅方差

回测图：

\

策略源码：

{{membership}}

https://bigquant.com/codeshare/907066dc-087f-4468-bc9c-9c8e11aa433c

\

\

收益率（Return）是衡量投资价值随时间变化的百分比。它是一个基本的财务指标，用于评估资产或投资组合在一定时期内的表现。收益率可以基于过去（历史收益率）或预期（预期收益率）来计算。

年化收益率（Annualized Return）是将投资在不同时间段内的收益率调整为一年的标准时间长度，从而使得不同时间长度的投资收益率可以进行公平比较。年化收益率对于评估和比较不同投资的长期表现尤为重要。BigQuant的金融数据因子平台以及[AI量化策略平台（PC端）](https://bi

涨停股票数量多的一定是热门的。想要获得超额收益，就要向涨停股多的地方靠近。当你也认同这个观点，就来订阅学习吧。

视频从市值，板块，行业维度介绍了统计涨停数量与使用经验，从5日行业涨停统计介绍了如何查找热门行业，还有15日平均涨停数量如何查看市场强度。

感兴趣的小伙伴现在订阅或者续费Plus会员的可以用 邀请码 有惊喜噢！

邀请码：sdw58y

我在这里将一步步教你如何从各维度查看涨停板的股票，

https://bigquant.com/college/courses/course-v1:plus+strategy19+2024_01_13/courseware/29f66bcbf5f

什么是协方差矩阵？

协方差矩阵用于计算股票投资组合的标准差，投资组合经理又使用协方差矩阵来量化与特定投资组合相关的风险。在本文中，我们将学习如何为包含 n 个股票的投资组合创建为期“m”天的协方差矩阵。

\

投资组合分析如何运作？

让我们了解投资组合分析的工作原理。假设我们的投资组合中有 4 只股票，我们希望为每只股票分配最佳资本，以使我们的风险最小。

为此，我们需要首先创建多个具有不同权重的投资组合，以反映对每只股票的不同资本配置，并计算每个结果投资组合的标准差，然后选择风险最低的投资组合。

**预期投资组合方差= SQRT (W T *

本文属于我们陆续发布的ETF投资指南系列研究文献，主要讲一下分析比较ETF可以用到的一些专业方法。这篇文章的专业性比较强，适合基金投资行业从业人员阅读。

在绝大部分投资者比较和分析ETF的时候，他们看的比较多的指标有：

![](data:image/svg+xml;utf8,<svg%20xmlns='[http://www.w3.org/2000/svg' width='736' height=

2016年2月13日，应《清华金融评论》邀请，撰写《国外量化投资经典案例介绍与法律分析》一文，对国外量化投资案例进行了一定程度的分析。由于受刊文篇幅限制，未能完全呈现文章内容。特此，刊载全文，与各位进行更深入的探讨。

前言

量化投资就是将人的投资思想规则化、变量化、模型化，形成一整套完整、可量化的操作思路，这套操作思路可以用历史数据加以分析验证，并在交易的执行阶段可以选择使用计算机自动执行。因此量化投资包含程序化交易，但是并不等同于程序化交易。

对于公众和非专业人士而言，量化投资往往神秘莫测。并且，由于量化投资呈现机构化、规模化、深度专业化的特征，在不恰当舆论的引导下，容易让量化投资

美国的晨星公司，其研究部门有一套自己的选股策略，叫做“护城河”（Moat）。很多喜欢炒股的朋友，都对这套“护城河”方法非常感兴趣。因此今天这篇文章，笔者就来为大家介绍一下晨星的“护城河”系统。同时，我也会基于我一向提倡的证据主义，来检验一下晨星的“护城河”选股方法到底是不是管用。

“护城河”这个称谓，最早来自于投资传奇巴菲特。其背后的意思，是好的公司，有能力在自己的主营业务周围挖一条“护城河”，以抵挡竞争对手来侵蚀他的市场份额。在市场经济的体系里，哪一个行业有超额利润，不用多久就会引起别人的注意，并引来越来越多的竞争者。因此一家好的公司，需要有“护城河”来维护自己的竞争优势，保住自己的地盘。

前言：

最近特别忙，写毕业论文，找工作，忙得不亦乐乎。硕士两年来做的一些工作，导师没有让我往毕业论文里面写，我感觉到，这两年的一些经验以及所思所想，可能没有办法写成正式的文章了，特别可惜。所以我决定把自己的一些思考拿出来与大家分享。我从来没有将机器学习应用在量化投资的实战经验（其实我神马实战经验也没有。。），但是读过相当数量的相关论文。很多论文，如许多网友所喷，“这玩意儿根本不work”。说实话，我也知道这些论文不work。但是“不work”并不代表“没用”。一篇文章里，能有一个闪光的思想，对真实投资有一些借鉴价值，我觉得这篇文章就是“有用”的。而所谓的“不work”，是指把这篇文章

由于我的工作关系，经常会有朋友会过来向我咨询一些投资方面的问题。比如前些日子就有一位朋友对我说：伍总，能不能帮我看看这个基金？我身边好多大妈都买了，她们都觉得这个基金特别好。

在研究了该基金的宣传材料以后，我给出了自己的意见。后来回过头来想想，我感觉这样的例子还挺普遍的，于是决定把这个案例写下来，和大家分享一下。

![](data:image/svg+xml;utf8,<svg%20xmlns='[

技术分析，在中国非常流行，有一大批追随者。比如如果我们去看当当投资理财类书籍畅销榜，在前100本卖的最好的投资理财书中，有不少技术分析类书籍：蜡烛图、K线图、艾略特波浪、技术分析大全、震荡指标MACD，等等。可见这样的投资分析方法，在广大读者和股民中有很大的市场。

问题在于：这些林林总总的技术分析，到底有没有用？到底能否为我们投资者带来更好的投资回报？今天这篇文章，我们就来好好研究一下这个问题。

在回答这个问题之前，我们首先需要定义一下，到底什么是技术分析。在本文的分析框架中，技术分析，指的是根据一支股票，或者一个指数过去的历史信息（包括价格、交易量、开仓量等），来预测其未来的价格走势。

前几天在网络上看到了一篇文章，名叫《刘涛的血汗钱》（原文链接在数据来源下面）。文章主要讲的是中国著名的电视剧演员和主持人刘涛，在乐视影业和乐视体育投入了6000万人民币。但是目前看来，乐视体育似乎遇到了不少经营困难，因此刘涛的投资很可能会发生亏损，甚至血本无归。文章中还举了一些其他影视明星，比如郑则仕，张学友，赵薇等投资失败的例子，指出明星们不一定有专业水平，但却热衷投资，亏得可都是自己的“血汗钱”。

关于乐视体育遇到的经营困难，本专栏历史文章《赢家的诅咒》（https://zhuanlan.zhihu.com/p/25498995）中有更为详尽的分析。但我今天要讲的，并不是乐视这家公司

导读：

本文为【FOF投资的量化分析：资产配置模型】篇，介绍了资产配置中最常用的三个量化模型：均值方差模型、Black-Litterman模型和风险平价模型。我们将具体介绍三个模型的配置思想、输入的参数、输出的结果、优缺点、适用条件、实现的算法以及况客FOF系统资产配置模型的模块。

在科学、合理地预测出各类资产的收益、风险和资产间的相关性后，我们可以运用多种量化模型得出最终的资产配置比例。常用的量化模型包括马科维茨的均值方差模型、Black-Litterman模型以及风险平价模型。马科维茨均值方差模型用收益率的标准差衡量风险，并通过给定预期收益率，最小化风险的方式构建投资组合的有效边界；B

沃伦·巴菲特、乔治·索罗斯、彼得·林奇、比尔·格罗斯，这些大名鼎鼎的最成功的投资者，他们的成功秘密是什么？相信这是很多读者最感兴趣的问题。

美国的对冲基金AQR，对这四位投资者的投资业绩做了一个比较细致的分析，得出了一些有趣的结论：

1）这四位投资大师获得的部分超额回报，都能够用一些常见的投资因子来解释。

2）同时，他们也有一些超额回报，无法用常见的投资因子解释。这是他们真正的“阿尔法”。

3）除了索罗斯以外，另外三位投资大师的超额回报，基本都不是通过“择时”获得的。简而言之，投资大师不靠择时提高投资回报。

接下来，和大家分享一下该研究对每一位投资大师的分析。

沃伦·巴菲特

交易更加精确量化，有稳定模型支持，能够严格执行纪律发展轨迹量化投资的领军人物，一般公认为是詹姆斯·西蒙斯。从数学天才到交易模型专家再到投资奇才，关于西蒙斯的传奇广为流传。事实上，跟所有其他大师一样，西蒙斯也是站到前辈的肩膀上才取得引人注目的成就。量化之源可以追溯到20世纪初，法国人路易·巴舍利耶1900年首创了数理金融方法。路易是第一位用量化描述布朗运动的人，他提出可以用概率论来理解金融市场。遗憾的是路易的理论没有引起业界的重视，其价值几十年后才被另一位天才发现。这位天才就是美国的现代经济学之父保罗·萨缪尔森，他建立了宏观和微观经济学数量化体系，代表性研究成果包括消费理论中的功效函数、福利经济

报告摘要

高增速股票的成长困境

我们通常根据净利润同比增速来衡量股票的成长性，然而由于同比增速会面临微利股、除数效应、非经常性损益等多种因素导致其可能产生较大奇异值或失真，导致高增速股票中股票的未来收益并不正比于其业绩增速，单纯以单季度归母净利润同比增速来筛选成长股较为敏感且片面。

分析师认可的成长股

上市公司披露盈余公告后，分析师经常会点评其业绩，这给我们确认其成长性提供了额外的信息。如果上市公司披露盈余公告显示业绩增速高，并且分析师撰写研报也确认了其“业绩大幅增长”且同时上调其预期净利润，那么我们就更加能确认其高成长性。

我们根据盈余公告后分析师研报

\

摘要

文献来源：Chen, Mike, and George Mussalli. "An integrated approach to quantitativeESGinvesting." The Journal of Portfolio Management 46.3 (2020): 65-74.

推荐原因：ESG投资是投资界和学术界都非常关注的一个领域，但目前对ESG投资的定义，以及如何构建一个可以结合回报和可持续性两个维度的最佳投资组合尚未达成一致。本文对当前市场中的ESG投资进行了分类，并介绍了ESG投资框架。

![{w:100}{w:100}](https://

问题

如何以不复权或者前复权数据获取，用后复权我有一套指标价格完全不对了，导致没法使用

\

研究结论

绩效归因分析主要是将投资组合的业绩与基准业绩相比较，并将超越基准部分的收益分解成若干影响投资决策的因素。投资组合的绩效归因分析主要有两大类：基于收益率的绩效归因和基于组合持仓的绩效归因。

基于收益率的绩效归因主要有T-M 模型、H-M 模型、C-L模型、TM-FF3 、HM-FF3和CL-FF3模型。基于组合持仓的绩效归因主要依据Brinson模型和多因子模型。基于持仓的归因相比于基于收益率的归因能够从更多角度刻画组合管理人的投资能力。

风险也是组合管理人关心的重要部分，对投资组合进行风险归因有助于组合管理人了解组合的风险来源。风险归因分为事前(ex-ante)风

策略案例

https://bigquant.com/experimentshare/0150d45766bd42e2bd5c4f05b0df6644

\

绩效归因分析主要是将投资组合的业绩与基准业绩相比较，并将超越基准部分的收益分解成若干影响投资决策的因素。投资组合的绩效归因分析主要有两大类：基于收益率的绩效归因和基于组合持仓的绩效归

基于收益率的绩效归因主要有T-M 模型、H-M 模型、C-L模型、TM-FF3 、HM-FF3和CL-FF3模型。基于组合持仓的绩效归因主要依据Brinson模型和多因子模型。基于持仓的归因相比于基于收益率的归因能够从更多角度刻画组合管理人的投资能力。

风险也是组合管理人关心的重要部分，对投资组合进行风险归因有助于组合管理人了解组合的风险来源。风险归因分为事前(ex-ante)风险归因和事后(ex-post)