摘 要
随着我国经济的发展，对于国内来说，我国的量化投资正处在起步阶段，而且量
化投资的应用近年来伴随着资本市场的波动也正在稳步地发展。国内众多的学者对于
量化投资策略运用效果的研究还不是很多，因此，本文通过研究量化基金的绩效及管
理能力来研究量化投资策略在实际过程中的应用效果，这也是本文主要的研究意义所
在，旨在提高大众对量化投资的理解和认识。
中国从 2004 年 8 月 27 日的第一只量化基金产品出现以来，到 2004 年以来，一共
有且只有 60 只量化基金出现，这其中的总规模就已经达到约为 500 亿元。从这些一连
串的数据可以看出我国的量化投资还是仍然处于初级阶段，在这之后，一些有关量化
投资策略使用效果研究以及对国内并不多见的量化基金这类产品研究也如雨后春笋般
地多了起来。虽然中国的量化基金市场相对于欧美发达国家在数量和规模上还是会有
很大的差距，但随着市场机制的日益完善以及越来越多的创新产品逐步推出，加上交
易监管制度的渐趋完善，以及广大投资者对金融知识的储备的日趋丰富，相信中国的
量化投资在近些年的发展过程中也一定会迎接快速发展的时期在国内市场应用前景不
可估量。而且量化投资有着自己独特的优势，这是因为量化投资和定性投资相比，更
能克服人性上的弱点，对于在获取信息和进行投资决策时能够体现更多的纪律性，比
起其他的投资方式，量化投资的策略会显得更加科学和完善。
而从实际的状态来看，通过观察国内量化基金的投资策略，对于投资标的的同质
化的现象显得颇为严重。深入地究其原因，主要是因为大多数的基金经理他们不约而
同地参考了多因子选股模型，这样就会导致容易忽略基本面，加上行业的因素和市场
风格的转换两者也会毫无疑问地会对投资绩效产生比较突出的影响。当然，在熊市中，
基金则是更多地通过减仓的目的来达到减少损失的效果，从 2010 年，中国相继推出股
指期货以来，本来完全可以更多地配合股指期货的操作方式来釆取市场中性策略来增
加投资者的收益，然而因为目前交易机制还不够完善，以及投资者的金融知识匮乏，
并不能像西方资本主义市场那样自由地使用所有的金融衍生产品来使得投资收益最大
化。着也就导致了同样的情况也出现在融资融券中，融资费率和融券数量的限制使得
一些在熊市中也可获利的策略无法大展身手。
II
尽管许多数据提供商及基金评级机构公开了各自的基金业绩评价指标或评级公式，
甚至有些卖方研究所也开发了量化择基模型，但是众多的择基方法不论是在数据获取
成本、客观性、易行性等方面都存在或多或少的问题。为了克服这些难题，本文致力
于建立一个取数于公开市场、逻辑结构简单、易实现的量化择基模型，为基金投资者
提供可靠的投资建议。
更是从宏观的角度来说，在近十年来经济全球化的进程有了突飞猛进的发展。随
着国家间经济联系与交往的日益紧密,从商品、服务、劳动力的相互补充,到科技、信息
的互通有无,以及资本国际流动规模的扩大,国家间的利益已经休戚相关,实行完全封闭
的对外经济政策在当今世界已不再可能。因而,任何国家都不可避免地或主动、或被动
地卷入到经济全球化的浪潮当中,只是参与的程度有所一些的差别。
因此，我们基于当前的情况，本文首先将 15 只量化基金累计净值收益率同中信 A
股指数收益率和市场收益率三者之间进行比较，以研究当前量化基金采用量化投资策
略的绩效情况；再通过采用 T-M 模型、H-M 模型和 C-L 模型对其中的 9 只量化基
金的管理能力进行了详细的研究，进而来评价量化基金在使用量化投资策略的择股效
果和择时效果。通过研究结果显示，样本中 60%左右的量化基金可以超过市场的均值
和中信 A 股指数，这就说明了量化基金所采用的量化策略在进行投资过程中是有意义
的；T-M 模型、H-M 模型和 C-L 模型的研究结果也充分表明了几乎全部量化基金具
备正的择股能力（在统计上并不是很显著），以及几乎全部量化基金都不具备正的择时
能力（只有 C-L 模型的研究结论在统计上呈现显著的趋势）。最后本文总结了研究结
论，并提出了一些决策性的建议。
关 键 词：量化经济；投资策略；实施效果；绩效评估
论文类型：理论研究和模型设定
ABSTRACT
With the development of our economy, for domestic, quantitative investment in our country is in start
level, and the application of quantitative investment in recent years along with the fluctuations are steadily
on the development of capital market. Many domestic scholars for the application of quantitative
investment strategies to effect is also not many, therefore, in this paper, through the study of performance
and quantitative funds management ability to study quantitative investment strategies in the process of
practical application effect, this is the meaning, this article mainly research aimed at improving the
public's understanding of quantitative.
China from August 27, 2004, the first quantitative fund products, since 2004, a total of only 60and
quantitative funds, of which total scale has reached about 50 billion Yuan. A series of data can be seen
from this quantitative investment or is still in its infancy in our country, after that, some studies
quantitative investment strategies use effect and the domestic rare quantitative fund this kind of product
research and also such as bamboo shoots up more. Although China's quantitative fund market relative to
the developed countries in the number and size of Europe and North America will still have a large gap,
however, as the market mechanism increasingly perfect and introduced gradually, more and more
innovative products and trade supervision system gradually perfect, and the general investors increasingly
rich reserves of financial knowledge, believe that the process of the development of quantitative
investment in China in recent years are going to meet the rapid development period in the domestic
market prospect is immeasurable. And quantitative investment has its own unique advantages, this is
because, compared to quantitative and qualitative investment can overcome the weakness of human nature,
in the access to information and investment decisions can reflect more discipline, and compared with
other forms of investment, quantitative investment strategy would be a more scientific and perfect.
And from the perspective of the state of actual, by observing the domestic quant funds investment strategy,
the phenomenon of homogeneity for investment is very serious. Thoroughly investigate its reason, mainly
because most fund managers they consulted many to one factor to choose a model, this will lead to easy to
overlook the fundamentals, plus the industry factors and market style transformation both will no doubt be
a prominent impact on investment performance. , of course, in a bear market, the fund is more through
reduced to achieve the purpose of reducing the effect of the loss, since 2010, China successively since the
launch of stock index futures, already can more completely with the operation of the stock index futures to
the quantitative market neutral strategy to increase the income of the investors, however because of the
trading mechanism is not perfect enough, and investors' lack of financial knowledge, unlike western
capitalist market, and can't free to use all of the financial derivatives to make to maximize investment
returns. Also can lead to the same situation also appeared in the margin, financing cost rate and the limit
of the number of the borrowing makes some in bear markets can also be profitable strategy can not.
Based on the current situation, this article will first 15 quantitative fund accumulative total net value of
yield with citric a-share index comparison between returns and market returns, in order to study the
current performance of quant funds using quantitative investment strategies; Again through the adoption
of T - M model, H - M model and C - L model of 9 quantitative fund management ability to carry on the
IV
detailed research, and then to evaluate quantitative funds in the use of quantitative investment strategies of
stock selection effect and timing effect. Through the research results show that the sample of 60% or so of
the quant funds can be more than the market average and citric a-share index, which means the quant
quantitative strategies adopted by the makes sense to invest in the process; T - M model, H - M model and
the result of C - L model also fully shows that almost all quantitative funds is the stock selection ability
not statistically significant), and almost all quantitative funds don't have is timing ability only C - L model
research conclusion statistically significant trends). At the end of the paper summarizes the research
conclusion, and puts forward some policy Suggestions.
KEY WORDS: Quantitative economy; Investment strategy; the Implementation effect; Performance
evaluation
TYPE OF THESIS: Theoretical Research and Case Study
目 录
1 绪论.......................................................................................................................................3
选题背景和研究意义....................................................................................................3
本文创新点 ....................................................................................................................3
2 相关理论与综述...................................................................................................................3
量化投资使用效果的理论支撑....................................................................................3
量化投资策略的使用理论支撑 ....................................................................................3
国外文献综述 ................................................................................................................3
国内文献综述 ................................................................................................................3
3 量化投资的现状与发展.......................................................................................................3
量化投资的现状............................................................................................................3
量化投资发展趋势 ........................................................................................................3
4 量化投资策略的使用效果...................................................................................................3
量化投资的管理能力分析............................................................................................3
量化投资能否战胜市场 ................................................................................................3
5 多因子选股模型的建立.......................................................................................................3
模型介绍........................................................................................................................3
模型研究思路 .............................................................................................................3
多因子模型建立步骤....................................................................................................3
选取候选因子.............................................................................................................3
检验选股因子的有效性.............................................................................................3
剔除多余因子.............................................................................................................3
模型评价及改进.........................................................................................................3
6 多因子模型实证结果...........................................................................................................3
数据范围选取................................................................................................................3
数据处理 ........................................................................................................................3
构建多因子投资组合.....................................................................................................3
多因子模型运行结果.....................................................................................................3
7 政策建议...............................................................................................................................3
学习国外先进量化策略................................................................................................3
提高人才素质................................................................................................................3
推进人民币国际化.........................................................................................................3
扩内需与加快出口贸易................................................................................................3
协调国际货币政策........................................................................................................3
VI
削弱通货膨胀................................................................................................................3
加强对流动资本的监管................................................................................................3
1 绪论
选题背景和研究意义
中国股票市场成立已经 20 余年，在这期间，相应法律法规和制度建设日益完善，
市场中的参与者也越来越多，经过 2005 年股权分置改革，中国股票市场快速健康发展
并不断壮大，可投资品种也越来越多。市场产品的增加为各种投资方式的发展提供了
历史机遇，与此同时，机构投资者对量化投资的关注程度也越来越高。量化投资策略
作为投资策略的一种，在投资过程中具有重要的实践意义。量化投资略包括行业量化
资产配置策略、量化择股策略和量化择时策略。行业量化资产配置策略体现的是行业
选择的能力、量化择股策略体现的是证券选择的能力，量化择时策略体现的是时间选
择的能力。其中，择时策略是通过分析历史信息和现时信息，对当前的投资决策做出
指导，而不是对未来趋势进行预测。量化投资策略根据一些量化的指标来指导投资决
策，这些指标可以是技术分析学派使用的，如价格、成交量、成交额、移动平均线数
据等，也可以是学术分析学派使用的，如货币供应量、公司财务指标等，也可以是心
理分析学派使用的，如投资者情绪指标、分析师综合预测等。量化投资策略就是根据
这些可以获得的能够量化的信息，对其进行统计学上的分析，并加以金融建模，通过
运用计算机程序进行日常的决策和交易。自 2004 年 8 月 27 日国内发行第一只量化
基金产品以来，截至目前，国内已经有十五只公募性质的量化基金产品在运营，一些
阳光私募也开始使用量化投资策略，量化投资在我国的发展还处于起步阶段。国内学
者对量化投资策略应用效果的研究还较少，本文在借鉴前人研究基金管理能力方法的
基础上，从研究量化基金管理能力来研究量化投资策略的择时效果和择股效果，以研
究量化投资策略的使用效果，并根据研究结果提出合理的建议。
本文的研究意义在于，国内外学者对量化投资策略使用效果的专门研究还较少，
供本文可参考的专门研究投资策略使用效果的理论和文献十分有限，本文在此理论背
景和研究基础上，利用国内 A 股市场上现有的采用量化策略的基金数据，通过研究这
些基金的绩效、择股能力和择时能力来考察分析使用量化投资策略的效果。长期以来,
对基金真实业绩、基金经理的实际投资能力、基金经理的作用和地位、基金经理是否
尽职履行职责等问题,一直存在争论。本文的研究有助于考察基金和基金经理的真实状
况,分析基金经理努力程度的“真实效应”,基于收益数据的基金经理努力程度评价模式不
仅对基金经理“成功”的投资行为进行了考察,还对其主观努力程度进行了分析,因此本文
8
的研究具有重要的应用价值。随着量化投资的不断发展，量化投资模型也在不断改进。
简单的策略可能就是证券或组合的套利行为，如期现套利组合、市场异象研究中的差
价组合等。统计套利策略是经典的量化投资策略，如匹配交易或携带交易。近年来，
高频交易成为量化投资的重要内容，基于高速的计算机系统实施高频的程序交易已经
是量化投资的重要利器。
本文创新点
本文力求在前人理论和研究成果的基础上，进行一定程度的创新。论文创作后，
总结本文的创新点主要为研究对象上的创新。量化投资在我国还处于起步阶段，国内
学者对量化投资策略使用效果的研究比较少见，对量化基金这类新兴基金的研究也比
较少见，量化基金由于主要使用量化投资策略行投资，因此量化基金的管理能力可以
直接反映量化投资策略的使用效果，因此本文通过研究量化基金的管理能力，对量化
投资策略的应用效果进行了研究，在研究对象上呈现一定的创新性。
同时，也将多因子模型中有效因子藤选范围圈定作出大胆尝试，即分别对大盘股
和小盘股觀别出适合各自风格特征的有效因子，以迎合不同时间股票市场的风格走向，
多因子选股时釆用打分法来构建投资组合时我们提出的分层赋权思想也是亮点之一。
近年来，我国股票市场中大小盘收益存在明显差距，市场热捧小盘股，小盘股有
远胜于大盘股的收益表现，但有些阶段大盘股也有超越小盘股的表现，许多机构和学
者进行了大量的研究来解释和把握这种现象，以实现投资收益的最大化，下面从实证
分析的角度的角度出发，来揭示可以使用这种风格来构建基本策略的操作方式和原理，
为投资者的投资‘提出新的建议和方法。
Equation Chapter (Next) Section 1
2 相关理论综述
量化投资使用效果的理论支撑
要研究投资策略的使用效果，那么前提是这种投资策略可以在市场上发挥作用，
由此可以得出，研究量化投资策略使用效果的理论前提就是市场的有效性理论。关于
效率市场假说，目前被采用最多的是 Eugene 的理论。
Eugene
根据信息集的不同将效率市场分为三种类型：
1、弱势效率市场
弱势效率市场是指当前的证券价格已经充分反映了全部能从市场交易数据中获得
的信息，这些信息包括过去的价格、成交量等历史信息。这意味着技术分析在弱势效
率市场是无效的。
2、半强势效率市场
半强势效率市场是指证券价格已经充分反映所有的公开信息。这意味着使用公开
信息进行的分析是无效的
3、强势效率市场
强势效率市场是证券价格已经充分反映了全部的信息，包括公开信息和内幕信息。
这意味着使用任何信息进行的分析都是无效的。
如果市场是弱势有效的，那么市场已经完全反映了全部历史信息，人们只有对全
部公开信息进行分析，使用某种投资策略才能获得超额收益；如果市场是半势有效的，
那么人们不可以通过对公开信息进行分析来获得超额收益，人们只可以对内幕信息分
析来获得超额收益；如果市场是强势有效的，那么使用任何信息包括历史信息、公开
信息和内幕信息都无法获得超额收益。量化投资策略作为一种主动型投资管理方式，
使用的信息集是全部公开信息，因此在市场是强势有效的情况下也将失去效力。研究
量化择时策略效果的理论前提是市场是无效率市场或弱势效率市场或半强势效率市场。
资本资产定价模型 CAPM 由夏普（William Sharpe）、林特奈（John Lintner）、
特里诺（Jack Treynor）和莫辛（Jan Mossin）等学者在资产组合理论的基础上发展而来。
CAPM 模型的假设包括： 全部投资者具有相同的投资期限投资者按照投资组合
10
在单一投资期内的预期收益率和标准差来对这些投资组合进行评价投资者永远不满足，
当面临其他条件相同的两个选择时，他们将选择具有预期收益率较高的那一种；投资
者是风险厌恶的，当面临其他条件相同的两个选择时，他们将选择标准差较小的
那一种；每种资产是无限可分的；投资者可以按照相同的无风险利率贷出或者借入资
金；证券市场无摩擦，交易费用和税收可忽略不计； 投资者具有相同的信息获取能力，
且信息是免费的。投资者对于各种资产的收益率、标准差、协方差等具有相同的预期。
CAPM 模型的数学表达式为：
Rp-（NAVt-NAVt-1）/NAVt-1
这是与市场组合协方差与市场组合的方差之比。现代的资本资产定价理论是目前
流行的基金绩效、管理能力评价模型和的理论基础，同时也是一些量化投资策略的基
础。 CAPM 模型为人们计算预期收益率以及进行各种资产定价提供了理论依据，同
时，为后来学者通过将 CAPM 变形来研究基金的择时能力和择股能力提供了依据，
如检验基金管理能力的 T-M 模型和 H-M 模型都是在 CAPM 模型的基础上加入另外
的自变量得来。
量化投资策略的使用理论支撑
量化基金是采用量化投资策略来进行行业资产配置、择股和择时以及运用计算机
程序进行交易操作的基金。由于量化基金主要采用量化投资策略来进行投资运作，因
此，量化投资策略的使用效果可以直接体现在量化基金绩效及管理能力上，即量化投
资策略的使用效果好，则量化基金会表现出较好的绩效和较高的管理能力。因此，使
用绩效评估及管理能力评价理论研究量化投资策略的使用效果是完全可行的。
根据绩效评估是否进行风险调整，绩效评估的方法可以分为收益指标评估方法和
基于风险调整的指标评估方法。基于风险调整的指标评估方法，又可以根据绩效评估
中考虑的业绩影响因素的数量，可以分为单因素绩效评估理论和多因素绩效评估理论。
收益指标可以反映投资组合在一定期间内的收益情况，一般使用投资组合净值收益率
率来表示投资组合在一定期间内的收益率情况。投资组合净值收益率的计算公式为：
投资组合净值收益率=（投资组合当期累计净值-投资组合上期累计净值）/投资组合上
期累计净值，即：Rp-（NAVt-NAVt-1）/NAVt-1
其中， 表示 Rp 投资组合净值收益率，NAVt 表示投资组合当期累计净值，NAVt-1
表示投资组合上期累计净值。
国外文献综述
在 20 世纪 60 年代初，国外进行绩效评估研究时主要使用投资组合收益率指标，
但是由于这种评估方式没有考虑到风险因素，因此这种评价方法不能全面的反映风险
因素对收益的影响。国外学者很快就综合收益和风险因素，开发出基于风险调整的绩
效评估模型。
Sharpe（1966）认为一般投资组合只能接近于充分分散非系统性风险，在绩效评估
时还应考虑到非系统性风险因素，因此他提出了另外一种风险调整的绩效评估模型，
即 Sharpe 测度，他考虑了总风险与超额收益之间的关系，该模型测度了每单位总风险
对应的超额收益，也是一种相对的评估方式。Sharpe 使用该模型对美国 1954 年至 1963
年之间的 34 基金进行了研究，结果显示大部分基金的绩效无法超越道琼斯工业指数
的绩效，而各个基金收益率的差异主要由基金费用的不同引起。
Jensen（1968）提出了 Jensen 测度评估模型，该模型以投资组合收益率与基于
CAPM 的预期收益率之差作为评估绩效的指标，是一种绝对的绩效评估模型，该模型
也只考虑到了系统性风险因素，而没有将非系统性因素纳入模型。通过对美国 1958
至 1964 年之间的 115 只基金的绩效进行研究，Jensen 得到结论，即没有证据表明这
些基金可以获得比随机选择的投资组合更好的绩效。
Fama 和 French（1993）的三因素模型对投资组合收益来源进行了详细的分解，
是多因素绩效评估方法的代表。Carhart（1997）通过向三因素模型中加入一个动量因
子因素得出了四因素模型，该模型对投资组合收益来源的分解更加全面。多因素模型
相对于单因素模型对业绩的分解更为全面，但由于加入业绩影响因子具有一定程度的
主观性，因此其评价效果也受到业绩影响因子的影响。
Treynor 和 Mazuy（1966）最早提出了对管理能力进行评价的模型，即 T-M 模
型，该模型以市场收益与无风险收益率之差的平方作为影响择时能力的因素，以该项
系数作为衡量择时能力的指标，他们认为投资组合管理人如果有良好的择时能力，那
么他们会在市场为牛市时增加股票资产的配置比重，他们使用该模型对美国 1953 年
至 1962 年期间 57 基金的表现进行研究，结果显示只有一只基金具有显著的择时能
力，这表明这些基金的收益来源主要是市场风险报酬和证券选择能力。
12
Henriksson 和 Merton（1981）提出了检测基金管理人管理能力的 H-M 模型。通
过向詹森测度中加入一个期权项目，并通过判定该项的系数的正负来评估管理人的择
时能力，他们通过对美国 1968 年至 1980 年之间的 116 只基金进行研究，发现这些
基金都不具备择时能力。
Chang 和 Lewelle（1984）在 H-M 模型的基础上，提出了 C-L 模型，他们将证
券场运行划分为牛市和熊市，两个时期均有不同的贝塔值，通过比较两个时期贝塔值
的大小来判断基金管理人是否具备择时能力，即牛市时期的贝塔大于熊市时期的贝塔，
那么投资组合管理人就具备正的择时能力，通过对美国 1971 年至 1979 年之间的 67
只基金进行检验，他们发现这些基金并不具备显著的择时能力的结论。
三因素模型提出后，一些学者开始将管理能力评估模型与三因素模型结合起来使
用，Goetzmann、Ingersoll 和 Ivkovic（2000）通过向变形的 Jensen 测度加入每日市
场时机把握带来的基金资产增加值来检测基金的管理能力，这个模型即 GII 模型；同
时他们也基于三因素模型对模型进行修改得到 GIIFF3 模型；通过对美国 1988 年 1
月至 1998 年 3 月期间的 558 只基金进行研究，他们发现只有很少的基金表现出显著
的正向择时能力。
通过以上文献可以发现以上，以上学者的研究数据主要基于月度收益数据，结果
基本上表明基金并不具备显著的择时能力。之后一些学者开始采用日收益数据来研究
投资组管理人的择时能力，其中一部分学者得出的研究结论倾向于管理人大多数具备
正的择时能力，比如 Bollen 和 Busse（2001）使用日收益数据的研究发现基金具有一
定的时机选择能力，Changce 和 Halmer（2001）的研究也表明基金具备一定的时机选
择能力。使用月度数据得到的择时能力应对应于月度择时能力，而使用日度数据得到
的择时能力应对应于日择时能力。以上学者的研究结果表明，基金管理人有一定的日
择时能力，而没有证据表明基金管理人具备正的月度择时能力。
国内文献综述
随着基金市场的发展，在绩效评估以及管理能力研究方面，我国学者从研究封闭
式基金的绩效及管理能力逐渐过渡到研究开放式基金的绩效和管理能力。由于市场上
目前存在的量化基金数量还较少，因此对该类型基金的研究还非常少见。以下的文献
也主要集中在研究封闭式基金和开放式基金绩效和管理能力方面。
沈维涛、黄兴孪（2013）使用风险调整绩效评估法、T-M 模型和 H-M 模型对 1999
年 5 月 14 日至 2001 年 3 月 23 日期间的 10 只基金进行了研究，结果发现 40%
的基金累计净值收益率可以超过基准市场组合收益率，T-M 模型检验中有 6 只基金
的择时能力指标为正但是并不显著，H-M 模型中有 7 只基金的择时能力为正但并不
显著，说明没有证据表明基金具备正的择时能力，因此他们认为基金获取收益的主要
来源还是其择股能力。
吴世农、李培标（2014）在《中国投资基金证券选择和时机选择能力的实证研究》
中，运用 T-M 模型和 H-M 模型对 2009 年 5 月-2012 年 12 月期间的 10 只封闭
式基金进行了究。他们的研究结果显示，这些基金都不具备显著的证券选择能力，大
部分基金具备正的市场时机选择能力。基于以上研究结果，他们认为这些基金主要依
靠其择时能力来获取收益。值得注意的是，该研究的数据是周频率数据，所在时间区
间正是股票市场处于不断向上的牛市阶段，数据时间区间并没有横跨牛市和熊市。这
一结论与沈维涛、黄兴孪（2001）的研究结论是相反的。
王守法（2015）在《我国证券投资基金绩效的研究与评价》中，从风险与收益、
风险调整收益、管理能力和绩效持续性方面对 2013 年 3 月 4 日至 2015 年 10 月 31
日期间的 1 只基金进行了研究，结果发现，我国基金总体上很难持续跑赢大盘，也没
有证据表明其具备良好择时能力和择股能力，基金业绩不具有持续性。
王聪（2001）在《证券投资基金绩效评估分析》中系统的研究了目前国际上流行
的证券投资基金绩效评估模型和管理能力评价模型，对各种模型的适用性做了深入的
分析，得出相比于均值方差模型，单因素检验模型和多因素检验模型更适合中国证券
市场，而多因素检验模型相比于单因素检验模型其拟合效果更好，在基金管理能力方
面，T-M 模型、H-M 模型和 C-L 模型更适合用于检验开放式基金。
汪光成（2002）使用基于 CAPM 的 T-M 模型、H-M 模型和 GII 模型以及基于
三因素模型的 T-MFF3 模型、H-MFF3 模型和 GIIFF3 模型对我国 1998 年 6 月 30
日至 2001 年 6 月 30 日之间的 33 只基金进行了研究，结果显示多数基金不具备正
的择时能力，而是具备负向的择时能力，只有少数基金具备正的择时能力；在多因素
调整的 T-M 模型、H-M 模型下有一定部分的基金具备统计结论上显著的正择股能力。
在分时段检验中，1999 年和 2000 年多数基金表现出不显著的正择时能力，2001 年多
数基金则表现出负向的择时能力。另外汪光成还对基金的季度持仓变化情况进行了研
究，结果发现基金的持现比例在市场波动时并无明显变化，也说明基金在季度区间内
没有表现出正的择时能力。
张新、杜书明（2002）使用詹森测度、夏普比率、T-M 模型和 H-M 模型对 1999
年 12 月 31 日至 2001 年 9 月 28 日期间的 22 只基金进行了研究，结果发现没有
证据能表明这些基金可以超越基准市场组合，也没有显示出优异的择时能力和择股能
力。
总结以上文献的研究结论，可以发现，除去吴世农、李培标（2002）的研究结论
显示基金具备正的择时能力外，其他国内学者的研究均表明无论封闭式基金还是开放
14
式基金都没有证据表明他们具备正的择时能力和正的择股能力。吴世农、李培标得出
基金具备正的择时能力的研究结论的原因可能在于他们选取的数据是周收益率数据，
并且数据区间 2009 年 5 月-2012 年 12 月股票市场一直处于整体向上的牛市阶段，
数据时间区间没有横跨牛和熊市。由于量化基金目前尚在起步发展阶段，国内学者对
量化投资效果的研究也十分见。因此，本文主要借鉴以往学者对封闭式基金和开放式
基金的绩效及管理能力研究方法来研究量化投资策略的使用效果。
3 量化投资的现状与发展
我国的量化投资处于发展的起步阶段，自 2004 年国内第一只量化基金产品光大
保德信量化核心基金诞生以来，目前已经有多只量化基金在运作。目前国内采用量化
投资策略作为投资策略的投资者还是以机构投资者为代表，由于量化投资需要处理大
量的高频数据，且需要计算机程序来完成整个交易过程，因此其使用门槛较高，个人
投资者很难使用量化投资策略进行投资，但也有一些简单的基于技术分析的量化投资
策略程序已经公开，个人投资者可以参照这些来学习使用量化投资策略。使用量化投
资策略的机构投资者以公募基金、券商和私募机构为代表。量化投资的应用范围则包
括股票投资、金融期货及衍生品投资和商品期货投资。
量化投资的现状
国内第一只量化投资基金——光大保德信量化核心基金诞生于 2004 年；2005 年，国
内第二只量化投资基金上投摩根阿尔法基金发行成立，之后的四年中，一直没有新量
化投资基金出现，直到 2009 年以来新的量化基金重新开始发行，量化投资再次被国内
机构投资者所重视，当年总共有五只量化基金发行，2010 年则有三只量化基金发行，
2011 年有五只量化基金发行。目前国内发行的 15 只量化投资基金情况如表 3-1 所示。
表 3-1 量化基金发行时间及投资策略使用情况
除公募基金外，量化投资策略在私募投资管理机构中的应用也快速发展。根据私
募排排网站的统计，目前国内已经有 20 款采用量化投资策略的私募产品，这些产品
的基金经理多数具有海外量化投资经历。另外，在券商专户理财、基金专户理财、及
商品期货经纪商中量化投资开始占据一席之地。
量化投资发展趋势
由于传统投资过程中需要不断的进行人为分析及判断，因此分析人员难免会受到
自身情绪的影响，这就有使得真实的分析结果偏离理性分析结果造成错判，而量化投
资过程中使用程序来分析已有和现有数据，并根据投资策略来完成判断，就避免了人
为情绪对分析和判断造成的负面影响。因此，量化投资相对于传统投资的一个优势在
于可以避免人为情绪对分析和判断造成的负面影响。
在决策对象的广度上，传统投资由于可跟踪股票数量上的限制，以及人为分析决
16
策时分析变量上的限制，其决策对象的广度呈现出有限性；而量化投资则由于使用计
算机程序执行量化投资策略来进行分析和判断，因此其可跟踪股票的数量基本不受限
制，其分析变量也基本不受限制，使用计算机程序可以快速对大量研究对象进行分析
及判断，其决策对象的广度呈现出无限性。
在决策对象的深度上，使用量化投资策略进行投资管理，需要不断更新策略来适
应市场的变化，且需要进行计算机编程，因此其工作量十分复杂和庞大，其研究深度
由已有投资策略所决定；而传统投资中研究人员可以经常性的对掌握的信息进行日常
分析，因此其更具深度优势。
在收益和风险控制方面，传统投资更加偏重个股选择而不是投资组合构建，强调
的是收益而不是风险控制；而量化投资非常看重风险控制，追求在风险和收益之间的
权衡。因此，量化投资可以有效避免投资管理人偏离潜在的业绩基准，过分追求收益
而忽视风险。
在分析及判断方面，传统投资是不断的进行人为分析及判断，而量化投资则是不
断通过已有量化投资策略进行分析及判断；在交易执行方面，传统投资一般由专门人
员来执行交易，而量化投资则通过计算机程序来执行交易。
综上所述，量化投资相对于传统投资的优势在于其可以避免投资管理人的情绪和
认知偏差等对分析和判断造成的负面影响、具有更大的决策对象广度、可以更好的权
衡收益和风险；传统投资的优势在于其在决策对象的深度方面可能会更加具有优势。
4 量化投资策略的使用效果
量化投资的管理能力分析
样本数据的选取：由于 2011 年新发行的 5 只基金的月化收益率数据样本数量偏
少，且 2010 年 11 月之后发行的基金未能经历过较大幅度上涨的牛市，无法横跨牛
市和熊市，因此本文以 2010 年 11 月 1 日之前发行的 9 只量化基金为研究对象，
以 2004 年 1 月 1 日至 2011 年 12 月 31 日之间这 9 只量化投资基金的月收益率
数据为研究样本，运用统计软件 Spss，通过应用 T-M 模型、H-M 模型和 C-L 模型对
量化投资基金的月收益率数据进行回归分析对其管理能力进行评价，以研究量化投资
策略的使用效果。
风险收益率的确定：本文以一年期定期存款利率作为无风险利率，以一年期定期
存款的十二分之一作为月化的无风险收益率。月化无风险收益率情况如表 4-3 所示。
市场收益率 Rn 的确定：以中信标普 A 股综合指数月益率和中信全债指数作为基
准，其中信标普 A 股综合指数月收益率占权重 80%，中信全债指数月收益率占权重
20%，
Rm,t== Rn,t+=Bm,t
其中 Rm,t 表示 t 月的市场收益率，Rn,t 表示 t 月中信标普 A 股综合指数收益率，
Bm,t 表示月中正债券指数收益率。
根据市场收益率的公式，计算得到的市场收益率如图 4-1 所示
18
量化投资能否战胜市场
通过对比量化基金累计净值收益率和同期中信 A 股综合指数收益率、市场收益率，
我们可以以此判断使用量化投资策略是否可以战胜市场获取超额收益。
基金累计单位净值是当前基金单位净值与基金成立后历次累计单位分红的总和，
它可
以代表代表每单位基金的收益情况，其计算公式为：
基金累计单位净值=当前基金单位净值+历次累计单位分红总和。
在基金累计单位净值的基础上，可以计算得到基金累计净值收益率，其计算公式
为：基金累计净值收益=（基金累计单位净值-基金发行日单位净值）/基金发行日单位
净值。
市场收益率 Rn 的确定：以中信标普 A 股综合指数月益率和中信全债指数作为基
准，其中信标普 A 股综合指数月收益率占权重 80%，中信全债指数月收益率占权重
20%，
Rm,t== Rm,t+=Bm,t
数据选取：选取 2011 年 12 月 31 日之前发行的 15 只基金作为研究对象，选取
各个量化基金自成立日起至 2011 年 12 月 31 的累计净值和同期中信 A 股收益率、
同期市场收益率作为研究数据，并计算得到各个量化基金的累计净值收益率。
将各个量化基金自成立以来至 2011 年 12 月 31 日的累计单位净值增长率情况
与同期中信 A 股综合指数收益率做对比，通过对比研究量化基金的管理能力(如图 4-2)
表 4-2 比照中信 A 股指数收益率的基金绩效情况
根据以上表格的统计结果显示，跑赢中信 A 股指数的量化基金共九只，占量化基
金的 60%，另外 40%的量化基金跑输中信 A 股综合指数。即有光大量化核心、上投
摩根阿尔法股票、华商动态阿尔法、长盛量化红利、富国量化沪深 300、华富量化、
大摩多因子、申万菱信和诺安多策略这九只量化基金的业绩可以超过同期中信 A 股指
数涨幅。这九只量化基金中有五只的发行日期均在 2010 年 1 月 1 日之前，占跑赢
中信 A
股指数全部基金 71%，另外四只基金的发行时间在 2011 年 4 月至 2011 年 8
月。其中上投摩根阿尔法跑赢市场收益率 %，远远超过其他量化基金，而华商
动态阿尔法、长盛量化红利、富国量化沪深 300 在成立后股票市场就处于下跌趋势的
情况下，依然获得了超过中信 A 股指数 10%以上的收益率，展现出了较好的绩效。
而在跑输中信 A 股综合指数的量化基金中，成立较早的嘉实量化阿尔法表现最差，落
后于中信 A 股指数 %。
从以上表格中的统计结果可以发现，经历过 2007 年大牛市的两只基金光大量化
20
核心和上投摩根阿尔法均跑赢中信 A 股指数，但光大量化核心只能微幅跑赢中信 A 股
指数；2009 年发行的五只基金中有三只跑赢中信 A 股指数；2010 年发行的三只基金
均跑输中信 A 股指数；2011 年发行的五只基金中有四只跑赢中信 A 股指数。
综上所述，60%的量化投资基金在各自成立日至 2011 年 12 月 31 日期间可以
跑赢同期中信 A 股指数，说明这些基金采用的量化投资策略发挥出了较好的效果；而
有大约 40%的量化基金没有跑赢中信 A 股指数，该部分基金使用的量化投资策略对绩
效的效果相对较差。
根据市场利率来看，将各个量化基金自成立以来至 2011 年 12 月 31 日的累计单位
净值增长率情况与同期市场收益率做对比，通过对比市场收益率研究量化基金的管理
能力（表 4-3）。
表 4-3 比照市场收益率的基金绩效情况
根据表格 4-2 的统计结果显示，基金累计净值收益率超过市场收益率的量化基金
共九只，与跑赢中信 A 股指数的基金完全相同，占量化基金的 60%，另外 40%的量
化基金跑输市场收益率。其余情况可比照与中信 A 股指数的对比情况。
综上所述，60%的量化投资基金在各自成立日至 2011 年 12 月 31 日期间可以
超过同期市场收益率，说明这些基金采用的量化投资策略发挥出了较好的效果；而有
大约 40%的量化基金没有跑赢中信 A 股指数，该部分基金使用的量化投资策略对绩
效的效果相对较差。
5 多因子选股模型的建立
模型介绍
市场上的投资者常常会根据某些因子来研判股票的涨跌，如通常人们认为低值的
股票会涨，则会买入这类股票并持有，当许多人都这么认为时，这个因子就会十分有
效。市场上还有很多这样的因子，都或多或少地影响着股价变动，而多因子模型就是
考察影响股价变动的因素，并提供一个合理的选股方案。多因子模型是众投资者中被
应用最为广泛的一类选股模型，稳健性较好且简单易行，它的基本方法是综合一系列
信息给所有股票评出最后得分，即以一系列的因子为其模型的选股标准，满足标准的
股票则被选入股票池，不满足的则被剔除。因为只要包含发挥作用的有效因子的模型
多都能成功，所以多因子模型的表现是一直稳定有效的。根据上一章我们研究出不同
环境下市场追捧的股票风格不同，即市场出现大小盘风格轮动现象，在此我们分别分
析大盘风格占优和小盘环境占优环境下不同股票池的因子有效性，将多因子选股模型
的选股池限定在大盘股和小盘股中，和前面一样，我们将大盘风格多因子选股策略的
股票池限定在中证成分股，小盘风格限定在中证成分股。我们用，在市场尚行某种风
格股票时，根据多因子选股模型挑选出最优质的市场热捧型股票并建立投资组合。
模型研究思路
多因子选股模型的原理很简单，简单概括为从与企业收益率相关的众多因素中找
到贡献度最高的因子，然后根据这些因子的表现综合考虑决定那只股票可以被选出并
买入持有。市场上基本每个投资者都有属于自己独特的多因子选股模型，而众多多因
子模型的核心区别主要在于因子的选取和如何综合考虑选出多因子来做出一个最终的
22
方案。这里我们在选取有效因子时，创新提出根据市场规模将股票池按大盘股和小盘
股分开做因子有效性分析，以找出针对大盘股和小盘股有效的候选因子。
一般说来，多因子选股模型中多因子旳判断方法中常见的只有两种：排序打分法
和横截面回归法。简单说，打分法按每个影响股价的候选因素的大小评分确定加权规
则后再根据分值影响股价的程度对所有因子加权得到一个总分，最后就根据得到的加
权总分再对股票池所有股票按得分排序进行蹄选。打分法又可以根据因子加权规则的
不同区分为动态加权和静态加权。为了增加多因子模型的有效信息，通常模型尽可能
多的考虑每一个影响股票收益的因子，因此就需要对每一个因子进行打分计算，当改
进模型导致有效因子变化时会重新计算股票最后得分，庞大的计算量使其对计算机的
依赖很大，且加权规则人为规定，但打分法因其稳健且较难受极端值影响特点受研究
者人员的喜爱。另一种横截面回归法就是利用回归方程的思想，变量取上一年度已蹄
选出的指标，函数值取下一年度的股票收益率表现，用最小二乘法拟合出各因子的回
归系数作为因子回报，我们麵选出最优的回归方程，取最新的因子取值作为因变量代
入方程得出的应变量就股票未来收益率的预期，再以这个判断作为依据来进行最后选
股。回归法相对于打分法来说，比较容易受到极端取值的影响，在股票于因子敏感度
变化大的情况中效果一般。由于每个因子对不同股票的敏感性肯定不同，回归法能通
过系数的调整及时更改各收益率对各因子的敏感性大小。综合来看，打分法和回归法
各有各的优点和缺点。
多因子模型建立步骤
选取候选因子
候选因子的选取通常分两种情况，一种是考虑可能影响股票的所有因素指标，先
做单因子分析，不考虑各因子间的同质性和共线相关性，以便挖掘出更多更有效的最
具代表性因子；另一种是更多情况下主要依赖投资主体的经济逻辑考虑和个人市场投
资经验，再选因子时，有意识地根据投资经验剔除掉一些个人认为无关紧要的因子。
无论哪种情况，要提高投资收益就得找出更多、更全面的有效因子去提高投资模型的
信息涵盖和捕捉能力。例如：在年月日，在中证成分股中选取自由流通市值最小的支
股票并构建投资组合，持有到年底可以获得相对于沪深基准的超额收益率，则自由流
通市值在年间就是一个正向有效因子。当然，还有很多其他的因子，例如估值类指标，
如市盈率增长率）、扣除非经常损益的市盈率、PS（市销率）等，也可以是一些财务成
长类指标，如营业收入增长率、NPG（净利润增长率），或是技术面指标，如换手率变
动、动量、波动等等其他。值得提出的是，股票的持有时间段也是一个不可忽视的因
子指标，持有一个月、两个月还是一年，最终的收益率变化很大。这里我们取股票的
持有期为一个月，一个月调整一次既不会因为过度调仓使得交易成本过高而不利于组
合表现，同时也能使得因子的取值随着指标的迅速变化，让市场信息在组合调整当中
得到充分的反应。每月月初根据因子的表现情况重新建立组合，候选因子我们分为
四类来考虑，分别是成长因子、估值因子、资本结构因子和技术面因子。具体类别下
的因子见下表。
检验选股因子的有效性
在检验候选因子的有效性时，大多数投资者选用用排序法来。在建立模型的整个
时期，针对于每个候选因子，开始计算股票池中每个股票在首个月初因子值的大小，
按从小到大（也可从大到小）的顺序对整个样本股票进行大小排序，并按数量等分成
个股票组合并一直持有到下个月初，按同样的排序方法在下个月初再次构建个股票组
合持有至接下来的一个月初，反复如此，一直到模型构建期结束。当所有组合构建完
工后，分别计算个股票组合的每月月平均收益率、超出业绩比较基准的超额收益、第
一档和第五档的月平均收益差（R1-R5）、第一二档与第四五档组合的月平均收益率差
（R1+R2）/2-(R4+R5)/2、因子大小排序和收益率大小排序的相关系数、第一档组合跑
赢比较基准的胜率和第五档组合跑输比较基准的概率等。下面的流程图简单介绍了验
证因子有效性的几个关键步骤：
24
（1）每个因子的收益率排序与编号排序应有明显的相关关系，即因子得分值较大
的组合，相应地其收益率也应该较大或较小（较大表明因子大小与收益率正相关，较
小表明因子大小与收益率负相关，只有这样我们才能说此因子是决定组合预期收益的
显 著 影 响 影 响 因 子 。 我 们 再 次 设 定 相 关 性 阈 值 为 ， 即 满 足 ：
abs(correl([N1,N2,N3,N4,N5],[1,2,3,4,5])) ≥
（2）设个排序组合中第一组的相对基准超额收益为最后第五组的相对基准超额收
益为，如果则表示因子越大，收益越大，且需满足：〉和反之，倘若即因子越大，收
益越小，那么不等式变为：〉和其中、分别为第一组和第五组的最小超额收益阈值，
上述不等式条件只是确保因子取值能显著地使得最大组合跑赢市场和最小组合明显跑
输市场。通过下面方法计算因子的有效性：收益率为正的月份数总月份数（对于正向
因子）或收益率为负的月份数总月份数（对于负向因子），这里是月均收益率。有效的
因子应该是在整个模型构建期，第一组和第组的这两个组合其中较高收益的股票组合
以较大的概率跑赢市场，同时较低收益的股票组合以较大概率跑输市场。满足相关关
系阈值、超额收益阈值、有效性、跑赢市场概率这些条件的因子一般能在有较显著的
选股能力，放入有效候选因子池中进行进一步蹄选。我们这里的检验方法釆用一个月
时间间隔，同样的也可以隔个月或个月，更长的也行。关于因子排序的每个候选组合
中的股票基数，如 30，50，还是 100 也是十分重要的。一般通过历史数据进行实证检
验来决定所有参数具体的最优选择，我们这里按来确定。
提出多余因子
由于我们分别翻选中证和中证中成分股的有效因子，股票表现的内在驱动因素大
致相同，某些候选因子在每个组合的股票集和收益表现等方面高度相似，因此剔除冗
余因子这一环节至关重要，必须只留下同类型因子中收益和区分度最高的因子，剔除
一些冗余因子。例如收入净利率和主营毛利率指标之间可能具有比较明显的相关性。
主营毛利率越大的，某某收入净利率也不会太低，因此在选股模型中，根据现实数据
留下一个剔除一个。不妨来看若要选出个有效因子，个月样本期，那么具体来说：先
按照收益越大分值越高的方法对对个组合分别打分，每个组合的得分为到的连续整数；
按月计算所有个股的因子得分相关系数矩阵如第个月的相关系数矩阵记为，为因子序
号且，，计算整个模型构建期内相关系数矩阵的平均值（取一个得分相关系数阀值，我
们这里还是取，在所有得分相关系数矩阵平均值大于的因子中，我们只留下有效性更
高、与其他因子相关系数更小的因子，剩余的则作为冗余因子去除。建立综合评分模
型和选股后验
模型评价及改进
每个月初，根据步骤取得的有效因子得分为中证、中证股票池中的正常交易股票
分配最新得分，按照一定的赋权规则求得所有候选因子加权平均分；若出现某些月份
无法知道因子取值，则按剩下的因子得分求加权平均分。根据加权平均分对所有股票
进行排序，选择排名靠前的一定数量股票，这里取排名前。值得一提的是我们采用分
层赋权的方式来给每个因子加权评分，具体来看是在估值因子（第一大类、成长因子
（第二大类、资本结构因子（第三大类、技术面因子（第四大类）这四大类因子赋予
大类权重，之后根据每一类中因子有效性的大小分配和设置类内权重，此方法的好处
在于当一些意义相近却难以取舍的因子出现时，可以分配数值小一点的类内权重，使
得赋权结果更加科学合理。见如下分层权重示意图：
26
在每个观察期的月初，对五组大类因子里的每个进行打分，然后从每个因子中选
取得分最高的个股票构建与因子匹配的投资组合，下个月初同样轮流替换，记住可能
每次组合里的股票不同。考察期结束后，分别对比此因子值高的投资组合的收益率跑
赢比较基准的概率，基准按情况取定，这是综合评分型的构建和后验步骤。除了可以
根据股票风格的轮转来分大小盘分别题选出有效因子，还有更加复杂的多因子模型，
如沃尔评分法就是一种分行业来比较，选出每个行业最高得分的组合，然后再加总成
一篮子投资股票。
当使用多因子选股模型来进行投资决策的人越来越多时，或是市场环境已经改变，
之前显著有效的因子也会表现渐渐失色，而其他一些因子之前不显著有效的极大可能
会在下一个市场环境下表现出色，因此我们需要持续不断地检验所有候选因子的有效
性且每次构建模型前挖掘出新的当期有效因子，而副除当期已经失效的候选因子。此
外，在建立综合评分模型和选股决策时，组合的建仓交易成本考虑、因子得分计算的
赋权规则设计等都存在很大的改进空间，但坚决杜绝过度优化带来模型效率损失。决
定多因子模型成败的关键两点是有效因子和因子参数，而获取这些只有通过过去的数
据回测得到，而现在也会成了为将来的过去，因此随着市场环境的变化，需要在每次
使用多因子模型的过程中不断调整飄选出的有效因子，而除因子外模型其他各方面也
要持续不断的改进和再评价。
本章首先介绍了量化投资的应用现状：目前国内量化投资应用还处于起步阶主要
被公募基金、证券公司专户理财部、私募机构和期货经济商使用。近年来量化投资产
品呈现快速的增长，本章以量化基金为代表介绍了当前机构投资者使用量化投资策略
的情况。量化基金在选用量化投资策略方面，还是多以多因子选股模型进行择股、
Black-Litterman 模型进行行业资产配置为主。 之后分析了量化投资与传统投资的区别，
为介绍其发展前景提供一定的基础依据。最后本章阐明了量化投资的发展前景，即在
资本市场可投资产品不断增加、海外量化投资人才归国和国内量化投资人才增加等方
面分析了量化投资的发展前景，也从量化投资人才的创新能力、目前还是以引入国外
的量化投资策略为主等方面分析了量化投资发展面临的挑战。 本章以上研究为理论模
型的选取和结果讨论提供了现实依据。
6 因子模型实证结果
数据范围选取
选取合适的数据对模型检测是实证检验阶段的关键，我们取中证和中证成分股从
2007 年 1 月到 2013 年 1 月为样本区间，其中 2010 年 1 月到 2013 年 1 月为样本外区间，
用来检验样本内区间所构建的模型的稳定性；2007 年 1 月到 207 年 10 月间的数据为样
本内区间，作为候选因子的测试蹄选和优化时期，因为此时间段包含了一波牛市行情，
从年月到年月间的，一波熊市行情，从 2007 年 11 月到 2008 年 12 月，以及从 2009 年
1 月运行期末的震荡市行情，数据比较全面的。这样就可以非常全局地看到各因子在多
种市场环境下的表现，进而来考察各因子是否具有持续的显著效果，以成功构建稳定
性更强的多因子选股模型，并达到为实际投资提供最全面和完善的信息指导的目的。
我们的数据是从锐思金融研究数据库中下载得到。
数据处理
对于中证和中证成分构成在我们选择的测试区间发生过变化，有的股票前期是小盘股
的成分股，一段时间后被副除，之后又被调入，如三精制药（于年月日调入中证，于
年月日调出，于年月日又调入至今，类似这种情况的，调出持续时间不超过半年的当
做正常处理；对于中证的成分股中，调入时间不超过年的不能很好的代表小盘股的各
项因子指标，我们给予剔除。对于股票的处理，因为下载数据时的股票不一定以前在
28
历史市场上也是，所以股票同意正常处理，除非有财务数据证明此公司的财务状态出
现异常，如为负值，我们将其剔除，以尽量减少误删市场有效历史数据的可能性。在
估值类因子的计算过程中，我们期望估值越低的股票在下个月会有越好的表现，但如
果估值出现没有意义的负值将其去除；为了防止在计算财务成长指标的时候出现上一
期取值为负，本期取值为正，却计算出增长率为负的错误，我们使用如下计算公式：
增长率=本期指标-上期指标）/abs(上期指标)。
对于中证和中证成分构成在我们选择的测试区间发生过变化，有的股票前期是小
盘股的成分股，一段时间后被副除，之后又被调入，如三精制药（600829）于 2008 年
7 月 1 日调入中证 500，于 2009 年 1 月 5 日调出，于 2009 年 7 月 1 日又调入至今，类
似这种情况的，调出持续时间不超过半年的当做正常处理；对于中证的成分股中，调
入时间不超过 1 年的不能很好的代表小盘股的各项因子指标，我们给予剔除。对于 ST
股票的处理，因为下载数据时的股票不一定以前在历史市场上也是，所以 ST 股票同意
正常处理，除非有财务数据证明此公司的财务状态出现异常，如 ROE 为负值，我们将
其剔除，以尽量减少误删市场有效历史数据的可能性。在估值类因子的计算过程中，
我们期望估值越低的股票在下个月会有越好的表现，但如果估值出现没有意义的负值
将其去除；为了防止在计算财务成长。
财务数据从这段期间公司对外公布的财务报表得到，一般公司披露四次，包括一
季报、半年报、三季报和年报，但在检验因子有效性应用这些数据时，很难恰好找到
当前时点的财务数据。一般上市公司发布财务报告的时间为：一季报从 4 月 1 日到 4
月 30 日，年中报从 7 月 1 日到 7 月 31 日，三季报从 10 月 1 日到 10 月 31 日，年报从
次年 1 月 1 日到次年 4 月 30 日。这样就可能有 4 月初、7 月初、10 月初我们换仓时虽
然前一季度已过，但并不是所有上市公司季度报表都已经公布，因此需要对滞后的财
务数据进行适合为实际投资做检验的处理，例如检验期的当月恰好是报表公布月我们
就用最新获取的数据确保在每个历史时点都使各因子指标值在个股间的不同时刻间可
比性较明显，现进行如下滞后处理：1 月份、2 月份、3 月份、4 月份取上一年的最近
三季报财务数据，5 月份、6 月份、7 月份使用当年一季报或上一年年报的数据构建组
合，8 月份、9 月份、10 月份则釆用当年半年报，而 11 月份和 12 月份是使用最近的一
期三季报的财务数据，这种处理是与实际操作一致的。例如在年月初需要净利润增长
率来构建四月份新的组合的时候，在此时间点计算一些成长因子或者估值因子我们就
按前面约定使用年三季报的财务数据。此外估值类因子中去除一切取值为负数的个股，
如 000562D 的 2007 年 1 月份的市销率为，显然为异常值就应该将其去除在数
据之外，不能算入正常的数据选取范围之内。
30
财务数据从这段期间公司对外公布的财务报表得到，一般公司披露四次，包括一
季报、半年报、三季报和年报，但在检验因子有效性应用这些数据时，很难恰好找到
当前时点的财务数据。一般上市公司发布财务报告的时间为：一季报从月日到月日，
年中报从月日到月日，三季报从月日到月日，年报从次年月日到次年月日。这样就可
能有月初、月初、月初我们换仓时虽然前一季度已过，但并不是所有上市公司季度报
表都已经公布，因此需要对滞后的财务数据进行适合为实际投资做检验的处理，例如
检验期的当月恰好是报表公布月我们就用最新获取的数据确保在每个历史时点都使各
因子指标值在个股间的不同时刻间可比性较明显，现进行如下滞后处理：月份、月份、
月份、月份取上一年的最近三季报财务数据，月份、月份、月份使用当年一季报或上
一年年报的数据构建组合，月份、‘月份、十月份则釆用当年半年报，而月份和月份是
使用最近的一期三季报的财务数据，这种处理是与实际操作一致的。例如在年月初需
要净利润增长率来构建四月份新的组合的时候，在此时间点计算一些成长因子或者估
值因子我们就按前面约定使用年三季报的财务数据。此外估值类因子中去除一切取值
为负数的个股，如的年月份的市销率为负数，显然为异常值将其去除。
构建多因子投资组合
取 2014 年 3 月到 2015 年 3 月中证、中证成分股的市场数据，根据前一节的有效
因子，对符合要求的成分股中每一因子从到打分，分别按如下赋权规则求出每只股票
的最后得分，按从大到小的顺序排列，取得分最高的前的股票建立组合，并与基准指
数作比较，若有得分分值相同的股票就取流通市值大的。
图 6-3（1）中证 100 股票池中分层赋权规则
图 6-3（2）中证 500 股票池中分层赋权规则
多因子模型运行结果
我们取中证、中证成分股中最后总分排名前的个股建立投资组合，持有期 6 个月，
每月月初重新建立。模型在每一时间段的收益见附录，将每个模型表现分别与相应指
数对比，得出如下结果：
图 6-4 中证 100 股票池中的表现：
基金的运行离不开具体的市场环境,基金经理能力的发挥和基金经理为履行职责所
付出的努力程度都会受到市场环境的影响。基金经理根据自己对市场环境的判断,决定
或调整基金的配置策略。因此,对基金的评价离不开大的市场环境。在牛市时期,市场情
绪高涨,即使基金经理不太尽职,能力一般,随意选择投资组合,他所管理的基金也可能取
得较好的绩效。在熊市时期,即时基金经理非常尽职尽责,他所管理基金的绩效也可能很
差。在基金经理能力相同,牛市行情中的基金绩效也有可能比熊市行情的绩效好。因此,
要对基金进行全面评价,需要考虑市场所处的环境。如果不对市场所处的环境进行考虑,
那么基金金评价可能不全面,基金评价指标也可能不客观,没有真实地反映基金或基金
经理的真实状况,很容易导致对基金经理的不公正待遇,打消基金经理人的积极性,误导
投资者的投资决策。
釆用分层赋权地想法，力求选出表现优越的股票建立投资组合，目前大多基金因
运用的选股模型均为多因子选股模型而出现交易标的同质的现象，且越来越多的候选
因子失效，论文创新地甄选出分别针对于不同市场风格的有效因子，即分别对大盘股
和小盘股有效的因子，釆用分层赋权地想法，力求选出表现优越的股票建立投资组合，
32
最后均获得 %、%的胜率。
对实证结果的讨论
以绩效评估理论为依据，通过基金累计净值收益率与中信 A 股综合指数收益率、
市场收益率的比照来进行绩效评估，其实证结果表明有 60%的基金可以战胜市场，即
这些基金使用的量化投资策略为这些基金带来了超过市场的超额收益。从绩效评估的
研究结果来看，有 60%的量化基金使用量化投资策略所带来的整体绩效还是比较理想
的。
根据管理能力评估模型的统计结果，T-M 模型和 H-M 模型呈现出比较一致的结
论，即大部分基金具备正的择股能力且在统计上并不显著，大部分基金不具备正的择
时能力且在统计上并不显著；C-L 模型显示大部分基金具备正的择股能力但在统计上
并不显著，全部量化基金不具备正的择时能力并且在统计上显著。
另外在管理能力评估的研究上，本文以量化基金月化净值收益率来研究其择股效
果和择时效果，得到的量化基金择股能力和择时能力的结论也应该是对应于月度择股
能力和月度择时能力，即在每月的股票选择上，这些基金呈现不显著的正向择股能力，
在每月进行的时机选择上，这些基金呈现出一定的负向择时能力。再就是 C-L 模型在
对择时能力评估的设计上，并没有将市场变动所带来的收益单独离出来，这就有可能
会在牛市时期和熊市时期贝塔发生改变的情况下产生较大的误差，降低评估结果的可
信度。结合绩效评估方法的实证结果和管理能力评估方法的实证结果，我们可以发现，
跑赢市场和中信 A 股综合指数的量化基金占总数的 60%，其良好的绩效有可能是来
源于这些基金采用的量化择股策略，但是证据并不充分。
《中华人民共和国基金法》要求股票型基金 60 以上的基金资产投资于股票，最高
20%基金资产投资于债券。因此，受到该规定的影响，我国基金持仓均值无论牛市还
是熊市阶段均大于 60%。这就从一定程度上限制了基金增减仓的自由和空间。在熊市
阶段，基金依然要持有 60%基金资产的股票资产，这在很大程度上降低了基金的择时
能力。因此，基金法对于基金持仓的规定有可能是产生以上结论的原因之一。
本章首先研究了量化基金的绩效情况，60%的量化基金可以战胜市场和跑赢中信 A 股
综合指数，显示出这些基金采用的量化投资策略取得了较好的绩效效果，而另外 40%
的基金采用的量化投资策略没有带来正的绩效效果。 本章随后研究了量化基金采用的
量化投资策略的择时能力和择股能力，结果 T-M 模型、H-M 模型和 C-L 模型的研
究结果均显示这些基金具备正的择股能力，但该结论在统计上并不显著；而这些基金
均不具备正向的择时能力，但结论在 T-M 模型和 H-M 模型的统计检验上并不显著，
在 C-L 模型的统计检验上则显著。具有较好绩效的量化基金，其业绩来源有可能是其
采用的量化择股策略，但是在证据上并不充分。产生以上结论的原因可能在于基金法
对股票型基金持仓比例的要求限制了基金的择时能力、量化基金在量化投资策略的运
用上过分重视择股策略而忽视了择时策略的重要性。
7 政策建议
我国证券市场的快速发展推动了基金业的迅猛增长,随着基金数量的增多,特别是
主动管理型基金规模的上升,基金管理团队的作用和地位逐步上升。证券投资基金,特别
是股票型开放式基金,已经成为我国资本市场上重要的机构投资者,也是促进市场稳定
与健康发展的重要工具。随着我国证券投资基金业的发展,基金投资者的数量也出现了
快速增长的态势。基金投资者一般根据基金的历史评价指标来选择基金进行投资,基金
投资者的这种投资策略有效的前提是基金绩效显著且具有持续性、基金评价客观、全
面、公正。
尽管国内己有部分文献对我国证券投资基金的评价问题进行过深入研究,但所得出
的结论存在较大的差异,评价视角过于单一,指标信息不够全面、系统。现有研究将绝大
部分精力放在了基金绩效、绩效持续性和基金经理投资能力等方面的考察上,对基金经
理为履行职责的努力程度、对市场环境的影响和基金的情绪特征没有进行系统考虑。
基金投资者据此很难选择合适的基金进行投资,基金监管层和基金公司据此也很难获得
真实有效的信息。基于上述背景,本文试图从基金绩效、基金经理的投资能力、基金经
理的努力程度和基金情绪特征四个维度来对我国股票型开放式基金进行综合评价。
学习国外先进量化策略
国外量化基金的优异表现吸引了众人的目光 ，特别是 2008 年金融危机期间，量
化基金的优异表现吸引了更多的人关注。 当时大部分基金都亏损严重，但部分采用量
化策略的基金却获得了非常好的收益。 詹姆斯·西蒙斯管理的大奖章基金的年均净回报
率高达 35%， 成为量化基金中令人眼红的明星。国内基金公司正是抓住投资者对量
化基金的兴趣，适时推出各自的量化基金产品。
自金融海啸爆发之后，美国经济状况就处在十分低迷的状态。在美联储开始实施
34
第一轮量化宽松政策前期，其 GDP 的同比增长率已呈现出负增长的趋势。在这种情况
下，资产价值大幅缩水，私人部门对经济前景没有信心，投资需求和消费需求严重不
足，信贷机制遭到破坏，流动性严重短缺，整个市场被一片悲观情绪所笼罩，经济前
景十分令人担忧。利率已将降低至有史以来最低水平，传统的货币政策已经失效，这
仅仅是表层原因。
在受到经济危机的冲击后，美国国内的很多经济指标都处于下滑阶段，此时美国
政府首先实施了宽松的财政政策，连续发行了大规模的国债，以此来刺激总需求，拉
动经济，但是这样做的结果是经济态势不但没有得到好转，反而使得财政赤字与 GDP
的比值达到了警戒状态，毫无疑问，继续再发行大量的国债，不但不能使经济走出衰
退的泥潭，还有可能会爆发财政危机，所以这样的做法是不具有可持续性的。
随着美国几家出名的投资银行的接连倒闭，美联储将联邦基准利率下调到最低区
间 %，但是美国金融市场的中长期利率却在不断走高。投资支出是由长期实际利
率决定的，一般长期实际利率是由 Baa 级企业债券与 10 年期的政府债券的利差来表示
的。由于这次金融危机是因为金融体系的内部出现了问题造成的，所以金融危机首先
是通过金融渠道向外传播的，交易性金融机构受到的冲击要远大于为实体经济提供贷
款的金融机构受到的，但是由于各个金融机构在金融业务方面的密切联系，危机在各
个金融机构之间迅速的蔓延开来。投资者出于对自己所持有资产的担忧，甚至开始质
疑信用评级体系的准确性，对市场失去了原有的信心，这无形中对 Baa 级企业债券利
率的上升起到了推动的作用。因此在美联储调低联邦储备基金利率时，金融市场中的
长期实际利率实际上处于不断走高的状态。
在美国这样发达的市场经济国家，银行等信用中介机构更是在对实体部门提供融
资的过程中起着不可替代的作用。美国量化宽松政策实质上是一种数量型货币政策，
不同于传统货币政策，其操作指标是基础货币。基础货币和货币乘数的变化共同决定
了流通中的货币供应量。也就是说，在基础货币大幅增加，而货币乘数下降的情况下，
货币供应量也有可能减少。所以在短期名义利率极低、长期实际利率高企，银行体系
的信用中介功能严重失调的情况下，就出现了美联储在向银行体系注入了巨额的资金
后，各家商业银行却仍然愿意将该部分资金存入在美联储的账户，也不愿意进行放贷，
甚至将自己的原有资金也存入美联储的现象，其结果就是基础货币大幅度增加，但是
流动性却不能完全释放到实体经济中，以促进实体经济的增长。
提高人才素质
人才队伍的积累 ，为国内量化基金的推出提供了可。 量化基金是一个舶来品熟
悉量化基金管理的人才在国内相当缺乏。 光大保德信和上投摩根之所以能较早推出其
量化基金，关键在于其外方股东的支持，其产品采用的是其外方股东提供的量化投资
方法。 而当时国内的本土基金则缺乏这方面的人才， 自然没有实力推出量化基金产
品。 但金融危机给了国内基金行业机会，危机后很多国外的投资人才回到国内， 他
们也带来的国外的一些先进的量化投资知识和经验。 目前市场上量化基金经理绝大多
数均是有海外背景的。
推进人民币国际化
由于美元是国际贸易的计价货币，美元的泛滥推高了国际大宗商品和能源的价格，
而我国是国际大宗商品和能源的进口大国，因此美国量化宽松政策的实施，对我国造
成了输入性的通货膨胀。我国货币不是国际性的结算货币只能在国内流动，因此会对
经济造成不利的影响。于是要抓住时机加快人民币国际化的步伐。加快金融业的对外
开放程度，并利用提升产品质量和销售渠道的建设来增强海外客户对中国金融产品的
依赖性同时开发以人民币计价的金融产品，推动人民币国际的步伐。积极参与地区多
边合作机制，争取与跟多的国家形成货币互换协议，扩大人民币在国际贸易中使用范
围，鼓励出口企业使用人民币进行结算，使得人民币逐渐成为一部分国家的外汇储备，
必要时在发生美元危机时，中国人民银行承诺人民币可以部分自由兑换，即可以用人
民币购买美元，这样也就意味着中国主动用人民币在世界上收购美元，不仅可以缓解
人民币的升值压力，还可以为人民币完全替代美元做下铺垫。
扩内需与加快出口贸易
扩大内需，减少对外依赖性。中国改革开放三十年，经济经历了一个快速增长的
阶段，要想继续保持这样高的经济增长率，必须找到一个可以使经济持续增长的动力。
而且在全球经济一体化的前提下，经济形势复杂多变，牵一发而动全身，因此打开国
内市场才是保持经济增长的不竭源泉。同时，我国储蓄率偏高，存在扩大内需的空间，
尤其是农村市场，只要有适合的条件，把居民储蓄调动起来，那么居民的储蓄就可以
变成现实的购买力。促进出口地区多样化减少对外依赖性。应该建立出口市场多样化
的思想，这样可以更好地避免对集中出口区域的过度依赖，防范危机的冲击。因此应
建立全球贸易市场均衡发展战略，在巩固原有市场的基础上，不断扩大新的市场，尤
36
其应该注意，在稳定与大国之间的贸易往来的同时，还要积极拓展处于亚洲、非洲地
区的市场。
协调国际货币政策
在全球经济联系越来越紧密的过程中，开放经济体之间存在着相互依存性，一个
国家的经济政策必然会对另一国家产生溢出效应，另一国家也会采取相应的措施来积
极应对，如果都选择使得本国收益最大的政策，那么两国经济都会受到不同的损害，
降低各国的社会福利水平。这在一定程度上说明各国可以通过货币政策的国际协调，
提高政策实施的效率。因此在开放经济条件下，加强货币政策的国际合作，是避免由
于政策溢出的传导导致货币政策的实施效率降低的根本途径。
削弱通货膨胀
由于我国是国际大宗商品的进口大国,但在国际市场上缺乏定价权，在美国采取量
化宽松政策的背景下，由于国际大宗商品以美元定价，造成了国际大宗商品的价格上
升了很多，对我国形成了输入性通货膨胀，会不利于我国经济的发展，因此我国要尽
量争取国际大宗商品的定价权。大力完善我国的期货市场。大力完善我国的期货市场
应做到以下几点：首先，使期货的交易品种多样化，这样当对外开放期货市场时，可
以吸引到更多的国际期货交易者；第二，对外开放期货交易市场，吸引更多的交易者
参与进来，市场定价才能被更多人所接受；第三，通过政府引导将分散的企业集中起
来，可以增强议价能力。储备适度规模的多元化的战略资源。通过建立适度规模的战
略资源储备，可以在国际大宗商品价格出现剧烈上涨时，用国内储备进行满足，减少
进口，防止输入性通货膨胀的发生。加快产业升级，提髙对能源的使用效率。加快产
业升级的步伐，这样不但可以提高经济的发展质量，而且还可以提高对能源的使用效
率，间接降低了对能源的需求，进而降低对大宗商品的依赖度。
加强对流动资本的监管
在美国量化宽松的货币政策实施后，一方面由于人民币升值、与美国利率倒挂等
因素，另一方面由于我国在经济危急中受创不是很大，经济恢复的比较快，再加上全
球流动性泛滥，因此有大量的国际资金流入我国，一旦美国等发达国家经济好转，出
现资本外逃的现象，将会对我国产生不小的打击，所以，应该加强对资本的监管。第
一， 从监管角度，需要监管部门加强对跨境资金流动监管，具体来说：明确各个监管
部门的监控职责，通过对数据资料进行分析，对热钱有可能进入领域、主体进行筛选，
再对重点领域、主体进行严密监控，一旦发现违规行为，要加以严重打击，并且向市
场主体宣传依法经营的重要性。第二，从资本控制角度来抑制热钱的投机活动。可采
取的措施有:(1)釆取多元汇率制度； (2)对热钱征收资本所得税,从而减少降低热钱的收
益，(3)对热钱在我国境内的停留时间做出时间限制；（4）深化对我国金融市场改革,
提高自身对外部风险的抵御能力。
