时间：2023-06-25 16:38:14
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇量化策略研究，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
一、行业轮动策略
在国外，板块轮动一直作为一种投资策略被广泛应用于投资实践。板块轮动的最基本的特征是，在经济周期的不同阶段，可以系统的预测到不同的经济板块（或行业）跑赢（或差于）市场。而且，运用板块轮动策略的投资者们相信这种相对的绩效，即在经济周期的不同阶段从一个板块转向另一个板块所带来的收益。
国外不少的研究文章发现，板块的表现并不一致，或者说提前（滞后）于经济周期阶段。Hou（2007）发现了板块的提前/滞后效应，原因是新信息经济的到来。Hong，Torous和Valkanov（2007），还有Eleswarapu和Tiwari（1996）的研究认为，和经济活动有着密切联系的板块，如零售，金属材料，服务业和石油板块，引领着市场长达两个月之久。Menzly和Ozbas（2004）证明，行业绩效的时机和该行业在生产消费供应链中的位置有着密切的联系，存在于上游和下游行业间的某种稳定的滞后关系。文章结论表明，基础材料板块是经济复苏阶段第一个启动的板块，随后是制造业。Stovall（1996）发现，处于消费末端的消费者相关的行业，如耐用消费品行业，是从衰退到复苏阶段的过程中最后启动的行业。Sassetti和Tani（2003）关于板块基金收益的研究表明，在经济周期中期，板块转换是个成功的策略。然而，他们同样发现，长期的投资者优于市场指数。相对而言，Tiwari和Vijh（2005）就质疑投资者将资金运用于板块间轮动的能力。他们研究是基于一个板块基金数据，从1972年到1999年的数据，结果显示，板块轮动的投资者缺乏选择板块与时点的能力，并且在修正风险与交易费用的情况下，投资者并不能获得超额收益。
当前，国内的文献研究多是从行为金融学的角度对研究投资者行为推动的板块轮动现象进行研究的。何诚颖（2001）认为我国的股票市场的板块轮动现象具有明显的投机性，并可分为个股投机、板块投机和大盘投机三类，然后文章运用现代资本市场理论和行为金融学理论对板块现象分析，引用Shiller（1989）一文中的两类投资者（噪音交易者和知情下注交易者）的假设对板块现象进行了研究分析，并认为板块现象是一种市场投机，而且其形成与中??股市投资者行为特征密切相关。陈梦根、曹凤岐（2005）一文从市场中不同证券之间的价格关系出发研究股票价格间的冲击传导机制，认为在中国这样的转轨经济新兴市场中，投资者受政策预期主导，决策与行为趋同，一定程度上强化了股价冲击传导的动态作用机制，整个市场显著的表现为板块联动、股价齐涨齐跌现象。文章实证研究表明，在上海证券市场中，不同的行业板块在股价冲击传导机制中的重要性不同，也即存在着板块轮动的特征，但是证券市场股价波动的市场性显著地超过了不同行业板块的独立性，不同行业间的组合投资策略的绩效并非最佳。还有少量的文献研究认为存在着其他一些因素如资金流动，庄家炒作等也可以对板块轮动现象做出一定的解释。
可以看出我国股市板块轮动现象的研究，主要集中于板块现象的描述和测量，以及对板块轮动现象进行解释，且目前这些解释还多是停留在定性理解层面，缺乏系统定量的研究。另一方面将板块轮动现象作为投资策略应用于投资实践的研究则相对较少。尽管板块可以多种形式进行分类，然而以行业属性划分板块是最为基础的，也是投资决策应用最广泛的板块概念。
二、动量策略
动量效应也称惯性效应，是指在过去一段时间收益率高的股票，在未来一段时间的收益率仍然会高于过去收益率较低的股票，即股票的表现情况有延续原来运动方向的趋势。反转效应也称反向效应，是指在过去一段时间内收益率高的股票，会在以后的一段时间会表现较差；表现差的股票在以后的一段时间，其收益率会出现逆转趋势。
国外对于动量效应和反转效应的研究始于1985年，DeBondt和Thaler基于1926年至1982年美国证券市场上的股票交易数据，采用相等权重在赢家组合（也称为赢者组合，是指在一段时间内收益率高的股票）和输家组合（也称为输者组合，是指在一段时间内收益率较低的股票）上的方法，结果证实赢者组合的收益显著小于输者组合。然后，金融经济学者开始对动量效应和反转效应做出进一步探索，分别在不同的市场验证其存在与否。Chan（1988）研究发现股票在前期表现的好或者表现不好，这种表现在后期不能一直持续下去的，这与市场风险随时间的变化有密切联系。随着动量效应和反转效应的研究日益增多，其研究方法也趋于成熟。Jegadeesh和Titaman（1993）基于美国证券市场的股票交易数据对动量效应的存在性验证时所设计的动量策略被后来的研究者广为采用，这种经典方法也称为传统的动量策略。后来大量金融经济学家采用Jegadeesh和Titaman设计的策略，针对所研究市场的实际情况，对动量效应和反转效应进行存在性验证。Chang（1995）研究发现日本证券市场的股票价格具有短期的反转效应。Kaul和Conazd（1998）在研究美国证券交易所和纽约证券交易所1926年至1989年间的股票的动量效应和反转效应时，构造8种不同的投资时间期限，发现大约50%的投资策略组合具有显著性超额收益，在具有显著性收益的策略组合里面，动量策略和反转策略所占的比 例基本相等。Rouwenhorst（1998）在研究欧洲地区的证券市场时，选取了十二个国家的股票市场上的股票作为研究对象，发现股票收益在长期上没有明显的持续现象，而在中短期，股票市场的收益有持续现象；另外，在公司资产规模上做了对比，资产规模大或小的公司都具有动量效应，但是规模较小的公司的股票价格的动量效应在统计上表现更为显著。Schiereck（1999）在针对德国股票市场的日交易数据实证分析动量效应和反转效应，结果显示德国股票价格的动量效应表现在中期，反转效应则表现在短期和长期。Ahme和Nusrct（1999）在基于7个国家的股票市场股价的动量效应和反转效应，发现了股票价格在长期的表现均出现反转效应。Hamed和Ting（2000）以马来西亚的证券市场为研究对象，对股票的动量效应和反转效应做实证研究，研究得出马来西亚证券市场和日本的证券市场的反转效应的时间基本一致，表现在短期。
在国内，吴冲锋和朱战宇（2005）研究我国沪深股票市场股票价格行为时，考虑我国市场的卖空限制，在运用重叠抽样方法，在形成期考虑收益率和交易量对股票进行排序，建立动量策略模型，考察动量策略的盈利情况，研究发现我国A股市场不存在动量效应。郝静轩（2006）通过滞后期、加权收益计算等改进的动量策略，考察改进后的交易策略对赢家组合的影响，实证结果显示，在考虑交易成本的情况下，改进的动量策略对赢家组合的收益有明显的提升。东凯（2010）研究动量策略的改进方法中，通过设定月度市盈率作为阂值来调整投资组合的方法显示，改进的动量投资策略的收益表现好于大盘的表现。张荣武，何丽娟和聂慧丽（2013）就我国股市的实际情况，运用HS模型的基础上，将我国股市中的投资者分为套利惯性投资者、动量交易投资者以及消息观察者，从三者的对技术和基本面的不同的关注视角出发，分别研究他们的投资决策对A股价格的不同影响。经验证，套利惯性投资者的一系列行为决策会加剧股市的反转效应，套利惯性投资者和动量交易者的决策行为均可以引发股市的动量效应。王俊杰（2013）对动量交易策略的择时上做了实证研究，研究发现动量策略交易时，在形成期之后，不直接购买，而是经过一定的滞后期再进入持有期，效果优于市场平均收益和传统动量策略方法。
综合国内外学者对动量效应和反转效应的研究，可以看出无论成熟发达的美证券市场，还是处于发展中的中国证券市场，大部分学者的研究支持证券市上存在动量效应和反转效应。就我国A股市场而言，对于动量效应和反转效的存在期的长短上程度上，由于采用的股票样本和研究时间区间不一样，国内者的研究结果存在差异的。
三、基本面策略
在传统资本市场理论中，价值投资并没显著的地位，当时的主流思想为有效市场假说，即市场能够完全准确的反映资产的价值，即投资者无法通过基本面分析、技术分析等手段得到超额收益。但随着二十世纪八十年代起，越来越多的研究发现，有效市场并不真正存在，投资收益并不能完全由风险来解释；市场中股票的价格存在偏离内在价值的情况，通过研究价格的偏差波动，能够实现正的超额收益，从而驳斥了经典EMH假设。基于市场非有效性，BenjaminGraham提出了价值投资的理念，其在《证券分析》中将其定义为：“基于详尽的分析，对本金的安全和满意回报有保证的操作”，通俗而言就是通过基本面的分析，同时考量一定的安全边际的选择投资策略。
在价值投资理念逐渐普及并被接受之后，国外学者针对价值投资的有效性进行了一系列检验。Fama和French于1992年，针对1963年至1990年在NYSE，AMEX，NASDQ上市的股票，将其分别按B/M与E/P指标进行研究。其研究显示：随着B/M及E/P分组标记的组别增加，其月收益率有明显的递增现象，同时，这一现象无法用公司的beta值来解释，这也就说明价值型的股票确实能够较成长型股票带来超额收益。Lakonishok，Shleifer和Vishny（1994）根据1963年至1990年在NYSE与AMEX上市的股票，针对高B/M的公司?^低B/M公司平均收益更高的现象进行了进一步研究。他们发现不仅在根据B/M排名形成公司组合的投资策略存在明显的超额收益，同时在根据C/P、销售增长率和E/P排名形成公司组合的投资策略也存在明显的超额收益。Fama和French于1998年，针对包括美国、EAFE国家成熟市场以及16个新兴市场国家的股票市场再次进行了实证研究。他们根据B/M，C/P，E/P和D/P区分价值股和成长股，从而形成投资组合。在13个成熟市场以及16个新兴市场中，均发现价值组合相较于成长股组合有明显的超额收益。
国内学者也对利用估值指标进行的投资策略进行了检验。王孝德与彭燕（2002）针对中国股票市场进行了实证研究，结果发现与国外成熟市场类似，价值投资策略在中国也能得到较高的超额收益。卢大印、林成栋、杨朝军（2006）根据股价、B/M、S/P以及E/P作为指标确定投资组合，发现价值型的投资组合确实有高于成长型股投资组合的收益率。林树、夏和平、张程（2011）基于B/M、C/P、E/P及GS，针对我国A股市场构造了投资组合，研究表明以单变量构成的组合中，大多价值型投资组合的收益率两年明显高于成长型投资组合；而以双变量构成的投资组合较单变量的显著性更高。即在中国股票市场，基于估值指标的投资策略仍然使用。
通过国内外众多学者的研究以及实证检验发现，价值投资在国内外的资本市场均能够产生正的投资收益，即根据公司的估值指标、财务指标均能有效的预测将来的公司收益，形成正投资回报的投资策略。
（暨南大学信息科学技术学院 广东 广州 510632）
摘 要：“金融改革”的提出，金融市场的逐步开放，将促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。通过分别建立两个单指标择时策略模型，运用MATLAB模式搜索算法在设定时段内搜索最优参数，并分别对两个单指标策略进行交易仿真回验。实证结果显示，趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。实证显示组合指标策略的效益明显高于单指标策略。因此，采用组合指标策略进行个股量化择时交易较单指标策略能获得更优的投资收益。
关键词 ：量化择时；趋势指标；组合指标策略；参数优化
中图分类号：F8 文献标识码：A doi：10．3969／j．issn．1665－2272．2015．12．008
1 绪论
1．1 背景意义
“金融改革”的提出将为中国的量化投资带来发展前景。金融市场的逐步开放将会促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。很多国外成熟的投资工具和投资方法将逐步进入中国市场，以期货市场为代表的衍生品市场将迎来飞速增长，以量化投资为代表的投资方法也将得到投资者更大的关注。
在投资业，各种渠道提供的海量信息以及高频金融交易数据都在深刻地影响这个行业的发展以及金融市场的有效性。金融创新给期待量化投资的投资者提供了丰富的投资工具。自20世纪50年代以来，金融市场出于规避监管，转嫁风险和防范风险等需要，推出了很多创新性的金融产品，提供了越来越丰富的投资工具。金融衍生品在金融市场中占的比例越来越重要。
中国量化投资的前景广阔。党的十八届三中全会提出了“健全多层次资本市场体系”的指示精神，为十二五期间的资本市场发展指明了方向。随着金融投资工具的增加，量化投资将显示出其更大的作用，帮助投资者在更好的风险管控中寻求最佳收益回报。
作为量化投资中的量化择时，是指利用某种方法来判断大势的走势情况以及时采取相应措施，它是收益率最高的一种交易方式。就股票投资者而言，择股和择时都是至关重要的，正确择股是盈利的前提，而正确择时则是盈利的最终实现。因此，从微观角度入手，建立有效的个股量化择时交易策略值得研究。
1．2 文献综述
关于量化投资的研究，国内外更多的研究主要以策略构建和实证为主。易海波、杨向阳、罗业华、曾敏通过将量化指标按照股票属性进行分类排序，以自下而上的选股方式，构建出价值、成长、质量三个基本模型，并在此基础上衍生得到四个叠加模型和GARP模型。利用八个选股模型以不同的参数进行选股，构建出十个量化选股组合，历史回测结果显示这些组合风格各异，适合不同风险偏好的投资者。张登明通过对技术指标的分析，构建了完整的及时指标组合投资策略框架。他从量化的角度，通过样本统计给出了适合中国股市的优化指标组合及参数设置，对提高投资决策有积极意义。路来政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的应用效果，采用T－M模型、H－M模型和C－L模型对其中9只量化基金的管理能力进行了研究，以评价量化基金使用量化投资策略的择股效果和择时效果，结果表明量化基金采用量化策略进行投资是有意义的。
股票择时属于量化投资的一个分域。刘澜飚、李贡敏研究了市场择时理论在中国的适用性，表明中国上市公司不仅存股票市场的市场择时行为，而且存在债务择时行为，即股票市场高涨时，上市公司倾向于债务融资。林正龙基于效用无差别定价原理，运用实物期权定价理论，研究项目投资收益不可完全复制的不确定性投资机会定价与择时问题，得出不同于指数效用，对具有常值相对风险回避系数效用函数的投资者而言，不确定性投资机会的定价与择时与投资者当前财富数量有关。卓琳玲、胡志强通过对样本公司的研究，发现样本公司股票行为、债券发行和内部融资均呈下降趋势，其中股票不是特别明显，当市值杠杆比率上升时期，股票发行出现显著地下降趋势，此时市场时机选择比较明显，说明我国股市存在明显的市场时机选择行为。刘阳、刘强通过研究我国从上世纪90年代初-2010年1月的上证综指和深证成指，分析异常收益率对整个期间收益的影响及择时的可能，发现极少数具有超常收益的交易日对股票市场的长期收益具有显著的影响，认为理性的投资者应该放弃择时而选择长期投资。王俊杰在择时模型方面分析了行业指数存在的持续性和行业轮动特征，并以时间序列模型为基础，构建动量模型、MS－GARCH行业择时模型等量化择时策略，回测结果MS－GARCH择时模型战胜行业动量模型和指数，表现较好。
温婧茹对移动平均线理论进行改进，构造了最适参数，参考设计了触线交易策略和过滤器交易策略，构建了家电板板块静态与动态相结合的股票池，实证得出，不同股票对应的最适参数不同，用个性化的参数进行决策能获得更好的收益；应用收益率确定最适参数以择股，结合触线交易策略以择时，能够跑赢大盘，取得超额收益。曹力自适应均线更适合于组合类的标的，如指数或者封闭式基金，因为这些标的的走势经过了平均的平滑，没有突然的大起大落，更容易用均线来跟踪趋势的变化。而对于个股，波动形态和指数类表的不同，所以需要使用不同的参数，在大多数个股上能够获得超额收益，特别对强周期性行业的股票自适应均线有很强的择时能力。但是自适应均线也不是万能的，对于某些个股，因为波动形态的复杂，用自适应均线也无法获得超额收益。曹力、徐彪从实证效果来看，利用可交易组合的均线模式识别找出的买入机会成功率较高，能抓住一些市场主要的反弹机会，因此累积收益非常出色。可交易组合的均线模式识别方法是择时交易，特别是熊市中择时的有效方法。
1．3 研究框架
传统的趋势指标择时策略往往是单指标的，并且策略参数通常是约定俗成的。单指标策略局限性和偶然性大，不能有效及时获取收益和及时止损；约定俗成的常用参数值在面对各种波动幅度不同、周期性不同、价格弹性等不同的个股时也有失客观性和灵动性。
所以，在探究一种改进针对个股的传统趋势指标量化择时的策略。首先建立基于各传统趋势指标的单指标择时策略，通过参数优化确定各单指标策略的最适参数；并在单指标的基础上，创新性地通过指标的组合，构建一个综合性且参数最优的组合指标择时策略，以增强策略的稳定性和鲁棒性，获得更优的投资收益。
1．4 术语说明
（1）累计收益率：
（2）年化收益率：年化收益率是把当前收益率（日收益率、周收益率、月收益率）换算成年收益率来计算的，是一种理论收益率，并不是真正的已取得的收益率。
（3）夏普比率：夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。
夏普比率=
（5）最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤率用来描述买入产品后可能出现的最糟糕的情况，是一个重要的风险指标。
2 理论概述
2．1 量化投资理论
量化投资是运用现代统计学和数学的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略，投资者通过计算机程序，建立可以重复使用并反复优化的投资策略，严格按照这些策略所构建的数量化模型进行投资并形成回报。
量化投资的内容主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、ETF／LOF套利、高频交易等。量化投资在国外已有30多年的发展历史，但在国内还是近年出现的新鲜事物。相比其他投资策略，量化投资在国外的运用已取得了更佳的业绩。
与海外成熟市场相比，中国A股市场的发展历史较短，投资理念还不够成熟，相应的留给主动型投资发掘市场的潜力和空间也更大。国内很多实证文献讨论国内A股市场也尚未达到半强势有效市场，因此量化投资理论引入国内证券市场是非常有意义的，它以正确的投资理念为根本，通过各种因素的分析，以全市场的广度、多维度的深度视角扫描投资机会，在中国市场的应用将更显其优势。
2．2 择时理论
量化择时是量化投资的一种，它利用数量化的方法，通过对各种宏观微观指标的量化分析，试图通过回溯历史数据，找到影响大盘走势的关键信息，并且对未来走势进行预测。如果判断是上涨则买入持有；如果判断是下跌则卖出清仓；如果判断是震荡则进行高抛低吸，这样就可以获得远远超越简单买入持有策略的收益率。所以择时交易是收益率最高的交易方式之一。
股票的量化择时是预测市场以后的走势，并由此来判断调整投资组合的风险水平，从而获取更大的收益，具体表现是现金流进出证券市场和在证券间比例变换的时机选择。
2．3 趋势追踪理论
趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。
技术指标是技术分析中使用最多的一种方法，通过考虑市场行为的多个方面建立一个数学模型，并给出完整的数学计算公式，从而得到一个体现证券市场的某个方面内在实质的数字，即所谓的技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处的状态，为操作行为提供指导作用。目前证券市场上的技术指标可分为“趋势型指标”、“反趋势型指标”、“能量指标”、“大盘指标”、“压力支撑指标”等类别。
移动平均线（MA）是一种常用的趋势型指标，由Joseph E．Granville于20世纪中期提出来。它是当今运用最普遍的技术指标之一，帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线，如平滑异同移动平均线（MACD）、三重指数平滑平均线（TRIX）等。 这些均线理论常用两根线的交叉作为交易信号，并以此作为买卖时点的判断。
均线理论提供了一种简单有效的使价格序列平滑并且使趋势更易于辨认的方法。
因此综合以上理论的优点，在此基础上改进传统趋势指标的量化择时策略，并创新性地开发更优的组合指标量化择时策略，以达到及时获取收益和及时止损的目的。
3 择时策略模型建立
3．1 MA单指标策略模型的建立
MA移动平均是指连续若干交易日收盘价的算术平均，用来显示股价的历史波动情况，进而反映股价指数未来的发展趋势。
其中
利用MA指标进行量化择时，在短期移动均线与长期移动均线的交叉处进行买入或卖出择时交易。以下分别建立买入和卖出法则的模型。
在短期移动均线下穿长期移动均线的黄金交叉处买入，故建立如下数学模型：
mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（6）
其中mabuy=1，表示满足买进，mabuy=0表示不满足买进。
在短期移动均线上穿长期移动均线的死亡交叉处卖出，故建立以下数学模型：
mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他
其中mabuy=1，表示满足卖出，mabuy=0表示不满足卖出。
3．2 MACD单指标策略模型的建立
MACD即指数平滑异同移动平均线，是根据均线的构造原理，通过分析短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况，对买进、卖出时机做出判断的趋势型技术指标。
MACD的计算如下：
（1）计算短期（ms）指数移动平均线EMA1和长期（ml）指数移动平均线EMA2。
（2）计算离差值DIF＝EMA1－EMA2。
（3）计算DIF的M日指数移动平均线，即DEA。
（4）计算MACD＝2（DIF－DEA）。
利用MA指标进行量化择时，在DIF与DEA的交叉处进行买入或卖出，分别建立买入和卖出法则的模型。
当DIF、DEA均为正值，DIF向上突破DEA时，为买入信号，建立如下数学模型：
macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）
其中，macdbuy=1表示满足买进，macdbuy=0表示不满足买进。
当DIF、DEA均为负值，DIF向下跌破DEA时，为卖出信号，建立如下数学模型：
macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）
其中macdsell=1，macdsell=0表示满足卖出，表示不满足卖出。
3．3 MA－MACD组合指标策略模型的建立
组合模型构建两个新的信号变量：买入信号个数阈值“buy”（1≤buy≤2，整数）和卖出信号个数阈值“sell”（1≤sell≤2，整数）。
买入信号个数阈值“buy”表示：当MA策略中的“mabuy＝1”的买入信号个数与MACD策略指标中的“macdbuy＝1”的买入信号个数之和至少达到阈值“buy”（1≤buy≤2)数量个时才进行买入交易。
即“buy”阈值取不同值时，买入信号组合满足买入条件的情况如下：
buy=1时，满足买入情况：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12时，满足买入情况：mabuy=1&macdbuy=1（10）
卖出信号个数阈值“sell”表示：当MA策略中的“mabsell＝1”的卖出信号个数与MACD策略指标中的“macdsell＝1”的卖出信号个数之和至少达到阈值“sell”数量个时才进行卖出交易。
即“buy”阈值取不同值时，买入信号组合满足卖出条件的情况如下：
sell=1时，满足卖出情况：masell=1||macdsell=1||mabsell=1&macdsell=12时，满足买入情况：masell=1&macdsell=1（11）
3．4 模型最优参数的选择
就个股而言，不同的计算参数，将导致不同的择时效果。面对各种波动幅度不同、周期性不同、价格弹性等不同的股票，如果盲目套用经典参数可能会有失客观性和灵动性。因此， 在进行量化择时策略构建时，需要针对个股进行策略的参数优化，检验指标不同参数的测试效果，并最终选择一个最优的参数组合。
夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。
4 个股实证分析
4．1 数据选择
为验证上述模型的有效性，个股实证以深圳证券交易所的华谊兄弟300027为交易标的，选取来源于国泰安2011．1．1－2014．6．30的基本面数据库，包括个股开盘价、收盘价等。
4．2 MA单指标择时策略仿真回验
首先对该股策略进行参数优化：本策略中对于参数，在测试期间内，以2天为间隔，测试范围从2天到20天；以5天为间隔，测试范围从20天到120天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表1）。
如表1所示，最优组合（s，l）＝（2，20），当以2日为短期均线，20日为长期均线，在参数优化测试期间进行交叉择时时效果较好，在回验测试期间内夏普比率达2．4234。
确定最优后，运用国泰安量化交易平台QIA进行策略交易仿真回验。设定合约保证金为1，合约乘数为1，市场参与度为0．5，买方手续费为0．05‰，卖方手续费为0．05‰，交易账户为股票账户并设定初始资金为1 000 000元，以一年期国债利率为无风险利率，并以沪深300为业绩比较基准，以数据库所给时间2011年1月1日-2014年6月30日为策略回验时间区间进行回验。最终结果（见图1、表2）。
回验结果显示，此单指标策略在2011年1月1日-2014年6月30日间的累计收益率达42．26％，年化收益率达11．10％，高出同期的沪深300指数比较基准，并且胜率达60．80％。由此我们可以得出结论，采用MA单指标策略进行个股量化择时交易也能获得较优的投资回报。
4．3 MACD单指标择时策略仿真回验
对该股策略进行参数优化：该策略需要优化确定的参数主要包括短期指数移动平均线的计算天数ms、长期指数移动平均线的计算天数ml，以及DEA的计算天数M。本策略的参数优化依然以最大化夏普比率为最优化目标函数，并使用Matlab的模式搜索算法在设定的回验时段内搜索最优参数组合（ms，ml，M）。
对于参数ms，在测试期间内，以2天为间隔，测试范围从2天到20天；参数ml以5天为间隔，测试范围从20天到120天；参数M以5天为间隔，测试范围从5天到60天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果如下：
如表3所示，最优组合（ms，ml，M）＝（2，25，10），当以2日为短期指数移动平均线计算天数，25日为长期指数移动平均线计算天数，10日为DEA计算天数，进行交叉择时时效果较好，在回验测试期间夏普比率达3．0682。
组合指标择时策略仿真回验。由于组合指标策略是建立在单指标策略基础上的，所以该策略中的参数（s，l）、（ms，ml，M）即为模型一和模型二参数优化后确定的值，而参数（buy，sell）的组合情况有（2，2）、（2，1）、（1，2）和（1，1）四种，阈值组合选取哪个使得策略最优则需要进一步的参数优化。
对于参数buy，初始值设为2，测试最小值为1，最大值为2，步长设为1；参数sell，初始值设为2，测试最小值为1，最大值为2，步长设为1；搜索精度设为1；测试回验90天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表4）。
如表4所示，最优组合（buy， sell）＝（1，1），即当买入信号个数至少有一个时就进行买入交易，卖出信号个数至少有一个时就进行卖出交易，以此进行组合指标择时效果最好，在参数优化回验测试期间夏普比率达2．490 3。
5 结论
从价格沿趋势移动和历史会重演的角度出发，运用传统趋势指标MA和MACD，分别建立MA、MACD的单指标择时策略模型并通过模式搜索算法分别求出两个策略的最优参数，从实证结果看趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。在此基础上再创新性的运用通过设置买入和卖出信号个数阈值的方法构建二者的最优组合指标模型，增强了择时的稳定性和鲁棒性，在有效降低风险的同时提高了收益率。
综上所述，基于以上的不足之处，以后将沿着组合指标择时的思路继续深入研究以对目前的研究进行改进。未来的工作主要是：对于用于组合的单指标要进行更为全面的扩展，引进其他经典趋势型指标DMA平均线差指标、TRIX三重指数平滑移动平均指标等，同时把指标类型拓展至其他类型，如反趋势型指标ACCER幅度涨速指标等，量价指标APBP人气意愿指标等，大盘指标OBOS超买超卖指标等，压力支撑指标ENE轨道线指标等。通过增加组合趋势型数量和组合指标类型，以使组合指标策略更全面、更切合实际市场。
参考文献
1 丁鹏．量化投资——策略与技术［M］．北京：电子工业出版社，2012
2 方浩文．量化投资发展趋势及其对中国的启示［J］．宏观管理，2012（5）
3 郭建．论证券投资技术分析中历史会重演的根本原因［J］．商业时代，2007（28）
4 李向科．证券投资技术分析［M］．北京：中国人民大学出版社，2012．
5 张登明．技术指标投资策略的优化及其在量化交易中的应用［D］．武汉：华中科技大学，2010
6 方智．基于多技术指标模型的沪深300指数走势预测［D］．南昌：江西财经大学，2012
7 路来政．量化投资策略的应用效果研究［D］．广州：暨南大学，2012
8 刘澜飚，李贡敏．市场择时理论的中国适用性［J］．财经研究，2005（11）
9 林正龙．项目投资定价与择时理论研究［D］．长沙：湖南大学，2006
10 胡志强，卓琳玲．IPO市场时机选择与资本结构关系研究［J］．金融研究，2008（10）
11 王俊杰．量化交易在中国股市的应用［D］．南京：南京大学，2013
从开始的分级基金到如今的量化对冲专户，银华量化投资团队在量化投资的本土化上进行了卓有成效的尝试。如今，银华分级基金规模已经占到市场一半左右份额，而量化对冲专户的规模也已超过10亿元。时间和专户业绩证明了银华量化团队卓越的投资管理能力。2013年，银华量化对冲专户产品的费前平均年化收益超过15%，最高的账户则超过30%。
周毅认为，在中国，量化对冲产品有着广泛的客户基础，只要做好产品和策略，满足客户的投资需求，量化对冲产品将有十分广阔的发展空间。目前，银华在量化对冲策略的本土化上，已经取得了显著的先发优势，随着监管制度的变革以及金融工具的发展，量化对冲事业的春天已经到来。
步步为营 四年精磨优秀团队
2010-2011年，周毅以分级基金作为量化投资的突破口，带领银华量化团队初战告捷。当年，银华的分级基金一鸣惊人，获得了不可动摇的市场地位，也为此后银华的量化之路提供了市场认可度和基础支持。
2012年，周毅向着量化投资本土化进一步迈进，从量化专户开始尝试绝对收益。团队先后建立了侧重阿尔法策略和套利策略的研究小组。
2013年，来自银行渠道的数据显示，银华基金管理的量化对冲专户扣除全部费用后的平均收益率达到12.65%，净值波动率却仅为沪深300指数的1/4，而夏普比率则高达1.95，创造了稳定的绝对收益。
成绩的取得与银华基金量化团队的打造是密不可分的。周毅介绍，2010年，银华基金最早在国内设立量化投资部。2013年，银华量化的团队架构已经相对完整、人才配置齐全，团队中的骨干力量均有海外留学经历和多年海外量化投资相关工作经验。在天时、地利、人和齐备的机遇之下，银华量化团队逐渐发展完善，并在实战中得到了锻炼。
信托“破刚”独门策略巧夺市场
2014年，周毅看中了信托业拐点带给量化对冲的好时机。
周毅认为，信托与量化对冲，看似毫无相关性，但实际上面对的是同一类投资者——追求稳定回报的高净值客户。
“过去几年，信托做得非常好，刚性兑付带来了低风险下的高回报。投资者更热衷于信托产品，而对冲基金则相对显得冷门。”周毅说。
而到了2014年，事情正在发生变化。对非标投资的控制让信托业走入瓶颈，2013年底，信托发展所依赖的房地产业和矿业进入衰退周期，多只信托产品出现兑付危机，打破“信托刚性兑付”的呼声也越来越高，这意味着其投资属性正在改变。
周毅认为，面对这种趋势，未来可能有一部分投资者将从信托产品中脱离，转而选择新的投资方向。而对冲基金相对来说是个新兴投资工具，需要向客户证明自己的绝对收益能力和风控能力。“对于任何新兴的投资种类，重要的是你有过硬的管理业绩，以数字证明自己。”周毅说。
目前银华量化对冲专户产品的投资策略大概分为两种模式：阿尔法策略和套利策略。所谓阿尔法策略，是专注于创造绝对收益。根据A股市场的特点，银华将理论上的阿尔法策略进行了改造，以传统的主动型股票研究分析结果为基础，利用多因子模型来控制组合的风险和相关性，追求超越市场平均回报的绝对收益，为投资者提供持续稳定的阿尔法回报。
第二类策略是套利策略，即利用衍生品到期收敛特点进行套利。银华采用的多为分级基金套利。这种方法能够为组合贡献低风险收益。
不管是阿尔法策略还是套利策略，都不依赖择时，而是在所选的股票和放空的标的之间的相对强弱差上，赚取绝对收益。“对冲并不需要判断某个行业是涨还是跌，只是基于相对强弱，中间的差是回报。对指数也是同样的道理。”周毅介绍，“这也是国外对冲机构广泛使用的投资方法。”
当对冲投资策略程序一旦设定好，就像是一个冷静理性的基金经理，没有贪婪和恐惧等情绪。量化投资可能产生不了历史上最棒的基金经理，但是确实是一种回报稳定的投资方式。
对冲春天期待机制与产品创新
周毅表示，他十分期待中证500股指期货、个股期权以及股指期权的推出。他坚信，从发展趋势来讲，中国的衍生工具会越来越多，国外成熟的量化对冲投资模式未来在中国大有用武之地，同时量化投资管理的资金规模也会变大。
在目前的阶段，周毅并不认可过快提升对冲类产品的规模。国际经验表明，任何一个优秀的对冲基金公司的管理规模都是有上限的。不管多好的策略，它所能支持的资金量，所能支持的衍生品存货量和股票量都是有限的。
周毅测算，仅就目前的投资标的而言，银华团队可以有效管理的量化对冲基金规模极限或为50多亿元，而单只对冲基金的理想规模大约是5亿元左右。但随着中证500股指期货、股指期权等衍生工具诞生，这个规模会大幅增加。
中国证券市场早期盛行纯技术分析,前几年风行价值投资,现在数量化投资正在成为新方向,一场新的投资变革也许就在酝酿中。今年8月初沪指从3478点一路暴跌,在市场人士看来如果没有基金的杀跌,股市应该不会有这么惨。而基金引进量化投资,将改善传统基金追涨杀跌的市场常态,实现真正意义上的创新。
量化基金发行提速
今年上半年,嘉实量化阿尔法、中海量化策略两只量化基金的推出,打破了国内量化基金多年的沉寂。而近期,更是有3只量化基金同时登台亮相,且各具特色。截至目前,国内基金市场上已经发行7只量化基金,包括光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略、长盛量化红利策略股票型基金、富国沪深300增强基金及华商动态阿尔法基金。前两只分别成立于2004年8月和2005年10月,而后5只均是今年才成立。量化基金时隔四年后的再次大量推出,引起了市场的密切关注。种种迹象表明,以定性投资为主的国内基金业正在掀起一场量化投资浪潮。
光大保德信量化核心,一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算,个股预期收益率的高低决定投资组合是否持有股票;另一方面,投资团队从风险控制角度,重点关注数据以来的信息,通过行业分析和个股分析形成对量化的补充;最后由投资组合优化器根据预先设计的风险构建组合。
上投摩根阿尔法基金,同步以“成长”与“价值”双重量化指标进行股票选择,然后研究团队对个股进行基本面审核,结合跟踪误差的紧密监控,以求不论指数高低,市场多空,皆创造主动管理回报。投研团队最终决定进入组合的股票,量化分析是辅助和基础。
嘉实量化基金,以“定量投资”为主,辅以“定性投资”。通过行业选择模型,捕捉具有投资吸引力的行业,然后再在所选行业中运用阿尔法多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果,对模型自动选股的结果进行复核,剔除掉满足某些特殊条件的股票。
中海量化策略,以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选,从二级股票库精选,再根据相关模型计算行业配置权重。结合行业配置权重,组合每只股票的配置比例。
长盛量化红利策略股票型基金,是作为国内首只运用“量化投资”策略投资于红利股票的基金,该产品将给投资者带来不同于传统基金的新体验。该只基金的另一个显著特点是“瞄准红利”。所谓红利,强调的是具有较高安全边际、较低下行风险的价值型投资,在目前市场总体估值处于历史平均水平时,价值型风格更能获得投资者的青睐。
富国沪深300增强基金,以沪深300指数为追踪标的,并对指数基金进行增强,并且是国内第一只采用量化方法进行主动增强的沪深300指数基金。量化增强的方法主要包括:利用多因子阿尔法模型选择股票;通过风险估测模型有效控制风险预算,并通过交易成本模型控制成本、保护业绩。相比定性的方法,定量投资手段在对成份股较多的指数进行增强方面以及控制跟踪误差方面具有很强的优越性。
当前适逢宏观经济、证券市场复苏向上之际,汇集A股市场300只规模大、流动性好、最具代表性股票的沪深300指数,有望迎来较好表现。而以沪深300为跟踪标的,并利用定量投资模型进行主动增强的富国沪深300增强基金,亦面临良好的投资环境与投资时点。
华商动态阿尔法基金,将以高阿尔法值的股票为主要投资目标,采用量化投资的方法,努力在有效控制风险的同时提高基金组合收益。华商动态阿尔法基金的投资将主要采用阿尔法策略和量化策略。阿尔法策略是依靠精选行业和个股,来获取超过大盘表现的超额收益。量化策略是指采用数量化分析方法来对股票进行分析和筛选,基于数量模型来配置行业权重。它具有投资范围更广、纪律性更强、投资思想可验证等优势,更能够限制投资过程中主观随意性可能带来的损失,帮助基金经理进行客观决策。
定量投资适合A股市场
正因为A股市场不是特别有效的市场,数量化投资策略正好可以发挥其纪律性、系统性、及时性、准确性、分散化的各种优点,从而捕获国内市场的各种投资机会。相比定性投资,现阶段A股市场的特点更适合采用客观、公正而理性的定量投资风格。
股票市场复杂度和有效性的增加已对传统定性投资基金经理的单兵作战能力提出了挑战。相对于海外成熟市场,A股市场的发展历史较短,有效性偏弱,市场上被错误定价的股票相对较多,那么,留给定量投资策略去发掘市场的无效性、寻找超额收益的潜力和空间也就更大。事实上,尽管量化基金在国内的发展历程较短,但是从国内已有的两只采用了定量投资方法并且已经运作了一段时间的基金来看,量化基金被证明是适应中国市场的。
量化基金产品包括但不限于数量化共同基金产品、指数基金产品、指数增强型基金产品、行业指数基金产品、风格类指数基金产品、策略指数基金产品、ETF产品、收益分级型产品等等。从数量化投资提供的工具和方法来看,能够给投资者提供的基金产品可以说是百花齐放,还应该做到有的放矢,满足投资者不同风险收益偏好的投资需求。
量化投资需过三道坎
我国A股市场的量化基金仍然才开始起步,各方面都有待进一步的完善。不仅机构需要有完善数量化投资策略各方面的耐心,也需要投资者给数量化基金以耐心。采用数量化策略的共同基金要在中国市场获得成功,仍有很长的路要走,需要不断的修正数量模型以适应中国市场的特征。
对于量化基金的产品设计,虽然量化基金一般都是采用多因素模型对股票进行分析和筛选,但不同的量化基金产品的侧重点是不一样的,也就是说,包括投资思路、观察角度、分析方法等在内都是不同的。在个股筛选和分析的角度、行业分析的角度、大类资产配置的角度等方面,均有不同的思路,因此,不同的量化基金产品可以体现出各自不同的投资理念和各自的投资特色。
具体来说,基金要想真正推行量化投资,主要应该跨越如下“三道门槛”。
首先,目前国内对做空的限制以及投资产品的稀缺,导致很多成熟的数量化投资手段不能在国内得以应用。一些对冲策略可能需要期货类的投资产品,而有些统计套利策略可能需要市场上要有做空的手段,目前这些条件在A股市场上尚不具备,因此,在一定程度上制约了量化投资的施展空间。
其二,中国目前对于基金的考核体系比较短期化,部分量化基金经理有可能迫于短期排名的压力,也去追涨杀跌,不去执行相当于投资纪律的量化策略,这就恰恰偏离了量化基金设计的初衷。量化投资策略成功与否需要从长期来看,不能因为短期内跑不过市场就认为量化基金管理得不好,对于量化基金的评价时间不能太短。
此外,量化投资对人的要求很高。量化投资需要考虑的一个重要因素是预测相对于市场的超额收益,即阿尔法收益,找到阿尔法预测模型。在阿尔法预测上,要保证不断有新的阿尔法策略产生。一个新的阿尔法策略出来后,过一段时间就被市场充分理解,可能阿尔法收益就会逐渐消失,这就需要不断产生新的阿尔法收益模型。
量化基金本土化前景
A股市场的发展历史较短,有效性偏弱,市场上被错误定价的股票相对较多,那么,留给定量投资策略去发掘市场的无效性、寻找超额收益的潜力和空间也就更大。相比定性投资,现阶段A股市场的特点更适合定量投资客观、公正而理性的投资风格。股票市场复杂度和有效性的增加已对传统定性投资基金经理的单兵作战能力提出了挑战。正因为市场的弱有效性,数量化投资才更有发挥的价值。这也是量化基金可以在中国本土化获得成功的有利条件。
数量化投资可以为投资者带来更多、更丰富、更有特色的基金产品,丰富机构的产品线。只有建立完善的产品线,才能满足不同投资者的需求,才能在不同的市场状况下获得发展,才能有强大的基金公司。机构可以从数量化投资所带来的无限量基金产品线上获得丰厚的利益。
数量化投资不仅可以增加基金的产品线,而且数量化投资策略本身也是对传统基金投资的一个强有力的补充和增强。数量化投资的好处是可以将各种适合不同经济环境、不同市场环境的投资理念明确地刻画出来,并可以加以建议。那些成功的投资理念通过数量化方式就可以方便地加入投资决策中去。数量化投资策略对提升基金等机构投资者的投资决策能力无可限量。
【关键词】系统 选择 开发
北京时间2013年8月16日11点05分31秒到05分56秒的短短26秒里，中国石化和工商银行两大权重龙头先后涨停。之后多只权重股迅速跟进大幅拉升；根据事后调查结果，造成这一事件的光大乌龙交易以70亿的成交量，却造成了日均交易量在2000亿以上的A股市场的大盘指数瞬时上涨超过5%的涨幅，这让貌似遥远的量化交易突然出现在国内投资者的面前，很多普通投资者这才发现自己同量化交易战斗已经很久了。如何获得一个拥有高速精准的数据、高性能程式交易以及高度的开放性和前瞻性等特点的专业的交易平台，这正是本文尝试解决的问题。
一、如何选择国内现有平台
目前的量化交易平台可以从开发语言、技术架构、系统架构、策略方向、交易方式等几个方面，分为中低端和高端量化交易平台。
（一）中低端量化交易平台
中低端平台只支持复杂度不高的脚本语言实现策略逻辑，多数的实现只能在图表上加载技术指标进行自动化交易、程序化交易等量化交易方式。它一般采用的技术架构是投资者使用平台商提供的客户端软件，采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后，通过经纪公司的普通交易席位进行交易。国内应用的中低端量化交易平台主要有文华赢智程序化交易、交易开拓者、金字塔决策交易系统等。
（二）高端量化交易平台
高端量化平台除了支持复杂脚本语言实现策略逻辑外，均支持直接使用C++、JAVA等开发语言实现复杂的策略逻辑，采用多进程、多线程方式进行自动化交易、程序化交易、算法交易。行情和交易的延时都要求尽可能最低。它适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。国内主流的高端量化交易平台主要有龙软DTS、国泰安量化投资平台、天软量化平台等。
总的来说，中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。同时不同的平台费用也不同，投资者必须根据自己的交易要求和费用承担能力来选择最适合自己的量化交易平台。
二、自己打造量化交易系统。
由于MATLAB、R语言这些新一代面向对象、功能强大的语言的出现，获取免费证券和期货的数据并不难，同时出于交易保密的要求，再加上使用功能强大的现有平台费用很高，越来越多的个人和中小机构选择自己或委托别人开发自己的量化交易系统。
（一）语言选择
很多大的机构都有自己软件团队开发量化交易平台，大多选择C语言、C++、JAVA等开发语言，有的甚至使用机器语言，但MATLAB、R语言逐渐成为主流的开发语言。
1.MATLAB简介：MATLAB的是美国MathWorks公司出品的商业数学软件，用于算法开发、数据分析以及数值计算，主要包括MATLAB和Simulink两大部分。其优势在于：用户可以利用MATLAB进行：（1）交易策略实现和回测、投资组合优化和分析。（2）资产分配、金融时序分析、期权价格和敏感度分析、现金流分析。（3）风险管理、预测和模拟、利率曲线拟合和期限结构建模。（4）Monte Carlo模拟、基于GARCH的波动性分析等
2.R语言：R语言是一个高效率的实验平台：通过R语言可以很高效的实现前沿paper的模型方法，同时R语言又提供与C，C++等传统语言工具的量化结合，作为免费开源的数据处理语言，至少几百名世界知名统计学家在算法上的支持，至少几百名世界顶尖的Fortran，C，C++数学库编程高手在代码上的支持，大数据计算平台的运算支撑，开放金融数据资源的免费接入，前沿期刊与代码工具的协同
（二）量化投资重要支撑：IT系统
一个高水准的量化交易系统，必须实现以下的4种功能：
1.历史数据统计后验。历史数据统计一般以收盘价或者日均价作为买入卖出的交易价格。然后根据设定的交易价格计算出在某一段时间内的收益率、超额收益、夏普率等结果。历史数据统计后验的优势是效率高、简单方便。缺点是不够精确，尤其不能考虑资金量对市场的影响。这个阶段的IT要求：简单的原语/多市场的数据/各种盈亏报表分析。
2.历史高频交易数据后验。历史高频交易数据后验的核心在于根据历史高交易频数据进行模拟撮合，撮合算法主要是判断在某个时段的成交量的成交比例。这个步骤的IT要求：快速撮合能力
3.高频数据实时模拟。策略后验无法检验其在样本外的效果。解决这个问题的方法是进行高频数据的实时模拟交易。实时模拟交易是将策略写成一个DLL，放在模拟平台上自动运行。高频数据实时模拟和实盘交易已经非常接近，对冲击成本的考虑，市场容量的考虑基本上和实盘已经一致，唯一不能解决的就是对市场的影响，这个阶段的IT要求：一个简单高效的统一的交易接口API
“没有互联网大数据的时候，量化投资技术仅仅是机构投资者使用，有了互联网大数据，量化投资便成为普惠金融，成为中小投资者能够采用的投资方式。”1月下旬，在接受《投资者报》记者采访时，微量网络科技（北京）有限公司董事长冯永昌表示。
所谓量化投资是基于大数据分析，以统计学的思维研究市场。这在机构投资中十分常见，也深受华尔街的金融家们偏爱。而微量网正是通过互联网大数据技术，让“神秘”的量化投资“平民化”。形象的来说，中小投资者可以像去淘宝购物一样，到微量网购买一个“智能大脑”，在这个大脑的帮助下，选择投资策略，从而让赚钱成为大概率事件。
让量化投资成为普惠金融
冯永昌是北京大学光华管理学院培养的第一批统计学博士，2007年进入嘉实基金。在此期间，他注意到基金投资时，大量使用量化投资策略，但当时的量化交易工具，都是基于本地网络，受本地用电、网络环境稳定性等情况约束，存在交易风险。他萌生了研发一种云交易技术的想法，可以将交易托管在云端。
冯永昌离开嘉实基金后，第一个合伙人是后来的“余额宝之父”周晓明。当时他们想一起做一个结合互联网技术，用量化交易方式进行投资的基金，但当时有资金、有策略，却缺乏相应的技术，冯永昌决定先解决技术问题，于是他创办了一家软件科技企业。
在研发相关技术的过程中，冯永昌认识到，这项技术既然可以帮他解决量化投资中存在的问题，也可以帮助中小投资者采用量化投资的方式进行投资。基于互联网技术，可以搭建这样一个平台，有能力提供投资策略的人或机构，在这个平台上销售自己的投资策略，而投资者则在这个平台上购买量化交易策略，实现策略提供者和策略使用者的对接。
正是基于这样的思考，冯永昌又创办了微量网。
“微量网类似于是一个‘淘宝商城’，商城中既包括针对投资者的量化投资策略评价和推荐，也包括针对策略提供者的策略生产和出售。而投资者只需在这个平台上，按照自己的风险偏好，购买某个投资策略，选择开始，就可以委托网络机器人来管理自己的投资。”冯永昌介绍。
截至2015年1月底，已有近千个策略被提供到微量网平台。而微量网也拥有了大量使用者，其中有理财者、也有股民和期民，理财者主要通过债券逆回购方式进行投资理财，而股民和期民则主要使用程序化交易和量化投资的策略，即将自己的账号与微量网绑定，在微量网上购买策略，然后进行证券、期货交易。
冯永昌当初设计的时候，就将微量网的用户定位为100万元投资规模以下的中小投资者。数据显示，目前微量网的用户以资金额在30万元左右的投资者为主。微量网的出现让“高大上”的量化投资变成了中小投资者也可以使用的工具。
低门槛的投资平台
股民李华（化名），原来在国泰君安开户炒股，为了体验在微量网进行量化投资，近期又在与微量网有合作关系的光大证券开户，投资数万元，“尝鲜”微量网，他选了两个策略组合进行交易。
以前李华自己炒股的时候，一直担心自己知道什么时候买，但不知道什么时候卖，以及该卖的时候，自己没时间顾不上卖。使用微量网投资，可以通过绑定策略来止损，每个策略都有自己的止损点，也可以设置账户止损，李华给自己账号设置为亏损15%就自动止损，这让李华颇感放心。李华介绍，进行量化投资半个多月以来，他的投资略有盈余，他期待微量网能够帮助他解决卖出股票的时机问题。
冯永昌评价，微量网就是将碎片化的投资管理能力集合起来，使之变成微量网上的策略，传递给微量网的用户，缩短散户和机构之间的差距。
在股市，知道什么时候买，不知道什么时候卖，是学生;知道什么时候买，也知道什么时候卖，是老师;而微量网则更进一步，高度纪律化，能够精准无误地保证执行，降低人为情绪波动的影响，基于大数据，对投资做出判断和选择，降低风险。
然而，微量网如何确保平台上策略提供者策略的有效性？冯永昌解释，微量网是一个C2C的平台，任何自然人都可以给微量网提供交易策略，但微量网会以专业的技术力量对策略进行长期跟踪，严格审核，通过实测验证等手段，保证其有效。策略提供者还要负责维护策略，对其进行必要的修正。
“微量网会以第三方专业的技术力量对策略进行长期跟踪，还会观察策略的风险特征及市场环境等，所有结果都会在用户端详细展示，帮助投资者进行选择。”冯永昌说。
还将继续“烧钱”
来自微量网的统计显示，在去年12月9日（当天上证综指和深圳成指都达到了单日最大振幅9%），微量网70%的策略创造了期货、股票市场新高，80%用户创造了单日3%以上的收益，股指期货策略尤为出色，当日用户受益45%以上。而在今年“1・19”股灾当天，微量网的用户同样实现了十分可观的收益。
冯永昌评价，市场波动越大，投资者通过量化交易套利的空间就越大，还可以尽量规避风险。因此股市等市场波动大的时候，恰是推广微量网的最好时机，2015年微量网将会加大市场推广力度。
微量网此前已经接受过一轮天使投资，目前正在进行新一轮融资。与新投资机构的谈判已进行了数月，预计将很快会结束谈判，引入新的资金。
“新的资金进来后，微量网会继续‘烧钱’，会界面更友好的版本，充实研发团队和客服工作人员，继续以较低的价格将策略提供给使用者。”冯永昌介绍。
【关键词】量化投资；量化投资体系；证券市场
一、量化投资及量化投资体系的定义
什么是量化投资？简单来讲，量化投资就是利用计算机科技并结合一定的数学模型去实现投资理念与投资策略的过程。与传统的投资方法不同的是：传统的方法主要有基本面分析法和技术分析法这两种，而量化投资主要依靠数据和模型来寻找投资标的和投资策略。量化投资系统则是由人设定出某种规则，在计算机当中根据规则构建这种模型，而后由计算机自己去根据市场的情况进行一些投资机会的判断。从他们投资方式的区别当中可以看出，量化投资更依赖于数据，传统投资则更依赖于人的主观判断。从这点上来说，量化投资可以有效的规避一些人为的错误判断。
二、我国量化投资体系的发展
在美国，量化投资方法的发展己经有将近年的历史，量化方法从允嫉较衷谡嫉矫拦市场30%上以上的比重。而在中国，量化投资只是刚刚起步而己。但是已经有很多基金公司允即罅Υ蛟熳约旱牧炕投资团队，期望在传统的基本面研究之外源匆黄新的投资天地。国内证券市场上成立比较早的量化投资基金主要包括：嘉实基金――嘉实量化阿尔法股票、上投摩根基金管理有限公司――上投摩根阿尔法、光大保德信基金――光大量化、富国基金管理有限公司――富国沪深增强、国泰君安资产管理公司――君享量化。近年来，一些公募基金、私募基金也都不断加快了布局量化投资基金的方法。这些量化投资基金，主要研究了基于基本面的多因子选股模型，这些投资组合因子主要包括：公司财务基本面数据，市场行情数据，行业数据等，并在实证中不断完善量化投资指标因子的选取。研究行业以及个股的价格趋势，运用道氏理论、K线理论、波浪理论、切线理论、形态理论等一些常用的技术分析方法建立不同风格的投资模型和投资组合。
三、量化投资的优点
量化投资作为一种有效的主动投资工具，是对定性投资方式的继承和发展。实践中的定性投资是指，以深入的宏观经济和市场基本面分析为核心，辅以对上市公司的实地调研、与上市公司管理层经营理念的交流，发表各类研究报告作为交流手段和决策依据。因此，定性投资基金的组合决策过程是由基金经理在综合各方面的市场信息后，依赖个人主观判断、直觉以及市场经验来优选个股，构建投资组合，以获取市场的超额收益。与定性投资相同，量化投资的基础也是对市场基本面的深度研究和详尽分析，其本质是一种定性投资思想的理性应用。但是，与定性投资中投资人仅依靠几个指标做出结论相比，量化投资中投资人更关注大量数据所体现出来的特征，特别是挖掘数据中的统计特征，以寻找经济和个股的运行路径，进而找出阿尔法盈利空间。与定性投资相比，量化投资具有以下优势：
（一）量化投资可以让理性得到充分发挥
量化投资以数学统计和建模技术代替个人主观判断和直觉，能够保持客观、理性以及一致性，克服市场心理的影响。将投资决策过程数量化能够极大地减少投资者情绪对投资决策的影响，避免在市场悲观或非理性繁荣的情况下做出不理智的投资决策，因而避免了不当的市场择时倾向。
（二）是量化投资可以实现全市场范围内的择股和高效率处理
量化投资可以利用一定数量化模型对全市场范围内的投资对象进行筛选，把握市场中每个可能的投资机会。而定性投资受人力、精力和专业水平的限制，其选股的覆盖面和正确性远远无法和量化投资相比。
（三）是量化投资更注重组合风险管理
量化投资的三步选择过程，本身就是在严格的风险控制约束条件下选择投资组合的过程，能够保证在实现期望收益的同时有效地控制风险水平。另外，由于量化投资方式比定性投资方式更少的依赖投资者的个人主观判断，就避免了由于人为误判和偏见产生的交易风险。当然，无论是定性投资还是量化投资，只要得当的应用都可以获取阿尔法超额收益，二者之间并不矛盾，相反可以互相补充。量化投资的理性投资风格恰可作为传统投资方式的补充。
四、量化投资的局限性
量化投资是一种非常高效的工具，其本身的有效性依赖于投资思想是否合理有效，因此换言之，只要投资思想是正确的，量化投资本身并不存在缺陷。但是在对量化投资的应用中，确实存在过度依赖的风险。量化投资本身是一种对基本面的分析，与定性分析相比，量化分析是一种高效、无偏的方式，但是应用的范围较为狭窄。例如，某项技术在特定行业、特定市场中的发展前景就难以用量化的方式加以表达。通常量化投资的选股范围涵盖整个市场，因此获得的行业和个股配置中很可能包含投资者不熟悉的上市公司。这时盲目的依赖量化投资的结论，依赖历史的回归结论以及一定指标的筛选，就有可能忽略不能量化的基本面，产生巨大的投资失误。因此，基金经理在投资的时候一定要注意不能单纯依赖量化投资，一定要结合对国内市场基本面的了解。
五、量化投资对中国的启示
通过研究国外市场的发展和中国市场的特点，对中国市场上的监管创新，制定相关的法律法规也势在必行。由于市场结构的差异，国内量化投资情况与国外有很大不同。技术型量化投资的应用主要是集中在期货市场，并且有较高的推崇程度；金融型量化投资的应用主要集中在股票市场，由于需要应用的时间数据周期相对较长，实际中应用并不普遍。目前，中国金融市场正处于迅速发展的阶段，很多新的金融工具在不断被引进，用量化投资方式来捕捉这种机会，也是非常合理的。与国外相比，目前国内股票市场仅属于非有效或弱有效市场，非理性投资行为依然普遍存在，将行为金融理论引入国内证券市场是非常有意义的。国内有很多实证文献讨论国内A股市场未达到半强势有效市场。
目前对中国市场特点的一般共识包括：首先，中国市场是一个个人投资者比例非常高的市场，这意味着市场情绪可能对中国市场的影响特别大。其次，中国作为一个新兴市场，各方面的信息搜集有很大难度，有些在国外成熟市场唾手可得的数据，在中国市场可能需要自主开发。这尽管加大了工作量，但也往往意味着某些指标关注的人群少，存在很大机会。其三，中国上市公司的主营比较繁杂，而且变化较快，这意味着行业层面的指标可能效率较低。而中国的量化投资实际上就是从不同的层面验证这几点，并从中赢利。例如，考虑到国内A股市场个人投资者较多的情况，我们可以通过分析市场情绪因素的来源和特征指标，构建市场泡沫度模型，并以此判断市场泡沫度，作为资产配置和市场择时的重要依据。
在中国金融市场的不断发展阶段，融资融券和股指期货的推出结束了中国金融市场不能做空的历史，量化投资策略面临着重大机遇。运用量化投资的机理和方法，将成为中国市场未来投资策略的一个重要发展趋势。量化投资在给投资者进行规避风险和套利的同时，也会带来一定的风险，对证券具有助涨助跌的作用。由于国内股票市场还不够成熟，量化投资在中国的适用性很大程度上取决于投资小组的决策能力和创造力。以经济政策对中国量化投资的影响为例。中国的股市有“政策市”之称，中国股市的变化极大的依赖于政府经济政策的调节，但是经济政策本身是无法量化的。基金建仓应早于经济政策的施行，而基于对经济政策的预期，但预期的影响比经济政策的影响更难以量化。例如，在现阶段劳动力成本不断上升、国际局势动荡、国际大宗商品价格上升的情况下，央行何时采取什么力度的加息手段，对市场有何种程度的影响，这一冲击是既重要又无法量化的。为解决这个在中国利率非市场化特点下出现的问题，需要基金投资小组采取创造性的方式，将对中国经济多年的定性经验和定量的指标体系结合起来，方能提高投资业绩。
参考文献：
[1]方军雄.我国证券投资基金投资策略及绩效的实证研究[J].经济科学，2002.04
记者：量化投资有什么特点？
刘钊：量化投资的主要特点是买入、卖出股票，不再是由人的主观判断做出决定，而是由量化模型决定。量化投资是一套科学的方法，有严格的分析、计算，什么好什么不好，不是我们自己说了算，是数据和模型说了算。即使是简单的低市盈率投资方法，只要能严格执行，就能取得超额收益。
记者：排除了人为主观情绪的影响，但由量化模型控制的量化投资基金的收益会如何呢？
刘钊：我们可以看看美国最成功的量化投资大师――詹姆斯・西蒙斯管理的大奖章基金，在1989年―2006年的17年间，大奖章基金平均年收益率达38.5%，而股神巴菲特过去20年的平均年回报率也不过20%。正是鉴于量化投资的巨大威力，摩根士丹利华鑫基金公司经过两年的精心准备，推出了国内真正意义上的量化投资基金――大摩华鑫多因子基金。
记者：量化投资的成败，关键在哪里？
刘钊：普通投资者买卖股票，主要是基于政策、基本面、市场、技术等各种信息和经验来做出交易决定，这些因素属于主观判断，而且往往容易受到情绪的影响。量化投资是将投资思路通过设定的指标、参数体现在量化模型上，通过计算机系统自动买卖股票，因此，量化投资的关键点就在于建立一个好的量化模型。
记者：量化投资和价值投资冲突吗？
刘钊：说到投资，大家首先想到的是巴菲特的价值投资，从长期的历史实践看，价值投资确实比较有效，量化投资也可以建立价值投资类的模型。
举例来说，衡量价值投资的最重要指标是低市盈率，如果以市盈率为标准来建模，以2005年5月为时间点，按市盈率对所有上市公司排序，再按市值比例模拟买入市盈率最低的100只股票，第二年5月，重新计算市盈率最低的100只股票，并调整组合，如此重复，每年调整一次仓位。得到的结果是，从2005年5月至2010年5月，沪深300指数的年化收益率为25.4%，同期量化建模的低市盈率策略基金的年化收益率达到29.46%，与沪深300指数相比，低市盈率策略基金的超额收益为4.06%。以此为基础，再以预期市盈率为基础建立一个模型，并模拟买入当年预期市盈率最低的100只股票，量化模型的年化收益率有36.51%。
记者：大摩华鑫的量化投资模型有何成功之处？
刘钊：大摩华鑫量化投资的模型既有一些过去历史上证明非常有效的投资方法，比如价值投资，也有投资管理团队的支持，大摩华鑫资深基金经理多年的投资经验也为大摩华鑫的量化模型提供了一些思路。此外，我们还通过外方股东摩根士丹利以及通过数据挖掘的方法，找到一些好的投资策略，为建模提供思路和方法。
（辽宁对外经贸学院，辽宁 大连 116052）
摘要：随着沪港通的正式实施，中国股市交易量不断创历史新高.同时在世界石油价格持续降低的情况下，投资策略显得十分重要.本文重点分析策略指数投资在股市投资中的运用.
关键词 ：投资组合；股市；策略指数投资
中图分类号：F830.59文献标识码：A文章编号：1673-260X（2015）05-0068-03
1 策略指数投资介绍
2014年末随着股市行情的走强，指数化产品迅速摆脱前几年净赎回的颓势，呈现爆发式快速增长.伴随着规模的迅速扩张，结构上也出现了一些变化.其中策略指数产品尤其引人关注.广发中证百发100指数基金在开放募集后2天即超过20亿元，显示市场对特定方式策略指数投资的热情追捧.策略指数投资，在国外又称为Smart Beta，即“聪明”的Beta，是相对于“传统”的Beta策略而存在的一种投资理念.传统认知上的Beta是指一种全市场投资组合的系统性风险，在CAPM中以全市场所有股票的市值加权方式计算（market capitalization weighted）.比如标普500指数、日经指数、以及在国内最具代表性的沪深300指数.通过简单的推演，就可以论证市值加权并非是最优的方法.市场对股票的定价并非完全有效，那么市值加权的方式倾向于给高估的股票以更高的权重，而低估的股票以更低的权重，显然这种方式并非是最优的.在这一点上，Hsu（2006）已经给出严格的论证.事实上，市值加权更加注重的是投资机会的市场容量（capacity），因此该类指数更多地被用作投资的业绩基准.那么，如果将投资组合更换成一种非市值加权的方式，其得到的beta就是smart beta，相关的投资策略就称为策略指数投资.这种smart beta指数中的股票权重往往是通过特定的量化算法获得，看起来投资效果会比传统的市值加权beta更加实用，相关的投资策略也往往会选择市值加权指数作为投资业绩的基准.
常见的Smart Beta策略包括价值策略、低波动策略、分散化策略、动量策略等.其中价值策略是以一些股票的价值指标为加权方式，目标是选择一些基本面满足特定属性的股票构成组合.比如基于财务基本面评分的基本面加权，或基于分红率的红利加权等.低波动策略的目标是构建一个最低或较低波动率的投资组合，通常包括最小方差目标加权、波动率倒数加权等方法.分散化策略的目的是提高组合中股票的分散度，应用最广的是等权重策略.动量策略在国外也是一种常见的策略，因为国外市场上验证发现动量因子非常有效，因此会选择以动量因子来作为股票选择和加权的方式，见表1.
据统计，美国近三年新发行的Smart Beta策略投资产品规模约在600亿美元，大致与市值加权的指数产品规模相当，策略也主要以红利、等权重、基本面、低波动为主.而国内近年来策略指数投资产品发展也非常迅速.中证指数公司针对主要的Smart Beta策略进行了验证，证明Smart Beta策略确实能大概率上击败以市值加权的沪深300指数.其中表现最好的是低波动相关策略，包括300最小方差、300低贝塔、300低波动.
2 资产配置下的策略指数投资
根据经典的CAPM模型我们知道，股票资产的收益率取决于其承担的市场风险大小Beta，而无法被解释的部分则为Alpha.但随后的诸多研究发现，各种股票之间的Alpha具有异常的高相关性特征，或许存在市场因子以外的其他因素在影响股票资产的收益率.随后发展的Fama-French三因素模型提出在市场因子以外，价值因子和规模因子也是非常显著的.后来又将动量因子补充进来，从而形成四因素模型.
自此，风格因子投资的概念逐渐被学术界与投资界所广泛接受.事实上，自从1970年代以来，国外就开始萌生基于这种理念的主动投资管理.投资业界在三因素模型基础上开发了非常有效的线性因子投资模型，如Barra公司将国家地域因子、宏观因子、概念风险因子等逐步纳入到其风险评估模型中.随后，学术界又逐步发现了更多有效的风险和策略因子，如低波动率、低流动性、基本面因子等.人们也逐渐发现，原来投资界以往的诸多策略产品实际上并非是提供了有效的Alpha，而只不过是将各种风格因子的beta巧妙包装成投资能力的Alpha来推销给投资者.
在这样的视角上，资产配置投资就自然而然地成为投资方法的主流.我们对资产的看法不再是其表面上所呈现出来的风险与收益特征，而是其特定或持续暴露的风险因子敞口，比如价值因子敞口、规模因子敞口等.如果投资者能够设定自己的风险预算，明确其将在各种风险因子上的敞口，就可以从市场上选择合适的股票、策略指数产品，经过合理的搭配而形成组合.这样的投资组合在风险上是可控的，从而将投资引入了一个新的配置时代.
因此，基于特定量化策略的Smart Beta策略指数投资开始风靡.这些指数投资产品不仅能够提供超越传统Beta的收益表现，更重要的是它们满足了投资者的资产配置需求.这些产品的透明性好、费用低廉，并且突出地暴露到某一个特定的风险因子上.比如在红利策略中，通常会选择那些分红率最高的股票进入组合，并给予高分红股票更高的权重，这样就使得组合在价值因子上产生了显著的风险敞口.在等权策略中，全部入选组合的股票无论市值大小都给予相同权重，从而导致小盘股获得比市值加权指数更高的权重，导致组合在规模因子上产生显著的风险敞口.波动率倒数加权策略则会给予波动率较低的股票更高的权重，从而整体上降低组合的波动性风险，因此也在波动率因子上产生显著的敞口.投资者在把握这些策略指数产品的风险特征后，就能够方便地构建自己的组合配置，反过来也促进了策略指数投资的快速兴起.
然而，Smart Beta策略指数产品也并非完全的“聪明”.在某一段时间内，也许特定的策略指数能战胜市值加权组合，使得它看起来非常“聪明”，但在另一段时间内该策略指数可能会落后市值加权组合，使得它看起来也不是那么“聪明”.这是因为策略指数产品通常会有严重的风险因子敞口，因此其业绩也随着风险因子的表现而起伏不定.可能有一些因子长期来看存在明显的超额收益，导致这些策略看起来非常具有吸引力.
针对几个主要的风险因子，测算了2006-2014年间的表现.表3中我们发现小盘因子是中国A股市场上长期表现最好的，但其波动率也比较大.价值因子、反转因子、基本面因子的长期表现也非常好.然而，表4测算了这些因子表现的相关性，发现各种因子之间的相关性非常低.并且单一因子的信息比率都无法达到2以上，这就表明单纯使用一个因子，即使是表现最好的小盘因子也依然无法达到满意的投资效果.
因此，风格偏向非常明显的策略指数投资产品也即往往会随着市场风格的切换而发生特别明显的波动.但是，如果投资者能够设定自己的风险预算约束，就能够合理地选择多个策略指数投资产品来构造自己的组合基金.组合基金利用不同产品风险敞口的低相关性来降低组合的波动风险.
3 组合基金投资
组合基金是能充分利用策略指数投资产品的优势，同时又充分控制和分散风险的一种很好的方法.目前国内兴起的量化投资基金很多策略就是试图去搭配不同的风险因子，希望在控制一定的风险暴露基础上，追求更高的收益.然而我们发现，这些策略大多数仍然是存在明显的风险暴露.
我们选择2014年表现最好的三只公募基金：华泰柏瑞量化指数、大摩多因子、长信量化先锋.可以发现，虽然这三只基金在2014年、2013年表现较好，但在2011年、2012年里普遍较弱.其主要原因是这些基金普遍在小盘因子上有很强的暴露，2013-2014年里小盘因子表现很强，但2011-2012年里价值因子表现更好.表6拆解了三只基金的全部持仓的自由流通市值分布，不难看出大摩多因子与长信量化先锋在小盘股上偏向非常明显，而华泰柏瑞量化指数向小盘的偏离较小.
我们选择其中业绩记录较长的大摩多因子、长信量化先锋，另外搭配两只偏向价值的策略指数基金：华宝兴业上证180价值ETF、银河沪深300价值.以等权重在四个产品之间搭配，构造一个混合的组合基金投资产品（FOF）.
经过计算，不难看出两个偏向价值的基金产品在2011和2012年明显好于两只偏向小盘的量化产品，但在2013年和2014年里表现弱于量化产品.经过等权构造后，FOF组合在2011-2014年间均能取得正的超额收益，更重要的是其信息比率提升到了2.20，远远高于四只产品各自的信息比率，这说明经过搭配后，资产组合的收益风险表现得到了明显的提升.
4 结论
策略指数投资的Smart Beta正逐渐成为市场上非常重要的一类产品，因其风格特征显著，在特定的市场环境下提供“聪明”的Beta收益而逐渐受到投资者的热捧.然而，单一投资策略指数产品并不能提供稳健的收益，可以考虑在资产配置的目标下合理搭配策略指数投资产品，获取更加稳健的收益.
参考文献：
〔1〕郑鸣,李思哲.我国基金风格投资的积极风险补偿研究[J].厦门大学学报(哲学社会科学版)，2010(02).
〔2〕蔡伟宏.我国股票市场行业指数超额联动的实证分析[J].南方经济，2006(02).
【关键词】数字图像客观质量评估;数字水印;峰值信噪比;离散余弦变换
0 引言
网络的发展促使网络多媒体业务的兴起。在图像传输系统中，需要根据信道条件实时调整压缩参数，从而提高用户的可感知质量，这就需要获得压缩和传输后的图像质量，从而自适应的控制编码端参数，达到提高系统整体质量的目的。因此研究对数字图像质量进行评估的方法一直备受关注。
数字图像质量评价方法[1]通常分为两大类：主观质量评估（SQA）和客观质量评估（OQA）。主观质量评估是直接由观察者对图像质量进行主观评价，此方法最为准确，但是需要提供严格的测试环境，实现起来步骤复杂、实时性差，不便于实时传输中图像质量的评估。客观质量评估[2]通过对图像序列进行一定的处理，根据所得到的信息作出评价，该类方法相比于主观质量评测方法更易于实现。根据对原始图像的依赖程度，客观质量评估又可以分为三类：全参考方法、部分参考方法、无参考方法。全参考和部分参考方法需要提供原始图像的全部或者部分特征和信息作为评价参考，而无参考方法则无需原始图像的任何信息。在图像的压缩和传输过程中，考虑到信道带宽，往往无法实时获取原始图像信息，所以无参考质量评价方法具有较高的应用价值，对其的研究也是目前学术界研究的热点之一，利用数字水印对图像质量进行评价正是无参考质量评价方法的一种。
1 原理及算法
1.1 基本原理
图像数字水印[3]是在原始图像数据中按照一定的规律嵌入另一种信号（水印）。由于图像数据存在的冗余，且人眼对图像中不同部分感知能力是不同的，因此可以利用这些特性在图像中嵌入水印，同时又不影响人眼对图像的主观感受――不可见性成为衡量数字水印嵌入算法的一个重要指标。图像中嵌入信号量越多，图像质量下降越明显，水印的不可见性越差;但是经过攻击后提取出来的水印质量会较好，即水印的鲁棒性较好。因此水印的不可见性和鲁棒性二者是矛盾的，相互制约。如何平衡水印嵌入的强度（鲁棒性）和嵌入后图像质量（不可见性）成为数字水印技术的关键[4]。
DCT域水印[5]能够较好地平衡上述问题，是目前数字水印研究的热点。DCT变换把空域信号变换到频域中一个DC分量和一系列的AC分量，其中，DC分量表示原始图像平均亮度， AC分量的每个系数均表示原始图像在某一个频率上的能量。经过DCT反变换后，DC和AC系数中的各个频率所表征的能量将均匀分配到原始图像的各个系数中。对单个DC或AC系数的修改将会分散到原始图像的各个像素值，从而避免了对原始图像的某几个像素值进行修改所导致的大幅度失真，水印的鲁棒性和不可见性都得到保证。但是在DCT域进行水印嵌入需要首先对原始图像进行DCT变换，嵌入水印后再对图像进行反变换，算法复杂度较大。考虑到JPEG压缩[6]时，必须对图像进行DCT变换后再进行量化和熵编码，因此可以将水印嵌入过程和图像压缩过程相结合，从而节省计算量。
本文提出的算法其基本思想为：在图像压缩过程中，首先对图像进行DCT变换，在变换后的系数中嵌入水印信息;所得到系数再经过量化和熵编码得到压缩码流，通过信道传输至解码端。解码端获得压缩码流后，经过熵解码，反量化后得到DCT系数，从中提取出水印信息。将提取出的水印与原始水印进行比较，得到提取水印的图像质量，再利用水印质量与图像质量之间的关系式得到图像质量。由于嵌入的水印与原始图像一样经历了量化和信道误码等导致图像质量损失的过程，因此水印信号与图像信号的受损程度之间是有着较大的关联的，可以通过提取出的水印质量获取图像质量。
1.2 水印嵌入算法
这里选择要嵌入的水印为二值水印，二值水印中图像像素只有“0”和“1”，与数据的奇偶性可以相互对应。即“0”表示偶数，“1”表示奇数。因此，可以通过判断DCT系数均值的奇偶性，与水印对应位的奇偶性相同时，则不需要修改DCT系数。否则，通过对DCT系数作相应的修改，从而达到修改均值奇偶性的目的。具体的水印嵌入算法如下：
第一步：将二值水印图像转变为二进制串;
第二步：将原始图像进行8×8分块的DCT变换;
第三步：利用随机数发生器，生成随机数向量，并将其按从大到小的顺序进行排序。通过此方式获得与排序后随机数相对应的位置向量，并选择与二值水印长度相同的前n个位置，作为水印嵌入块的序号;
第四步，对每个8×8的水印嵌入块分别进行DCT变换;接着将DCT系数按照Zig-Zag（如图1中Zig-Zag排列图）排列;求预先定义的所选频率系数和的奇偶性，然后与二值水印（0或1）做比较，如果相同则不做修改;如果不同，则改变DCT系数值;这样分别将二值水印二进制串嵌入到源图像的DCT块中。
图1 Zig-Zag排列图
水印的嵌入公式：
当嵌入0值时：I′=2×d×ROUND■（1）
当嵌入1值时：I′=2×d×ROUND■+d（2）
其中d为量化因子（通过改变d的大小可以控制水印的嵌入强度），ROUND为取整函数（四舍五入），I为DCT系数，I′为变换后的DCT系数。值得注意的是，上述水印嵌入算法仅针对Y分量进行嵌入，对U，V两分量是没有影响的。
1.3 水印提取算法
第一步：接收压缩后的载体图像，读取载体图像;
第二步：将二值水印图像转变为二进制串;
第三步：利用随机数发生器，生成随机数向量，并将其按从大到小的顺序进行排序。通过此方式获得与排序后随机数相对应的位置向量，并选择与二值水印长度相同的前n个位置，作为水印提取块的序号;
第四步：对每个8×8的水印嵌入块分别进行DCT变换;接着将DCT系数按照Zig-Zag（如图2.1中Zig-Zag排列图）排列;求预先定义的所选频率系数和的奇偶性。如果为偶数，则提取水印对应位为“0”，否则提取水印对应位为“1”。
从上面的水印嵌入和提取算法可以看出，量化因子d控制着水印的嵌入强度，随着量化因子d的增大，图像质量变差，水印图像明显;而当d变小时，水印易受到攻击，提取出的水印无法表征原始图像质量，必须要选择合适的d值。另一方面， DCT系数经过Zig-Zag扫描后，靠前的系数属于中低频系数，人眼对其较为敏感，而靠后的系数属于高频系数，人眼对其不敏感。选择在低频系数中嵌入水印能够提高水印的鲁棒性，提取出的水印也可以较好的表征图像质量，但是将对图像质量造成较大的影响;而选择中高频系数嵌入水印，水印不可见性较好。但是在图像量化的过程中，由于中高频系数值一般较小，大部分的水印将随着高频系数被量化为0，水印鲁棒性降低。因此需要确定合适量化因子d的取值以及在哪些频率系数中嵌入水印，在本文后续章节中将逐一对这些问题进行分析。
2 确定量化因子与水印嵌入区域
2.1 量化因子d取值范围
本节将通过实验分析量化因子对图像质量造成的影响，为了屏蔽压缩所带来的图像失真，将不对图像进行压缩。通过改变量化因子d，观察提取水印相对于原始水印的错误率（BER）变化情况和图像峰值信噪比（PSNR）的变化情况;然后比较两者随d增大而改变得到的曲线，分析两条曲线变化趋势，然后为d选择合适的取值范围。由于还未确定具体在DCT哪些系数中（后面均用range_dct表示要嵌入水印的DCT系数位置）嵌入的水印下，本实验在中频、低频、中低频三种情况下嵌入水印。实验结果表明，上述三种嵌入策略嵌入水印后的BER曲线和PSNR曲线的变化趋势基本都是相同的，因篇幅限制，在此仅给出在DCT低频嵌入水印时的实验结果。
实验中所采用的载体图像为标准测试图像Lena，其幅面大小为512×512。图1 （a） 表示按照Zig-Zag扫描顺序在第2、3、4、5、6、7、8、9、10位嵌入水印，记为range_dct=2：10。（b）图表示在第4、5、6、7、8位嵌入水印，记为range_dct=4：8。
（a）range_dct=2：10
（b）range_dct=4：8
图1 DCT低频位嵌入水印
由图1可以看出，d的取值在5～6这一范围时，提取水印的BER是最小的，而PSNR又保持在大于50dB的范围内。因此d的取值为5或6是最可取的，而考虑到在图像压缩比较大的情况下会导致大量的水印由于量化系数过大而丢失，因此在嵌入水印时，应适当的加强水印的嵌入强度，即加大量化因子d的值，以弥补这种损失。通过对图1进行分析，量化因子在5～20范围内时，各种嵌入方案图像的PSNR均大于40dB，因此选择量化因子范围为5～20。
2.2 确定量化因子取值
在2.1节实验的基础上，本节将通过考虑在取值范围内的各量化因子经过图像压缩后的表现来确定量化因子的具体值。变化d的值分别为5、6、10、15、20，对图像进行不同程度的JPEG压缩，Quality表示为图像品质因子，Quality值越大表明图像压缩率越低，经过压缩后的图像质量越高。通过实验可得到随着Quality的变化，PSNR和BER的变化曲线。取经过Zig-Zag扫描后的DCT系数的第4、5、6、7、8位嵌入水印，即range_dct=4：8（由于其他各种频段嵌入策略与此方法所得到结果基本类似，实验结果不失一般性）。实验结果表明，当d=5时，随着PSNR逐渐升高，BER逐渐降低，PSNR和BER两条曲线的拟合程度最好;而当d取其他值时，BER的数据容易出现反复，不能很好的体现PSNR和BER的关系，所以量化因子最优取值应为5。图2为d取值为5和6时的BER与PSNR随着质量因子的变化而变化的曲线图。
（a）量化因子d=5
（b）量化因子d=6
图2 不同压缩比条件下提取水印BER与图像PSNR的曲线图
2.3 确定水印嵌入区域
在确定了量化因子d的取值的基础上，本节将通过实验确定采用哪些频段系数进行水印嵌入。
给定量化因子d=5，对图像采用有损JPEG压缩，得到各种嵌入策略的PSNR和BER随着图像质量因子变化而变化的曲线，通过比较这两种曲线的近似度，选择PSNR和BER曲线图拟合效果最佳的嵌入策略作为最终的嵌入策略。如2.1节所述，为了能够使提取的水印表征载体图像的质量，选择在中低频系数中嵌入水印，因此可选的嵌入策略包括在低频，中频，中低频这三个范围内进行嵌入。本实验选取四种情况进行实验，分别是：（a）在DCT系数的第2、3、4、5、6、7、8、9、10位嵌入水印，（b）在DCT系数的4、5、6、7、8位嵌入水印，（c）在DCT系数的第12、14、16、18、20、22、24、26、28位嵌入水印，（d）在DCT系数的第4、6、8、11、15、21、26、28、32位嵌入水印。分别对应图3中（a）-（d）图。
（a）range_dct=2：10
（b）range_dct=4：8
（c）range_dct=12：2：28
（d）range_dct=[4 6 8 11 15 21 26 28 32]
图3 JPEG压缩下不同嵌入策略图像PSNR与BER曲线
（量化因子d取5）
通过图3可以发现，当取第4个到第8个DCT系数时，BER与PSNR之间的拟和度最好，而在其他嵌入策略中，BER会有不同程度的反复。因此确定水印嵌入位置为原始DCT系数经过Zig-Zag扫描后的第4个到第8个系数。在8×8大小的块中的具置如图4中黑色块区域所示：
图4 水印嵌入系数示意图
综合2.2和2.3节中的分析，最终确定水印嵌入时量化因子（水印嵌入强度）为d=5、选择在DCT变换系数中的低频系数，即按照zig-zag扫描顺序的第4个到第8个系数进行水印嵌入。
2.4 PSNR和BER相关性分析
在上一节中对文中所提出的算法的几个关键系数的选取进行了分析，从而获得了在保持水印不可见性下，能够更好的反映图像质量变化的水印嵌入算法。本节将分析PSNR与BER之间的关系，并给出两者具体的关系表达式，从而达到利用BER来估计图像PSNR的目的。
由图3（b），在d取5，DCT系数选择4～8区间系数情况下，所获得的PSNR与BER之间的关系图可以看出：当PSNR增大时，BER会随之减小，即PSNR和BER有很强的线性相关性。因此本算法将利用一阶多项式来拟合PSNR与BER之间的关系，即：
PSNR′=a■+a■×BER（3）
通过线形拟合，计算得到：a1和a2分别为55.1797和-25.7508。即：
PSNR′=55.1797-25.7508×BER（4）
2.5 实验结果验证
为证明算法可行性和验证实验结果准确性，选取幅面为768×512的标准测试图片Bird进行算法验证。在Bird图片中嵌入水印，然后对其进行JPEG压缩，获得在不同质量因子时，图像真实PSNR。从压缩后的水印图像中提取水印并得到提取水印的BER。利用式（4）求得预测PSNR′，并求得预测PSNR′与原始PSNR之间的差值。
图5中（a）为原始宿主图像，（b）为实验采用的幅面为72×44的二值水印图像，（c）为JPEG压缩因子（Quality）为60时，嵌入水印后的图像，（d）为对应的水印提取图像。对比（a）（c）两幅图像可以发现，水印不可见性非常好，在（c）图中看不出水印嵌入痕迹。
图5 提取水印实验结果图
（上接第12页）计算Birds图片分别在不同压缩比情况下的PSNR和对应的BER，然后用公式（4）直接得到PSNR′值，比较PSNR和PSNR′误差δ，从而来判定水印算法的可行性。
δ=■（5）
表1 JPEG压缩下的PSNR与估计值PSNR′
实验数据如表1所示：将实验数据带入式（5）中求得误差均值：
δ=0.0304（6）
由上述结果可以看出，图像经过JPEG压缩后，由BER得到的PSNR′可以较精确的估计图像PSNR的真实值。
3 结论
本文提出了一种提出了一种基于图像DCT域嵌入水印的方法。该算法考虑DCT域的心理视觉模型和图像压缩对提取水印质量的影响，将水印嵌入到分块DCT域的中低频段系数中，保证了水印的不可见性和鲁棒性。通过大量实验和数据，确定了水印嵌入的量化因子以及具体的中低频系数嵌入区域，并得到了图像峰值信噪比（PSNR）与水印的像素错误率（BER）之间的线性关系。利用该线形关系对经过JPEG压缩后的图像PSNR进行预测，结果表明本算法能够比较准确的对图像质量进行估计，平均估计误差小于4%，可用于实时图像压缩传输系统中的视频质量评估。
【参考文献】
[1]王新岱，杨付正.视频质量的主客观评估方法研究[J].电视技术，2003，254（8）： 81-84.
[2]殷晓丽，方向忠，翟广涛.一种JPEG图片的无参考图像质量评价方法[J].计算机工程与应用，2006，18：79-81.
[3]Ingemar J.Cox，Matthew L.Miller，Jeffrey A.Bloom.数字水印[M].王颖，黄志蓓，译.北京：电子工业出版社，2003：17-241.
[4]曹华.图像和视频水印嵌入新方法研究[J].武汉：华中科技大学图书馆，2006.
量化投资在欧美的应用已超过30年，最为传奇的是华尔街的对冲基金经理詹姆斯?西蒙斯创立的复兴科技公司旗下的大奖章基金。从1989年起，复兴科技公司的大奖章基金的年回报率平均高达35%，大奖章基金被誉为最成功的对冲基金。截止到1999年12月底的11年，大奖章基金累计的回报是2478.6%，是原资产的25倍。另一个为人们熟知的是美国长期资本管理公司。该公司成立于1994年2月，是一家主要从事定息债务工具套利活动的对冲基金。1994年到1997年，长期资本管理公司的投资回报率分别为28.5%、42.8%、40.8%、17.1%。无疑，量化投资在美国市场的运用是成功的。时至今日，量化投资已经成为美国市场中一种重要的投资方法。到2009年，量化投资比重已经上升到30%以上，主动投资产品中有20%～30%使用了定量的技术（丁鹏，2012）。
量化投资最典型的特征就是通过建立数学量化模型进行交易，它是建立在大量历史数据的基础上、建立反应某种特定规律的数学模型、在此基础上进行程序化交易。具体而言，就是从那些瞬息万变的市场变化中去寻找能够获得微小利润的计算机化交易，关键在于捕捉到人们无法利用的短暂价差来实现套利。模型可以看作医院里面的各种先进的医学诊断仪器，医生通过这些先进诊断仪器对病人进行扫描化验，获取反映病人的身体状况的指标数据，然后通过获取的数据去判断病人所患的疾病，从而对症下药。类似地，量化投资就是在市场中不断去寻找套利机会，其实就像是在发现市场的不易察觉的“疾病”，依托于模型的扫描和检测，获得市场的各项关键指标数据，从而找出套利机会，然后做出投资决策。量化投资需要精湛的计算机编程技术，其主要形式是程序化交易。程序化交易绝大多数都是高频数据交易，其特点是：计算机自动完成；交易量巨大；持仓时间很短，当日频繁交易；每笔收益率很低，但总体收益稳定。高频数据交易的核心是模型算法，负责策略及机会，速度是关键保障，因此大机构一般在交易所大楼旁租高速光缆建立交易室。目前，美国股市总体成交量约70%是高频交易，而涉及机构仅占2%。
具体到股票市场，目前，股票市场上有很多风格各异的分析流派，其中最为人们熟知的有两个分析流派。其一是技术分析，其二就是基本面分析。但是另外一种在国外已经非常的成熟的方法即量化投资方法却很少为人们所知。
二、量化投资在A股市场的发展
相对于量化投资交易量占据70%的发达金融市场，国内量化投资的发展才刚刚起步。在中国A股市场在整个投资市场所占据的规模又有绝对的优势，所以，量化投资在A股市场的发展前景就决定了量化投资在整个金融市场的发展前景。
目前，量化投资在A股市场的发展还有很多局限性。首先，我国A股市场的投资主体仍是噪声交易的的中小规模散户，导致资金规模不够集中，无法发挥资金的规模效应，不利于程序化规模交易的推广。其次，量化投资具有频繁交易，持仓时间较短的特点。由于A股市场还不是T+0的交易制度，这就决定了量化投资在A股市场还不备大规模运用的前提。最后，创新能力不足。即使是目前已经开发的几只量化投资基金，同质化现象也非常明显。核心策略仍然局限于技术指标和均线系统的搭配运用，缺乏多元化程序化交易策略库的支持。
在看到局限性的同时，我们也应该看到其广阔的发展前景：
第一，与欧美比较成熟的金融市场相比，我国证券市场的发展历史还很短，只有区区二十多年的时间，随着A股市场的进一步发展，比如规模进一步扩大，实行T+0的交易制度等，量化投资的发展前景就会愈发宽广。同时，量化投资是一种套利交易，这就决定了弱有效市场是其耐以生存的土壤。由于我国投资者队伍参差不齐、不够成熟，这就给通过发掘市场非有效性来获取阿尔法收益带来了更多机会；
第二，量化投资的技术和方法在国内还是新手事物，竞争者很少。相对于目前证券市场上传统的定性投资者太多，机会很少，竞争过于激烈而言，量化投资者较少，机会很多，这就给量化投资创造了良好的发展机遇。在这方面，只要引进成熟的量化投资人才，增强开发差异化模型的创新性，避免模型过于单一，就会为量化投资的发展带来新的曙光。
第三，一旦量化投资在A股市场逐渐得到认可，及所表现出的相对于传统投资方法的优势，就会产生一种加速效应：中小规模投资者看到量化投资所带来的可观回报，但同时自己不具备量化投资的能力和条件，这就会促使中小投资者把钱交给优秀的量化投资团队，从而加速量化投资规模的扩大。
营销使命：销售第一，品牌第二
《广告主》：您认为广告主应该如何理解品牌和销售的关系?
徐丽：品牌是建立在一定的销售基础上的，没有销售规模就没有品牌建立的基础。品牌是什么?有很多种解释和理解，和产品的区别就不仅仅是提供给消费者一种功能和利益，而是提供一种价值。产品卖好了，成为好产品，好产品才能成为品牌，这其折扣销售力是保证。没有一定的销售规模，一个产品就存活不了，存活不了就根本谈不上有持续不断的重复购买。在这个意义上讲，销售第一，品牌第二，没有销售就谈不上品牌。我们焦点这么多年做营销和品牌管理，第一个核心任务就是帮助客户提高新产品成功的可能性，其次才是帮助客户管理好品牌。
用量化管理方法检验策略的精准度
《广告主》：上海焦点广告成就了江中牌健胃消食片、脑白金等众多品牌，成为“第一品牌推手”，在服务过程中是如何做到品牌和销售共赢的?
徐丽：焦点之所以能成为第一品牌的全程合作伙伴，是因为我们一直在给客户贡献两样东西：第一，对生意提升的贡献，每一年这些品牌的市场增量来自于什么，现在焦点做的不仅仅是研究如何让消费者乐于尝试或者多次购买，我们还在做渠道研究和价格研究。比如说，江中牌健胃消食的渠道从药店延伸到商超，这就是我们给客户在销售上的一个很重要的建议，比如说什么样的价格对营销最有利，初元作为一个探病礼品，100元就是一个黄金价格线，这个价位区间最容易鼓励消费者尝试购买。第二才是品牌管理，品牌管理的工作就是识别品牌和提高品牌的价值联想，让消费者容易辨认品牌，并产生好感度是我们重要的使命。
这么多年，客户选择焦点长期合作，是因为我们有良好的实战营销经验，也有很好的量化管理方法来检验策略的精准度。目前，焦点的量化管理工具有：品牌年度调研一相当于品牌体检，每一年和竞争品牌有个对比，知道发生了哪些好的改变，哪些营销要素需要进一步优化，以此来指导第二年的营销和广告策略；广告片的投播前测试――新广告片投播前的劝瞻率测试，检核广告改变的人数有多少，为新广告的投放增加成功把握；新产品试点模型：在大广告前通过定点试水，修正营销策略和广告策略，为新品成功提高概率；品类规划研究模型――帮助客户精准找到存在于消费者头脑中的潜在需求，并挖掘成独特的产品概念，指导新产品开发。这些量化工具，使得营销策略和广告策略变得有依据可循，策略的准确度大大提升。值得自豪的是，江中健胃消食片这个OTC品类产品，销量一直在上升，打破了中国OTC单一品牌销量徘徊在5亿的魔咒。
销售力广告要有一个鲜明的沟通主体
《广告主》：提到有销售力的广告，您最先想到哪则广告?
徐丽：有销售力的广告是有销售指令的，就是非常清晰地提出谁来买，消费者一看到这则广告这会行动。奥格威的很多广告是销售力非常强的广告，脑白金也是有销售指令的，送礼就送脑白金属于有销售力的广告。
《广告主》：从这则广告来看。有销售力的广告有哪些必备元素和评价标准?
徐丽：销售力的广告就是有一个鲜明的沟通主体，消费者一看就知道这是在跟我对话。送礼的人，在大脑皮层积累的第一词就是送礼=脑白金，具备了第一选择的基础条件。有销售力的广告具有强烈暗示产品利益的魔力，比如多芬，含四分之一乳霜。有销售力的广告能够调动消费者的感知，比如，含氟牙膏的贝壳实验，消费者确信那个牙膏能让人牙齿坚同。用强烈的心理暗示引导消费行为
《广告主》：广告主应该如何理解“有销售力的广告”? 徐丽：有没有销售力，市场业绩就是证明。服务江中牌健胃消食片近10年，我们提出了一个“家中常备”的主张，这个就是有销售力的广告策略。为什么我们会提出这种主张，因为我们发现肚子胀是一个非常低关心度的问题，消费者有时会处于吃完以后就忘了买的状态，这一类的提示就变得很重要，或者这种销售主张就变得很重要了。2009年我们提出的“饭后嚼一嚼”也是有销售力的广告。消费者看完以后，完成了自觉的心理暗示，第一，饭后嚼一嚼是不是很有道理?第二嚼一嚼是否效果更好?这一则广告有非常强的心理暗示，这种心理暗示持续后就能变成消费行为，消费者看了几个月以后，确确实实会不自觉地在饭后多嚼了几片，这个就是销售力的广告。
让广告主判断什么是有消售力的广告，最简单的方法是什么呢?就是拿广告和目标消费者聊天，听听目标消费者的直观看法。有时候，消费者会给你一个简单有力的判断。比如葛优的“吃草篇”，年轻人看了以后，买不买账，是不是嗓子干痒的时候就要选草珊瑚呢?你跟踪几个年轻人的看法就能判断广告有没有销售力。广告主也好，广告公司也好，判断销售力最简单的方法就是在消费者那里找答案，和老消费者聊聊他对广告的看法和理解，就有谱了。第二，你再跟踪新人群，没买的人是不是看了这个广告有购买冲动，如果有冲动或者信服你，你也就有谱了。
做有销售力的广告要先用脚。再用脑
《广告主》：贵公司是如何做出“有销售力的广告”的?
徐丽：我们一直在研究，销量的提升来自于三个方面：第一是消费者的人数越来越多，每次购买的量越来越多，购买的次数越来越频繁，能影响和改变消费者的购买态度和行为就能提升销售力；第二是渠道，让消费者在最经常去的地方碰见你，渠道覆盖跟着消费者走，而不是跟着你能够覆盖的资源走。这句话说起来容易，做起来却很难，因为企业往往会选择他擅长的渠道做第一步覆盖；第三是价格。哪个区间的价格最好卖?焦点做大众化的健康品十几年，掌握了―个黄金规律，就是大众化的自用和礼品的黄金价格区间，这个经验对销售力提升很管用。这三个变量，其实就是影响销售量的核心指标。
焦点广告做有销售力的广告，主要靠两个：一是经验，和―个客户长期合作，积累了很好的行业经验，经验变成了价值，第二，焦点有一整套量化研究工具和实验方法来检核营销策略，避免了无效广告的面世。焦点一直是做实战营销的，对渠道的变化很敏感、对价格的因素也非常敏感。不管是当年青春宝从药店延伸到商超，不管是黄金搭档从礼品衍生到自用装，不管是江中药业从大药线走向商超线，甚至更远的将来往非实体店上延展，其实都是焦点在渠道上的经验所致。当然，对消费者的洞察和研究，焦点圆形会议调查和个案研究方法，也是深度了解消费者的好方法。一个有实战经验的营销型企业，总是会在方法上比单纯的理论咨询公司来得简单、有效。
