毕业设计（论文）
题目股指期货量化投资模型分析
姓名谢丹琼
学号30701043
专业班级统计0701班
所在学院计算分院
指导教师（职称）刘桂梅（讲师）
二○一一年五月十五日
股指期货量化投资模型分析
【摘要】随着股指期货上市后的活跃度来看，该市场有很大的发展空间。本文从量化投资角度研究股指期货的投机交易。首先从时间序列角度对沪深300的价格做预测，了解沪深300整体价格走势。然后根据历史数据对行情进行分析，应用股指期货日内和隔夜策略进行模拟测试，并分析这两个模型的可行性。在建立模型后，用时间序列的曲线估计进行收益率预测，评估日内股指策略的收益情况。接着根据波动率模型和指数加权移动平均模型对沪深300指数的收益率进行预测风险。最后以风险价值VaR作为风险管理的一种手段，采用蒙特卡洛模拟法预测VaR的值。最后从操作平台开发角度分析了IT在股指期货量化投资模中的应用及发展前景。本文研究的创新在于股指日内和隔夜策略在实际交易中的应用，该模型在实际交易中有较高的收益和胜算率，具有一定的稳定性。
【关键词】股指期货，交易系统，风险管理，VaR模型，时间序列
Analysis of Stock index futures quantizing
investments model
【Abstract】Along with the stock index futures listed a years of active degree to see, this market has very big development space. This article from quantitative investment research the stock index futures speculative trading. First, from the perspective of time series forecast shenzhen 300‘s price and understand the overall price trend of shenzhen 300. Then applying a stock index futures days and overnight strategy go to test according to historical data, analysis the feasibility of these two models. After the established model, forecast for yield rate by using time series, evaluate the yield of stock index days strategy.And this paper did risk prediction by using volatility and index weighted moving average model. Finally, with risk value VaR as a means of risk management, use Monte Carlo simulation method to predict the value of VaR. At last, from the working platform point, analysis the IT technology in quantitative investment model in stock index futures in the application and development prospects. This paper studies innovation points is point to days in practical strategies and overnight strategy with the applications deal. This model in actual transactions has higher Income and Prospect of success rate and has certain stability rate.
【Key Words】stock index futures，trading system，risk management ，VaR model，Time series
目录
第1章绪论 (1)
1.1 本课题研究意义 (1)
1.1.1 国内外研究现状 (1)
1.2 课题主要研究内容 (2)
1.2.1 研究重点和难点 (2)
1.2.2 拟解决的关键问题 (3)
第2章股指期货介绍 (4)
2.1 股指期货基础知识 (4)
2.1.1 股指期货的作用 (4)
2.1.2 影响股票价格波动的因素 (4)
2.1.3 股指期货风险 (5)
2.2 股指期货交易策略分类 (6)
2.2.1 股指期货套期保值 (6)
2.2.2 股指期货投机交易 (6)
2.2.3 套利 (6)
第3章股指期货交易模型 (8)
3.1 时间序列预测股指期货长期趋势 (8)
3.1.1 历史移动法预测长期趋势 (8)
3.1.2 指数平滑法预测趋势 (9)
3.2 股指期货实战交易模型 (9)
3.2.1 股指日内策略 (9)
3.2.2 股指隔夜策略 (11)
第4章风险预测与管理 (13)
4.1 风险预测 (13)
4.1.1时间序列曲线估计模型 (13)
4.1.2 波动率模型 (15)
4.1.3 指数加权移动平均模型（EWMA） (16)
4.2 风险管理 (17)
4.2.1 VaR的表示方 (17)
4.2.2 VaR计算方法 (17)
4.2.3 头寸变化 (19)
第5章操作平台开发 (20)
5.1 IT与系统开发 (20)
5.1.1 IT作用的关键点 (20)
5.1.2 硬件管理和网络管理 (20)
5.1.3 软件平台建设与管理 (21)
5.2 操作平台开发目标 (21)
5.2.1 机器人的实现 (22)
5.2.2 云计算的应用 (22)
结论 (23)
参考文献 (25)
附录 (27)
致谢 (36)
图目录
图3.1 历史移动平均法预测收盘价 (8)
图3.2 股指日内交易系统资金曲线 (10)
图3.3 股指隔夜交易系统资金曲线 (12)
图4.1 3种曲线预测值的对比图 (14)
图4.2 IF000日收益时序图 (16)
图4.3 VaR预测收益率 (19)
表目录
表3.1 股指日内测试报告 (11)
表3.2 股指隔夜测试报告 (12)
表4.1 三次函数预测5天的累计收益 (14)
第1章绪论
1.1 本课题研究意义
股指期货是现代资本市场的产物，出现于20世纪七十年代，当时西方各国受石油危机的影响，经济发展受到很大的冲击，利率的波动也十分剧烈，导致股票市场价格大幅波动。因此，股票投资者迫切需要一种能够有效规避风险，实现资产保值的金融工具[1]。于是，股指期货应运而生[1]。股指期货是以股票指数为标的物，不仅能为股票投资者提供给有效的套期保值避险工具，而且也为以后适时推出外汇期货等金融衍生品提供经验，对股票市场发展具有重要意义[1]。2010年4月16日，股指期货正式在中国金融期货交易所上市。在我国目前的经济条件下，开展股指期货并通过量化有效地控制其风险，对我国证劵市场的规范和发展具有重要意义。
随着我国证劵市场规模的壮大、市场化进程的加快和机构投资者的发展，金融市场在发展过程中积累的内在矛盾不断凸现，其中一个重要的因素是金融交易工具过少，市场缺乏避险工具。所以股指期货作为一个有效地规避工具和投资工具，被越来越多的人所重视，人们对它的研究也有了进一步的深入。随着量化投资的提出，有人将量化投资应用到股指期货的研究中，拓展了股指期货发展的方向，对股指期货的研究起到了重要作用。与定性决策相比，量化投资最大的好处就是避免了基金经理主管决策的随意性，降低了对基金经理个人能力和经验的依赖；同时能够根据严格的组合配置原则，建立符合投资目标的优化投资组合[2]。
1.1.1 国内外研究现状
自从1982年美国堪萨斯期货交易所（KCBT）首先推出价值线指数期货合约起，股指期货在全世界范围内得到迅速发展，股指期货市场已经成为金融市场的重要
组成部分。国外对股指期货的研究从多种角度着手，主要对股指期货的发展动因、合约的定价、合约的交易行为、发展股指期货对现货市场的影响等几个方面进行了研究。通过历史数据的预测和分析，已经建立一些相应的模型，如灰色模型[3]、神经网络模型[3]、马尔科夫链模型[3]等，并根据这些模型建立了一些相对优秀的交易系统，如Pivot Point[4]系统、Dual Thurst[5]系统、海龟交易系统等。
早在 1990 年，国外学者就开始了对VaR 的研究，主要包括对VaR 的分析评价以及在各个领域的应用两方面。RiskMetrics[6]在其第一版技术文件中对 VaR 的原理做了详细的阐述，包括参数法、历史模拟法、蒙特卡罗模拟法等具体模型原理的说明； RiskMetrics分别就理论界与实务界所提出的问题与建议进行了研究与改进工作。Philippe Jorion[7]将VaR 定义为在正常市场条件下，给定一定的时间区间和置信度水平下预期的最大损失。
随着国际上对金融风险管理的重视和国外学者在VaR 方面研究的逐步深入，1997 年以来国内也开始了对 VaR 的研究。2000 年至今，国内对VaR 的研究有了众多实质性进展，许多学者将VaR运用于我国股票市场做了实证研究，并且对模型的改进进行了创新性的尝试和有益的探索，目前关于VaR 在我国具体领域应用的研究正在逐步深入。
1.2 课题主要研究内容
首先介绍股指期货的基础知识，确定研究方向。然后根据历史数据及已有的一些相关技术指标进行趋势跟踪和判断，用时间序列对行情做预测。第二步主要针对股指期货投机交易进行建模，包括日内策略和隔夜策略，在建立模型后进行跟踪个修改。第三步在建立模型的基础上，进行相应的风险预测和管理，用VaR模型进行投资组合的风险监测。最后再对操作平台的开发进行思考。
1.2.1 研究重点和难点
对于所要建立的策略模型，首先要确定模型的类型，一般根据程序化模型可以分为技术分析类模型，统计类模型，创新类模型。在实际应用中，最常用的是技术分析类模型。该课题研究的方向也是技术分析类模型。
在确定建立的是技术分析类模型后，接下来有难度的就是技术指标的选取，选择单一的技术指标还是多个技术指标混合使用，这个都需要根据数据来分析判断该指标是否适用这个模型。在选择技术指标时，也需要确定模型是做趋势类模型还是震荡类模型，或者是形态类模型。
模型建立后，对于模型的改进也是一难点。参数的跟踪调试是一件比较困难的事，一般建立的模型都会有参数敏感性的问题，需要及时的调整参数，才能保证策略的高收益。而且在不同周期上的参数也会有很大的不同，需要特别注意。无论是系统的模拟还是实盘中的账户交易，还需要注意头寸的大小和加减仓的问题，目前程序化交易中的策略基本上是固定的头寸，需要靠人为去改变头寸的大小，没有真正做到真正的量化。因此考虑建立动态的头寸管理也是课题研究的难点之一。
最后从系统的风险预测和管理来说，本文主要从风险价值VaR角度进行考虑，VaR应用的前提是假设资产收益率服从正态分布，但是实际情况下，市场波动幅度是无法完全预测的，因此这种模型具有一定参考价值的同时也存在一定的缺陷。
1.2.2 拟解决的关键问题
对于该问题的研究，最关键的是得到高的收益率和胜算率，因此模型的建立复杂相对比较高。在模型建立前，需要仔细斟酌进场点、出场点、止损点、再次进场点、再次出场点等条件，保证策略有高的收益率和胜算率，尽可能地减少最大回撤。最终建立完整的股指交易策略模型。
在建立模型后对模型的风险进行预测和管理。通过时间序列和VaR方法进行管理，预测股指期货市场的风险大小。
第2章股指期货介绍
2.1 股指期货基础知识
股指期货（Stock Index Futures）的全称是股票价格指数期货，也称为股价指数期货、期指，是指以股价指数为标的物地标准化期货合约，双方约定在未来的某个特定日期，可以按照事先确定的股价指数的大小，进行标的指数的买卖[8]。
2.1.1 股指期货的作用
对股票投资组合进行风险管理，即防范系统性风险。通常用套期保值来管理股票投资风险。
利用股指期货进行套利。所谓套利，就是利用股指期货定价偏差，通过买入股指期货标的指数成分股并同时卖出股指期货，或者卖空股指期货标的指数成分股并同时买入股指期货，来获得无风险收益[8]。
作为一个杠杆性的投资工具。由于股指期货保证金交易，只要判断方向正确，就可能获得很高的收益。
2.1.2 影响股票指数波动的因素
宏观经济及企业运行状况。一般来说，在宏观经济运行良好的条件下，股票价格指数会呈现不断攀升的趋势；在宏观经济运行恶化的背景下，股票价格指数往往呈现下滑态势。
利汇率水平的高低及趋势。通常来讲，利率水平越高，股票价格指数会越低。其原因在于在利率高企的条件下，投资者倾向于存款，或购买债券等，从而导致股票市场的资金减少，促使股票价格指数下跌；反之，利率水平越低，股票指数就会越高。
资金供求状况与通胀水平及预期。当一定时期市场资金比较充裕时，股票市场的购买力比较旺盛，会推动股票价格指数上升，否则，会促使股票价格指数下跌。
经济金融政策。处于对经济市场化改革、行业结构调整、区域结构调整等，国家往往会出台变动利率、汇率及针对行业、区域的政策等，这些会对整个经济或某些行业板块造成影响，从而影响沪深300成分股及其指数走势。
2.1.3 股指期货风险
股指期货本身特有的风险：基差风险、标的物风险、交割制度风险、合约品种差异造成的风险[9]。
从股指期货本身来说，这些风险的存在也是一定的。首先，从基差风险来说，基差等于现货价格—期货价格。期货市场的价格往往是受现货市场价格影响的。期货各种合约之间的风险表现为价格变动的方向相反或价格变动的幅度不同[10]。另外从股指期货本身的标的物来看，其是市场上各种股票的价格总体水平，由于标的物的特殊性，其特定的风险也是无法完全锁定的。股指期货还存在交割风险，因为股指期货采用交割的方式完成清算，相对于其他结合实物交割进行清算的金融衍生品而言，股指期货存在更大的交割风险。
股指期货的投资者常会遇到几类风险：法律风险[10]，投资者选择不具有合法期货经纪业务资格的期货公司从事股指期货交易，投资者权益将无法得到保护；或选择的期货公司在交易过程中违法违规经营行为。市场风险，由于交易保证金交易具有杠杆性，当出现不利行情时，股价指数微笑的变动就可能会使投资者权益遭受较大的损失；价格剧烈波动时会因资金不足而被强行平仓，使本金损失尽殆。操作风险，因人员、系统内部控制不完善等方面的缺陷而导致损失的风险。现金流风险，当投资者无法及时筹措资金满足建立和维持股指期货持仓之保证金要求的风险。连带风险，为投资者进行结算的结算会员或同一结算会员下的其他投资者出现保证金不足、又未能在规定时间内不足，或因其他原因导致中金所对该结算会员下的经济账户强行平仓时，投资者的资产可能因被连带强行平仓而遭受损失[10]。
2.2 股指期货交易策略分类
股指期货交易策略根据交易方式的不同可谓分为：股指期货套期保值、投机交易、套利[11]。其中本文主要从投机交易方式出发，建立投机交易的股指期货策略。
2.2.1 股指期货套期保值
股指期货套期保值原理：利用股指期货与股票现货之间的类似走势，通过在期货市场进行相应的操作来管理现货市场的头寸风险[11]。
空头保值[11]：保值者持有一篮子股票现货时，其认为目前股票市场可能会下跌，但如果直接卖出股票，其成本会很高，于是便在股指期货市场建立空头，在股票市场出现下跌时，股指期货可以获利，弥补股票出现的损失。
多头保值[11]：投资者预期要几个月后有一笔资金投资股票市场，但又觉得目前的股票市场很有吸引力，要等上几个月，可能会错失建仓良机，于是便可在股指期货上先建立多头头寸，等到未来资金到位后，股票市场确实上涨了，建仓成本提高了，但股指期货平仓获得的盈利可以弥补现货成本的提高。
2.2.2 股指期货投机交易
股指期货投机原理：利用股指期货预测市场走势以获取利润。若预期市场价格回升，投资者便购入期货合约并预期期货合约价格将上升。
股指期货对冲交易[12]：对冲交易可将价格风险从对冲者转移到投机者身上。对冲是利用期货来固定投资者的股票组合价值。对冲主要受该投资股票组合回报率的波动与股市期货合约回报率之间的关系，即股票组合的风险系数（Beta），指数的现货价格与期货价格的差距，即基点的影响。
2.2.3 套利
股指期货期现套利[13]：针对股指期货与股指现货之间、股指期货不同合约之间的不合理关系进行套利的交易行为。
股指期货与现货指数套利原理：股指期货合约和相对应的一篮子股票的交易策略，以谋求从期货、现货市场同一组股票存在的价格差异中获取利润。
第3章 股指期货交易模型
3.1 时间序列预测股指期货长期趋势
时间序列是一种定量预测的方法，本文主要应用历史移动法、指数平滑法来预测股指期货收盘的长期趋势。
3.1.1 历史移动法预测长期趋势
假定最后一期的观察值为T x ，那么使用历史移动法，向前l 期的预测值为[14]：
121
?(...),1T l T l T l T l n x
x x x l n
++-+-+-'''=+++≥ （ 3.1） 式中，,,1,2,...,,T l i T
l i T l i
x l i x i n x l i +-+-+->?'==?≤?
（ 3.2）
历史移动平均法预测当天的收盘价，根据2010年4月16日到2011年4月13日的收盘价的数据，预测2011年4月14
日的收盘价，预测曲线比较如下：
图3.1 历史移动平均法预测收盘价
预测结果：2011年4月14日地收盘价为3334.44，实际收盘价为3319，误差较大。历史移动平均法主要是平滑数据的基础上进行预测，因此在平滑过程中会造成较大的误差。
3.1.2 指数平滑法预测趋势
指数平滑法公式：**11(1)t t t Y Y Y αα++=+- ( 3.3)
其中，α为平滑系数，满足01α<<，)1(α-为阻尼系数，*
t Y 为估计值[14]。
简单指数平滑需要确定*t Y 的初始值，这里指定*
11Y Y =。
在应用指数平滑法做趋势预测时，首先要确定最佳阻尼系数)1(α-。本文采用规划求解法确认最小值。规划求解主要是使误差最小时求得最佳阻尼系数。误差计算公式为[9]：
2
1*21*
2)(11)(11∑∑==--+--=N i i N i i i Y Y N Y Y N S ( 3.4) 具体操作在ECXEL 中进行，求得最佳阻尼系数为)1(α-=0.689。针对2010年4月16日开始到2011年3月31日的数据，根据指数平滑法预测2011年4月1日的收盘价，其值=3275.8，真实收盘价=3285.4，相差10.1个点。预测的收盘价可以作为进出场点的突破的价位，为后续的建模提供一定的参考。
3.2 股指期货实战交易模型
股指日内策略：进场条件：时间限制，突破当天开盘价+5倍ATR 进场做多，突破当天开盘价-5倍ATR 进场多空；出场条件：每天15点收盘平仓，加上0.7%的绝对止损。
股指隔夜策略：进场条件：突破当天高低点进场；出场条件：跟踪止损加0.9%的绝对止损及当持仓K 线数达到73根时离场。
3.2.1 股指日内策略
股指日内策略基本属性：在K 线图5分钟周期上测试，测试起止时间为2010
年4月16至2011年4月13日。手续费单边收450，即保证金的万分之三。
策略思想：当天13:55之前进场，当价格突破开盘价加ATR，表示有上涨趋势，因此开仓做多，其中ATR表示平均真实波幅，即当天真实的最高价—真实最低价的差值的平均。当价格跌破当天开盘价减ATR时，表示行情下跌的可能行较大，因此开仓做空。经过测试在每天15:00收盘平仓比15:15收盘平仓的收益高，因此设定每天15:00平仓。0.7%的绝对止损指在持多头时当价格跌破开仓价的99.3%时，止损离场，在持空头时当价格突破开仓的99.3%时，止损离场。
股指日内策略特点：当天收盘平仓，减少了隔夜跳空风险。而且由于绝对止损幅度较小，因此单笔亏损也较小。经测试胜算率也达到50%以上，因此该模型具有一定稳定性。
股指日内策略测试资金曲线：
图3.2 股指日内交易系统资金曲线
股指日内测试报告，起止时间2010年4月16日至2011年4月1日：
表3.1 股指日内测试报告
统计指标总交易多头交易空头交易净利润452340 234780 217560 总盈利879360 412680 466680 总亏损-427020 -177900 -249120 总盈亏比 2.06 2.32 1.87
交易次数154 73 81
平均利润2937.27 3216.16 2685.93 单笔最大亏损-8430 -8280 -8430 单笔最大盈利53040 30360 53040 最大回撤-63443
3.2.2 股指隔夜策略
股指隔夜策略基本属性：在K线图5分钟周期上测试，测试起止时间为2010年4月16至2011年4月13日。手续费单边收450，即保证金的万分之三。
策略思想：突破当天的最高价，且没有持仓的情况下，做多；跌破当天的最低价，且没有持仓的情况下，做空。当收盘价减去开仓价大于1.7倍的ATR时启动跟踪止损，一旦启动跟踪止损，以开仓价加56%的收盘价与开仓价的差为止损价位。当最高价突破止损价时，平空；当对低价跌破止损价位时，平多。0.9%的绝对止损，指在持多头时当价格跌破开仓价的99.1%时，止损离场，在持空头时当价格突破开仓的99.1%时，止损离场。且当持仓K线数大于73根时，离场。
股指日内策略特点：隔夜策略，持仓时间相对比日内策略长，但是该隔夜策略最长持仓不超过2天。该策略的特点是胜算率高，达到70%左右。属于交易次数频繁的隔夜策略。
股指隔夜策略测试资金曲线：
图3.3 股指隔夜交易系统资金曲线
股指隔夜测试报告，起止时间2010年4月16日至2011年4月1日：
表3.2 股指隔夜测试报告
统计指标总交易多头交易空头交易净利润696900 299700 397200 总盈利1593300 768780 824520 总亏损-896400 -469080 -427320 总盈亏比 1.78 1.64 1.93 交易次数355 168 187 平均利润1963.10 1783.93 2124.06 单笔最大亏损-23340 -23340 -10740 单笔最大盈利54060 54060 54000 最大回撤-72270
第4章 风险预测与管理
4.1 风险预测
风险预测定义：即risk predicition 。风险预测是现代经济管理的重要内容之一。是指在工作之前对工作过程中可能出现的人身或设备异常进行预测制定对策从而预防事故发生的一种措施[15]。
4.1.1 时间序列曲线估计模型
定义：时间序列的曲线估计是分析社会和经济现象中经常用到的一种曲线估计 。通常把时间设为自变量x ，代表具体的经济或社会现象的变量设为因变量y ，研究变量x 与y 之间关系的方法就是时间序列曲线估计[16]。
曲线估计分类：一元线性（Linear ）、二次函数（Quadratic ）、复合函数（Compound ）、生长函数（Growth ）、对数函数（Logarithmic ）、三次函数（Cubic ）、指数函数（Exponential ）、逆函数（Inverse ）、幂函数（Power ）、逻辑函数（Logistic ）。
本文选一元线性、三次函数、对数函数、幂三种曲线进行估计。其计算公式分别如下：
一元线性：x b b y 10+=。
三次函数：3
32210x b x b x b b y +++=。
对数函数：01ln y b b x =+。
本文以股指日内模型每天的累计收益作为因变量y ，时间作为自变量x ，做曲线估计，预测接下来该模型的收益状况，并比较三种曲线估计拟合效果。
曲线估计分析结果。
7种量化选股模型 1、【多因子模型】 2、【风格轮动模型】 3、【行业轮动模型】 4、【资金流模型】 5、【动量反转模型】 6、【一致预期模型】 7、【趋势追踪模型】 1、【多因子模型】 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。 各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。 回归法就是用过去的股票的收益率对多因子进行回归，得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判，然后再以此为依据进行选股。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。
候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验， 具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n 个组合并持有到月末，每月如此，一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2 个月，3个月，甚至更长时间。还有一个参数是候选组合的数量，是50支，还是100支，都是非常重要的参数。具体的参数最优的选择，需要用历史数据进行检验。 有效但冗余因子的剔除 不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除，而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。 冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体的冗余因子剔除步骤为： （1）先对不同因子下的n个组合进行打分，分值与该组合在整个模型形成期的收益相关，收益越大，分值越高 （2）按月计算个股的不同因子得分间的相关性矩阵； （3）在计算完每月因子得分相关性矩阵后，计算整个样本期内相关性矩阵的平均值 （4）设定一个得分相关性阀值 MinScoreCorr，将得分相关性平均值矩阵中大于该阀值的元素所对应的因子只保留与其他因子相关性较小、有效性更强的因子，而其它因子则作为冗余因子剔除。
商业案例分析的常见框架与工具1.Strategy 1.1市场进入类 公司宏观环境：PEST（政治、经济、社会、技术） 公司微观环境：SWOT分析、波特五力模型 市场情况分析：市场趋势、市场规模、市场份额、市场壁垒等 利益相关方分析：公司、供应商、经销商、顾客、竞争对手、大 众 3C战略三角 市场细分（定位目标客户群；Niche Market） -地理细分：国家、地区、城市、农村、气候、地形 -人口细分：年龄、性别、职业、收入、教育、家庭人口、家庭类型、家庭生命周期、国籍、民族、宗教、社会阶层 -心理细分：社会阶层、生活方式、个性 -行为细分：时机、追求利益、使用者地位、产品使用率、忠诚程度、购买准备阶段、态度 风险预测与防范 1.2行业分析类 市场：市场规模、市场细分、产品需求/趋势分析、客户需求；BCG Matrix 竞争：竞争对手的经济情况、产品差异化、市场整合度、产业集
中度 顾客/供应商关系：谈判能力、替代者、评估垂直整合 进入/离开的障碍：对新加入者的反应、经济规模、预测学习曲线、 研究政府调控 资金：主要资金来源、产业风险因素、成本变化趋势 1.3新产品引入类 营销调研数据分析 收入预测：时间推导、可比公司推导 产品生命周期 产品战略：4P, 4C, STP, 安索夫矩阵 市场营销战略：以消费者为核心的整合营销，关注各触点，并有 所创新 物流条件：存储、运输 2.Operation 2.1市场容量扩张类：竞争对手、消费者、自身（广义3C理论） 2.2利润改善类：利润减少的两种可能 成本上升：固定成本/可变成本 -固定成本过高：更新设备？削减产能？降低管理者/一般员工工资？ -可变成本过高：降低原材料价格？更换供应商？降低工资？裁员？ -成本结构是否合理？
商业案例分析的常见框架与工具 1.Strategy 1.1市场进入类 ?公司宏观环境：PEST（政治、经济、社会、技术） ?公司微观环境：SWOT分析、波特五力模型 ?市场情况分析：市场趋势、市场规模、市场份额、市场壁垒等 ?利益相关方分析：公司、供应商、经销商、顾客、竞争对手、大众 ?3C战略三角 ?市场细分（定位目标客户群；Niche Market） - 地理细分：国家、地区、城市、农村、气候、地形 - 人口细分：年龄、性别、职业、收入、教育、家庭人口、家庭类型、家庭生命周期、国籍、民族、宗教、社会阶层 - 心理细分：社会阶层、生活方式、个性 - 行为细分：时机、追求利益、使用者地位、产品使用率、忠诚程度、购买准备阶段、态度 ?风险预测与防范 1.2行业分析类 ?市场：市场规模、市场细分、产品需求/趋势分析、客户需求；BCG Matrix ?竞争：竞争对手的经济情况、产品差异化、市场整合度、产业集中度 ?顾客/供应商关系：谈判能力、替代者、评估垂直整合 ?进入/离开的障碍：对新加入者的反应、经济规模、预测学习曲线、研究政府调控 ?资金：主要资金来源、产业风险因素、成本变化趋势 1.3新产品引入类 ?营销调研数据分析 ?收入预测：时间推导、可比公司推导 ?产品生命周期 ?产品战略：4P, 4C, STP, 安索夫矩阵 ?市场营销战略：以消费者为核心的整合营销，关注各触点，并有所创新 ?物流条件：存储、运输 2.Operation 2.1市场容量扩张类：竞争对手、消费者、自身（广义3C理论） 2.2利润改善类：利润减少的两种可能 ?成本上升：固定成本/可变成本 - 固定成本过高：更新设备？削减产能？降低管理者/一般员工工资？ - 可变成本过高：降低原材料价格？更换供应商？降低工资？裁员？ - 成本结构是否合理？ - 产能利用是否合理（闲置率）？ ?销售额下降：4P（价格过高？产品品质？分销渠道？促销效果？） 2.3产品营销类（接近于“新产品引入类”） 2.4产品定价类 ?以成本为基础的定价：成本加成定价、以目标利润（盈亏平衡）定价 ?以价值为基础定价
【多因子模型】 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。回归法就是用过去的股票的收益率对多因子进行回归，得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判，然后再以此为依据进行选股。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。 同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验，具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n个组合并持有到月末，每月如此，一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2个月，3个月，甚至更长时间。还有一个参数是候选组合的数量，是50支，还是100支，都是非常重要的参数。具体的参数最优的选择，需要用历史数据进行检验。 有效但冗余因子的剔除 不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除，而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。 冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体的冗余
量化投资策略特征 量化投资注重数理分析与逻辑推导，不依赖主观判定形成交易决策，当模型思想来源于投资者市场体会，基于历史数据所作的几率统计，也可以是技术指标，甚至基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 量化投资是指将投资理念或市场洞见转化为数学模型，并依据历史数据对模型进行测实验证，总结收益-风险特性以及相关参数，最后通过运算机技术实现自主化交易的投资方法。量化投资主要运用在具有高流动性与历史数据丰盛的金融投资市场，就期货市场而言，既可以在商品类品种也可以在股指等金融类品种上进行。 总的来说，一个完整的量化投资策略具备四个方面的特征： 一是具有特定的定量分析策略。量化投资是基于一定的市场逻辑或依据历史数据作出的几率统计，形成特定的数学模型用以分析和评判市场表现，进而形成交易策略，这与当前大多数分析师所采用的定性分析方法有很大区别。量化投资注重数理分析与逻辑推导，不依赖体会主义和主观判定形成交易决策，当然其模型思想仍旧是来源于投资者的市场体会，这种来源可以是基于历史数据所作的几率统计，也可以是一些技术指标，甚至可以是来源于基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 二是绩效具有可追溯性。量化投资是基于特定的交易模型，可以用历史数据输入模型进行绩效检测，从而运算出交易策略的胜算率、期望收益与风险度等，并且可以根据这些检测值来预判模型未来的收益表现。相反基于体会主义的主观交易方法无法通过历史数据进行合理的检测，不具有可追溯性，也无法对以后的交易行为进行合理的预估。 三是具有极高的纪律性，量化投资是依据经过历史验证的模型进行分析和交易，从而规避了主观判定带来的局限，而在具体操作上大多采用运算机程序实现自动化交易，不会呈现主观交易中经常会呈现的人性弱点。 四是在信息处置上具有主观交易不可比拟的优势。当前金融投资品种非常丰盛，以国内商品期货市场为例，品种已经超过二十个，加上每个品种有数份合约同时交易，可供选择的标的组合可以达到成百上千个，倘若再考虑海外商品市场以及金融类市场，信息将更是几何倍递增，处置如此海量的数据，显然依赖数学模型与运算机程序处置的量化投资比传统交易方法效率更高。 从特性上看，量化投资相较主观交易方法具有许多优势，所以自上世纪七十年代诞生以来受到很多投资者尤其是机构投资者的追捧。经过三十多年的发展，已经成为国际金融市场主流的交易方法之一，包含对冲基金和共同基金等在内的
PPP项目财务测算模型分析 一、财务测算在项目识别、准备、采购阶段的作用 财务测算是在合理假设的前提进行，与未来实际情况存在差异，进而影响项目实际的内部收益率。财务测算实际上是和实施方案、物有所值和财政承受能力互相依托，为政府提供参考依据，为引进社会资本和招标或磋商时设定合理标的，对项目的落地实施加以保障。 物有所值指标是现值概念，判断是否采用PPP模式代替传统政府投资运营提供公共服务的一种评价方法。财政承受能力指标是年度指标，是规范PPP项目财政支出管理、控制财政风险的定量分析方法。二者应用的场景和作用不同。 二、PPP项目财务模型要素表 PPP项目中咨询机构需要根据以上财务报表建立财务测算模型，清晰准确呈现PPP项目全生命周期存在的成本、利润、风险和项目收益情况。根据财务测算模型，编制物有所值评价报告、财政承受能力论证报告、项目实施方案以及PPP项目协议中与项目回报机制相关的财务内容。 三、不同类PPP项目测算模型的异同 （一）不同行业，PPP项目涉及的运营维护内容和成本项则不同。 （二）PPP项目投资建设形成的固定资产，项目公司拥有的资产使用权和收益权，不论折旧还是摊销，都是以投资建设形成的资产原
值（包括建设期利息）为基数进行分摊，有的咨询机构忽略国家相关部门对固定资产折旧的最短年限做出规定，例如，房屋、建筑物为20年，市政道路和高速公司的大中小修最长年限等。 （三）打包类型的PPP项目，存在将经营性、准经营性、非经营性子项目分别建立现金流量表，对不同类型子项目分开进行财务可行性和政府补贴测算。可能导致经营性项目收益未能弥补到可行性缺口补贴中，政府未能从经营性子项目中获利，却为准经营性和非经营性子项目支付大量的财政补贴。 （四）融资比例不同财务杠杆不同，导致同一项目因融资比例变化而使得项目收益高低不同，从未导致政府对项目缺乏合理的判断标准，也导致投融资比例和交易结构设计变得困难，在项目规模和融资比例两者均发生变化的情况下，项目内部回报率则变得多样。 四、PPP项目财务评价指标 我国目前项目投资财务评价指标体系是以贴现现金流量指标为主，非贴现现金流量指标为辅的多种指标并存的指标体系，PPP项目中财务评价指标主要是内部收益率、净现值和投资回收期等。 （一）利润率和内部收益率 1、概念比较 （1）内部收益率（IRR）是项目生命期内各年净现值为零的折现率。一般来说，内部收益率反应项目自身盈利能力的指标，即项目占用的未收回资金的获利能力，包含融资成本在内的真实回报率，是判断社会资本方收益是否合理的关键指标。
人才盘点工具及案例分 析 集团标准化工作小组 #Q8QGGQT-GX8G08Q8-GNQGJ8-MHHGN#
人才盘点工具及案例分析 发布日期:2015-01-06 您能客观全面掌握公司的人力资源水平吗现有人员的能力素质详细情况如何下一阶段的提升重点在哪里……上述一系列问题往往很难回答清楚。解决人力资源配置的数量问题还相对较易，可以参考历史统计数据和行业标准，但是评价人才质量问题却实属不易，就像海平面之下的冰山，如果没有专业的人才盘点工具衡量，很难给出一个定量的评价结果。而作为公司的管理层或人力资源部门，全面掌握公司人才的数量和质量均是必不可少的，人才盘点是达到这一目标的有效工具。 因此，本文将根据赛普的咨询实践，通过房地产人才盘点的研究，为客观全面评价房企人力资源现状提供参考。同时以项目总经理盘点为例进行具体阐述。 1. 构建人才盘点模型 评价标准是人才盘点的重中之重。围绕项目总，赛普从各职位所处的公司和业务环境出发，梳理其在工作职责和关系处理上的关键挑战和困境，同时结合咨询过程中对各职位的大量访谈和对标，形成聚焦房地产人才盘点模型——PPPE 模型（如图1），即个性特质（Personality）、业绩表现（Performance）、发展潜力（Potential）和关键经验（key- Experience）。 个性特质（Personality）：旨在研究高绩效员工表现出来的个性特点，以期实现人与职位的“匹配”，包括：成就动机、影响力动机、乐观、直觉判断力、建立关系； 业绩表现（Performance）：通过综合评估员工目前岗位的胜任情况，衡量长期保持高绩效的可能性，包括：工作绩效、专业能力、能力素质； 发展潜力（Potential）：综合衡量员工向上一级再发展的速度和可能性，包括内容：进取心、学习力、洞察力、前瞻力； 关键经历（key-Experience）：决定员工向上一级再发展需要多久的时间以及尚欠缺哪些经验，包括管理经验、本专业经验、跨专业经验等。 2. 人才盘点模型的应用 下文将以项目总人才盘点为例，阐释房地产人才盘点模型——PPPE模型的具体应用。 根据项目管理模式的不同（职能制、矩阵制、项目公司制），项目总的角色定位也不同。职能制下项目总实质就是工程的现场经理，仅对工程的进度、质量、施工阶段的动态成本和安全文明施工承担责任；矩阵制下的项目总除了负责工程现场之外，增加了与内部其他专业条线的沟通协调，以及与外部单位的对接；项目公司制下的项目总是真正意义上的项目总，对一个项目的全价值链基本上承担完整的责任。 不同的项目总定位，对其综合素质要求、知识面和经历的要求都是不一样的。本文将以项目公司制下的项目总为例介绍项目总的人才盘点。 1）个性特质（Personality） 从项目总所处的公司和业务环境出发，通过梳理项目总在工作职责和关系处理上表现出的共同的关键挑战和困境（见附表1），同时结合咨询过程中对各类项目总的大量访谈和对标，以及得益于对赛普地产学院第一期房地产项目
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的参赛报名号为（如果赛区设置报名号的话）：05 所属学校（请填写完整的全名）：延安大学 参赛队员(打印并签名) ：1. 彭瑞 2. 呼建雪 3. 朱培育 指导教师或指导教师组负责人(打印并签名)： 日期： 2012 年 8 月 27 日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 评 阅 人 评 分 备 注 全国统一编号（由赛区组委会送交全国前编号）： 全国评阅编号（由全国组委会评阅前进行编号）：
关于课程关系量化分析的数学模型 摘要 本文探讨研究了关于某高校两个专业四门课程分数、学生学习水平的差异显著性以及课程间相互影响的情况。 首先我们对两个专业的各科成绩分别统计了平均值、标准差、及格率以及优秀率这些统计量值，又根据这些数据作出了特性指标矩阵；然后采用模糊聚类分析中的最优划分法得到了聚类分类结果，得到结论为：两专业的高级程序设计语言分数差异性显著，其他三门科目均没有显著差异。 接着我们根据课程间的联系，采用层次分析法得到各个科目在总成绩中所占的权重，即得到关于衡量学生学习水平的总成绩模型： 4j 3j 2j 1j 0.2323x 0.3619x 0.6090x 0.6664x +++=y 然后利用单因素方差分析法得到专业对学生学习水平影响的显著性05.0132.0>，即两个专业学生的学习水平无明显差异。 对于问题（3），我们直接利用SPSS 软件中的回归分析法得到高级程序语言设计、离散数学两门课程学习的优劣会影响到数据结构和数据库原理的学习。 最后，综合以上分析得到对于专业主干课的学习，我们应该认真学好专业基础课，以便为后续课程的学习打好基础。 关键词： 模糊聚类分析 层次分析 单因素方差分析 回归分析
商业案例分析的常见框架与工具 1. Strategy 1.1 市场进入类 ?公司宏观环境：PEST（政治、经济、社会、技术） ?公司微观环境：SWOT分析、波特五力模型 ?市场情况分析：市场趋势、市场规模、市场份额、市场壁垒等 ?利益相关方分析：公司、供应商、经销商、顾客、竞争对手、大众 ?3C战略三角 ?市场细分（定位目标客户群；Niche Market） - 地理细分：国家、地区、城市、农村、气候、地形 - 人口细分：年龄、性别、职业、收入、教育、家庭人口、家庭类型、家庭生命周期、国籍、民族、宗教、社会阶层 - 心理细分：社会阶层、生活方式、个性 - 行为细分：时机、追求利益、使用者地位、产品使用率、忠诚程度、购买准备阶段、态度 ?风险预测与防范 1.2 行业分析类 ?市场：市场规模、市场细分、产品需求/趋势分析、客户需求；BCG Matrix ?竞争：竞争对手的经济情况、产品差异化、市场整合度、产业集中度 ?顾客/供应商关系：谈判能力、替代者、评估垂直整合 ?进入/离开的障碍：对新加入者的反应、经济规模、预测学习曲线、研究政府调控 ?资金：主要资金来源、产业风险因素、成本变化趋势 1.3 新产品引入类 ?营销调研数据分析 ?收入预测：时间推导、可比公司推导 ?产品生命周期 ?产品战略：4P, 4C, STP, 安索夫矩阵 ?市场营销战略：以消费者为核心的整合营销，关注各触点，并有所创新 ?物流条件：存储、运输 2. Operation 2.1 市场容量扩张类：竞争对手、消费者、自身（广义3C理论） 2.2 利润改善类：利润减少的两种可能 ?成本上升：固定成本/可变成本 - 固定成本过高：更新设备？削减产能？降低管理者/一般员工工资？ - 可变成本过高：降低原材料价格？更换供应商？降低工资？裁员？ - 成本结构是否合理？ - 产能利用是否合理（闲置率）？ ?销售额下降：4P（价格过高？产品品质？分销渠道？促销效果？） 2.3 产品营销类（接近于“新产品引入类”） 2.4 产品定价类 ?以成本为基础的定价：成本加成定价、以目标利润（盈亏平衡）定价 ?以价值为基础定价
群面/ 案例分析工具 1.解决产业分析问题的模型【波特的五因素（Porter’s 5 Forces）】 波特的五因素模型在战略分析模型工具中可能是最著名、运用最广泛的。其主要是运用在分析公司 行业竞争能力和行业地位。这五个因素分别是：现在竞争者的竞争潜在进入者的威胁 供应商能力消费者能力替代品威胁 行业中竞争越弱,行业的整体利润就越高。同样的，在一个公司在整个行业中有很强的战略和市场地位，能够很好地抵御以上五个因素的风险，该公司可以获得的利润就能够超过行业的平均水平。波 特五因素模型主要运用于：当你需要了解一个新的行业或者市场 结构化/系统化你现有行业知识定义一个行业，并明确你的研究对象在这个行业中的地位 现在我们来看一下这个模型的具体内容： 使用波特模型有一个限制条件：此模型是静态分析，很少考虑行业内的一些变化，例如行业内的政策等政治因素的变化等等。因此该模型一般只是辅助你开始对行业进行战略分析。可以适当结合其他的工具进行更为全面的分析。行业内竞争对手的策略和市场战新进入者威胁潜在市场进入者和略，重点在于行业增长率，产品新进入者对市场可和品牌差异程度，退出行业竞争能造成的冲击的障碍供应商讨价还价的能力购买者讨价还价的能力现有行业竞争者 替代品生产的威胁消费者/购买者偏好的改变和讨 供应商的讨价还价能力以价还价的能力的改变主要因素及对企业会产生的压力。 有购买数量大小，产品差异性，主要考虑：更换供应商难信息掌握程度易程度，替代产品可能性 和规模经济产品和科技是否会替代现有产品或对现有产品造成竞争压力。取代的 可能型多大。主要考虑替代成本。 2. 解决利润下降、企业经营发生变化的模型【 根源分析模型】 想了解某个企业的经营现象的变化是如何产生的，仅仅问几个问题 是不够的，根源分析是一种组织性很强的且逻辑缜密的方法，通过“相互独立，完全穷尽”的方式进行分析使得你的分析结果更有说服力。根源分析可以十分广泛地应用于解决很多的问题，最典型的就 是“利润下降”问题。我们来看一个以下的示例。利润下降了成本上升了？收入减少了？固定成本增多了？ 可变成本增多了？产品价格下降了？产品销量下降了？ 新投入设备了？原材料？竞争对手变强了？市场萎缩了？ 事实上，根源分析法可以解决的问题还远不止于此，例如：为 什么我们的客户盈利率几乎是同行业平均水平的两部？为 什么分销商不到我们这里进行采购？ 以后面这个例子为例而言针对“为什么分销商不到我们这里进行采
案例1 Kendall蟹虾经营公司 这事发生在不久前。马萨诸塞州坎布里奇市Kendall广场的Kendall蟹虾经营公司（KCL）夜间货运主管Jeff Daniels在他的办公室里焦虑地看着电视中的天气频道。一场暴风雪迅速地沿大西洋海岸从北方直逼波士顿。天气预报指出，有50％的可能暴风雪将在下午5：00左右到达波士顿地区，有50％的可能入海不会再来波士顿及北大西洋沿岸各地。Jeff Daniels并不是Kendall广场唯一一个紧张地看天气频道的人。因为波士顿的Logan国际航空港在暴风雪来临时也许不得不关闭。许多商业运输也只得焦急地等待未来的天气信息。从历史上看，这样巨大的暴风雪抵达波士顿的话，每五个中有一个会迫使Logan航空港在暴风雪期间关闭。 Kendall蟹虾经营公司 Kendall蟹虾经营公司（KLC）1962年建于马萨诸塞州坎布里奇，是波士顿地区一家蟹虾批发运输公司。到1985年，KLC大幅度消减了蟹的业务，扩大了虾的经营，包括对美国东北部的餐馆、华盛顿特区的顾客、缅因州Presque岛的夜间送货。1995年，KCL年销售额达到2200万美元，雇员数超过100。KCL认为它的成功在于为广大顾客服务，它致力于产品的快递市场化和广告化，希望普及到在一些特殊场合的菜单上都能有龙虾这一项。KCL知道食品服务领域中任何行业成功的关键是为顾客服务，保持为顾客服务的出色声誉应是最优先考虑的事。 Jeff Daniels是MIT斯隆管理学院的学生时在KCL工作过，毕业后他成了KCL的员工。他在公司里很快升到现在这个夜间货运主管职位，夜间货运在公司里是最重要的部门。他知道有些最高层管理者正关注着他，他希望不久能得到进一步提升。 龙虾 龙虾是一道极大众的菜。这是因为它有极美的滋味，同时它引人注目的外形也十分漂亮地装点了每张餐桌。人们总是以吃龙虾来庆祝一个特殊的时刻，吃过
第七章 计量经济学应用 §7.1 计量经济学模型的设定 计量经济学模型设定的主要根据： 1） 研究目的； 2） 已有理论模型。 通常是根据研究目的所涉及的范围，决定需要分析哪些经济变量之间的关系。再设定这些变量之间的关系式。 设定变量关系式可以根据已有的理论模型、经济恒等式、经济关系式来确定（可能需要进行一定的修改）。若没有已知的关系式可用，可以根据研究目的，人为设定。 变量间具体表达式的选择 若经济理论已给出具体表达式，就直接套用。否则，可以直接假设为线性函数。其原因是经济中的所使用函数大多数都认为是连续可微的函数，因而可以用线性函数近似。 §7.2 数据调整 由于统计指标与经济变量的含义、口径一般不会一致。在模型估计之前，如有可能，应先进行调整，使统计指标的口径尽可能的接近经济变量的含义。 §7.3 变量的选择 基于上述同样的原因，及统计指标间的相关性，在设计模型结构时，需要筛选变量。 假设模型已转化为简化型，即设模型为 ??? ????++++=++++=++++=k p kp k k k p p p p x x x y x x x y x x x y εαααεαααεαααΛΛΛΛ2211222221212112121111 变量筛选有两层含义： 1） 对内生变量T k y y y ),,,,(21Λ有重要影响的外生变量是否都选入模型了？ 2） 模型内的外生变量T p x x x ),,,(21Λ对内生变量T k y y y ),,,,(21Λ是否都有重要影 响？ 判别准则 1） 复相关系数R （一般要求R>0.8），或方程的F -统计量； 一般来说，若R>0.9或经F-检验是显著的，则从整体上说，方程几乎包含了对响应变量有重要影响所有外生变量，外生变量对内生变量有较强的解释能力，否则，表明方程遗漏了一些对内生变量有重要影响的变量，需要增加外生变量。 当模型用于结构分析时，R 值可以低一些，用于预测时，R 值应比较大。 2） 系数显著性检验t -统计量。 下面介绍几种常用的变量筛选算法。这些算法都是一对多回归模型的搜索算法。 记in Ω是在回归模型内的预测变量集，out Ω是在回归模型外待检的预测变量集，del Ω是
房地产开发项目投资收收益测算模型 作者：时间：2012年12月04日信息来源:经理人网 众所周知，房地产属资金密集型行业，经营风险也很大，仅就单个房地产项目来说，其投资额少则数亿，多则上十几亿，可以说，一个项目投资失败，对企业的打击就是致命的。因此，做好房地产项目投资收益管理十分重要。根据自己的经验和体会，要做好房地产项目投资收益管理，应从以下四个方面进行。 一、构建适合企业的投资收益测算模型 1. 建立投资收益模型的目的 个人认为，建立投资收益模型，其目的有三个。第一，跨区域发展时，保持多项目间的收益对比，指导投资决策。第二，作为项目实施目标和实施效果评价标尺。投资收益模型是企业在项目销售定价、项目投入甚至项目核心节点（如开盘、融资）等方面的重要目标；在项目结案后，还可将实际数据代入模型，对项目收益及管理团队业绩进行评价。第三，规范投资收益测算、提高工作效率。投资模型一旦建立，必将促进测算工作规范进行，同时，对不同项目测算时只需调整一些基础数据即可完成，可以大大提升测算效率。 2. 销售型物业投资收益测算模型 关于销售型物业的经济评价指标很多，但归结起来，其核心指标关注两个，静态指标为销售利润率，动态指标为内部收益率。要得出上述指标，将形成三张主表、若干辅表。
主表一：项目利润表。本表为静态指标测算表，应按分期（分期下设产品形态）和分产品形态分别测算。前者反映项目各期的利润状况，了解每期对项目利润贡献，特别是在项目比较大的情况下更应分期考虑。后者反映每类产品形态对项目利润的贡献。 主表二：现金流量表。本表为动态指标测算表，在内容上，分为现金流入、现金流出、现金净流入。现金流入主要是销售回款，现金流出为各类成本、费用、税金支出。在时间维度上，为了反映项目动态指标，本表以季度或月度为单位编制。本表不同于会计上的现金流量表，它只反映现金流量表中的经营活动产生的现金流量这一内容。 主表三：资金计划表。本表主要反映项目融资和还本付息的情况。 要形成上述三张主表，还需要一些辅助表单作为依据。 辅表一：项目核心关键节点表。此表主要反映项目开发进度的核心节点，如开盘时间，四证齐全时间、物业竣工时间等，为形成项目销售进度、投资进度、融资进度等提供依据。 辅表二：销售回款进度表。本表要以项目区域、规划楼栋为基础，梳理产品形态，确定产品形态的销售量价走势，为分期、分产品形态确定利润提供依据。 辅表三：投资估算及投资进度表。此表编制相对复杂，首先要规划好成本科目，保证成本科目既满足管理要求、又方便项目测算。 辅表四：成本分配表。本表主要反映项目投资成本在各类产品形态之间的分配情况，为从不同角度测算项目利润提供数据支撑。分配规则可以结合税务对土地增值税及所得税清算口径进行。
建立计量经济学模型的步骤和要点 | [<<][>>] 一、理论模型的设计 对所要研究的经济现象进行深入的分析，根据研究的目的，选择模型中将包含的因素，根据数据的可得性选择适当的变量来表征这些因素，并根据经济行为理论和样本数据显示出的变量间的关系，设定描述这些变量之间关系的数学表达式，即理论模型。例如上节中的生产函数 就是一个理论模型。理论模型的设计主要包含三部分工作，即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围。 1. 确定模型所包含的变量 在单方程模型中，变量分为两类。作为研究对象的变量，也就是因果关系中的“果”，例如生产函数中的产出量，是模型中的被解释变量；而作为“原因”的变量，例如生产函数中的资本、劳动、技术，是模型中的解释变量。确定模型所包含的变量，主要是指确定解释变量。可以作为解释变量的有下列几类变量：外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。其中有些变量，如政策变量、条件变量经常以虚变量的形式出现。 严格他说，上述生产函数中的产出量、资本、劳动、技术等，只能称为“因素”，这些因素间存在着因果关系。为了建立起计量经济学模型，必须选择适当的变量来表征这些因素，这些变量必须具有数据可得性。于是，我们可以用总产值来表征产出量，用固走资产原值来表征资本，用职工人数来表征劳动，用时间作为一个变量来表征技术。这样，最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。下面，为了叙述方便，我们将“因素”与“变量”间的区别暂时略去，都以“变量”来表示。 关键在于，在确定了被解释变量之后，怎样才能正确地选择解释变量。
信贷风险管理的信用评级方法 信贷风险管理的新方法 信贷风险管理是当今金融领域的一个重要课题。银行在贷款或贷款组合的风险度量中特别注意运用信贷风险管理的工具。除了专家系统、评分系统和信用打分系统等传统方法外，新的信贷风险管理方法主要有KMV模型、JP摩根的VAR模型、RORAC模型和EVA模型。 1、KMV——以股价为基础的信用风险模型 历史上，银行在贷款决策时，曾经长时间忽视股票的市价。 KMV模型基于这样一个假设——公司股票价格的变化为企业信用度的评估提供了可靠的依据。从而，贷款银行就可以用这个重要的风险管理工具去处理金融市场上遇到的问题了。尽管很少有银行在贷款定价中将KMV模型作为唯一的信用风险指示器，但非常多的银行将其用为信贷风险等级的早期报警工具。 KMV实际上是一个度量违约风险的期权模型，是由买入期权推演而来的。 KMV扭转了看待银行贷款问题的视角，从借款企业的普通股持有者的视角来看贷款偿还(回报)的激励问题。信用中国https://www.doczj.com/doc/042553954.html, 我们共同打造换句话说，它将持有普通股视为与持有一家公司资产的买入期权相同。基本原理如图所示： （1）KMV是如何工作的？ 假设普通股持有者拥有公开交易公孙的股票，公司债务是一张一年期的单一贴现票据（single discount note）,票面价值是B.上图显示的是从普通股持有者方面来看的贷款偿还问题。 在图中，若公司资产的价值跌到OB以下（以左，如OA1）,股的持有者就不会偿还那个等于OB的债务。当然，如果选择违约，他就必须将对公司资产的控制权转让给贷款银行，公司所有者的普通股就一文不值了。然而，若公司资产的价值是OA2，公司就会偿还债务OB，而保留其余的价值BA2.在KMV模型中，公司债务的票面价值B就是买入期权中的约定价格。可以看到公司的风险底线（downside risk）被限制在OL，因为“有限责任”保护了普通股的持有人。从而，对一个好公司的股票持有者的回报有一个有限的底线和一个无限延长的上限。 KMV从贷款于期权之间的这种联系之中得到了EDF模型（估计违约频率模型）。以下对EDF作简要介绍。 使用前面描述的期权方法，普通股的市场价值可以用一个买入期权的价值来评估，模型如下： E=f(A，，r，B，ζ) (1) 其中：公司资产的市场价值(A)及其市场价值的波动( )，不能直接观察到，是由公司股票的市场价值及其波动和公司债务的账面价值估计的；公司的违约发生点(B)是短期债务的全部价值加上长期未偿付债务的一半价值之和；贷款的到期
系统动力学模型介绍 1.系统动力学的思想、方法 系统动力学对实际系统的构模和模拟是从系统的结构和功能两方面同时进行的。系统的结构是指系统所包含的各单元以及各单元之间的相互作用与相互关系。而系统的功能是指系统中各单元本身及各单元之间相互作用的秩序、结构和功能，分别表征了系统的组织和系统的行为，它们是相对独立的，又可以在—定条件下互相转化。所以在系统模拟时既要考虑到系统结构方面的要素又要考虑到系统功能方面的因素，才能比较准确地反映出实际系统的基本规律。系统动力学方法从构造系统最基本的微观结构入手构造系统模型。其中不仅要从功能方面考察模型的行为特性与实际系统中测量到的系统变量的各数据、图表的吻合程度，而且还要从结构方面考察模型中各单元相互联系和相互作用关系与实际系统结构的一致程度。模拟过程中所需的系统功能方面的信息，可以通过收集，分析系统的历史数据资料来获得，是属定量方面的信息，而所需的系统结构方面的信息则依赖于模型构造者对实际系统运动机制的认识和理解程度，其中也包含着大量的实际工作经验，是属定性方面的信息。因此，系统动力学对系统的结构和功能同时模拟的方法，实质上就是充分利用了实际系统定性和定量两方面的信息，并将它们有机地融合在一起，合理有效地构造出能较好地反映实际系统的模型。 2.建模原理与步骤
(1)建模原理 用系统动力学方法进行建模最根本的指导思想就是系统动力学的系统观和方法论。系统动力学认为系统具有整体性、相关性、等级性和相似性。系统内部的反馈结构和机制决定了系统的行为特性，任何复杂的大系统都可以由多个系统最基本的信息反馈回路按某种方式联结而成。系统动力学模型的系统目标就是针对实际应用情况，从变化和发展的角度去解决系统问题。系统动力学构模和模拟的一个最主要的特点，就是实现结构和功能的双模拟，因此系统分解与系统综合原则的正确贯彻必须贯穿于系统构模、模拟与测试的整个过程中。与其它模型一样，系统动力学模型也只是实际系统某些本质特征的简化和代表，而不是原原本本地翻译或复制。因此，在构造系统动力学模型的过程中，必须注意把握大局，抓主要矛盾，合理地定义系统变量和确定系统边界。系统动力学模型的一致性和有效性的检验，有一整套定性、定量的方法，如结构和参数的灵敏度分析，极端条件下的模拟试验和统计方法检验等等，但评价一个模型优劣程度的最终标准是客观实践，而实践的检验是长期的，不是一二次就可以完成的。因此，一个即使是精心构造出来的模型也必须在以后的应用中不断修改、不断完善，以适应实际系统新的变化和新的目标。 (2)建模步骤 系统动力学构模过程是一个认识问题和解决问题的过程，根据人们对客观事物认识的规律，这是一个波浪式前进、螺旋式上升的过程，因此它必须是一个由粗到细，由表及里，多次循环，不断深化的过程。系统动力学将整个构模过程归纳为系统分析、结构分析、模型建立、模型试验和模型使用五大步骤这五大步骤有一定的先后次序，但按照构模过程中的具体情况，它们又都是交叉、反复进行的。 第一步系统分析的主要任务是明确系统问题，广泛收集解决系统问题的有关数据、资料和信息，然后大致划定系统的边界。 第二步结构分析的注意力集中在系统的结构分解、确定系统变量和信息反馈机制。 第三步模型建立是系统结构的量化过程(建立模型方程进行量化)。 第四步模型试验是借助于计算机对模型进行模拟试验和调试，经过对模型各种性能指标的评估不断修改、完善模型。 第五步模型使用是在已经建立起来的模型上对系统问题进行定量的分析研究和做各种政策实验。 3.建模工具 系统动力学软件VENSIM PLE软件 4.建模方法 因果关系图法 在因果关系图中，各变量彼此之间的因果关系是用因果链来连接的。因果链是一个带箭头的实线(直线或弧线)，箭头方向表示因果关系的作用方向，箭头旁标有“+”或“-”号，分别表示两种极性的因果链。
主流量化交易策略 专访北京泰铼投资管理有限公司合伙人兼总经理王文伟。主持人：贵公司的情况介绍?投研团队有多少人?团队的特色和优势在哪里? 王文伟：本公司是由四位投资经理组成为创始团队组建的有限责任公司，创始团队持股比例占公司总股本的94%。创始团队是公司的核心投研力量，公司另有两名资深的量化交易员和系统工程师，负责交易和系统的搭建维护。公司的创始团队成员具有专业的投资背景，兼具海外对冲基金和国内市场的长期投资管理经验。在成立泰铼投资之前，团队所管理的资金超过30亿元。团队成熟、稳定，成员包括投资经理、量化交易员、系统工程师，成员之间彼此共事多年，配合默契。团队分工明确，在量化投资、高频交易、衍生品、股票多空等诸多领域，均具备丰富的经验。团队成员包含多个投资经理，均有经实盘检验的良好业绩。团队采用自主开发的算法交易系统，经过国内外市场多年的实盘运作和改进，兼具稳定性和高效性，能有效的降低交易对市场的冲击，提高量化交易模型的运行效率和稳定性，增强收益。通过频繁细小的价差收益累积获取长期稳定回报主持人：贵公司的投资理念和投资策略是怎么样的? 王文伟：公司采用量化投资，旨在市场的波动中获取不依赖于市况的稳定的超额回报(alpha收益)。资本资产定价模型
将投资组合的期望收益由两部分组成：alpha收益为投资组合超越市场基准的收益，beta收益为投资组合承担市场系统风险而获得的收益。通过对冲交易剥离或降低投资组合的系统风险(beta收益)，获取纯粹的alpha收益，可以使得投资组合无论在市场上涨或下跌时均能获取稳定的绝对收益。在股票市场的波动中，alpha收益源于资产的相对定价偏差：通过寻找市场中相对定价发生偏差的资产，并识别偏差的程度，在偏差足够大的时候进行交易，可以获取资产相对定价回归的alpha收益。因此，投资组合通过频繁的、细小的价差收益的累积，获取长期稳定的回报。候选模型的设想和构思、有效性检验和综合模型的建立主持人：具体的投研流程是怎么样的? 王文伟：①研究流程——量化模型的建立量化模型的建立是量化投资的核心，模型的有效程度直接决定量化投资的业绩表现。模型的建立主要分为候选模型的设想和构思、有效性检验和综合模型的建立三个步骤。候选模型的设想和构思依赖两方面的能力，一方面对大数据的处理分析能力，通过对历史数据的学习，依靠计算机和统计知识寻找有效策略;另一方面依赖于对经济逻辑的理解和市场经验。两方面能力的结合产生更多、更有效的策略是增强模型有效性和提高收益率的关键。候选模型的有效性检验基于历史数据回溯检验，考察策略的收益率、波动率、夏普比、收益回撤比，与市场或其他策略的相关性等，当策略的各类指标