长江证券量化投资

陈军先生：中银基金管理有限公司投资管理部权益投资总监，副总裁(VP)，金融学硕士。

曾任中信证券股份有限责任公司资产管理部项目经理。

2004年加入中银基金管理有限公司，2006年10月至今任中银收益基金经理，2009年9月至今任中银中证100指数基金经理。

特许金融分析师（CFA），香港财经分析师学会会员。

具有12年证券从业年限。

具备基金从业资格。

崔建波先生：经济学硕士，历任天津中融证券投资咨询公司研究员、申银万国天津佟楼营业部投资经纪顾问部经理、海融资讯系统有限公司研究员、和讯信息科技有限公司证券研究部、理财服务部经理、北方国际信托股份有限公司投资部信托高级投资经理。

现任新华泛资源优势灵活配置混合型证券投资基金基金经理，新华行业周期轮换股票型证券投资基金基金经理。

初冬女士：国籍中国，经济学硕士，14年证券从业经验。

曾在平安证券研究所、平安保险投资管理中心等公司从事研究与投资工作；2000年8月至今就职于鹏华基金管理有限公司，历任研究员、普丰基金基金经理助理等职。

现任鹏华基金管理有限公司社保基金理财经理及鹏华货币市场基金经理，投资决策委员会成员，固定收益部总经理。

初冬女士具备基金从业资格。

本报告期内本基金基金经理未发生变动。

陈加荣先生：天津大学管理工程硕士，十年证券从业经历，具有基金从业资格。

历任中国平安保险（集团）股份有限公司投资管理中心债券研究员、交易员、本外币投资经理；国联安基金管理公司德盛小盘基金债券投资经理、基金经理助理，德盛稳健基金债券投资经理、基金经理助理。

现任农银汇理基金管理公司固定收益投资负责人、基金经理。

曹剑飞先生：统计学硕士、经济学硕士，农银汇理基金管理公司投资部副总经理。

6年证券从业经历。

历任长江证券公司证券投资总部分析师，泰信基金管理有限公司研究部、华宝兴业基金管理有限公司研究部高级研究员，华宝兴业先进成长开放式证券投资基金的基金经理助理。

2008年8月起任农银汇理行业成长股票型基金基金经理，2010年9月起任农银汇理大盘蓝筹股票型基金基金经理。

量化投资发展及我国现状分析【摘要】本文主要介绍了量化投资发展及我国现状的分析。

在文章首先解释了量化投资的概念，接着介绍了我国量化投资的起步情况，并阐明了本文的目的及意义。

在分析了量化投资的基本原理、国际量化投资发展现状以及我国量化投资发展现状，同时探讨了我国量化投资面临的挑战和发展前景。

在提出了我国量化投资的未来发展方向，给出了推动我国量化投资发展的建议，并对全文进行了总结。

通过本文的分析，可以更全面地了解量化投资在我国的发展现状，为我国量化投资的进一步发展提供参考和建议。

【关键词】量化投资、发展、我国、基本原理、国际发展、现状分析、挑战、发展前景、未来发展方向、建议、总结1. 引言1.1 量化投资的概念量化投资是指利用数学模型和大规模数据进行投资决策的一种投资方式。

量化投资通过对历史数据和市场走势的分析，建立模型预测未来市场走势，从而提高投资决策的准确性和效率。

量化投资依靠计算机算法和统计学方法，通过程序化交易进行买卖操作，减少人为情绪干扰，实现规模化操作。

量化投资的兴起，源于信息技术和金融市场的发展。

随着数据量的爆发性增长和计算能力的提升，量化投资逐渐成为投资界的热门话题。

量化投资逐渐被广泛运用于股票、期货、外汇等金融市场，成为投资者获取超额收益的重要手段。

在我国，量化投资起步较晚，但发展态势迅猛。

随着金融科技的兴起和监管政策的支持，我国量化投资行业逐渐壮大，吸引了越来越多的资本和人才投入。

未来，我国量化投资有望成为金融市场的重要力量，推动金融市场的发展和稳定。

1.2 我国量化投资的起步情况我国量化投资的起步情况可以追溯到2000年左右，当时国内的金融市场还处于初级阶段，投资者主要依靠经验和直觉进行投资决策。

随着信息技术的发展和金融市场的完善，我国的量化投资开始逐渐兴起。

最早采用量化投资策略的是一些私募基金和券商资管产品，它们利用数学模型和算法来分析数据、识别交易信号，从而实现系统化、自动化的投资。

国内量化交易平台介绍2012-11-26 05:41 来源：期货日报字号：12 14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。

从广义上讲，量化交易是指投资者利用计算机技术、金融工程建模等手段将自己的金融操作用很明确的方式去定义和描述，用以协助投资者进行投资决策，并且严格按照所设定的规则去执行交易策略（买卖、价格、数量等）的交易方式。

按照数学模型的理念和对计算机技术的利用方式，量化交易可以进一步细分为自动化交易（Automatic Trading）、量化投资（Quantitative Investment）、程序化交易（Program Trading）、算法交易（Algorithm Trading）以及高频交易（High Frequency Trading）。

这五种量化交易方式的侧重点各有不同，是量化交易技术发展到不同阶段的产物，也是不同量化交易用户群的不同交易方式。

量化交易平台是指能分别满足上述五种交易方式的平台，要求其从交易系统的行情和基础数据、交易和执行、策略研发和运营三个主要方面既要做到大而全，也要做到深而精。

这对目前大中型金融机构的IT 以及实际运营部门是很大的挑战，同时也提供了发展机遇。

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。

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。

中低端平台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。

由于技术架构的限制，行情、交易有一定的延时。

量化投资在国内出现萌芽现已形成四大流派[ 量化投资在国内市场上已经形成券商、公募基金、私募基金，以及期货界四大派系。

虽然这是从行业上划分的，但在策略运用以及交易风格上，这四大派系也存在不小的差异 ]金融市场上有这么一群人，他们喜欢将自己戏称为“矿工”，因为他们是宽客。

宽客，Quants（金融工程师）的音译，金融市场上名副其实的淘金者。

说他们名副其实，是因为他们在稍纵即逝的市场机会中“淘金”利用的是复杂数学公式和超级计算机，而非直觉交易。

近几十年来，从赌桌上演化而来的宽客一直在华尔街上傲视群雄，并且时而兴风作浪。

随着2008年的一场金融海啸，不少华人宽客转战中国资本市场。

而随着2010年融资融券、股指期货的相继推出，中国资本市场上宽客身影正日渐活跃，量化投资也开始如火如荼。

但限于金融工具创新和制度完善等因素，量化投资在中国还有很长的一段路要走。

从萌芽到转折点1971年，巴克莱国际投资管理公司发行了世界上第一只指数基金。

也就是说，量化投资在境外已有40多年的历史了。

但在国内，量化投资的历史还非常短暂。

“某种意义上，是2005年开始的ETF套利拉开了量化投资在中国的序幕。

”长江证券(000783,股吧)金融衍生部总经理陈皓告诉第一财经日报《财商》记者。

陈皓当时就职于上海证券交易所从事金融衍生产品的研究开发。

在ETF套利之前也有些机构进行可转债套利，但显然是小荷连尖尖角还没露出来。

2010年前，ETF套利可以说是国内量化投资的主流品种，但随着进入的淘金者越来越多，套利空间日渐狭窄。

2009年前后，数位券商衍生部负责人告诉记者该项业务日渐难做。

也就是在2005年左右，一些卖方研究机构开始进行量化投资研究，但限于金融衍生工具的匮乏，所开发的策略无非就是量化选股、量化择时等。

同时，由于当时A股市场持续低迷，机构在量化研究上的投入也是捉襟见肘。

“当时在量化研究方面做得还不错的某家机构团队一度濒临解散，成员四处求职，但也没什么机构愿意接纳。

量化投资的基本步骤和逻辑
1. 确定投资目标和策略：投资者需要明确自己的投资目标，如长期增值、稳定收益等，并根据目标选择相应的投资策略，如多头策略、空头策略、套利策略等。

2. 数据收集和整理：量化投资需要大量的数据支持，因此需要收集和整理相关的数据，包括市场数据、公司财报、宏观经济数据等。

同时，还需要对数据进行清洗和预处理，以确保数据的质量和准确性。

3. 特征工程：在收集和整理数据的基础上，需要提取出有用的特征，以便构建模型。

特征工程包括选择合适的变量、计算统计指标、构建因子等。

4. 模型构建和回测：根据特征工程的结果，构建相应的数学模型，如线性回归模型、决策树模型、神经网络模型等。

然后，利用历史数据对模型进行回测，评估模型的准确性和效果。

5. 实盘交易和风险控制：在模型回测效果良好的情况下，可以将模型应用于实盘交易。

同时，需要制定相应的风险控制策略，以降低投资风险。

6. 模型优化和更新：量化投资的模型需要不断优化和更新，以适应市场的变化。

因此，需要定期对模型进行评估和改进，以提高投资效果。

总的来说，量化投资的基本步骤和逻辑是基于数据和模型的决策，通过对历史数据的分析和预测，构建有效的投资策略，并在实盘交易中不断优化和更新模型，以实现更好的投资效果。

量化投资策略的构建与优化随着信息技术的不断发展，量化投资成为了金融领域中的一个热门话题。

它不仅可以提高投资效率，还能够降低风险，为投资者带来更为稳定的收益。

但是，在实际操作中，量化投资策略的构建和优化并不是一件简单的事情。

因此，本篇文章将从理论和实践角度出发，对量化投资策略的构建和优化进行详细的探讨。

一、理论基础在构建量化投资策略之前，我们需要先了解一些量化投资的理论基础。

下面是几个比较重要的概念：1. 常见的量化投资模型首先，量化投资模型是指根据统计学和数学科学的原理，通过对历史数据的分析和建模，构建一种能够预测未来市场价格方向或者确定适当的交易时机的数学模型。

常见的量化投资模型有基本面分析、技术分析等。

2. 因子选择在构建量化投资模型时，我们需要选取一些可以对市场起到影响的因子。

这些因子比如市场趋势、利率变化等，对不同的证券会产生不同的影响。

因此，我们需要根据研究对象的不同选择不同的因子，并且要进行有效的因子筛选和优化。

3. 投资组合在实际操作中，投资者通常会同时购买多种证券，以达到降低风险和提高收益的目的。

因此，我们需要根据不同证券的风险和收益特点，构建出有效的投资组合，并且要进行动态调整和优化。

二、实践步骤了解了量化投资的理论基础之后，我们就可以开始进行具体的实践了。

下面是一些构建量化投资策略的实践步骤：1. 数据获取和清洗首先，我们需要获取一些历史数据，用于后续的研究和建模。

这些数据可以包括股票价格、公司财务数据、市场指数等。

在数据获取之后，我们需要进行数据清洗和预处理，去除无关数据和异常值，以保证后续研究结果的准确性和可靠性。

2. 因子筛选和优化接下来，我们需要根据研究对象的不同选择相应的因子，并且对这些因子进行筛选和优化。

因子的筛选可以采用统计学方法，比如协方差分析、相关系数分析等。

在筛选过程中，我们需要注意因子之间的相关性，避免选择过多相关的因子。

3. 模型构建和回测在选择完合适数量的因子之后，我们就可以开始构建模型了。

证券投资中的量化分析方法在证券投资领域，量化分析方法正在逐渐发展成为一种重要的工具。

通过使用大量的数学模型、统计方法和计算机技术，量化分析方法可以帮助投资者提高投资决策的准确性和效率。

本文将介绍几种常见的证券投资中的量化分析方法，并探讨其应用和局限性。

一、技术分析技术分析是应用统计学和图表分析等方法来预测股票价格走势的一种量化分析方法。

技术分析关注价格和成交量等市场数据的变化模式和趋势，通过分析股票价格的历史走势来预测未来的价格。

常见的技术分析工具包括移动平均线、相对强弱指标和MACD指标等。

技术分析方法的优点在于能够通过简单的图表和数学计算，快速判断市场走势，提供买入和卖出的时机。

然而，技术分析也存在局限性，一些批评者认为技术分析只是基于过去的数据，无法完全预测未来市场的变化。

此外，技术分析容易受到市场干扰和误导，需要结合其他相关因素进行分析。

二、基本面分析基本面分析是另一种常见的量化分析方法，它通过研究股票所属公司的财务报表、行业背景和宏观经济数据等因素，来评估股票的投资价值。

基本面分析认为，股票的价格应该反映公司的价值，通过分析相关因素来判断股票是否被低估或高估。

基本面分析方法的优点是能够提供深入的公司和行业分析，以及对整体经济形势的判断。

然而，基本面分析需要大量的数据和复杂的计算，对分析师的专业知识和经验要求较高。

此外，基本面分析无法考虑到市场的情绪和预期等因素，需要结合其他分析方法进行综合判断。

三、套利策略套利策略是一种通过利用市场上的价格差异来获利的量化分析方法。

套利策略可以分为时间套利、空间套利和跨品种套利等不同类型。

在时间套利中，投资者通过利用市场短期波动造成的价格差异来进行交易；在空间套利中，投资者通过利用不同市场之间的价格差异来进行交易；在跨品种套利中，投资者通过利用相关品种之间的价格差异来进行交易。

套利策略的优点在于能够利用市场上的价格差异获得稳定的收益。

然而，套利策略也面临着风险和挑战，包括交易成本、市场流动性和模型不准确等问题。

量化投资课程大纲一、课程简介本课程旨在介绍量化投资的基本概念、方法和技巧，帮助学员全面了解并掌握量化投资的核心思想和操作流程。

通过本课程的学习，学员将能够熟悉量化交易的基本框架，掌握量化策略的构建和回测方法，以及运用计量模型进行风险控制和资产配置的技术手段。

二、课程大纲1. 量化投资基础1.1 量化投资概述- 量化投资的定义和特点- 量化投资与传统投资的对比1.2 量化交易的基本原理- 市场假设与交易机制- 量化交易的优势和限制1.3 量化投资的历史回顾- 量化投资的起源和发展- 成功案例分析2. 量化投资模型构建2.1 数据收集与处理- 数据来源及质量要求- 数据清洗和预处理2.2 因子选择与构建- 因子的定义和分类- 因子挖掘和验证方法2.3 模型建立与回测- 建立量化模型的基本步骤 - 回测的指标和评价方法3. 量化风险管理3.1 交易成本和市场冲击- 交易成本的构成和计算- 市场冲击对交易策略的影响 3.2 头寸管理和风险控制- 头寸规模和仓位控制- 风险度量和风险模型3.3 组合优化与资产配置- 组合优化方法和模型- 资产配置策略的构建和评估4. 量化交易策略优化4.1 参数调优和交易规则优化- 参数优化策略和方法- 交易规则的优化和改进4.2 多因子模型和组合策略- 多因子模型的构建和应用- 组合策略的构建和优化4.3 人工智能在量化投资中的应用- 机器学习和深度学习的基本原理 - 人工智能在量化投资中的应用案例三、学习资料与考核方式1. 学习资料- 量化投资相关教材及研究论文- 量化交易软件和数据源选择指南- 实例代码和案例分析2. 考核方式- 课程作业与实践项目- 期末考试或论文四、教学方法与学习要求1. 教学方法- 理论讲解与案例分析相结合- 实践操作和模拟交易演练- 小组讨论和项目合作2. 学习要求- 具备基本的金融投资知识和统计分析能力- 熟悉Python等编程语言者优先- 积极参与课堂讨论和实践操作五、参考书目1. Chan, E. (2013). "Quantitative Trading: How to Build Your Own Algorithmic Trading Business."2. Liao, H. (2018). "Quantitative Equity Portfolio Management: An Active Approach to Portfolio Construction and Management."3. Tucker, B. (2016). "Applied Computational Finance: A Python-based Approach."4. Chen, J., & Lee, J. (2015). "Machine Trading: Deploying Computer Algorithms to Conquer the Markets."六、结语本课程将为学员提供系统、全面的量化投资知识和技能培训，帮助学员在金融市场中运用量化方法进行投资决策和交易实践。

券商量化研究报告【篇一：券商宏观报告汇总】1.宏观研究部分（分为货币、财政、国际金融、通货膨胀等等）2.行业研究部分（一共28个行业，总文件数量1500左右）3.策略研究（覆盖小部分概念研究如国企改革，养老等）4.海外研究部分（主要覆盖部分跨度较长，比较知名的海外投行系列研究）5.政府、机构及咨询类研究（覆盖四大会计公司的咨询研究及部分咨询公司及研究机构如imf的研究成果）6.2014年度策略（覆盖所有已经收集的2014年度策略报告）■wisburg数据库■投资主义2014年度宏观观点■我个人2014年投资札记——————————————————————————————————————第一部分：研究报告全年精选前言：2013年，投资主义对研报库进行了进一步的更新和筛减。

在阅读量上，我相较于前两年有较大的幅度减少，主要原因在于现在读起来实在有些视觉疲劳，另外，确有研究报告质量越来越差的主观感受。

所以在下半年将主要精力转至阅读一些研究机构的研报，比如imf及bis的报告（也因为我个人比较偏好宏观研究）。

对行业研究和公司研究是落下了。

今年investlism 2.0系统的报告源为：汇智赢家、迈博汇金、同花顺ifind，少量来自金融界研报、汗牛网、nxny、理想论坛、海风论坛等。

——————————————————————————————————————进入正题，以下所有文件都可以在智堡网及投资主义论坛找到■财政专题（债务危机、财税体制）分类子分类1-财税体制及财政政策综合研究（共20篇报告），链接: /s/1eqfs5gq 密码: ykb8例如：东方证券-国家治理基础和重要支柱：财税体制变迁、现实问题、改革内容国信证券-财税改革的重点不是分税制莫尼塔-经济政策观察：财税体制的国际比较：德国经验借鉴中金公司-宏观经济专题报告：财税改革远景与近观中信证券-中长期经济系列研究之财税改革上篇：中国的宏观税负与改革方向子分类2-地方政府债务问题分类（共24篇报告），链接:/s/1hqmogpe密码: c8fn例如：华泰证券-城投债专题研究系列报告中信建投-可控风险的渐进改革：地方债务风险和化解路径研究申银万国-地方政府的财税支持与城投平台信用关联分析：远忧近虑,未雨绸缪高华证券-中国深度分析系列报告：地方政府的财政困境平安证券-地方政府债务研究专题：动态平衡与局部风险子分类3-房产税（共3篇），链接:/s/1i3lsbvb 密码: nuf2例如：国泰君安-房产税征收的国际经验和中国影响申银万国-房产税专题研究长江证券-以税基换税率-站在财政的角度看房产税子分类4-美国财政问题（共6篇），链接:/s/1sjo7ghn 密码: jv16例如：东方证券-美国财政悬崖问题研究：悬崖勒马,后患无穷高华证券-对美国财政政策的担忧是否真正结束？华泰证券-美国财政悬崖推演子分类5-欧债危机专题（共17篇），链接:/s/1c01p0sg 密码: oiow例如：光大证券-深度理解欧债危机中信建投-欧债危机专题（五篇）欧债危机：一个德国视角的评估美国布鲁金斯学会（brookings）：欧元区的三重危机（中英文版） *此外，推荐高盛的欧洲经济分析系列周报（数量太多，此处不再罗列）子分类6-日本财政问题（共9篇），链接:/s/1ktup67p 密码: 15yw例如：中信证券-宏观经济专题报告：安倍经济学的债务黑洞国信证券-日本财政真相：国债与赤字的游戏招商证券-日本经济展望专题报告：处于十字路口：“安倍维新“还是另一个“失落的十年“*同上（数量太多，此处不再罗列）高华证券-日本经济分析系列其他综合报告如：申银万国-财政专题系列报告（五篇）申银万国-地方债务危机报告集（三篇）招商证券-政府债务问题专题研究（七篇）招商证券-中国债务循环专题研究（三篇）中投证券-财政管理体制专题报告（四篇）本分类总链接：链接: /s/1o62qujc 密码:6loq■货币专题（货币政策、利率、资产负债表）分类子分类1-利率市场化（共31篇），链接:/s/1bn6bkf1 密码: 915h例如：德勤-中国利率市场化之影响与应对策略宏源证券-利率市场化系列报告（四篇）平安证券-利率市场化系列报告（九篇）中信建投-利率市场化，银行投资何去，债券市场何从子分类2-量化宽松政策（15篇），链接:/s/1jg3fcxc 密码: ljal例如：平安证券-量化宽松带来的影响系列长城证券-由日本观美国(一)：qe退出？中金公司-日本数量型宽松的货币政策-直升机撒钱：日本的经验和启示国际清算银行（bis）：货币政策的局限性东方证券-对qe四个问题的回答：不同形式、差异化效果、对中国影响子分类3-影子银行（18篇），链接:/s/1mg9gafm 密码: 4j6x例如：东方证券-影子银行-国际图景及中国形态（两篇）中投证券-＂影子银行＂系列研究（三篇）申银万国-影子银行系列专题（三篇）美国国民经济研究局（nber）：早期“影子银行”挤兑的经济影响——信托公司与1907年大恐慌招商证券-影子银行众生相（五篇）子分类4-资产负债表研究（杠杆）（18篇）链接:/s/1bn7regb 密码: 65q3例如：东方证券-政府资产负债表的编制与分析：中国政府会有资产负债表危机吗国信证券-商业银行资产负债表的调整与变化：620以来债券市场变化逻辑的主线国际清算银行（bis）：亚洲新兴经济体中央银行资产负债表的扩张：风险何在？其他综合报告如：野村证券-日本80年代的经历对中国的意义申银万国-流动性专题研究系列（七篇）瑞银证券-中国货币政策手册（第二版）东方证券-流动性经济学（四篇）海通证券-流动性陷阱系列报告（四篇）东方证券-央行基础货币投放方式的探讨安信证券-掀开货币的面纱（三篇）本分类总链接：链接: /s/1qwbatj2 密码:5d58■国际金融（国际货币体系、资本项目）分类子分类1-人民币国际化（12篇），链接:/s/1ntba7tj 密码: yj3c例如：东方证券-使命召唤：人民币国际化美国布鲁金斯学会（brookings）：人民币在国际货币体系中的角色（中文版）子分类2-资本项目开放及管理（9篇），链接:/s/1pjrt8zd 密码: hmcs例如：加拉赫尔：促进稳定和发展的资本账户管理——一种新方法社科院-余永定：中国资本项目自由化之我见光大证券-基于典型国家的经验事实：资本账户开放对股票市场的影响中信证券-资本账户开放专题研究：资本账户开放情景下的中国经济和股市其他综合报告如：高盛-货币战争系列科普国际货币基金组织（imf）：有关国际货币体系的讨论国际清算银行（bis）：比较大萧条时期以及当前的银行业危机与国际货币体系申银万国-热钱专题研究（六篇）英国智库查塔姆研究所：超越美元——对国际货币体系的反思本分类总连接：链接: /s/1sjb8rud 密码: kr1r ■中国改革分类无子分类，35篇例如：申银万国-2013金融变革系列报告（六篇）东方证券-中国改革图景：七大改革拉动新三驾马车高华证券-转型中国+改革中国（十八篇）中信证券-金融改革专题（九篇）中信证券-资本市场改革专题系列报告本分类总连接：链接: /s/1kt4yui7 密码: cbcp■人口、就业及城镇化专题子分类1-城镇化（26篇），链接:/s/1sj4mg3r 密码: 3vje例如：北京高华-新型城镇化-成本、融资渠道和行业影响东方证券-新型城镇化深度报告：重塑中国：新型城镇化、深度城市化和新四化申银万国-新型城镇化系列报告（四篇）中金公司-新型城镇化行业主题研究（三篇）中金公司-日本、韩国城镇化经验子分类2-就业及劳动力（20篇），链接:/s/1hq2xm7m 密码: ch5x例如：【篇二：【非常好的一篇文章】券商研究报告的内在逻辑----教你如何阅读研究报告】如何阅读研究报告？一、谁在写报告？证券分析师群体主要分为“买方”分析师（buy-side analyst）与“卖方”分析师（sell-side analyst）两大类。

吕晓彤：10年投资生涯，把3家公司送上A股作者：尹茗来源：《创业邦》2017年第09期房地产最大的资源是社区里面的住户，是很多忠诚度很高的业主。

当代置业首席投资官、第一摩码资产管理（北京）有限公司（简称第一资产）董事吕晓彤是典型的“80后”人生赢家。

他大学在北京理工大学就读，后来又拿到了香港中文大学的硕士学位，毕业后做了十年投资，投的第一个项目是大禹节水，两年后该公司登陆A股市场，后来又投出振东制药（上市公司），并先后主导了中科金财、全峰快遞、北极绒、中互联等多家公司的投资和重组。

而后，吕晓彤决定做产业投资。

2015年，他到了上市公司当代置业，任首席投资官。

事实上，2014年前后，小米、美团、找钢网等互联网公司都开始以公司主营业务为基点加速内部资本运作——内部孵化或外部投资项目，雷军的顺为资本、找钢网的胖猫创投都是如此。

那么，为什么公司发展起来后，做投资几乎成了“标配”？吕晓彤认为逻辑很简单：一是公司不差钱，要让钱生钱;二是企业做投资，对关联产业链的上下游更了解，有天然优势;三是可以与公司主营业务产生协同作用。

说白了，就是让一根竹子繁殖成一片竹林。

“在集团内做投资，是件更有意思也更符合我对未来的规划的事。

”吕晓彤说，“简单来说，从投行、VC机构到产业投资，十年投资生涯，我是在不断向下走，原因很简单，就是要到创投一线去，更近距离地感受、参与创业和投资。

”吕晓彤认为投资本身就是创业。

体验创业，这大概才是他最想要的。

前段时间，当代置业内部孵化项目之一的“第一物业”完成了由鼎晖投资领投，第一资产以及六大国内投资公司——中金证券、中信证券、信达证券、华融证券、长江证券、东北证券跟投的1亿元融资，并发布战略新品“绿服务1.0”。

当代置业此前投资的倍格创业、51VR等项目也都拿到了知名机构的投资。

产业投资与VC究竟有哪些不同？事实上，产业投资与专业VC机构做投资有着极大的区别。

用吕晓彤的话说，“产业投资更像是创业”，是要围绕集团（公司）整体的战略做投资，无论是看人还是看事，都有相对量化的标准。

AlphaGrep securities BITUP DIGITAL ASSET Higgs超算集团真融宝pine river captia安信证券北京大海豪情国际投资北京根网科技北京弘酬投资北京量子智能北京平行概率科技北京千橡网景科技北京融汇金信北京神农投资管北京泰铼投资北拓资本贝塔智投科技本征资本道富信息科技鼎泰泽丰投资东海期货东兴证券方正证券方正中期期货富国阳光富国阳光投资高盛资产冠恒中财冠恒中财投资广发证券广州证券国际期货国金基金国泰安国投安信期货国投中谷期货国元期货海浦投资合众资产恒生宏源期货泓石资产华道资本华美长城投资华泰期货汇通永鑫济安财富嘉实基金嘉实资本江海汇鑫期货江苏润和软件金巅投资九坤投资九一金融九州证券久阳资本聚宽投资凯卫信息凯信投资宽信资产蓝色天际投资蓝色天际投资礼一投资联讯证券量客投资量子金服网络民生金服数据民生证券名策数据明汯投资鸣熙资产铭洋资产摩根士丹利诺亚星云平方和投资启明资产青岛万泽联创投资秋实金控全势投资融汇金信融汇金信瑞士黑峰资本瑞银证券睿益达上海昇和资产沈阳元嘉投资首誉资产顺时国际投资私募天虫资本天澹科技天鉐投资天鉐投资天首投资基金万博兄弟资产万风控万物超体微星优财网络惟盈投资文谛资产萧何投资小葵智建小龙虾科技新财财富新恒基投资管新时代证券鑫晟投资信弘天禾资产星纪资产熊猫大数据熊猫金控野村证券一块互动网络一十一五科技伊泰集团因诺资产银河期货盈丹（深圳）资产远易重道云量科技长城人寿长江证券长盛基金招商财富浙江核新同花顺证大向上金融证金财富中诚信资讯中方信富中国国际金融中国国际金融中国国际期货中国金融电子化公司中国民族证券中国银行中国证券金融中科院软件所/数地科技中农厚土中融景诚中信建投中信建投证券中信证券中兴源理投重道资本尊嘉资产汤森路透金融凯石投资鸿逸投资磐厚投资合星投资融昌资产榕树投资无隅资产跃然科技、子午投资涵德投资彬元资本人人网火币集团Cavalier ITCredit SuisseMyrke InvestmentJP Morgan摩根士丹利Tibra Trading。