付志剛　沈慧娟

摘要：量化投資已經(jīng)成為投資界的趨勢，社會需求缺口比較大。在探討《量化投資實踐》課程必要性的同時，對量化投資工具Matlab、R語言和Python等進行比較分析，認(rèn)為教學(xué)過程中應(yīng)選擇R語言為投資工具，最后對先修課程、教學(xué)目標(biāo)和教學(xué)內(nèi)容等方面做了研究。

關(guān)鍵詞：量化投資；R語言；教學(xué)目標(biāo)

中圖分類號：G642.3 文獻標(biāo)志碼：A 文章編號：1674-9324（2018）21-0214-02

眾所周知，傳統(tǒng)的投資方式有價值投資和技術(shù)投資。價值投資基于有效市場假說和均值回歸理論。其中有效市場是指，任何關(guān)于證券價格的信息都能夠迅速地反映到證券的價格上，因此投資者不可能通過這些信息獲取超額收益。均值回歸理論是指，短期而言，價格會偏離均衡價格，但是長期來看，價格與均衡價格之間的距離會越來越小。在證券市場上，價格由于某個未知的原因與價值發(fā)生分離，但最終會向股票的內(nèi)在價值進行回歸。

技術(shù)性投資是第二種常見的投資方法，具體是以市場行為作為研究對象，以判斷市場趨勢和伴隨的周期性變化對股票及其金融衍生物交易決策進行投資的方法。技術(shù)性投資必須依賴于技術(shù)分析。技術(shù)分析以股票價格漲跌作為主要研究對象，通過圖表和技術(shù)性指標(biāo)，對股票市場波動規(guī)律進行總結(jié)和對股價未來運行趨勢進行預(yù)測。

然而，大數(shù)據(jù)和人工智能時代，傳統(tǒng)的投資方法已經(jīng)適應(yīng)不了社會的需求，目前前沿的投資方法為量化投資。量化投資依賴統(tǒng)計和計量方法，建立合適的投資策略，并通過計算機自動化（半自動化）交易方法獲取投資利潤，是統(tǒng)計、計算機和金融學(xué)科交叉結(jié)合的產(chǎn)物。智能化量化投資是金融領(lǐng)域的重點研究方向。如2000年以來，高盛公司逐漸研發(fā)具有復(fù)雜算法系統(tǒng)的自動化交易機器人來代替交易員，特別是近五年來在正在加速，到目前為止，機器已經(jīng)取代了600多個關(guān)鍵性的交易員（Chavez，2017）。然而這只是國外美好的景象，國內(nèi)量化投資尚處于發(fā)展初期。如金融機構(gòu)研發(fā)的智能投顧，其投資策略和風(fēng)格都是比較經(jīng)典的方法，主要適合缺乏金融知識的個體投資者服務(wù)，離專業(yè)化的投資，取代交易員的角度，尚有較大的差距。

產(chǎn)生這種差距的原因是國內(nèi)量化投資處于初步發(fā)展階段，其研究和教學(xué)方面正處于研究和探索階段。目前設(shè)置的量化投資專業(yè)或方向的國內(nèi)院校只有上海財經(jīng)大學(xué)的金融工程與量化投資專業(yè)，課程設(shè)置和教學(xué)目標(biāo)等各方面都處于探索過程中。其他高校更多的是偏向金融工程方向，雖然與量化投資相似，但仍存在較大的差異：金融工程主要偏向理論方面，如注重資產(chǎn)定價和風(fēng)險管理等理論；而量化投資更偏向?qū)崉?wù)，注重投資策略，需要深入結(jié)合統(tǒng)計和計算機知識。

課程建設(shè)方面，國內(nèi)真正開設(shè)量化投資方面課程的院校也非常罕見，更多的是在統(tǒng)計或金融等專業(yè)課程，結(jié)合金融和計算機知識，涉及量化投資的相關(guān)內(nèi)容，而沒有專門的課程對量化投資及其實踐進行系統(tǒng)性研究。

在國內(nèi)大量需求的背景下，有必要開設(shè)《量化投資實踐》課程，從而彌補理論與實踐的空缺。毫無疑問，量化投資實踐注重計算機的結(jié)合，通過自動化編程對策略進行分析。因此，《量化投資實踐》課程更注重實踐，具體以軟件為媒介，如以Matlab、R或Python等量化投資工具，構(gòu)建投資策略進行分析，究竟選擇何種軟件作為教學(xué)工具，下面從三個角度進行探討。

第一，從經(jīng)濟的角度來看。Matlab是收費版本（學(xué)生版大概500元左右，教育版大概30萬以上），R語言和Python是免費版本。由此而衍生相關(guān)問題。工具箱或包的維護問題。收費版本就是每年運用時需要一定的成本，由此衍生出對應(yīng)的工具箱和函數(shù)，有專業(yè)的人員進行維護和更新，如Trading toolbox工具箱，開發(fā)雖然比較晚，但總體來看會越來越完善；免費版本及相關(guān)工具包是免費的，對應(yīng)的函數(shù)更多是個人或組織無償提供維護或更新，包的質(zhì)量也良莠不齊，如R語言以quantstrat為核心的系列包，主要從統(tǒng)計的角度，開發(fā)比較早，整體來看算是量化中最完善的系統(tǒng)和框架，但隨著這些開發(fā)者已經(jīng)進入到量化投資的崗位中去，包的免費開發(fā)和維護頻率必然會越來越低。Python開發(fā)的包更多是從工程師的角度，與C語言結(jié)構(gòu)類似，但省略了指針等問題帶來的煩惱，開發(fā)的工具包如numpy、scipy、pandas和matplotlib等，開發(fā)的頻率和維護與R語言一樣，需要看開發(fā)者自身情況了。

同時帶來的還有系統(tǒng)性的學(xué)習(xí)問題。收費版本，必然是顧客至上，matlab可以從官網(wǎng)獲取系統(tǒng)性的學(xué)習(xí)資料，還有各國語言的系統(tǒng)性資料，學(xué)習(xí)過程中碰到問題，甚至還可以向在線客服或郵箱發(fā)郵件咨詢；免費版本不用說，會給出一些demo之類的案例供讀者分享已經(jīng)是很不錯了，或者會給出簡單的學(xué)習(xí)資料已經(jīng)算很走運了，深入的學(xué)習(xí)，別無他途，只能靠自我仔細(xì)分析函數(shù)的理論基礎(chǔ)和用法，這也是學(xué)習(xí)曲線陡峭的根本原因。如R語言的quantstrat系統(tǒng)包學(xué)習(xí)資料較少，除了自帶的demo，網(wǎng)上很少有詳細(xì)且系統(tǒng)的學(xué)習(xí)資料。學(xué)習(xí)過程中，只能按照demo不斷去測試。

第二，量化框架的系統(tǒng)性。系統(tǒng)性的量化框架搭建，其實更多的是程序員的工作，對于投資者特別是個體投資者而言，沒必要去搭建這樣的系統(tǒng)，最好已經(jīng)有比較成熟的框架模板，基于此開發(fā)策略就行了。這個模板需要包括數(shù)據(jù)獲取、數(shù)據(jù)整理、策略構(gòu)建、績效評價等各個框架。Matlab在量化方面，近來年正在緊鑼密鼓跟進，比如已經(jīng)開發(fā)和正在完善中的Trading Toolbox，功能逐漸強大，python有比較多的回測包如zipline和backtrader等，但都是分散性的工具且功能有限，最精彩和系統(tǒng)性的框架還屬于R語言的quantstrat等工具包組成的系統(tǒng)。

最后，策略及其績效分析。策略構(gòu)建的過程中，需要涉及到具體的統(tǒng)計分析，因此創(chuàng)意的策略及思路，需要信賴強大的統(tǒng)計功能。R語言本來就是為統(tǒng)計而開發(fā)的，matlab統(tǒng)計功能類似，但語法相對比R復(fù)雜。Python的統(tǒng)計功能就相對較差，工具包的數(shù)量和統(tǒng)計的功能都不如R強大。

綜合考慮起來，本課程比較好的選擇是以R語言為量化投資工具進行研究。對應(yīng)的先修課程為《證券投資分析》、《金融時間序列分析》、《統(tǒng)計學(xué)》、《多元統(tǒng)計分析》、《金融工程》和《R語言基礎(chǔ)》等。

《量化投資實踐》課程適合統(tǒng)計學(xué)科和金融學(xué)科相關(guān)專業(yè)必修和選修，具體如統(tǒng)計學(xué)、應(yīng)用統(tǒng)計學(xué)、金融學(xué)、投資學(xué)和金融工程等專業(yè)。

在此基礎(chǔ)上設(shè)定教學(xué)目標(biāo)，具體通過本課程的學(xué)習(xí)，能夠掌握金融數(shù)據(jù)的處理及分析，在掌握技術(shù)性投資理論基礎(chǔ)上，利用R語言構(gòu)建量化投資策略，對歷史數(shù)據(jù)進行回測，而且能夠進一步對策略進行優(yōu)化，從而得到最優(yōu)結(jié)果。同時在掌握多因子選股理論基礎(chǔ)上，會選取指標(biāo)數(shù)據(jù)，并編程進行主成分和多因子分析，根據(jù)因子得分結(jié)果對股票進行篩選構(gòu)建股票池。

在先修課程和教學(xué)目標(biāo)確定好之后，對應(yīng)的教學(xué)內(nèi)容總共分為五個章節(jié)，具體如下：

第一章：數(shù)據(jù)篇。介紹利用R語言通過不同的方法獲取不同來源的數(shù)據(jù)并對數(shù)據(jù)的質(zhì)量進行相關(guān)比較分析。具體利用Quantmod工具包、網(wǎng)絡(luò)爬蟲、通達信軟件轉(zhuǎn)換等不同的方式，獲取股票數(shù)據(jù)和對應(yīng)的財務(wù)指標(biāo)數(shù)據(jù)。第二章：投資基本分析與策略。包括通達信的相關(guān)選股功能利用R語言實現(xiàn)，進一步介紹時間序列相關(guān)模型在投資中的運用和簡單策略分析。具體有收益率的相關(guān)分析、板塊指數(shù)排行榜分析、中金股和匯金股分析，并結(jié)合時間序列單位根和協(xié)整方法對買賣機會進行簡單的判別和分析。第三章：詳細(xì)量化投資回測系統(tǒng)。具體介紹R語言中quantstrat與PortfolioAnalytics為主的工具包系統(tǒng)。如何利用此系列工具包構(gòu)建策略，從增加指標(biāo)、增加交易信號和增加交易規(guī)則等各方面進行詳細(xì)研究，在此基礎(chǔ)上構(gòu)建量化投資策略進行回測及對策略進行優(yōu)化的過程。第四章：系統(tǒng)性量化投資案例。具體利用第四章的框架，構(gòu)建經(jīng)典和前沿的策略，比如趨勢策略、均值反轉(zhuǎn)策略、人工神經(jīng)網(wǎng)絡(luò)策略、支持向量機策略和套利策略。這些策略需要技術(shù)性投資知識和機器學(xué)習(xí)知識，建議學(xué)生用自學(xué)機器學(xué)習(xí)相關(guān)內(nèi)容，特別是機器學(xué)習(xí)的軟件實現(xiàn)過程。第五章：實盤交易平臺及策略。主要介紹基于Java的量化投資實盤系統(tǒng)，如何基于實盤系統(tǒng)進行自動化交易。

總體而言，通過《量化投資實踐》系統(tǒng)性的學(xué)習(xí)，使學(xué)生能夠在掌握金融學(xué)理論的基礎(chǔ)上，結(jié)合計算機軟件構(gòu)建量化投資策略，從而盡量與實踐接軌。

參考文獻：

[1]杜紅軍.金融學(xué)專業(yè)《量化投資》課程建設(shè)思考[J].教育教學(xué)論壇，2017，（49）：69-72.

[2]趙周華.金融類專業(yè)開設(shè)“量化投資”課程的必要性和可行性分析[J].當(dāng)代教育理論與實踐，2016，8（12）：74-76.

[3]高祥寶.量化投資創(chuàng)新性實驗教學(xué)探索[J].實驗室研究與探索，2016，35（8）：281-284.

[4]高志.金融工程專業(yè)人才培養(yǎng)本科《量化投資實驗》教學(xué)設(shè)計研究[J].經(jīng)濟研究導(dǎo)刊，2014，（18）：61-62.