時間：2023-08-29 09:19:26
序論：速發表網結合其深厚的文秘經驗，特別為您篩選了11篇量化投資步驟范文。如果您需要更多原創資料，歡迎隨時與我們的客服老師聯系，希望您能從中汲取靈感和知識！
與定性投資不同，定量投資更多關注“數字”背后的意義，依靠計算機的幫助，分析數據中的統計特征，以尋找股票運行模式，進而挖掘出內在價值。
李延剛總結了定量投資的三大優勢：首先是理性。定量投資是對于基于基本面定性投資方法和工具的數量化統計性總結，它在吸收了針對某種投資風格和理念的成功經驗的基礎上，以先進的數學統計技術替代人為的主觀判斷，并能夠客觀理性地堅持，以避免投資的盲目性和偶然性。“完全的數量化分析過程將極大地減少投資者情緒的影響，避免在市場極度狂熱或悲觀的情況下做出非理性的投資決策，因而在牛熊市的轉換中具有很強的自我調節性?！?/p>
其次，全市場覆蓋。定量投資可以利用數量化模型對壘市場的投資標的進行快速高效的掃捕篩選，把握市場每一個可能的投資機會，而定性投資受人力精力的限制，顯然無法顧及如此廣的覆蓋面。
此外，數量化投資更注重組合控制和風險管理。數量化的個股選擇和組合構造過程。實質上就是在嚴格的約束條件下進行投資組合的過程，先從預先設定的績效目標的角度來定義投資組合，然后通過設置各種指標參數來篩選股票，對組合實現優化，以保證在有效控制風險水平的條件下實現期望收益?！皳Q言之，數量化投資模型能夠很好地體現組合收益與基準風險的匹配和一致，”李延剛解釋。
定量投資是否適應中國市場
“談到定量投資，不得不提量化投資領域中的傳奇人物――詹姆斯?西蒙斯?！崩钛觿偛⒉谎陲椘鋵@位投資大師的崇敬，“他不僅是世界級的數學家，也是最偉大的對沖基金經理之一。他創辦的文藝復興科技公司花費15年時間，研發基于量化數學模型的計算機模型，借助該模型，兩蒙斯所管理的大獎章基金，從1989年到2006年的平均年收益率達到了38.5％，甚至超過股神巴非特。”
值得一提的是，李延剛也來自數量化投資的發源地――北美，他有著6年海外一線投資管理的實際工作經驗，深刻領會并掌握了量化投資理念與方法，具備數量化投資領域的成功經驗。2007年，李延剛回國后加盟中?；?，著手增強中?；鸾鹑诠こ虉F隊的寅力。在借鑒國外成熟的投資理念與經驗的基礎上，結合A股實際，他用了近兩年時間對數量化模型進行反復修改與調試。目前，中?；鸬慕鹑诠こ滩恳呀浶纬蓮膿駮r、配置到選股等方面的一系列研究成果，并在今年順勢推出中海量化策略基金。
詹姆斯?西蒙斯的神話在中國證券市場能否再次實現?“當其他人都擺西瓜攤的時候，我們擺了一個蘋果攤?！崩钛觿傆靡粋€形象的比喻來形容定量投資存國內市場的發展機遇。他認為，目前國內證券市場定性投資者太多，競爭激烈，而數量化投資者則太少，機會相對更多，競爭也很小。李延剛表示，大量實征研究證明，中國證券市場為一個弱有效市場，市場上被錯誤定價的股票相對較多，留給定量投資發掘市場非有效性的空間也就越大?；谶@種考慮，定量投資方法在中國的發展極具發展空間。
“今年推出量化基金并非一時的心血來潮，一方面中?；鸾鹑诠こ滩恳呀浿饾u成熟，而另一方面也是出于市場時機的考慮?！崩钛觿倧娬{。
他認為，在經歷2008年的巨幅下跌后，市場底部已經基本確立，目前小盤股估值相對較貴，短期內市場可能會以調整為主，但未來市場走勢仍然存在諸多不確定。在此背景下，如何把握結構性機會將是未來投資關鍵之所在，利用數量模型進行分析和投資的量化基金具備更好的適應性。中海量化策略基金將把握市場調整時機，采用數量化模型選人具有估值優勢和成長優勢的大中盤股票作為基石，輔之以部分優質的小盤股票。
“量體裁衣”完善全程量化流程
據了解，中海量化策略基金的全程量化流程分三個步驟，即選股策略自下而上，施行一級股票庫初選、二級股票庫精選以及投資組合行業權重配置的全程數量化。
“就像裁縫做衣服一樣，量化基金在投資中也要通過‘量體裁衣’來完善全程量化流程。通過全程量化與基金經理的思想相配合，才能做出優質的量化基金。”李延剛表示。
首先，選取代表性最強的反映公司盈利能力的指標，對于所有的A股上市公司進行篩選從而得到一級股票庫?！爸饕ㄟ^對所有A股股票過去三年平均EPS(每股收益)、ROE(凈資產收益率)、毛利率三項指標進行篩選，它們能分別較好的反映上市公司的獲利能力，從而得到一級股票庫。”李延剛說。
自李笑薇加盟富國以來，富國A股量化投資模型于2009年底投入實戰，并獲得了不俗的戰績。截至2011年6月30日，富國旗下兩只指數增強基金――天鼎中證紅利、富國滬深300分別獲得了4.32%與 3.79%的收益，在所有指數型基金中位居前兩名。而同期滬深300指數、中證紅利指數分別下跌2.69%、2.1%。這一團隊，正推出第三只指數增強基金――富國中證500指數增強。
量化不是“黑匣子”
《投資者報》：提及量化投資，國內投資者總認為很神秘。它與主動的定性投資差別到底有哪些？
李笑薇：量化模型的特點之一是抽象，但它稱不上是一個“黑匣子”，與傳統基金的投資區別也并非像投資者認為的那樣大。
傳統基金經理在做市場判斷時，腦子中會閃過好幾個模型，比如如何選定行業、個股，實質這都是一個個模型。嚴格說，他們腦子里的模型比量化模型中能看到的都要多，只是他們沒有把這些模型提煉出來而已。
投資者購買傳統主動股票基金，并不代表他們對基金經理的操作完全熟悉?；鸾浝碓谀膫€時間段，配置了哪些行業、個股，投資人無法確切知道，只是能看到每個季度的報告和最終的投資結果。
相比之下，量化投資進出市場的每一個步驟，都非常清晰明了。在我的眼里，這個過程不是“黑匣子”，而是團隊里每一個人按流程逐步去完成的。
《投資者報》：量化投資的詳細工作流程是怎樣的？
李笑薇：量化投資對團隊合作要求更高。一般來說，有一部分人專門進行數據的清洗、整理、輸送等，這需要計算機信息技術較強的人才；模型的設計和研究，往往需要很強的金融及數學背景；基金的日常管理往往需要金融及工程方面的專才。因此，通常量化投資團隊的成員學歷都較高，但不是說學位很重要，而是需要一定的技術積累。
具體流程中，提取數據的人看數據，有人專做研究，有的做優化或者交易下單。每個人都有自己的側重點，在整個團隊中起不同的作用。一個人可能干多件事情，但想要全部完成是不可能的。
《投資者報》：量化投資能否穩定地戰勝市場？
李笑薇：在不同的市場階段，市場的有效性會不同，需要用特定的方法，尋找不同階段的不同機會。
市場上的各種方法，捕捉的內容都不一樣。比如巴菲特，他的風格更趨近于一級市場中VC、PE的思維；西蒙斯則是完全拋開基本面，從純技術的角度，將全球貨幣的走勢、衍生品等林林總總的東西作為投資標的。
從A股市場來說，當前的發展階段需要有獨特的投資方式，富國基金量化增強的定位也有市場需求存在，滿足了一部分配置指數基金的需求。從運作經驗看，量化增強后的收益會好于一般指數的收益，上半年超額收益有8%?？傮w來看，這個收益穩定在5%~10%間，是很多基金難以做到的。
超額收益從何而來
《投資者報》：我們也注意到，多家基金公司都構建了獨立的量化投資團隊和模型，富國基金量化投資模型的獨特之處在哪里？
李笑薇：量化投資最重要的是人的思想，量化只是一個方式和工具，真正在掙錢的，是人的投資思想。
從富國量化模型的特點來看，首先是自下而上精選個股，不做倉位選擇。由于這是一只指數產品，投資人買時就要買到這樣的倉位，我們一直是用95%的倉位操作。
其次，嚴格風險控制，精細成本管理。再次，系統化的投資流程，科學化的投資管理。量化投資從開始到結束，是一個龐大復雜的工程，團隊里面專門有人負責清洗、研究數據，做一系列的回撤，實現交易單。
最后還要尊重模型出來的結果。在操作過程中，主動干預非常少，人的干預更多在整個模型的設計上。
《投資者報》：你們今年近8%的超額收益是如何實現的？不同市場環境下，模型是否會有大的調整？
李笑薇：對我們來說，發現哪些因子在最近的市場更有效，并保持一定的前瞻性，是量化團隊的主要工作。
比如，大家都很熟悉的估值因子，在2006年到2009年都有比較優異的表現。但是到了2010年，估值因子的作用突然發生了變化，估值并不能起到明顯推動作用，我們也提前做了適當的調整。
責任心決定能否做好
《投資者報》：除了模型外，量化投資成功還取決于什么？
李笑薇：一般而言，量化投資策略是否成功取決于三大因素。一個因素是質量，重點取決于數據和研究。第一步是要保證數據的質量沒有問題。對于任何一個數據源，我們基本是用一家數據商，但會用兩家來互相檢驗，檢驗后的結果才進入到自己的數據庫里。
研究質量的好壞，其實是工作責任和態度的問題。量化雖然有門檻，但對理工科碩士以上的人來說門檻并不高，能否做好靠的是責任心。
第二是經驗和判斷。我們會做大量研究、看歷史業績，但歷史不代表未來。當你做了大量細致的研究，發現可能有五個因子影響，表現最好的是A，后面有BCDE，其他因子哪些權重更大？做決定要基于經驗和判斷。但歸根到底，判斷與決策要有很強的實踐來做支撐。
這個MFCA國際標準框架，只包括一般術語、目標、原則、基本要素和實施步驟，并不包含改善物質或能源效率的詳細的計算步驟或相關信息。該標準涉及的成本僅包括內部成本,并不包括外部成本。以下就MFCA的基本要素與實施步驟進行解釋。
(一)MFCA的基本要素
MFCA的基本要素包括物量中心、物料平衡、成本計算與物質流轉模型。
（1)物量中心。它是生產過程中選定的一個或多個環節，以對生產過程的輸人輸出物料以實物單位和貨幣單位進行量化。在MFCA方法里,物量中心充當數據收集的功能。首先,對物量中心的物質流轉與能源使用進行實物量化;其二,對物量中心物質成本、能源成本、系統成本和廢棄物管理成本進行貨幣量化。
(2) 物料平衡。S卩“輸出數=輸人數+期初數-期末數”平衡公式。以僅包括原材料為例，50kg的原材料進人物量中心，物量中心期初有150kg,在期末還有100kg的原材料,那么,輸出數=50+150-100=100。
(3) 成本計算。承上例，加人能源成本、系統成本與廢棄物管理成本。如圖1所示：
別有原材料500元、能源50元、系統成本800元和廢棄物處理成本80元，輸出物質有產品（正產品）70kg和物質損失（負產品)30kg,材料成本、能源成本和系統成本按材料比重在正產品與負產品之間進行分攤,而廢棄物管理成本全部歸在負產品——物質損失成本里。
4)物質流模型。在MFCA里,通過視覺模型來顯示
物料在不同物量中心的儲存、使用或移動。如圖2所示
圖2描述了一個流轉系統，提供了一個清晰的流轉圖。產品既包括產成品也包括半成品?？梢?MFCA對流程內的各種物質從投入到產出進行全程跟蹤，立足于企業資源輸出的合格產品和廢棄物的流向與流量，將資源成本按照一定的標準(這里是重量）在兩者之間進行分配，可以準確地確定物質流的有效利用成本與損失成本。按傳統的產品計算方法，計算費用的對象僅為正產品一項,而在MFCA中對于制造過程中排放的廢棄物也作為一種產品（負產品）以計算單價的方式來進行評價。從而，傳統的生產管理信息中看不到的損耗或浪費的產品成本就可視化了。
(二）MFCA的實施步驟
成功的MFCA要求許多實施步驟。分析的詳略程度及復雜性視情況而定，比如組織大小、產品的特點、所選擇的物量中心的數量等。
以下用一個p^CA(Plan-Do-Check-Action)循環勾勒MFCA實施步驟。此外，MFCA的PDCA循環也可內含并應用于不同階段的環境管理系統。
以貨幣單位量化物質流為例，其量化的對象有:材料成本、能源成本、系統成本和廢棄物管理成本。材料成本量化有不同的方式選擇，比如，歷史成本、標準成本和重置成本等，一旦確定以哪種方式，就要一貫使用。以上是標準的簡介，更加詳細的計算方法在早前的應用指南及案例分析里體現得更全面。
由以上標準解釋可以總結得出：(1)將輸人物質成本按輸出流向分別核算正產品與負產品，明確物質損失成本;（2)形成物質損失的“逐步結轉”，可明確各物量中心的有效利用成本與損失成本;（3)除材料、燃料等直接成本按輸出正產品、負產品比例劃分外，人工、折舊等間接成本也按此方式劃分,體現了完全成本分類核算思想,這因于投入與產出的因果關系的原理。
MFCA量化企業資源損失成本,使資源損失結構淸晰化，可挖掘企業改善的潛力⑴。因為MFCA是從數量和價值兩方面使流程中各物量中心的材料損失與其他成本“可視化”，而傳統成本核算將廢棄物損失包含于完工產品中，處于隱形狀態。正因此如此，MFCA可揭示資源損失的環節及金額;揭示生產工藝全流程的成本流，包括流向及流量。因而可幫助企業判斷資源損失的重點環節，提出優先或重點改造項目，另外，在制造企業中，MFCA還是材料選擇替代、工藝流程優化、產品結構設計及廢棄物再生循環等系統決策與控制的重要參考信息。
二 MFCA應用范圍
ISO/TC207/WG8的召集人K.Kokubu(日本）負責MFCA的標準化問題。2010年他在日本《質量管理》雜志發表了“物質流成本會計的重要意義”，并認為由MFCA方法提供的信息可以有效地應用于企業經營的各種場合。以往的環境管理手段大多局限于在環境污染發生后再采取無害化以及回收利用等“末端治理”手段，而MFCA則能夠促進以生產過程本身的革新為目的的“過程內在型”的環境對策。對企業來說，能夠同時達到減輕環境負荷和降低成本的雙重目標，因而有效性更為明顯。MFCA可從設備投資、原材料采購、變更產品設計和生產計劃、進行現場活動的改進等四個方面進行應用。
(1) 在設備投資方面的應用
設備投資在企業決策中占據非常大的比重。當決定引進新設備時,一般都要最大限度地追求生產效率的提高。然而，一旦設備投資項目實施后，就以該設備設定了管理標準，因而往往忽視了設備本身的效率性能。
與以往的環境管理方法不同，由于MFCA能夠準確地掌握某工序中廢棄物的經濟價值大小，因而可以從制造設備本身的效率性能來解決問題。因設備原因造成的廢棄物的發生，通過MFCA對該廢棄物進行成本評價，使設備的經濟評價成為可能。即，以減少廢棄物而進行設備更新為前提，采用MFCA方法從廢棄物的成本觀點出發對設備本身的效率性能進行分析，由此引進還是不引進設備這兩種替代方案就可以進行比較。這是MFCA提供的信息在設備投資上最為有效的一個應用。
(2) 在原材料采購方面的應用
廢棄物產生的原因在于設備方面的情景不少，由于所購原材料的形狀和性質的情況也很多。在生產現場發生的廢棄物多數是購入材料在加工時被挖或被削的瑕疵造成的。如能減少這類情況，廢棄物也就能夠減少不少，可更進一步地達到資源保護的目的。有關原材料購入形狀等問題,需要與供應商進行交涉。假如供應商認為材料的形狀和性質的變更對他們有利的話，也許就會考慮改變；而如果供應商也引入MFCA方法，就要計算需要花費多少成本來實現這一改進。可見,運用MFCA方法向供應鏈的這種延伸，使原材料的變更問題可得到更為有效的解決。
(3) 在產品設計和生產計劃上的應用
產品設計不當也會成為產生廢棄物的根源。在這種情況下，重要的是要將MFCA方法獲得的信息反饋給產品的設計開發人員，尋找改進的可能性。另外，生產線上程序的更換也可能成為工序中產生廢棄物的原因之一。比如:在同一生產線上對產品種類進行變更時，對機械設備進行清洗和試運轉等作業,會產生一定的廢棄物。從環境管理角度看，最好避免生產線的交替作業，但從生產管理的角度看，則希望盡可能地減少不必要的庫存。在這種情況下，運用MFCA方法，將廢棄物形成造成的成本增加與庫存的增多造成的成本增加進行比較,然后可進行取舍。
(4) 在現場改進活動中的應用
在企業生產現場,一般都以提高生產效率和降低成本為目標。引進MFCA方法后,能夠以經濟單位來評價現場的改進活動,并對各活動的有效性做出評價，進行統一規范的指導。MFCA具有超越現有管理思想的趨勢。通常在生產現場，損耗的設定都在管理者能夠正常管理的范圍之內，主要以次品等為中心，但是，隨著制造規格書設定的投人材料與輸出之間出現的差額，因為在現場無法管理,所以有時就不作為管理對象，而MFCA可將這種損耗顯示出來,擴大了損耗的范圍。
可見，MFCA可有效應用于企業生產的各個階段。企業在決定引進時,通常從一件產品的一條生產線、向整個工廠整個企業，進而向整個供應鏈擴展和延伸的手段，應用范圍越廣泛，延伸后獲得的效果就更明顯。
三.MFCA未來應用前景：用于生產管理循環
由以上分析可以看出，在MFCA方法里，物質損失是研究重點，物質損失的減少在降低成本上體現了明顯的效果。MFCA對物質損失的發生原因和處理方式如圖4所示：
可見,物質損失的改進大體上可分為兩大課題。一是通過現場改進就可以實現物質損失的減少,一般不需要投資，二是需要變更制造方法或者需要新的設備投資才能解決物質損失減少的問題。MFCA使因制造方法或生產設備引起的物質損失大小和成本削減的可能性實現了可視化。
中圖分類號：TP301文獻標識碼：A文章編號：1672-7800（2012）010-0006-03
作者簡介：朱方方（1989-），女，北京工商大學計算機與信息工程學院碩士研究生，研究方向為信息工程監理；劉宏志（1964-），男，博士，北京工商大學計算機與信息工程學院教授，研究方向為信息工程監理、電子政務、軟件工程。
0引言
信息工程監理是信息工程領域的一種社會治理結構，它是指在信息工程建設過程中，利用自己在信息工程建設方面的知識、技能和經驗為建設單位提供服務。為了提高監理水平，監理工程師需要對信息工程監理的服務質量進行評價。目前對信息工程監理服務質量進行評價的方法主要是模糊綜合評價法，但模糊綜合評價法運算量大、計算復雜。本文使用一種基于相似度的評價方法對監理服務質量進行評價。根據D+Pearson相關公式計算各個指標的實際與預期監理服務質量之間的相似度。在計算相似度的過程中將使用數據分為兩種，一種是以專家的主觀評價作為數據來源的主觀數據，另一種是客觀數據。根據計算得出各指標的相似度，進而對每個指標評分，然后將指標的評分作為實際數據對服務質量監理效果進行綜合評價。
1信息工程監理服務質量評價模型
監理服務是一系列活動和動作，具有無形性，評價較困難，至今沒有統一標準的評價體系。本文從與信息工程項目有關的三方（建設方、承建方、監理方）角度對監理服務質量進行評價。評價模型如圖1所示。
在上述模型中，最外層描述監理單位、建設單位和承建單位三者之間的關系。內層描述對監理服務質量進行整體評價的評價指標、建設單位及承建單位的評價依據。
2監理服務質量評價指標體系
信息工程項目的監理服務質量是信息工程監理在信息工程項目建設過程中實施情況的最終反映。監理服務質量可根據監理內容的實際情況判斷，將監理內容作為評價的指標。在監理評價指標中，有些指標無法直接量化，因此，在文中根據是否能夠量化將指標分為兩大類：間接量化評價指標和直接量化評價指標。
2.1間接量化評價指標
間接量化評價指標是在進行相似度計算時將專家給出的分數作為數據，這些指標有監理組織機構及工作制度（U1）、質量控制（U2）、監理合同及信息（U3）。為了保證監理服務的有效性，可以對這些指標進行細分，如圖2所示。
2.2直接量化評價指標
直接量化評價指標包括進度控制（U4）和投資控制（U5）。信息工程監理的全過程分為4個階段，分別為決策階段、設計階段、實施階段、維護階段。進度控制和投資控制可以根據各個階段進行量化。
3D+Pearson相關評價法
D+Pearson相關評價是指以評價指標在整個監理過程中的實際情況與預期情況為數據，根據相似度D+Pearson相關公式得到評價指標的相似度。其中，D+pearson相關是由相似度D公式和Pearson相關系數組成。
3.1確定評價指標集
一級指標集：U={U1，U2，…，Um}。Ui（其中i=1，2，…，m）為評價指標體系中一級指標中第i個評價指標，其中m表示一級指標的個數。
二級指標集：uij={ui1，ui2，…，uik}。uij（其中j=1，2，…，k）為第i個一級指標下第j個二級指標，k為二級指標的個數。
3.2確定評分集和評語集
評分集是專家對各個指標進行打分或根據各個指標的相似度大小轉換成相應的評分而組成的集合。評語集是通過分析評價指標可能做出的各種評價結果的集合。以W表示評分集，V表示評語集。W={W1，W2，…，Wm}（其中W1
3.3一級指標的相似度計算
根據一級指標是否可以直接量化將其分為直接量化和間接量化評價指標。在計算指標相似度時從直接量化指標和間接量化指標兩個方向來計算一級指標的相似度。
（1）間接量化評價指標的相似度計算。由于不能對一級指標U1、U2、U3進行直接量化，計算其相似度時相關機構需邀請專家，并憑借專家經驗根據監理的實際情況對二級指標給出評分aij（k），aij（k）表示第k個專家對第i個一級指標下的第j個二級指標的評分，從而得到第i個一級指標的評分表，如表1所示。
（2）直接量化評價指標的相似度計算。進度控制指標和投資控制指標可根據信息工程監理的各個階段進行量化。在項目開始之前，項目承建者首先制定一個預期進度表和投資表，這兩個表主要說明在這4個階段中預計每個階段所需要的時間和資金。隨著項目的逐步推進，記錄項目在每個階段實際所用的時間和資金，記為實際進度表和實際投資表。為方便起見，將這4個表的數據整合成一個進度/投資階段情況表。根據這個表中的數據，使用Pearson相關系數公式得到實際進度與預算進度之間的相似度以及實際投資和預算投資之間的相似度。
3.4綜合評價
4實例分析
根據相似度評價法的一般步驟，現對某項目的監理服務質量進行評價。
4.1確定評價集
根據最終相似度對信息工程監理的綜合評價給出評語集V={很好、較好、一般、較差、很差}，對應的評價集W={1，2，3，4，5}。
4.2間接量化指標的相似度計算
某項目邀請10位專家，根據10位專家對各個指標做出的評價表來獲得每個指標的評價結果。然后根據公式（1）計算間接量化一級指標的相似度。
表2是組織10位專家對某項目的各指標進行評分的評分結果。
4.3直接量化指標的相似度計算
根據公式（3）計算直接量化一級指標的相似度，從而得到指標服務質量的評分，如表2所示。
項目要求在4個月內完成，根據項目規模大小、軟硬件需求等因素制定預期進度和投資，然后在監理工程師的監理和指導下制定該項目的實際進度和投資情況。項目的預期和實際進度/投資情況如表3所示。
4.4綜合評價
根據圖3，由一級指標相似度得到一級指標評價得分，再由一級指標評價得分計算綜合相似度，得到整個監理項目綜合評分。
5結語
D+Pearson評價法結合主觀數據和客觀數據對監理服務質量進行評價，計算量小、高效，更符合人們的思維模式。該方法從兩種角度使用不同的計算方法得到指標相似度，使評價結果更準確。它不僅對綜合監理的效果進行了評價，而且還對影響綜合監理服務質量的各個指標進行了評價。
參考文獻：
[1]劉宏志，葛逎康.信息化工程監理[M].北京：中國電力出版社，2009.
[2]劉洋.信息工程監理的目標控制及效果評價研究[D].天津：天津大學，2004.
[3]李忠平，沈紅藝，蘇越，等.相似度分析方法在亞健康狀態癥狀指標分析中的應用[J].中國衛生統計，2011（5）.
[4]張凱，蘇劍波.基于相似度分布的開集人臉識別方法[J].模式識別與人工智能，2011（1）.
[5]LINDEKANG.Aninformation-theoreticdefinitionofsimilarity[C].inproceedingofthe15thinternationalConferenceonMachineLearning，Madi-son，1998.
2 策略步驟
第一部分：模型建立階段。
2.1 影響收益率的因子初選
我們采用以下收益率因子。
以上表格反映了影響收益率的主要四大類因子，較好地包括了影響收益率的主要因素。雖然從宏觀層面上我們挑選出了一些影響收益率的主要因子，然而，在現實過程中，影響某個具體公司收益率的因素很可能只是其中某幾個。因此，我們應當試圖找出影響每個股票的收益率的個別關鍵因素，這里我們采用matlab技術以及線性回歸的方法，以融捷股份（002192）與暴風科技（300431）為例進行說明。筆者根據深圳證券交易所統計的數據通過EXCEL表格進行合并整理后得到融捷股份的收益率數據，將該數據導入matlab中，以市盈率為橫軸、收益率為縱軸，建立圖形關系。
根據統計學的知識可知，我們用決定系數R2來反應自變量解釋因變量力度的強弱，而決定系數與相關系數之間存在平方關系，即2=R2。因此，在matlab中我們通過計算一組數據之間的相關系數，反求出其決定系數，從而說明該特定自變量能從多大程度上解釋因變量。代碼運行的結果如下：
從上述運行結果可知，市盈率與股票收益率之間的R2只有0.0934，遠小于1，因此市盈率這一項指標在融捷股份里并不能對收益率的變動起到決定性作用。
類似地，我們對表1-1中所有的因子進行相同的操作方法，在此由于篇幅原因不再贅述，僅展示操作步驟與過程。
2.2 剔除冗余因子
在進行上述步驟的過程中，值得一提的是，各個因子之間可能本身就具有一定的相關性。比如，ROE指標與ROA指標本身就滿足一個等式：ROE=ROA*EM， 其中EM為權益乘數，計算公式為EM=1/（1-負債率）。如果因素之間的相關性甚小，我們可以忽略不計，但是當相關性大到一定程度時，便會對之后的多因素模型分析過程產生誤導，因此在這里我們需要補充的一步是利用matlab軟件，建立不同指標之間的關系方程，判斷是否存在多重共線性。
2.3 多因素模型體系的建立
在進行完影響收益率的因子選擇以及剔除完冗余因子之后，便是最為重要的建立綜合評分體系，將所有的因子共同反映到一個方程中，用來解釋股票收益率與因子之間的具體變化。
多因素模型的建立過程分為如下幾個步驟：
（1）. 標準化原始數據
（2）. 建立相關性矩陣
（3）. 計算相關性矩陣的特征值和特征向量
（4）. 得出總方程表達式
通過對上述運行結果的分析我們可以看出，月最大超額收益的影響最大，而累計收益的影響最小。這樣，我們便量化出了影響該股票收益率的方程式。
第二部分：交易標的股票的選取
2.4 選取收益率前20%的股票
通過第一部分的論述，我們最終可以得到影響不同公司股票收益率的方程式，可以用matlab或者數據庫技術進行保存，當需要更新參數或者進行預測決策時，調用相關函數即可。
在第二部分中，我們將選取的標的股票資產池的相關數據輸入到方程式中，即可得到未來一段時間的預期收益率。假設我們從每個板塊中選取出了20支股票，我們保留預期收益率排在前20%的股票，優中選優，盡量最大化我們的收益。
2.5 利用CAPM模型進行資產組合
20世紀誕生的資本資產定價模型（CAPM）為廣大投資者選擇資產組合提供了良好的理論基礎與依據。威廉夏普（William F. Sharpe，1934-）與馬克維茨（Harry M. Markowitz）等人所建立的組合管理理論核心即為以下等式：
E（Rn）=R
f+（E（Rm）-Rf）
其中，E（Rn）為股票的預期收益率，Rf為無風險利率，為單個股票與市場之間的相關性，E（Rm）為某一基準的收益率。通過該理論，我們可以建立多個資產的不同搭配情況。
在第三部分，我們會進一步討論運用各項績效評估指標，來權衡風險與收益。
第三部分：風險控制
2.6 對各項參數進行區間估計和假設檢驗。
前兩部分重點關注了組合的收益情況，力求在市場處于無效或弱有效的情況下，取得超越市場的收益率。然而，對風險的把握仍為非常重要的方面，自從2007-2009年間發生的金融災難以后，人們對于風險控制的意識又提高到一個新的水平。下面具體介紹如何利用統計學知識，對風險以及收益的取值范圍做出評估與估計。
假設由第一部分模擬出的收益率方程滿足如下等式：
Yi = -4.451 +2.057 * X1i + 2.008 * X2i
我們可以看到，在這個等式中出現了三個參數，分別是截距項-4.451、X1i的系數2.057以及X2i的系數2.008。然而，這畢竟是模擬出來的結果，或多或少會存在著一定的誤差，那么對這種誤差水平的度量就顯得尤為重要。特別是對于X1i與X2i的參數的估計，其改變直接決定了Yi的變化的方向以及程度。在這里，我們運用統計學上的假設檢驗與置信區間估計的方式，判斷我們有多大的信心，或者說有多大的概率，該參數可以滿足我們的要求，從而對我們的決策活動形成指導意義。見下圖：
如上圖所示，該圖為用統計軟件所得出的上式的相關統計學分析，可以看出上式的R2（R-squared）為0.934，并且調整后的R2（Adj R-squared）為0.890，說明該式的所有系數，作為一個整體，對Yi具有較好的解釋力度。其中ESS（Explained Sum of Squared）為模型模擬出的曲線與平均值的差的平方和，而SSR（Squared Sum of Residual）為真實點與估計點的差的平方和。Matlab圖示如下：
上圖是通過最小二乘法擬合出來的一條回歸曲線，其中藍色的點與實線之間的距離的平方和即為SSR，而實線與所有實際點的均值之間的距離的平方和即為ESS。R2=ESS/（ESS+SSR）。
由圖6-1還可以看到，2.057所處的95%置信區間范圍為0.984-3.130。其中，P值與t統計量用來判斷在95%的把握下，是否可以拒絕一項參數，即判斷該參數在一定概率條件下的真假情況。我們通?？梢酝ㄟ^查對應的t分布表來找到對應的關鍵值，或者采用比較p值大小的方式進行判斷。比如說，要判斷圖6-1中Experience的參數2.008在95%的概率條件下的合理性，我們計算出其t統計量如圖上的2.664，而對應的置信區間范圍中包括了2.664這個值，因此我們可以得出如下結論：Experience的系數2.008在95%的置信水平下是無法拒絕的。這一結論同樣可以通過判斷p值的大小得出，p值為0.076，大于顯著性水平0.05（通過1-95%得到），因此有足夠的自信可以保證該系數的合理性。
通過上述方法，我們可以對之前模擬出的收益率方程的系數的合理性做出判斷與評估，使我們對其有一個更為深入的了解。
2.7 基于蒙特卡洛模擬的風險控制。
在風險管理領域，VaR方法一直在各大金融機構被視為進行風險度量的首選，因為其可以提供在一定的置信區間下所發生的最大損失的大小。然而，實踐證明，在市場出現劇烈波動的情況下（比如2007-2009的金融危機），資產之間的相關性會增強，以前可能相關性很弱的資產在市場不穩定時期出現了高度關聯的相關性。而普通的線性估算VaR的方法在金融危機期間，對于風險的度量不再準確與合理。因此，出現了后來的情景分析方法（scenario analysis ）以及這里要討論的蒙特卡洛模擬。
所謂蒙特卡洛模擬，是對一項資產的所有可能取值進行隨機數模擬，來計算產品的價格以及計算風險價值的大小。其應用領域十分廣泛，不僅可以用來模擬復雜金融產品的價格（例如，含權債券的定價、住房抵押貸款證券化產品的定價），在風險管理領域還可以用來度量風險的大小。在此，我們給出詳細的解釋，來說明怎樣進行基于蒙特卡洛模擬的風險的度量。
重復上述代碼四次，模擬出不同收益率的圖形，每次模擬都可以得到一條收益率的曲線，當我們從股票收益率的總體曲線中隨機抽出N個樣本的收益率曲線，對其進行算術平均，便可以得到最終模擬出的收益率曲線，通過正態分布或對數正態分布作圖，我們可以在豎直方向上做出一條輔助線，該輔助線對應的分位點即是VaR所處的位置，如此一來我們便可以得到VaR的結果。
第四部分：模型的改進與實時更新
2.8 模型評價
在這一部分，我們主要對上述建立的收益風險模型進行評價，包括引進一些至關重要的績效評估指標，例如夏普比率，特雷諾比率，簡森阿爾法，信息比率，索提諾指標等。
夏普比率來自于CAPM模型，其基本內涵是單位風險所對應的超額收益。在CAPM模型中，夏普比率即是資本市場線的斜率。因此，對于一個組合的風險收益的評估，我們可以通過計算其夏普比率，再與其他組合比較，選出夏普比率最大的那一個，即是我們滿意的組合（單位風險承擔了更多的超額收益）。
特雷諾比率與夏普比率類似，但其分母上所對應的是系統性風險，而不是總風險。這反應了一項組合其內在的超額收益，因為非系統性風險是可以通過組合規避掉的，而系統性風險則更多的由市場、行業以及經濟周期等不可控因素所決定。因此，特雷諾比率也被廣泛應用于組合績效的評估。
簡森阿爾法描述的是一項組合的市場收益與CAPM計算出的理論收益之間的差額。在CAPM圖形上描述出來便是資本市場線上的點與實際的點之間的距離。簡森阿爾法直接反應了一項組合的收益與其理論收益的偏差，因此投資者可以進行無風險的套利交易，低買高賣，賺取超額收益。值得一提的是，用簡森阿爾法來描述兩個組合的風險收益時，要求兩個組合的系統性風險處于同一水平，即CAPM模型中的相同。特雷諾比率將系統性風險單位化，因此可以直接進行比較，這是簡森阿爾法與特雷諾比率之間的區別。
信息比率也是實際工作中用到的比較多的領域，通常會和夏普比率搭配使用。信息比率的計算公式為：信息比率=超額收益/跟蹤誤差。
索提諾指標的計算公式為：索提諾指標=（組合收益-最小收益）/下半方差，其中下半方差只考慮風險的影響，因為價格上漲的風險可以不考慮，只考慮下跌的風險。
2.9 利用matlab動態更新參數
上述建立的多因素模型的參數一般會隨著市場條件的變化而發生變化，例如金融危機期間，金融產品之間的相關性增強，可能會使得參數的估計不再準確。因此，我們需要通過不斷的測算市場數據，來保證模型參數的合理性。在matlab中不斷更新改進參數的步驟是不能省略的。
2.10 回溯測試
在完成了模型的構建以后，我們通常會進行一段時間的回溯測試期，目的是為了對模型的合理性進行檢驗。即采用從市場上觀察得到的數據，與模型估計出的數據進行比較。這是回溯測試的主要思想。通常在一些交易平臺上我們可以進行回溯測試。Matlab平臺上也為我們提供了相關的回測計算的功能，目的是盡可能地還原市場的真實情況，以檢測策略的準確性。
2.11 模型評價
已上便是筆者構建的投資策略的基本框架與內容，按照上文指導的內容進行投資，可以在一定程度上獲取超額收益。量化的方法相比較傳統的基本面分析、技術分析，具有其自身的合理性。然而量化投資并不是時時刻刻百分百有效，但根據歷史經驗來看，量化投資的收益已經遠超其他投資方式。量化投資還具有更為高深的理論，例如結合了心理學、生物學與計算機科學的神經網絡、遺傳算法等，使用機器代替人腦進行投資決策，這樣可以減少人的主觀性，客觀的根據一些標準、指標嚴格執行投資策略。這里只是使用了量化投資領域中的冰山一角，即使用綜合模型評分方法來構建投資組合的預期收益。
然而，該模型仍有其自身的局限性。例如，模型本身采用的是線性回歸的基本思想，即最高次冪為1次冪。然而在現實過程中，很多金融產品的收益曲線并不是一條嚴格的直線，而更多的是具有二階導的曲線。舉例如下圖所示：
上圖是包含了期權時間價值在內的利潤圖，可以看到，在引進期權的時間價值以后，其圖形不再是直線，而是帶有弧度。因此，我們通常采用的方法是利用泰勒級數進行估計，引入二階導來進一步估計金融產品的價格。例如在債券中一階導采用久期進行計算，二階導采用凸性進行調整。
1風險管理及對外資源型投資項目風險管理
所謂項目風險管理是指人們的主觀行為，使各行為主體通過對某一項目實施過程中將要遇到的風險事件進行識別、衡量、分析，在此基礎上制訂出適宜的防范控制措施，用合理的手段綜合處理風險，以最大限度地實現項目實施的既定目標的科學管理過程。
投資項目風險指的是項目投資建設運營過程中項目可能給項目投資者、項目債權人等相關利益群體所造成的損失及對國民經濟和經濟環境、環境等所造成的破壞程度。投資項目面臨著大量的不確定性風險因素，對這方面的也頗多，一般來說主要分為市場風險、管理風險、技術風險、自然環境風險、經濟風險、社會文化風險等。每一大類風險因素又可劃分為若干小類，這些風險因素對不同的項目，甚至是同一項目不同階段的程度也都是不同的，但任何一種風險都有可能造成項目建設的失敗。
對外資源型投資項目風險管理是指對外資源型投資對勘探、開發、投資項目實施過程中存在的各種各樣的風險事件進行識別、衡量、分析評價，并適時采取各種有效的方法進行處理，以保障該項目安全正常實施，達到預期收益，并保證本企業及國家的經濟利益免受損失的科學管理過程。
2對外資源型投資項目風險管理的基本程序和步驟
對外資源型投資項目風險管理的基本程序與一般風險管理程序一樣，包括風險的識別、風險的評價、風險的決策和風險的控制與防范這四個主要步驟。
風險的識別是整個風險管理活動的前提和基礎。它包括調查投資項目面臨的所有潛在風險是否存在、分析產生風險的各種原因。識別風險應盡可能全面按照系統分析的方法，項目風險可分為籌融資風險、建設期風險、生產期風險和項目決策風險。
風險的評價是指對投資項目所面臨的各種特定風險發生的可能性或風險發生造成的損失的范圍與程度進行的測算和估計。它包括風險大小的定量估計與風險危害基準的設定等。
風險的決策是指針對投資項目所面臨的各種特定風險及其大小，運用適當的方法加以分析，從而做出是否投資，何時投資以及如何投資等的決策過程。
風險的控制與防范是指人們力求規避或改變那些可能引起或加重損失的因素，采取安全有效、積極合理的措施來對付各種風險。風險的控制與防范要根據風險管理主體對風險的態度、風險承受能力、管理者的素質、風險的性質和影響程度等許多因素，運用各種相應的方法來進行處理。其中風險的防范主要偏重于對風險的事前、損前處理，風險的控制則是在投資項目運作過程中，隨時監視項目的進展，注視風險的動態，一旦有新情況，馬上對新出現的風險進行識別、評價和決策，并采取必要的行動。
風險管理的這四個步驟之間不是孤立存在的，在實際運用過程中通常下一步驟的進行是以前一步驟的結果為依據而緊密聯系在一起的。由于風險尤其是經濟風險的影響因素是瞬息萬變的，舊的風險因素會不斷改變，新的風險因素又會不斷產生，因此必須定期、不定期地進行風險識別、風險評價，不斷修改和完善風險決策方案及風險控制方法。換句話說，風險管理活動的四個基本步驟是一個連續不斷、循環往復的管理過程。
3對外資源型投資項目面臨的主要風險
3.1項目籌融資風險
這是指項目管理者在籌融資活動中改變籌資結構，使其償債能力喪失和資金利潤率降低的可能性。項目籌融資風險主要來源于生產經營、資金組織和外匯匯率變動。如果生產經營中項目虧損，就使得籌融資中借入的資金償還需用自有資金支付；如果資金安排不合理，購貨付款與償債付款較集中，就會出現臨時性的經營困難；對外資源型投資項目還主要面臨著匯率升降所帶來的風險。
3.2建設期風險
在對外投資項目的整個建設周期中，由于資金的不斷投入，而項目還未獲得任何收益，這就使得項目一旦因為某些因素造成建設成本超支，不能按期完工或無法完成，就會給投資者帶來損失。為此需考慮以下幾方面的因素：管理者必須具備豐富的管理經驗和一定的技術能力，否則導致項目的投資成本、完工質量及生產效率方面出現不確定性；原材料、燃料漲價，資金、人員和物資調配環節出現，都會造成建設成本增加、工程延期，投資回收期延長；土地、建筑材料及運輸的可獲得性出現困難，無法按計劃開工，就會拖延工期；不可抗力風險自然災害、戰爭、政局變動等都會影響工程開工，并對投資項目未來產品市場產生影響。
3.3生產期風險
項目建設完成，進入正常經營狀態，通過產品的銷售來償還債務和回收投資，實現預期的經濟效益和社會效益。這一時期的風險主要表現在生產、市場、政策、匯率變動、政治波動等方面。
一、省級電網企業投資效能管理的背景和必要性
電網企業承擔保障安全可靠用電的公共事業職能，隨著社會經濟的發展，長期以來需要較高水平的投資以維持電網的擴張、更新和技術進步，投資管理便成為日常經營管理的重點。當前，其投資活動呈現以下特點：
一是電網投資持續高位，可持續性受到關注。隨著社會經濟的不斷發展和廣大電力用戶對電能質量、用電可靠性等技術服務性能要求的不斷提升，近年來電網投資保持在較高水平。以華東地區的省級電網為例，近五年來年均投資額在200-300億元，電量的復合增長率在10%以上。投資有力地帶動和發揮了電量的增量效應，電網網架結構得到升級優化，安全供用電及優質服務水平進一步提升，滿足了經濟社會發展的需要。但受宏觀經濟形勢和地區產業結構調整影響，電量的增量效益逐步減弱，長期大規模的高位投資難以為繼。如何兼顧當前和未來的發展需求，用好有限的資源，滿足特高壓、智能電網和地區電網建設所需，是電網企業必須面對和解決的難題。
二是投資的效能引領薄弱，需要重點強化。在當前實際的投資決策中，通常在開展投資決策時會對投資能力、投資規模、投資的必要性及可行性進行論證。但專業部門都是對項目的單體考察，關注技術因素，而對整體性和經濟性考慮不足?？陀^上，電網投資受電量增長、電網安全等市場需求和運行水平等因素影響較大，是投資決策時主要的考慮因素，但長期來看都會體現為對經濟效益的影響，對當期經營效益影響不大。而目前，科學的投資評價體系尚未完全建立，現有的考評體系主要是對當期的技術績效進行評價，導致投資決策時較多憑經驗判斷，缺乏長遠考慮，忽視投資能力及投資效益等效能指標，需要重點強化。且具體工作開展時重經驗判斷、輕數量化分析，投資決策過程的可驗證性和可重復性較差。
三是不同公司投資管理模式差異較大，需要可普適的分析模式。當前我國有國家電網和南方電網兩大電網公司，同時按照國家行政區劃設置了省市縣三級電力公司或供電公司。以規模較大的國家電網為例，各省級電網企業是兩大電網公司的全資子公司，總部對各省級電網企業實行總體的投資預算管控，以按照財務分析方法測算投資能力為主，要求各單位實際投資不得超過其投資能力。而各市縣供電公司和省級電網企業的關系較為復雜，有分公司、子公司、躉售公司等。對于省級電網企業而言：對子公司依舊可以按照上述方法進行分析；躉售公司通常自行負責經營管理，大電網企業實行代管時也可以視同為子公司進行分析；但分公司無完整的經營管理權限，尤其在統一購電、資金統貸統還等前提下，無法獨立核算其經營效益，因此需要探索新的投資管控方法。
另外，對于省級電網企業來說，還需要在其供電區域內調劑投資，統籌發展，因此對投資管理提出了更高的要求。鑒于此，隨著近年來集團化、精細化管理水平的不斷提升，對投資安排合理性和投資活動效益的要求不斷提高，電網企業提出了投資效能管理。雖然一直以來電網企業均秉持效益導向安排投資，且其中的效益是多元目標，包括技術效益、社會效益、經濟效益等，但如何按照科學合理的方法統籌兼顧實現綜合平衡，達到高水平的投資效能，且形成規范的工作機制，是需要重點探索的。
二、投資效能分析的技術路徑選擇
（一）要求和目標?；谏鲜鲆蠛捅尘?，省級電網企業投資效能的分析，需要滿足以下目標和要求：一是引入數量化分析方法，改變以往單純按照經驗判斷的傳統做法。雖然在以往的投資決策過程中設置了多維度的眾多指標，但是對指標的分析判斷依然采用對關鍵指標的確定值或區間等進行分析的做法，尚未建立起系統有效、科學合理的量化分析方法，各類分析工具的應用也較少。因此，此次投資效能分析的重點是引入量化分析模型和方法，由標準、統一的分析過程得到可供參考的數據分析結論，并使之與傳統的經驗判斷相結合。二是確定統一的標準，便于各維度比較。傳統按照經驗判斷的方法中雖然有標準，但受主觀因素影響較大，且在不同項目之間、不同決策周期之間的變化較大。引入量化分析方法后，一旦設定模型，便可以確定算法、關鍵指標及其標準值，模型測算結果的數值高低能夠按照統一標準反映不同項目的差異，真正實現可比。三是依托公司信息系統，將前述分析過程固化、自動化，既提高工作效率，又使之可重復、可驗證，更加可信，能夠不斷重復并調整優化、持續改進。四是要在實現上述要求的同時，使投資效能分析的原理、過程、步驟等盡量清晰明了簡單易行，便于在實務工作中推廣應用。
（二）具體技術方法的選擇。在投資決策領域，常用的方法有關鍵變量（如未來售電量）的灰色預測法、模糊分析法、層次分析法、專家法、基于價值鏈的貢獻度評價法等，但這些方法的共同特點是需要對關鍵變量進行打分賦值、設置權重等，高度依賴使用人員的業務能力、技術水平和職業素養，可重復性和可驗證性較差，受主觀因素影響較大。因此，需要尋找最大限度減少主觀因素的方法。此外，國外私有化的電網企業往往采用基于IRR、NPV等關鍵財務指標的分析法，重點強調投資的財務回報，和我國電網企業的定位與管理模式也不盡符合。綜合分析比較各種方法，基于電網企業當前的數據可得性和數據質量，也考慮到后續操作的便利性，并便于操作人員理解，本文認為可以選擇常用的多變量回歸分析預測法作為投資效能分析工具。
對其說明如下：回歸分析預測法是在分析市場現象自變量和因變量之間相關關系的基礎上，建立變量之間的回歸方程，并將回歸方程作為預測模型，根據自變量在預測期的數量變化來預測因變量關系?；貧w分析預測的關鍵點在于找到主要自變量，并獲取足夠的數量資料。自變量的選取建立在一定邏輯推理的基礎上，同時結合回歸系數進行判斷，然而在實際操作過程中，有些變量數據難以獲得，這種情況下我們一般以可得性較高的相似變量進行替代，例如用財務指標代替技術指標。最關鍵的是，多元回歸預測時，避免了設置權重這一受主觀因素影響較大的步驟。同時，本文認為初始階段直接采用最受廣泛應用的線性模型，避免設置非線性模型中的參數設置，最大限度做到不同時點、不同類型分析的縱向橫向比校。
三、投資效能分析模型的開發
按照前述思路和多元回歸預測方法的要求，本文設計了電網企業投資效能分析的具體步驟：
（一）明確投資的目標和導向。電網企業的投資決策目標是多元的，包含滿足客戶用電需求、保障可靠的電力供應、提高電網技術服務能力、創造經濟效益等多個維度的目標，且從短期、中期和長期來看也呈現不同的目標導向。尤其在當前發策、運檢、營銷、調度等專業部門基本以單體項目立項的方式形成投資，在主要關注技術性指標的背景下，關注投資活動對公司整體財務績效（經營效率、經營績效、資產狀況等）的影響便顯得尤為重要。因此，按照技術和經濟并重的思路，在構建投資需求測算模型、量化投資決策的過程中，便需要綜合考慮各方面因素，使投資決策更加科學合理。
（二）分析投資活動影響因素并確定指標。電網投資的目標是多元的，故其影響因素也是多元的。因此，投資決策制定需要考慮多方面指標。在指標分類和具體的指標選擇方面，參考借鑒了美國的智能電網評估體系、國網系統“一強三優”對標體系、各電網企業的主網與配網效益評價和“一流配網評價體系”以及其他配網評價體系等成果中的指標分類和具體指標的確定。綜合分析電網企業投資的理論研究成果、實踐經驗分析和本公司投資決策的實際考慮方面，本文明確了以下六方面及具體指標：
1.反映電力需求的社會經濟發展指標和電量、負荷以及電網發展情況等指標。這些指標主要用來衡量電網投資的驅動因素和電網本身的特征，比如GDP、電網中各類設備的規模（容量、長度），這些是從根本上對電網投資起到決定作用的因素。
2.反映經營管理水平的經營效率類指標。用來衡量電網投資帶來的成本變化，比如線損率、單位電量成本、每萬元資產輸配電成本等，這些指標對于按照成本加成定價的電網企業而言，促進其在保障安全可靠電力供應的同時降低成本、提高經濟性。
3.反映經營績效的綜合效益類指標。用來衡量投資產生的綜合收益，包括單位電量貢獻毛益、成本費用利用率（耗費效率）、銷售收入利潤率（產出效率）、資產報酬率（資產占用率）、資本收益率（投入資本效益）、人均利潤等。這些指標越大，說明投資的綜合效益越好，未來可以多分配投資。
4.反映電網運行狀態的技術類指標。包括電網的合理性、安全性、可靠性、經濟性、優質性和電網發展的協調性等多個方面，是從技術角度對電網進行的綜合考察，也是立項時的直接依據。
5.反映服務水平的社會滿意度指標。顧客對服務的滿意程度是衡量電網投資最終成果的重要指標，具體包括居民滿意度、用電企業滿意度和政府滿意度三個方面。這些指標的測量往往存在較大誤差或人為調整空間。但由于電壓合格率、可靠性水平、安全性等技術指標是滿意度指標的基礎，通過對技術指標的考察，也就間接考察了滿意度指標。
6.根據經驗判斷設定的管理性指標（啞變量）。如江蘇省內不同地區發展差異較大，通常分為蘇南、蘇中、蘇北三個區域，近年來對不同地區投入的傾斜力度有差異，其投資也有明顯差異。
（三）構建投資效能分析模型。首先，在眾多投資影響因素和變量的基礎上，通過相關分析初步識別影響因素，為回歸分析奠定基礎。其次，酌情運用主成分分析對眾多變量中的同類指標進行綜合簡化，構建新的綜合因子。最后，應用多元回歸預測方法中的隨機效應模型，經過多次擬合比較，由軟件自動析出明顯影響投資效能的因素，形成模型。投資效能i+1=α+β1社會經濟發展i+β2物理狀態（資產狀況）i+β3技術水平i+β4經營效率i+β5經營效益i+β6已有的投資活動i+β7管理因素i+μi本文在實際的分析過程中，選取了200多個初始指標進行篩選，最后進入模型有顯著影響的指標集中在預期售電量、成本水平、資產成新率、供電可靠性、造價水平、以前年度投資規模、經濟效益、地域因素等方面，模型結果與實際情況高度契合，也與經驗判斷和常識相一致，說明該模型是較為合理的。
（四）數據分析、精度驗證和模型調整。首先，在每次分析中，通常都會選擇一個省級電網企業所有市縣公司及本部多期數據，因此不是樣本，而是“全體”，使得利用多元回歸方法估計出主要模型（包含具體變量及參數）的科學性和可靠性較高。除此之外，意識到歷史數據本身及其分析方法可能存在的不足，分析時往往保留了從經濟含義角度出發較為重要、但未能穩定地保留在模型中的個別變量（典型的如預測的下一年售電量，在實際投資決策中其發揮重要影響），使得投資效能分析模型更加符合實際情況。在利用歷史數據對模型進行訓練時，遵循通行的模型驗證程序，分別采用了樣本內預測和樣本外預測方法檢驗預測精度，其中：樣本內預測（in-sampleforecasts）指使用模型預測樣本內的值，其與實際觀測值的差異即殘值，體現了模型本身的合理性；樣本外預測（out-sampleforecasts）指使用模型預測樣本外的值，體現了模型對現實世界的預測能力。兩者相互印證是對模型合理性和對未來預測能力的全面檢驗。根據精度驗證結果，對模型的變量及算法中的具體細節進行調整，直至精度達到管理要求為止。
四、分析模型的功能特點與應用場景
根據以上分析步驟，得到了投資效能模型，該模型綜合考慮了多種投資活動影響因素，且經過統計過程檢驗，同時包括在數量分析和經濟含義分析兩個考量過程中認為的顯著和重要因素。該模型一方面能夠評價以前已經完成的投資效能，另一方面能夠被改造為跨期模型，基于當前年度數據和未來售電量等關鍵指標預測現有投資在未來能夠產生的效能，促進投資決策優化。此外，模型中通常包含若干業績評價或公司系統的同業對標指標，可以相應調整其權重，使投資活動能夠促進公司經營業績的提升?；诋斍半娋W企業實際的投資管理工作，尤其是投資決策過程，該方法具有的功能特點和應用場景如下：
一是兼顧嚴謹性與靈活性。該模型首先收集某個省級電網企業全部市縣公司的相關財務數據和技術服務類指標，利用多元回歸預測模型設定公式，其產生過程遵循嚴格的統計分析要求。另外，根據不斷提升的管理要求和投資的未來導向，允許在后續實際應用時調整變量和參數，是開放、動態可調的。由此兩方面相結合，既尊重客觀事實又可開放動態靈活調整，模型能夠較好起到決策支持作用。
二是實現“自學習”和動態完善?；凇按髷祿钡睦砟?，分析過程中盡量搜集大量指標和基礎數據，數據基礎較好。進一步的，隨著時間的推移和數據的不斷積累，模型包含的觀測值會不斷增加（每個“公司-年”為觀測值），基于更大數據量生成的模型也會更加穩定并全面反映真實情況，發揮更強的投資輔助決策功能。
三是適宜推廣應用。前文構建的多元回歸預測模型原理簡單、方便易行，是對此類問題的通用解決方案和工具。各省級電網企業利用自身歷史數據可以得到滿足本公司管理要求的模型，而非統一套用某個模型，以達到因地制宜的效果。同時，對于同一省市的不同市縣，又可采用統一模型測算，實現了靈活性和原則性的較好統一。
參考文獻
1.馮亞民、蔣躍強、齊曉曼等.2009.基于LCC的輸變電資產的集成運維管理探討［J］華東電力,6。
2.黃華煒、陸一春.2009.資產全壽命周期管理標準體系的研究［J］,華東電力,10。
3.李欣然.2007.基于灰色理論的地區電網建設規模評估研究及系統實現[D].湖南大學。
二、量化投資“黑箱”中的構造與證券投資學的差異
在傳統的證券投資學中，投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想，后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類，而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術分析，但它可以采用基本面分析，也可以采用技術分析，關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。
（一）資產定價與收益的預測
根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考。可以說，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
（二）無套利條件與交易成本
在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會。現實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風險控制與市場情緒
在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。
（四）執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
三、對量化投資在證券投資教學中應用的思考
從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。
（一）市場微觀結構與流動性沖擊
在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。
（二）業績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風險
在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
（一）資產定價與收益的預測
根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值[4]。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考?？梢哉f，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
（二）無套利條件與交易成本
在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會?，F實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風險控制與市場情緒
在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。
（四）執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。[5]高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
二、對量化投資在證券投資教學中應用的思考
從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。
（一）市場微觀結構與流動性沖擊
在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。
（二）業績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風險
在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
縱觀歷史原因，首席營銷官往往發現自己處境十分艱難，即使做了一些營銷項目，也很難將這些項目對企業銷售收益的影響進行量化，很多時候這幾乎就是一項“不可能完成的任務”。目前大家的共識是，因為這兩者間存在“代溝”，導致企業營銷負責人經常更換。隨著科技的發展及數字化渠道的普及，企業對于營銷負責人能做什么、以及應該做什么都很難進行預估，雖然大家期望在數字化時代下營銷成果將能夠被量化，也能讓負責人都心里有數。幸運的是，隨著科技的發展，未來營銷者將能夠滿足這個要求。
如果首席營銷官能夠將自己的營銷成果更具體量化，創造良好的銷售業績，那么首席營銷官的任職壽命將會延長。以數據化為驅動的首席營銷官們，一旦能夠展示出自己的營銷行動對投資回報率、銷售流水線的影響力，那么所處的企業高層將對他們更為看重，將他們放在重要的戰略性地位，他們在企業的地位也將超出以往任何任職者。當然，即使是在數字化時代，要展現自己的價值仍然非常有挑戰性，尤其是對于B2B組織機構而言――在這些機構里，大部分銷售仍是通過線下實現。在對營銷者的企業銷售貢獻做量化時，精確、及時性分銷非常重要。
就因為“貢獻”這詞對營銷負責人非常重要（也的確必須很看重），這個詞在營銷界里一直被大家翻來覆去地講，幾乎已經有點變味了。從未來營銷的復雜發展情況看，“貢獻”在業界甚至是在內部團隊中會有不同的含義。但是，我們還是對這個詞做了定義：貢獻，作為一個營銷術語而言，在互聯網營銷上，僅僅被當成一種授信方法，用以傳遞特定的營銷驅動交互體驗或是打造一種品牌印象觸點。
同理，推到運動界，“貢獻”這詞通常用于幫助觀眾將運動員的貢獻概念化，不管是在哪種運動，足球、籃球還是終極飛盤，概念都是一樣的。在運動中，許多玩家和步驟都要涉及得分系統，那么最終由誰得分呢？在營銷界里，這個問題變成了：“市場上有這么多的企業、渠道，大家有各自的銷售手法和保留客戶的戰術，哪一家企業能在銷售上得高分呢，究竟憑什么得高分？”這個問題意味深長，很難給出明確的答案。但是問題一旦解答出來，將會給企業的營銷影響、預算優化、客戶偏愛帶來很多價值啟示。
為什么？
營銷者的營銷實踐給企業帶來的價值是有目共睹的。其中一些價值可在整個組織范圍內體現出來，另一些價值可以具體體現在營銷團隊上。
組織范圍內：
?在企業里發出更令人敬重的強有力聲音
?營銷者能夠表現出自己對銷售業績的影響和貢獻
?企業能夠定期看到營銷的成果和投資回報情況
?改進營銷或銷售的關系
營銷團隊上：
?營銷渠道和戰略將被視為一套投資組合，能夠實時進行調整和優化
?對于額外預算能進行簡單快速的配置
?對企業活動、渠道和戰術有豐富的看法，能夠最終優化企業整個客戶體驗旅程
?改進營銷投資回報率
根據美國電子商務調研公司Forrester的報告表明，這種在營銷者貢獻的洞見基礎上做的營銷優化，能夠將企業的每行動成本削減30%～50%，并且最終將投資回報率提升為50%～100%。
怎么做？
一、引言
對于任何一項投資，環境條件的優劣直接影響了投資效益的好壞。 投資環境是影響房地產投資行為的外部因素的總體,是理性的房地產投資活動賴以進行的前提。在一定的條件下,投資環境因素對房地產投資的成敗起著關鍵的作用。由于高投入、高風險、復雜性、開發周期長及影響因素多等方面的原因,所以科學的對投資環境進行分析并對投資的前景進行預測,是防止風險和確保高收益、高回報的必要前提與基礎。房地產投資環境評價工作在經濟生活中日益受到人們的重視，評價方法的研究也在逐步展開。目前，常見的房地產投資環境定量評價方法包括初級因素打分法、多因素系統評估法、綜合性定量方法、雷達圖分析法、關鍵因素評估法等。但這些評價方法對于主觀性指標處理得比較粗糙。變權綜合法由于所需數據少,評價準確性高；而且更能突出指標體系中個別指標的明顯變化，比常權綜合法更接近專家評估的思維模式，所以它在社會各行業得到廣泛應用。本論文建立了一個基于變權綜合評價方法的投資環境評價模型,并以河北省某地區為例,給出了一個實證分析。
二、變權綜合法
定義2.1稱為一個m維常權向量，如果對于任意,有,且滿足。
定義2.2 給定映射，稱向量,為m維局部變權向量，如果滿足:
(1)歸一性
(2)懲罰激勵性：對每個，存在，且，使得關于在內單調遞減，在內單調遞增。
定義2.3 給定映射,稱向量,為m維局部狀態變權向量，如果對于每個，存在，且，滿足條件：
(1)對于每個，對于常權向量,在上關于遞減，在上關于遞增。
(2)當時，;當時，。
定理2.1 設為一個m維局部狀態變權向量,為任一常權向量，則, 為一個m維局部變權向量。
給定指標集,各指標的常權分配為，某被評價對象各指標的評價值為：，取定局部狀態變權向量:,可得局部變權向量：,于是綜合評價值為：
三、基于變權綜合法的房地產投資環境評價模型
房地產投資環境評價指標體系是對投資環境進行綜合評價的依據和標準。它的設置應符合系統全面、簡明科學、穩定可比、靈活可操作的原則。因此，本文按隸屬關系、層次結構，將影響投資環境的因素加以系統分析和合理綜合，其構成要素一般分為政治、經濟、自然、基礎設施和社會因素四大方面。欲建立房地產投資環境測評模型，應遵循：構建評價指標體系評價指標定量化建立測評模型。根據以上分析，本文借助層次分析法確定了權重向量，基于變權綜合法建立一類測量房地產投資環境的定量化模型，具體步驟如下：
1.運用層次分析法，建立層次結構模型，確定權重系。如表1所示，
表1 河北省房地產投資環境指標體系
2. 下面我們通過對河北省某地區房地產投資環境進行評價。我們邀請了10位專家，分別對各指標進行按評分標準打分，得到二級指標狀態值。
比如我們首先取定:
得到房地產投資環境評價過程如表2:
表2
按照上述步驟，經過計算得出：雖然該地區社會政治環境和基礎設施環境都較好，但由于自然環境和經濟環境稍差，采用變權綜合法達到了懲罰的目的，而常權綜合卻未能達到此效果。
四、結束語
由于房地產投資環境復雜性，不確定的影響因素眾多，投資者對環境的選擇尤為慎重，投資環境的好壞直接影響到投資者的收益。對投資環境做一個公正合理的評價至關重要。本論文所采用的變權綜合評價法，運用定性和定量相結合，專家評價和科學計算互相補充的分析方法，比常權評價法更為準確，具有一定的適用價值。
參考文獻:
[1]姚炳學李洪興:局部變權公理體系[J].系統工程理論與實踐,2000,20(1):106～112
[2]羅萍，投資環境的變權綜合評價法[J].商場現代化, 2006年10月(中旬刊）:183～184
[3]王曉玲:素質教育評價中的變權綜合方法[J]．系統工程理論與實踐，2004.4(4):136～140
