量化投资论文范文

时间:2023-03-20 14:41:05

量化投资论文

量化投资论文范文第1篇

尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。

二、量化投资“黑箱”中的构造与证券投资学的差异

在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

(一)资产定价与收益的预测

根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显着正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

(二)无套利条件与交易成本

在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。

(三)风险控制与市场情绪

在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。

(四)执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易

优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。 三、对量化投资在证券投资教学中应用的思考

从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。

(一)市场微观结构与流动性冲击

在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。

(二)业绩评价与高杠杆

对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。

(三)人为因素与模型风险

在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。

(四)2013年诺贝尔经济学奖的启示

量化投资论文范文第2篇

现为嘉实基金董事总经理的张自力博士,毕业于中国科技大学近代物理系,后师从1977年诺贝尔化学奖获得者、耗散结构理论创始人——普利高津,并成为其中国关门弟子。在与其师兄——现任复旦大学新经济学研究所主任陈平的交流中,张自力开始研究起经济学和金融学,并以非科班的出身参与相关科研活动。

他在接受《投资者报》记者专访时表示,A股投资环境相较于美股很不稳定,变化频率非常高,而美股投资相对来说较为稳定,需要防范的就是系统性风险。基于自身对美股的深入研究,有较好的把控系统性风险的能力,他对于用量化投资去美国淘金有充足信心。

“四两拨千斤”的管理优势

《投资者报》:与国内许多基金经理不同,你并非金融专业出身,什么样的机缘巧合促使你走入金融圈?

张自力:在尚未从物理学专业毕业,开始撰写物理学论文之时,我就发表了金融经济学方面的论文,并在2000年与现任中国人民银行金融稳定局局长宣昌能博士合作出版关于现资组合理论的书籍——《现代金融投资概论》。

在金融学上崭露头角,与我受到周围人,特别是师兄、原北大中国经济研究中心副主任,现任上海复旦大学新经济学研究所主任——陈平的影响密切相关:其对经济学深入钻研,并把普利高津的非平衡系统统计物理应用到经济学中,首先发现经济混沌的经验和理论证据。

《投资者报》:与传统投资方式相比,你觉得量化投资的优势是什么?

张自力:从行为学来看,每个人都有主观情绪和偏见,而投资本身就是要克服行为偏差。在信息不对称的情况下,投资分析师会相互影响。虽然其各有不同的信息来源和分析结果,但在交流和传播过程中,大家会产生趋同倾向。

通过量化这一工具,管理者不会因一个个体或者一个国家导致的投资行为认知偏差,被日常情绪所干扰,在投资上更加客观。利用量化投资我曾经在很早之前就排除了美国“会计丑闻”主角安然公司, 也在不久前的A股市场预测了中国白酒的泡沫破裂。相较于传统投资,量化投资的优势在于,一旦基金具有规模效应,在管理上就可以实现“四两拨千斤”,即很少一部分人可以管理规模巨大的基金。

《投资者报》:虽然跑赢大盘,但国内量化投资的优势并不明显,A股是否适用量化投资?

张自力:衡量一个策略的有效性,需要较长的时间,自2009年国内掀起量化投资热潮至今,这一新兴策略经历的发展时间并不长,因此还需要更多时间的考验。

量化投资在A股中的优势,已经在绝对收益上有所体现,也有成功范例。但国内的排名方法较为粗放,凭借短期排名,难以衡量一只量化基金的能力。相较于国际标准,中国缺乏好的衡量基准,评价体系仍需要完善。

美股投资优势凸显

《投资者报》:你为何要去美国淘金,美股的投资前景如何?

张自力:首先,美国强调把绝对回报带给投资者。在股票回报率上,美国是目前最高的国家,高于德国、日本及其他一些欧洲国家。

其次,从全球资产配置来看,专家分析,美股大盘优质股票在收益率上排名第二。同时却是在资产配置中排名第一,因而这是一个不可或缺的资产配置类别,值得关注。

第三,近期美股一直在上涨并创新高,而A股依旧在低位徘徊,美股投资优势凸显。

QDII实际上就是能够进行海外投资的外汇,不是一个标签。从行为学来看,国内投资者对其抱有偏见,因而失去了分享全球资本市场蓬勃发展的机会。尤其在近日国内股市低迷的情形下,投资者需要对QDII重新审视。

《投资者报》:嘉实基金在量化投资方面是否有投研团队?

张自力:嘉实基金投研实力强大,尤其在投资成长股上有卓越的优势和历史业绩,具有创造超额收益的能力,这为产品的发展奠定了良好基础。目前嘉实量化投资研究团队,有三位平均海外投资从业年限超过10年的基金经理和三位平均从业年限超过6年的研究员,还有来自公司的宏观、风控、交易能力作为支持。

嘉实美国成长基金的量化投资理念和实践在美股已经被证明是非常有效的,因为它基于的是非常系统化的基本面分析,以及对投资者行为的深刻理解。

量化投资论文范文第3篇

Exact Sciences Corporation(NASDAQ:EXAS)连创新高,股价几近30美元,涨幅超过160%。敏感的投资者其实从公司的公开信息中就能捕捉到合适的投资机会。

本文就从公司的七个关键时间节点说起,看看如何根据公开信息获得收益。

Exact Sciences于2001年在Nasdaq上市,是一家生物检测公司,专注于大肠癌的早期发现和预防,主要产品是Cologuard,这是第一款,也是目前唯一一款 FDA(美国食品药品管理局)认证的基于DNA的非入侵式大肠癌检测产品(使用粪便)。过去若干年公司几乎没有收入,直到2013年终于取得决定性进展。

节点一:2013年4月18日研发关键

2013年4月18日的公告中,Exact Sciences第一次传递出研发的进展, 92%的敏感度。同时,公告称,“今年的晚些时候,公司会将研究的完整数据提交到重磅的医疗会议或者杂志。”

这个就是关键性进展,基于行业经验而言,可以把公告解读成两个关键点:一是权威杂志和重要的医疗会议接受论文。如果重要的医疗会议或者权威的医疗杂志接受这类研究论文的发表,一般就表明医学界认可研究的成果。

二是92%的敏感度是什么量级的?这个量级能否达到实用?生物的特异性导致理论上不可能做到100%,同业的数据可以做参考指标。如2013年Orasure公司的OraQuick ADVANCE Rapid HIV-Antibody test (唾液检测艾滋病)于2013年7月15日获得FDA批准,敏感度也是93%。那么 Exact Sciences的92%敏感度和Orasure的93%是一个量级,应该有很大的机会通过 FDA认证。

反应到证券市场上,当天成交量放大,低开7.10美元,最低6.93美元,回头看,这是未来18个月内的最低价!

2014年12月6日的收盘价是28.06美元,正好上涨4倍。不过2013年4月18日之后,EXAS股价一路上行。这是对4月18日的错判在修正。市场第一时间错判在这个案例中还会反复发生。

节点二:2013年6月18日增发

2013年6月18日,Exact Sciences 公告称,以12.35美元/股增发550万股。这个是生物技术类公司的惯例,在出产品前就是比拼烧钱率(burning rate)。一般经验是出一次好消息增发一次,用于之后的研究经费。

这个公告最值得关注的是帮助实施增发计划的两家投行Jefferies LLC 和 Robert W. Baird & Co.,担任了联席账簿管理人(joint book-running managers)。以后会发生微妙变化,这甚至是整个故事的核心,别急往下看。

节点三:2014年3月19日学界认可

2014年3月19日,Exact Sciences又发表公告,新英格兰杂志接受了其研究论文“Multi-target Stool DNA Testing for Colorectal-Cancer Screening”(多目标的粪便DNA检测结肠直肠癌的筛查),将在4月3日发表。

这可以判断为Exact Sciences的历史转折点。新英格兰杂志是美国著名的权威医学杂志,它接受论文意味着医学界对Exact Sciences研究成果的认可。逻辑上FDA不过是一个看门人,学界的认可会极大甚至决定性的影响 FDA的判断。

所以,两天后,公司发表了新的宣言式的公告。从这个时点开始的大半年,审批就是主旋律而且公告非常频繁,关键的时间点也会频繁出现。

节点四:2014年3月21日负责人升职

在新英格兰杂志接受论文后三天,公司CEO Kevin Conroy被宣布成为董事长,这个任命是非常及时的。用商业常识和商业经验根据事件发展的连续性就可以判断,根据3月19日的公告,FDA极大概率会认可Exact Sciences的cologuard产品。这是董事会对Kevin的嘉奖,算是黄袍加身,Kevin从2009年开始一直是总裁兼任CEO。

证券市场又有怎样的表现?

3月19日是高开,说明证券市场很有效。成交量比前一交易日放大三倍,市场的解读非常正确。不得不说,从成交量和价格角度看,3月18日的交易很有内幕交易的味道,直接涨了接近10%,成交量比3月17日放大一倍,很可能是有人提前知道新英格兰杂志接受论文。

3月21日股价竟然下跌,注意当天是开盘前公告,最后收盘跌7%。这也是整个案例中最奇怪的下跌之一。我事后的理解是市场对直接的信号和量化的信号,反应更直接更正确,对间接的、暗示性的公告判断不是那么正确,而且经常错判。这也是从这个案例中学到的最有价值的一点,而且几乎是通用的。也就是说,市场对量化的公告有效,对非量化公告无效。

量化的公告,我的定义就是类似业绩报告,很数字化。比如利润、销售额等是否超过预期。非量化的公告,则是类似新的任命等,大部分需要投资人解读,且每个人的解释都可能并不相同。

节点五:2014年3月27日审批

很快到了3月27日,这是难得的停牌日,美股很少停牌。但当天EXAS是特例,因为FDA要宣布专家委员会(Advisory Committee)投票的结果。

其实这个日期很早就公开了。2月15日的公告中已经说明这一天。

结合3月19日英格兰杂志接受论文,3月21日Kevin的任命,没有意外,10:0,专家一致认可EXAS的研究成果。

节点六:2014年4月2日高盛参与

几天之后的4月2日,公司再度宣布以12.75美元/股增发1000万股。对比2013年6月18日的增发,价格只增加 0.45美元,但数量翻倍。

显然,现在公司需要为下一阶段准备资金,公司已经从一个研发公司开始将工作重心转向销售和市场推广,结合一季度报告现金余额1.15亿美元看,公司没能力在现在的财务条件下开展动作,所以再次增发融资,准备建立市场队伍和批量实验室。从这个角度来说,这个增发的逻辑和任命Kevin为董事长是一致的,对未来充满期待。

当天的证券市场又一次不认同,可能是认为增发摊薄业绩,或者是认为不确定性较强?

但关键角色出来了。如果仔细对比前后两个增发公告,你会发现这个游戏中另外的主角出场。除了上一次的Jefferies LLC和Robert W. Baird & Co.,高盛(Goldman, Sachs & Co.)也成了联席账簿管理人。

从4月2日增发公告到4月4日完成增发,公司股价在之后的一个月大跌,一直跌到5月17日最低价收盘11.17美元,期间最低价是10.8美元。跌破之前两次的增发价。而且和这一年的最高价,3月19日的15.6美元相比,跌幅近30%。 一夜回到解放前。如果你对公司没有一个清晰的认识,很容易就把股票交还给市场。

这个时间段貌似是这次下跌的极限,从5月7日之后股价一路往上。

所以,我从这个案例中学到的第二点就是,重量级玩家出现,股价反而下跌,可能是最好的买入时间点。

节点七:2014年8月12日FDA通过

8月12日,FDA通过Exact Sciences的cologard产品。

值得说明的是,美股的每季度财报过后都有一个电话会议,在2014年7月22日的半年报电话会议中,Kevin 明确表达过7月11日通过了FDA的例行检测,会在之后的30-45天内通过FDA。2014年8月12日正好是30天。

至此 Exact Sciences正式从一个以研发为主的公司转向以销售为主。

量化投资论文范文第4篇

关键词:采购;数字资源;比例;影响因子

中图分类号:F49文献标识码:A文章编号:1672-3198(2012)15-0169-02

数字资源是高校图书馆的核心组成部分,其在图书馆资源采购中的比例也处于逐年攀升的状态,甚至在很多馆中,数字资源的采购总量已经超出了传统纸质文献资源的采购。同时,伴随着数字技术与计算机技术的发展,读者对数字资源的接受程度也日益增强。IPAD,智能手机,平板电脑等新设备的出现,也使得数字资源的使用不再仅仅局限于传统的计算机,各式各样的移动设备都是读者获取、使用数字资源的平台,空间、地域都不在是获取资源的限制。因此,如何选取适合于高校图书馆,适合于高校读者群的数字资源已经成为图书馆工作中的重中之重。

1 当前高校图书馆数字资源采购的现状

目前,高校图书馆的数字资源采购并没有一个科学的规范与量化的比对,通常是数据库提供商将其开发的产品推荐给图书馆数字资源采购部门,采购部门觉得适合学校的发展情况就将其作为试用数据库提供给用户使用,然后根据试用情况的结果并结合当年的经费划拨情况决定是否购买。同时,学术界也有一些针对数字资源质量评价体系建立等方面的研究,虽然对于开展采购工作有一定的参考作用,但在实际操作中还存在着一些问题。图书馆需要一套数字资源采购评价体系量化了解自身的数字资源结构,量化了解适合学校学科发展的数字资源结构,才能做好数字资源的采购工作,更好的为用户服务,为学校学科发展奠定基础。

笔者认为,由于现阶段无成型的数字资源采购评价体系,导致图书馆无法量化了解自身的数字资源特性,也导致图书馆无法量化了解学校在学科角度上对数字资源均衡性的要求。因而图书馆在数字资源采购中容易凭借自身的偏好,而不能系统、正确的看待整个学校在学科类别上的均衡。最终导致图书馆在数字资源的采购问题上有失偏颇,资源结构不合理,投入大,产出小,未能全面均衡学校所有院系、学科的资源需求。

2 建立数字资源评价采购体系的意义

要做出合理的数字资源采购决策,需要了解图书馆自身资源针对学校学科专业的结构比例,需要了解学校学科发展所需要的资源结构比例,而这些并不能单凭部门的喜好来决定,需要有一个科学、量化的过程,用数据说话,用事实说话,才能作出正确的判断。

理想的数字资源评价采购体系可以对数字资源从学校学科专业的角度进行量化比对,有助于图书馆了解自身数字资源结构特点。同时可以对学校院系、学科的数字资源需求进行量化比对,得到适合学校学科发展的数字资源结构比例。

科学获得数字资源现状和数字资源需求现状的量化数据后,图书馆可为数字资源采购作出整体规划。进而从科学量化的角度做好数字资源评估采购工作,避免采购工作中的盲目性,均衡各院系专业间的资源需求,构建适合学校学科建设的数字资源结构体系,为学校学科发展夯实基础,做好铺垫。

3 科学建立数字资源评价采购体系

3.1 了解图书馆现有数字资源结构

目前,高校的学科、专业日趋多样化,专业之间的交叉也较为普遍,例如外语专业的学生并不是单纯的学习外语,还需要掌握计算机的知识,而计算机专业的学生也不是单纯的学习计算机技术,还需要适当的掌握外语。同时,数字资源之间也同样存在的交叉、覆盖、重复的问题。因此按学校学科类别对所有数字资源进行分析统计是一件复杂的工作,需要仔细的按系统化来清理,按量化来操作,详尽科学的分析是研究的基础,这样才能得出对学校发展有益的真实数据。

高校购买的数字资源包括期刊论文、博士论文、硕士论文、会议论文、电子书、试题、音视频文件等,需要根据内容分配不同的影响因子,一般来讲,博士论文的学术价值要大于硕士论文,影响因子就会较大,而期刊论文的划分更为复杂,以我校为例,《湖北经济学院学术期刊分级分类目录(2007年版)》(简称《目录》)是依据《2006年度CSSCI来源期刊目录》(南京大学)、《中文核心期刊目录总揽》(2004年版,北京大学图书馆)和《2006年版中国科技期刊引证报告(核心版)》,并结合我校实际情况制定的,《目录》中的期刊分为A、B、C、D、E五个级别。对于不同等级的期刊需要给予不同的影响因子。电子书中有专业性书籍与一般性书籍的区别,音视频文件中也有专业性教学内容与一般性科普内容的区别,因而也需要给予各自不同的影响因子。

影响因子的确立不能盲目确定,需要集中专家、学者的力量统一定制,需要考虑到各个方面的综合影响,如期刊成立的时间,花费的成本,学术界影响等等因素都需要兼顾。而且随着数字技术的发展,数字资源的类型可能还会增加,需要根据不同的情况给出不同的影响因子。

假设以10作为最大影响因子,博士论文与A级期刊的影响因子为10,B级期刊的影响因子为9,硕士论文、会议论文、与C级期刊的影响因子为8,D级期刊与专业性电子书的影响因子为7,E级期刊的影响因子为6,F级期刊与专业性教学类音视频文件的影响因子为2.5,试题类的影响因子为1.5,科普性书籍、一般性杂志与科普性音视频文件的影响因子为1。

依据制定好的数字资源影响因子就可以结合数据库在院系、专业中的具体应用而得出院系、专业实质上占有数字资源的比例。

以我校为例,湖北经济学院目前有19个院系,其中经济学系是校直属系,开办有经济学专业(含区域经济、项目投资两个方向)和农村区域发展专业。经济学专业是获准立项建设的湖北省省级品牌专业,下设西方经济学、政治经济学、数量经济学、区域经济与项目投资四个教研室。

量化投资论文范文第5篇

关键词:移动平均线 风险调整收益 量化投资模型

一、高风险资产的长期持有对投资者造成的损失

中国股市向来就是过山车式的走向,尤其是2008年的股市,从最高点6120点一路跌至1664点。同样,作为金融危机的发源地的美国,S&P 500 指数下跌了约37%。更为可怕的是,由于所有类别的资产都大幅度地下跌,不同资产的多样化配置本可以带来的正常利润现在却完全消失殆尽。比如说,摩根史坦利国际远东(MSCI EAFE)指数,高盛商品指数,美国房产投资指数(NAREIT)都有超过了36%的下跌。更为普遍的是,G7国家都经历了股票市场市值短时间蒸发了75%以上的痛苦,而这75%的下跌需要投资者在未来实现300%的正增长才能完全抵消。

从不同国家的经济历史来看,在经济萧条时期的资产都呈现了大幅度下降,这向我们表明了一个事实,长期持有某种特定风险的资产并不一定是个聪明的举动。当分析美国上述各种指数长期收益的时候,我们就会发现,绝大部分的资产收益虽然每段时期波动不同,但长期来看,都可以得到很好的长期收益率,而更为惊人的是,不同资产的长期收益率居然十分接近。当然,由于债券的低风险,其长期的收益要低于其他指数。但从风险的角度来看,当我们仔细分析这些指数的最大跌幅(表一)时,可以看到几乎每个指数在某年都会有超过40%的跌幅,同样,债券除外。

二、量化投资模型用于调整各资产的收益

如前文所述,本文将会通过移动平均时间模型这种非常简单的量化模型来测试其管理风险的能力。为了更好地测试此模型,笔者认为需要如下几个条件以确保此模型简单易行:1、纯粹的计算机制;2、对每个资产类别使用同样的参数和模型;3、价格为唯一的可变量;4、所有数据不包括分红,且每月更新一次。

移动平均线型的交易系统是最为简单和流行的趋势交易系统,最常用的参数是200天移动平均线。因此,笔者采用的计算规则如下:

1、购买原则:当月平均价大于10个月的SMA

2、卖出原则:当月平均价小于10个月的SMA

为了描述本量化时间模型的特点和逻辑,笔者采用了超过100年的各资产市场收益率来进行测试。通过表二看出,本量化时间模型不仅提高了复合收益率,还同时降低了风险。

可见,量化投资模型优化后达到了很好的收益数据。其中一个显著的特征是降低了风险。具体来看,我们使用“购买后长期持有法”和“量化时间交易模型”来进行对比,并对各资产进行均等份额配置。通过对上述指数同段时期的测算,可以发现量化时间交易模型能够在绝大多数时间区间里保证资产组合至少拥有60%以上的净值。而购买后长期持有配置常常会有约50%的资产跌幅。

三、结束语

一个非主观性的,量化交易模型将在降低风险的基础上对收益实现正影响。也就是说从理论上来看,除了通过多样化配置实现低风险收益,还可以尝试通过简单易操作的量化移动平均时间模型来提高风险调整后的收益。

参考文献:

[1]龚六堂:《动态经济学方法》,北大出版社,2002

[2]田益祥,金融市场计量经济学,中国市场出版社,2011

量化投资论文范文第6篇

关键词科研管理;绩效评估;内涵;原则;设计;建议

中图分类号g472.5文献标识码a文章编号 1007-5739(2010)21-0032-03

2010年,党中央、国务院相继印发《国家中长期人才发展规划纲要(2010—2020年)》和《国家中长期教育改革和发展规划纲要(2010—2020年)》。人才规划纲要明确提出,要围绕提高自主创新能力、建设创新型国家,努力造就一批高水平创新团队;教育规划纲要对培育跨学科、跨领域的科研与教学相结合的团队等也作了重要部署。在这样的特殊历史背景下,如何做好科研绩效的管理与评估,已成为科研管理工作中亟待解决的问题,科研管理水平的高低,对一个单位的科研进展、成果获得、经费使用、效益高低都会产生直接影响[1]。对科研绩效作出公正的评价,有利于培育创新团队的发展成效;有利于管理部门对科研人员的工作有一个科学的了解,为科研项目的管理和连续资助等提供科学依据;有利于表彰优秀的科研团队和个人,保持奖励的权威性和公正性;有利于发现高素质人才;也有利于创造一个公正的学术发展氛围,减少科研上的不规范行为[2-3]。通过绩效评估使科研单位和科技人员对单位和自己重新定位,及时调整科技计划和研究机构的方向,提高管理水平和科学研究的效率。有利于表彰优秀的科研团队和个人,保持奖励的权威性和公正性;有利于发现高素质人才,积极推进创新团队建设,加大学科带头人的培养力度。

目前我国尚未形成一个完善、统一、科学的科研绩效评估体系,对于科研绩效的评估基本还是以同行评议为主。在同行评议中,如果所选专家正确,且专家能够实事求是地表达意见,同行评议是完全可以信服的。但现实工作中,由于科学的高度分化与高度综合,同行评价也受到诸如专家知识结构、学术视野、学术偏好、人情关系和非学术因素的影响,而使同行评议的科学性和公正性受到越来越多的质疑。因此,搞好科研绩效定量评估,并以此作为同行评议的补充,将提高同行评议的准确性,准确、量化的考核体系对科研绩效评估工作至关重要。

尽管科研绩效评估已逐渐从尝试阶段走向成熟推广阶段,从局部应用向整体应用推进,然而由于科技劳动及其成果表达形式的复杂性和无形资产的多变性,至今未形成较为公认的评估体系。

1科研绩效评估的内涵

科研绩效评估是指在科研活动完成后,对照预先设定的目标,对科研活动的完成情况、实施过程、实施效果及影响所进行的系统、客观、公正的分析,并为今后的投资或决策提供意见或建议[4]。科研绩效评估的单元包括研究项目、科技人员、研究机构等。

1.1研究项目评估

科研活动类型的传统划分方法将科研活动分为基础研究、应用研究、技术开发等三大类。基础研究成果强调其学术价值,即重在对科学共同体的影响,其绩效表现形式主要为科学论文和学术专著,因此对基础研究成果绩效的评价实质是对其产生的科学论文和学术专著进行评价;应用研究是针对具体的实用目标,提供新产品、新技术、新方法和新流程的研究,主要以应用前景为评价标准,即强调其技术性,其绩效表现形式以技术论文、技术专著和专利为主,但一般情况下,应用研究专利形式比论文形式更能体现其技术特征;技术开发研究是对实验室成果进一步扩大或具体化所做的工业性中间试验,主要以商业价值为评价标准,即强调其实用性基础研究为应用研究提供基本原理和方法,应用研究为技术开发研究提供技术支持,技术开发研究将所遇到的问题又反馈给基础研究和应用研究。这三类研究既有分工,又有联系,构成整个科研活动。由于学科特点的不同,特别是当今科学技术的飞速发展,对有些研究很难明确地区分是基础研究、应用研究还是开发研究,因此其科研绩效表现形式也是多种多样的,在定量时应综合考虑。

科研绩效评估通过对科研项目的绩效进行跟踪、评估和反馈,达到优化资金分配,调整科技计划和研究机构的方向,提高管理水平和科学研究效率的目的。它有4个层面的作用:一是通过公正、严格的评价,将政府的有限资金集中在可行的重点研究领域;二是通过对工作绩效的恰当评价,建立能够充分发挥研究人员创造能力的开放、灵活和竞争的学术环境;三是从整体上引导科学研究的发展方向、发展模式、塑造科学研究的机制观念;四是积极公布评价结果,使公众理解和支持政府的科研投资,强化对政府能力的信任。

1.2科技人员评估

科研绩效评估通过对科技人员的绩效进行跟踪和评估,并对其结果进行反馈,从而促进科技人员绩效的提升和科研管理水平的改善,达到优化单位人力资源配置、全面提升本单位整体绩效水平的目的。它有2个层面的作用:一是及时发现科研院所中每位科技人员的客观绩效,让科技人员明晰并认可自己的成绩和存在的不足,从而为其他管理活动提供依据;二是让科技人员了解单位对自己的评价,明晰自己在单位所处的位置,使科技人员对自己有准确的定位和自我评价,以调动其积极性,激发其工作潜能。

1.3研究机构评估

根据研究机构的性质划分为科研型研究所、公益型研究所、科技型企业三大类。科研绩效评估通过对科研院所绩效进行跟踪、评价和反馈,培养和造就一支具有创新意识和创新能力的高素质科技人才队伍,提高知识创新的能力和效率,促进科研事业的可持续发展[5]。它有3个层面的作用:一是通过公正、严格的评价,对研究所的科研实力和综合能力给予正确评价;二是通过工作绩效的考核,对研究所的发展潜能和团队建设进行恰当评价;三是通过绩效考核,改善研究所的内部管理能力。

2科研绩效评估的原则

2.1鼓励创新原则

“创新是一个民族的灵魂,是一个国家兴旺发达的不竭动力”。当前绩效评估存在的一个明显的问题就是强调数量而轻视质量,结果造成由于创新的难度较大而导致数量的产出较低。相反一些平庸的“成果”由于创新难度和投入的成本较低,出现了一些泡沫绩效。因此,在绩效评估中要坚持“鼓励创新,减少平庸,拉开档次,计量有据,褒贬分明”的原则。

2.2公开公正原则

所谓公开原则是指在绩效评估当中一定要公开其权重设计的依据。公开是公正的基础,也是改进绩效考核的唯一前提。公正、公平、实事求是地进行评价,并接受监督,才能使人们对考评产生信任感,自觉接受考评结果。

2.3分类分层管理原则

应根据不同研究类型、不同岗位和层次,分别制定不同的绩效管理体系,确定不同的考评内容和标准,采用不同的考评办法。评价指标要体现可比性,标准要统一。评估指标体系是整个评估工作的核心,指标体系选取必须建立在对额定的科研活动特征深入分析的基础之上。如同样是“绩”,对管理人员是以其管理和服务的效率、质量和满意度来衡量;对科技人员是以其主持和参与课题的等级、课题经费、的水平、科技成果等来衡量,对科技开发人员是其研发新产品的能力、成果推广能力及所创造的经济效益等来衡量。

2.4定量定性相结合,量化易操作原则

在制定绩效管理评估体系时,既要针对不能量化的内容设置定性考核评价标准,又要有针对能量化的内容设置定量考核标准,所有的考评项目和考核指标清晰明了,易于采集,便于操作,尽量减少主观干扰。科研院所的考评应以其定量考核为主,定性考核为辅,充分体现考评的客观公正。

3科研绩效管理体系的设计

3.1绩效评价指标的确定原则

确立科学、合理的评价指标是科研绩效评估系统的基础。选取评价指标应遵循以下原则:一是科学性。评价指标的科学性是评估结果真实、可靠的基础。因此,在选取评价指标时,要严格按照农业科研研究的规律和特点,结合单位实际,尽量选取能真实、准确反映客观实际的指标,科学确定其权重。二是引导性。科研绩效在一定程度上体现了科研能力,主要有以下表现形式:承担科研项目、科技论文、专利和科技著作、奖励成果、合作交流、人才培养、科研基础条件建设等。对获得高级别的科研项目、奖励成果、高层次的论文等给予较高的评估分值,引导科研人员投入到高层次的科研活动中。

3.2构建绩效评估指标体系

绩效评估指标体系的制定是绩效管理的起点,指标体系的制定要适应现代科研管理和人力资源管理的需要,突出以人为本的管理理念,把科研院所的发展与科研人员的发展有机地结合起来,立足于科研院所的战略经营计划和对科技人员的工作进行岗位职责分析,并予以界定与说明[6]。因此,优化评估指标,完善评估内涵非常重要。

3.3绩效考核的实施与管理

绩效考核的实施与管理主要是对科研机构和科技人员的工作过程进行跟踪。绩效考核的实施是一个动态过程,一般按年度进行考核评估。科研单位应坚持科研、开发、精神文明并重的原则,绩效评估围绕科研绩效考核、开发创收和精神文明等方面分别进行考核。科研绩效在一定程度上体现科研能力。结合工作实际选取科研项目、科研成果、科研论文、专利和专著、人才培养、学术交流等为一级评价指标;二级指标逐级细化。科研项目根据项目级别和到位经费设置不同的量化系数;科研成果划分为部级、省部级、地市级;科研论文划分sci论文、核心期刊和普通刊物;专利按申请与授权的不同,设置不同的当量。

3.4绩效评估

绩效评估对科研机构来讲,一是以其科研实力、发展潜能和科研团队建设为主要内容。因此,对项目进行评价是非常有必要的。二是对科研团队进行评价。科研团队是完成课题的重要保证。三是是对合作交流和人才培养进行评估。这关系到科研资源的综合利用和科研水平的整体提升。四是对研究成果进行评价。绩效评估对科技人员来讲是以科技人员的工作过程中的行为、努力过程和工作态度为主要内容,注重培养和发展组织的核心竞争力,从而保证科研院所的可持续发展。

3.5绩效反馈及结果应用

绩效反馈是绩效管理中一个不可缺少的组织部分。绩效管理必须对影响绩效提高的因素进行深入分析,分析问题存在的原因,寻求解决问题的办法,使其工作得以改进。通过绩效反馈,促进管理者与科研单位和科技人员之间的沟通,从而有效地提升科研院所的绩效管理水平。

绩效考核结果的应用关系到整个绩效管理的成败与否。绩效考核的目的是为了提升科研机构的创新能力和效率,培养和造就一支具有创新意识和创新能力的高素质科技人才队伍,建立科学、合理的科研绩效评议制度和评价方法,形成符合现代科研院所管理要求的制度体系,必须通过后续的评估结果反馈和绩效改进,才能确保评估的结果能产生影响,使评估结果能得到贯彻落实。

通过绩效评估使科研单位和科技人员在绩效评估中对单位和自己重新定位,及时调整科技计划和研究机构的方向,提高管理水平和科学研究的效率。有利于表彰优秀的科研团队和个人,保持奖励的权威性和公正性;有利于发现高素质人才,积极推进创新团队建设,加大学科带头人的培养力度。

4建议

4.1不断完善以创新和质量为导向的科研评价办法

绩效评估应充分考虑科研机构属性上的差异,采取灵活、渐进的推进方式。在实施过程中应根据出现的问题不断修改、补充和完善绩效评估指标体系,使绩效评估的结果更加科学、客观、真实,具有说服力。

4.2绩效评估与科研机构战略规划和人才培养计划相结合

以长期效益为重,避免科研机构追求短期成果或表面效果。科研活动具有探索性、长期性、风险性和累积性的特点,因此,在对科研机构的绩效考核中,如果只关注即时可见的短期成果指标,致使科研机构倾向于研究风险小、时间短、见效快、容易出成果的短平快项目,这对国家科研事业的长期发展极为有害。单纯地统计数量等,只能鼓励研究人员去追求发表文章的数量而忽视对真正有价值研究的投入;对科研成果经济效益的强调则可能导致忽视对研发人员能力的培养。评价不应只看一年的绩效,而应往前滚动若干年,看过去几年的累积表现。

4.3采取定量定性相结合的考核方式

重视专家评议机制的使用。科研绩效要力求可衡量和量化,但对科研绩效完全量化是不现实的,必须与定性的专家评审结合起来。量化可以得到一些客观的数据,但量化指标无法完整呈现研发成果,因为科研工作的产出指标都不具备均一的价值,因此结合专家评审是一个比较适合于研发绩效考核的方法。只有采取定量和定性相结合的方式,依目标结果管理模式,由各方面专家参照其定位及研究方向,通过定量和定性指标,以及对科研机构的深入了解,才能对科研机构的绩效作出综合的判定。

4.4提倡互动、参与式考核

使考核过程最大程度地得到研究所和科技人员的理解、支持和配合。打破传统的“自上而下”的考核方式,采用自评估与专家考核相结合,加强考核专家与受评单位科技人员之间的沟通,让考核专家与科研机构负责人能一起研究前期的工作总结、成绩和不足以及未来的战略规划与目标,提出意见,这样有助于考核结果的反馈利用。

4.5建立完善的科研机构绩效管理体系

以科研机构绩效考核为核心,建立完善的科研机构绩效管理体系,特别是建立严格的考核结果反馈机制,从机制上保证绩效考核得到实效。

5参考文献

[1] 李庆贺,崔凯.绩效评估方案在高校科研管理中的应用[j].中国基础科学,2010,12(3):52-54.

[2] 刘莺.关于区域教育科研管理绩效评估的思考[j].教育测量与评价:理论版,2008(9):17-18,29.

[3] 彭博文,何涛.高校科研绩效评估的现状、矛盾及解决原则[j].中国高校科技与产业化,2010(4):52-53.

[4] 吴伟.绩效评估——高校科研管理工作的重要手段[j].东南大学学报:哲学社会科学版,2008,10(3):114-117.

[5] 田在兰.优化中国高校教师的科研绩效评估体系研究[j].经济研究导刊,2009(18):238-239.

量化投资论文范文第7篇

关键词:主题公园;风险可行性分析;投资项目

中图分类号:F590 文献识别码:A 文章编号:1001-828X(2015)018-000-03

一、风险分析理论和方法

(一)层次分析法

层次分析法是美国运筹学家Saaty于上世纪80年代提出的一种实用的决策方法。其主要特征是,它合理地将能够定性的数据资料和能够定量的数据资料有机的结合起来,按照经验、心理的思维模式把项目决策过程层次化、数量化。

(二)模糊评价法

1.模糊评价法的含义

模糊评价法,广义上来说就是利用数学理论对现实世界中存在的那些模糊的、不确定的事物即原本只能定性分析的事物进行定量化地分析和研究,从而对需要判定的事物作出相对具体的、细致的、有效的、符合实际的评价,进而解决具有模糊性的问题。

2.建立模型

在本文模型中,主要运用了层次分析与模糊评价相结合的方法对项目风险进行评估打分和预测。

(1)建立模糊集

设项目的一级风险集为B=(B1,B2,…,BL)其中:B1,B2,…,BL分别代表项目的一级风险。

相应权重集为D=(d1,d2,…,dL)其中d1+d2+…+dL=1(∑dk=1,k=1,2, …,L)d1,d2,…,dL分别代表一级风险在项目整体风险中所占比重。

设项目的二级风险为Bk=(Bk1,Bk2,…,Bkm),其中K代表第K个一级风险,K=l,2,…,L;Bk1代表第K个一级风险的第I个二级风险。

理论上,可以以这种方法设置到第Y级风险及第一级风险到第Y级风险的所有项目在整体风险中所占的权重,以便在层次分析法的基础上用模糊评价法对项目的风险进行具体分析。

设风险评语集为V=(V1,V2,…,Vn)其中VJ(J=1,2,…,n)表示风险或风险因素从低到高的评语。通常设n=4。

(2)确定隶属矩阵

从Bk到评语集V的隶属矩阵为

其中: rij (i=1,2,…,m;j=1,2,…,n)表示第二级风险或二级以下风险的第i个下一级风险对第j级评语Vj的隶属度。

rij 的计算方法:有若干个专家对第i个风险打分,假如对第k个风险的第j级评语的专家有Vij人,则rij =Vij / ∑Vij(其中j=1,2,…,n);∑rij=1,(其中j=1,2,…,n)。

(3)模糊矩阵计算

对二级风险Bk进行对评价集的隶属度计算:

二级风险B对评语集V的隶属矩阵为:Bk=Dk*Rk=(bk1,bk2,…,bkn)

一级风险对评语集V的隶属矩阵为:R=(B1,B2,…,BL)T

项目整体风险对评语集V的隶属矩阵为:B=D*R=(b1,b2,…,bn)T

(4)项目综合分

将评语集V内的评语V1,V2,…Vn分别赋予数量化的分值V'1,V'2,…V'n;则赋予分值后的评语集为V'=(V'1,V'2,…V'n)

整体风险综合评分: M=B*V',项目整体风险评分的结果为一个数值。

二、丽江花卉博览园项目投资风险分析

由A集团和B集团共同筹建规划的丽江花卉博览园项目投资公司组织项目内部专家组内部成员,运用层次分析法和模糊评价相结合的方法,对项目投资风险指标和权重进行设定。

(一)风险识别项目及其权重的确定

运用项目风险识别的模型与理论,对本项目的风险种类及其各层级风险的权重进行确定和整理。本项目的一级风险为:经营管理风险、政策风险、市场风险、基础配套完善程度风险。对同一层次的风险进行两两排列组合进行比较的方法,由项目组专家结合经验对各级风险的权重进行初步确定,一级风险的权重为: A=(0.28,0.31,0.23,0.18);第k个一级风险的子风险权重矩阵为AK。一、二级项目风险种类和权重如表1所示。①

(二)风险整体评估

设风险评语集D=(很小,较小,较大,很大)。

1.确定整体风险对评语集的隶属向量

按照专家对风险因素评语的人数确定矩阵,经过高等代数中对矩阵的处理方法,确定方案的一级风险一经营管理风险的子风险对评语集D的隶属矩阵为:

一级风险经营管理风险的四个子因素的权重组成的向量A为:

A1=(0.28,0.28,0.22,0.22)

则其对评语集V的隶属向量为:

B1=A1*R1

=(0.28,0.28,0.22,0.22)・

=(0.4725,0.2775,0.125,0.125)

按同样程序,经过计算、评估、统计、整理得项目其余三个一级风险的风险因素对评语集V的向量为

B2=(0.2425,0.33,0.19375,0.23375)

B3=(0.4025,0.3475,0.125,0.125)

B4=(0.4075,0.3425,0.125,0.125)

于是可以得到项目的一级风险对评语集D的隶属矩阵为:

则项目的整体风险对评集D的隶属向量为

B1=A*R1

=(0.28,0.31,0.23,0.18)・

=(0.3734,0.321575,0.1463125,0.1587125)

2.项目整体风险评分

综合项目风险排序,将项目风险评语集D=(风险很小,较小,较大,很大)分别赋予分值为 (80,60,40,20)则分值评语集为:D'=(80,60,40,20)。

则项目整体风险评分D1=(80,60,40,20)*(0.3734,0.3216,0.1463, 0.1587)=58.193

三、项目风险可行性评估

丽江花卉博览园项目的整体风险评分为58.193分,其整体风险处于较小状态,因此,根据项目的风险分值可以判定,执行本项目的时候存在一定的风险性,但从全局层面上考虑是可行的。

注释:

①项目风险权重由项目组专家确定。

参考文献:

[1]沈爱华.太阳岛游乐园项目投资经济可行性分析[D].哈尔滨工程大学硕士学位论文,2007.

[2]E飞.赛格宝华公司橙果酒店项目可行性分析及风险控制研究[D].湘潭大学硕士学位论文,2013.

[3]刘小航,曾振中,任清华.关于城市开发大型主题公园的适宜性评价模型 [J].旅游论坛,2011.

[4]刘玉珂.项目可行性研究方法与应用[M].昆明:云南人民出版社,1997.

量化投资论文范文第8篇

关键词:分析 短线

中图分类号:F832 文献标识码:A 文章编号:1672-3791(2012)09(c)-0252-02

2012年以来,以量化分析技术投资著称的量化基金表现得一枝独秀,逐渐从振荡市中脱颖而出。一季度,上证综指上涨2.88%,同期标准股票型基金平均业绩为0.31%,而按照Wind分类的13只量化基金,其平均业绩为2.92%,五行基金更是取得7.65%的正收益,在亚洲量化基金中排名第一,超越同期上证指数4.77个百分点。

美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金,从1988年3月成立至2008年的21年里,平均年度净收益高达36%,远远跑赢同期道指年均8.81%的涨幅,比索罗斯、巴菲特同期的业绩高出10%,原因:一是数学家基金经理;二是量化分析技术。

1 基本面分析量化分析是投资机构先后采用的2种投资技术

基本面分析,是分析员和基金经理通常采用研究财务报表,与公司高层会谈,与相关人员荷香业专家讨论等方式,对少数几家公司股票(约10到100只股票)进行非常深入的研究分析,来决定要投资哪些股票以及如何投资。在基本面分析分类中,会根据行业不同,有专员长期跟踪和深入研究其中一个行业,而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资,通过企业内部财务报表的形式,来发现企业的潜在价值,以求企业得到稳定持续的高额收益,一旦买入,长期持有。

量化分析,借助数学、物理学、几何学、心理学甚至仿生学的知识,通过建立模型,进行估值、择时选股。量化分析员和量化基金经理,通常会同时研究全盘数千支股票,分析的方式也可以是基于公司基本面的,但是会强调量化财务指标。量化的指标(又称因子)也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研,而是将精力放在不断完善模型上,量化分析投资的模型是决定投资业绩的关键,投资模型始终处于绝密状态,不同市场设计不同的量化分析投资管理模型,在全球各种市场上进行短线交易。

2 量化分析技术获取超额投资收益之道

在变幻莫测的市场经济中,能否理性思考投资、不受情绪影响,将是成功的关键。而利用计算机的筛选得出的量化分析基金,不受投资中非理性因素影响,使投资更有计划行、纪律性、规律性,基金管理人要做到不贪婪、不恐惧、不放弃,不受情绪影响,以一颗平常心追求利益瘦小。

量化分析,有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中,主观判断也会出现和量化分析模型相左的情兄,但会坚持量化分析投资的纪律,相信模型判断的长期稳定性,不会盲目去调整改变。与传统偏股型基金不同,量化分析基金采用独特的投资组合管理方式,渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场,还可以降低个股集中度,平稳投资业绩。因此,这种方式并不会产生传统意义的重仓股,也就大大降低了重仓个股的风险。

量化分析业绩,来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变,自动调高了评估因子、预期因子及市场反转因子的权重,量化分析模型依此逻辑选择的股票大部分取得较好收益,提升了整体业绩。

3 量化分析技术创始人并非经济学家。

量化分析技术并非发端于华尔街,不少人最初并非经济学家,如巴契里耶和布莱克原先是数学家,夏普则从事医学,奥斯伯恩为天文学家,沃金与坎德尔是统计学家,而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘,当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨,以该理论勉强通过博士答辩,到1990年10月,这些人中才有三位获得诺贝尔经济学奖。

2012年,美国伦斯理工学院金融工程硕士李炬澎,依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济,用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析,用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度,使五行基金取得亚洲量化分析投资行业第一名的业绩。

4 量化分析技术应用的载体是计算机软硬件技术的发展

马克维茨的投资组合现代金融理论,提出了风险报酬和效率边界概念,并据此建立了模型,成为奠基之作。托宾随后提出了分离理论,但仍需要利用马克维茨的系统执行高难度的运算,1961年,与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑,解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”(单一指数模型),简化模型只用30s。1964年夏普又开发出资本资产定价模型(CAPM),不仅可以作为预测风险和预期回报的工具,还可以衡量投资组合的绩效,以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年,罗斯在CAPM的基础上,提出“套利定价理论”(APT),提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。

5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量

1970年代以前,华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力,基本面分析师、基金经理可以独力打败市场,而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术,转化成通篇晦涩难懂的数学方程式一直持有敌意,1970年代初期,美国表现最佳的基金经理人从未听过贝塔值,并认为那些拥有数学和电脑背景的学者只是一群骗子。

量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间,也普遍无此能力。仅有现资理论的建立,及各类模型的完善与推陈出新,并不会直接催生出量化分析投资,它还需要其他几个重要前提条件,比如:机构投资者在市场中占据主导,随着社保基金和共同基金资产的大幅增加,成为市场上的主要机构投资者,专业机构管理大规模资产,需要新的运作方式和金融创新技术,专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。

1970年代后期的Wells Fargo银行,率先用量化分析技术管理投资组合,投资高股息股票,用较少的风险获得了较大的收益,不用这些模型,不用电脑运算这些公式,会陷于困境。1980年代以来,面对数不胜数的各类证券产品和期权类产品,以及庞大的成交量,许多复杂的证券定价,必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。

6 量化分析在应对经济危机和突发经济事件中开拓前进

1987年10月大股灾,当天股市和期货成交量高达令人吃惊的410亿美元,价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司,在电脑模式的驱使下,不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出,宁愿走在前面争相出逃,加剧了恐慌。针对整个投资组合而非单个证券,机械式的交易,电脑的自动操作,大量的空单在瞬间涌出,将市场彻底砸垮。

1997年至1998年亚洲金融危机股市暴跌,量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司,遭遇俄罗斯国债违约这一小概率事件,也陷入破产之境,迫使美联储集华尔街诸多投资银行之力,加以救助。

2007年8月金融危机中,许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票,去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出,从而加剧了很多投资指标的损失,尤其是价值和动量指标的损失。

2011年即使欧债金融危机发生,量化分析基金也再次表现优异,超过其他投资方式,虽然能否就此再度复兴仍属未知,此一趋势已不可逆转。

7 量化分析技术今后几年全球应用的热点在中国的A股市场

中国金融、资本、股市投资者结构很不合理,A股市场的专业投资机构持有市值的15.6%,而发达市场这一比例大致为70%。更为不合理的是交易结构,A股市场个人投资者持有市值占比26%,但却完成了85%的交易。根据Wind分类,目前我国市场上共有13只量化基金,包含11只普通股票型基金,1只指数基金和1只偏股混合基金。

中国现有的人才和技术都难以支持完全的量化分析投资,在缺乏国际化人才和成熟模型的情况下,经营业绩自然也差强人意。

量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场,很多大型量化基金也开始大量投资于发展中国家市场,中国的A股市场是今后几年全球量化分析投资热点,所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者,都要面对的机会和挑战。

量化分析基金2002年才在中国刚刚起步,到2009年和2010年,才真正进入快速发展期,2010年末量化基金的总规模达到了779亿元。虽然规模有显著提升,但是与国外市场量化分析基金占共同基金总资产16%相比,国内量化分析基金还有非常大的发展空间。

量化分析投资依靠发现和捕捉到其他人没有发现的机会攫取超额收益,当一种有效的模型或者策略被许多人都采用时,往往它的效果就会大打折扣。现阶段中国市场上使用量化分析策略的产品不多,这也给开拓这个领域的先行者提供了广阔的空间。

量化投资论文范文第9篇

科研活动是新知识、新理论、新方法的生产、传播、应用与扩散的过程,也是多要素投入和多要素产出的过程。科研活动中所表现出的学科创新能力是由多方面相互联系的要素构成的有机整体。本文在构建人文社会科学学科创新力评价指标体系时将突出量化学术成果的创新度,这与已有的指标体系存在明显差异,也更加贴近创新力量化的本意。本文对人文社会科学学科创新力构成要素的划分主要基于Sternberg所提出的“创造力投资理论”,该理论已经被许多学者认同及引用。因此,我们将人文社会科学学科创新力的构成要素分为学科学术创新能力、学科创新支撑力、组织创新能力等三个方面(如图1)。其中:学术创新能力主要从智力层面测量学术团体在从事科学研究时所表现出来的一种创新能力;学科创新支撑力主要从环境层面测量学术团体在学科创新活动过程中所拥有的资源优势和基础条件,以及投入到创新过程中的主要创新资源的数量与质量,包括创新人力资源、物质条件、科研基地、财力投入和项目投入等;组织创新能力主要从环境层面测量学术团体所在的组织从战略层面整体规划、组织、指挥、协调、监督和控制创新活动与创新过程的能力。

1.1学科学术创新力

个体学术创新能力是个体在从事科研活动时所表现出的一种智力水平,它是团队学术创新力的基础。个体在一定的制度规范下,在相同目标指引下,形成合力,最终形成团队的学术创新力。但是,团队的学术创新力并不是个体学术创新力的简单叠加,而是由许多个体相互联系,各种因素相互作用而形成的一种能力。因此,应该区分个体学术创新能力与学科学术创新能力。对个体学术创新过程及本质的认识是科学设置个体学术创新能力评价指标的基础。目前学者们对个体学术创新力的认识尚未统一,他们从心理学、社会发展和人格发展对创新力的影响、认知过程分析等多种角度研究个体的学术创新能力,提出多种评估方法,并在此基础之上展开团队学术创新能力的研究。学术创新建立在一定的学术积累之上,其过程具有一定的普遍性和规律性,其创新力可以通过学术成果表现出来。我们认为,通过对学术成果中的创新特征进行量化可以计算出学术创新能力,但是创新特征的选取与量化都是难以解决的任务。

1.2学科创新支撑力

学科创新支撑力是学科创新的前提和基础。学科创新支撑力包括软件资源支撑力和硬件资源支撑力。软件资源支撑力主要指学科所拥有的智力资源。学科创新活动中的创新主体是研究者。研究者的研究水平、综合素质、知识与经验的积累,研究者所处的学术研究平台都是影响创新的主要因素。研究者所在组织的学术水平在国内、国际上所处的学术地位是软件资源支撑力的重要指标之一。硬件支撑力包括学科每年投入的科研经费,所占有的基础设施和研究办公所需的设施,可利用的信息资源等。硬件支撑为学科的创新提供最基本的保证,其重要性已经得到应有的重视。例如,浙江大学进行了网络科研学术环境规划与实践,构建了网络学术创新环境总体框架,进行了交叉学科研究环境、交流研讨环境、资源共享服务平台等实践。

1.3学科组织创新力

(1)组织系统创新力。主要体现为多形式的学术组织建设能力。学术组织应以国家实验室和国家、省部重点实验室及工程中心为核心,以在院系体制以外建设高水平科技创新平台为重点。学术组织的多样化将有利于促进自由探索的多向性,有利于寻求学科交叉的切入点,有利于形成高水平、宽交叉、资源集中、开放共享的科技创新平台和社会创新基地。这些创新平台和基地又更有利于产生创新成果。

(2)运行机制创新力。竞争、开放、流动、高效的新型运行机制是学术组织实现其职能的关键,也是学术组织创新的核心。竞争、创新的学术氛围是组织创新的前提,不同形式的合作与交流更有利于创新成果的产生。通过制定各种制度,建立良性运行机制,营造宽松创新文化,优化配置创新资源,可以保证创新活动的顺利开展。学术期刊的创办,学术交流会议制度,不同学术组织之间的密切合作关系,原始创新的意识及规范知识产权的管理等均可作为评价运行机制创新力的指标。

(3)管理模式创新力。学术组织是新知识、新理论、新方法的生产平台,学术组织的管理模式和手段决定了创新成果的产出量和质量。开放的资源共享,合理的人才配置、人事管理、人才评价机制是学术组织产生创新成果的基础。

2人文社会科学学科学术创新力的量化指标

人文社会科学学科学术创新能力蕴含在该学科的学术成果之中,其测度不应通过简单地统计学术成果的产出量而定,需要从学术成果的创新特征进行量化。一般说来,人文社会科学学术成果的创新性可从以下五个方面进行考察:一看其是否开拓新的研究领域,二看其是否使用新的研究方法,三看其是否运用新的论证资料,四看其是否阐述新的观点或理论,五看其是否产生社会效益或经济效益。前四种创新性特征属于学术成果的创新性内在特征,可以通过领域专家进行识别与量化,第五种创新性特征属于学术成果的创新性外在特征,可以利用学术成果以外的数据可以识别与量化。但是,由于学术创新活动的复杂性以及学术创新方式的多样性,并且学术创新方式存在相互包含、相互补充、相互协同的内在统一性,因此,直接捕捉学术成果中的创新性内在特征难度较大。学术成果的创新性内在特征通常决定了它们的创新性外在特征,而创新性外在性特征相对容易捕捉。因此,我们选择学术成果的部分创新性外在特征代替其创新性内在特征来描述和量化学术成果的创新性。成果分级与成果数量、学科交叉度、科研合作度、主题新颖度、扩散效率、社会效益均可作为学术成果的创新特征,其中学科交叉度、科研合作度、主题新颖度等特征属于创新性内在特征,成果分级与成果数量、扩散效率、社会效益等特征属于创新性外在特征,学科交叉度、科研合作度、主题新颖度、社会效益等创新特征的量化具有较高的难度。①从投入产出的角度设置计量指标。学术成果是学术创新的最终成果之一,其相关文献计量指标,如①等成为从投入产出方面来测度学术创新的重要参量。这类指标量具有统计规范、可比性强、比较实用等优点。以学术成果指标来度量学术创新能力的主要局限在于无论学术成果的指标多么完备,也只能测度学术成果本身体现的创新能力,而不能反映有关学术成果产出过程所体现创新能力,如管理体制、激励机制、提高学术质量等方面的创新,从而不能全面、客观地实现学科创新水平和强度的测量。②从知识的生产和交流的角度设置计量指标。学术创新从本质上来说是利用现有知识创造新的学术成果,因此,从知识的创造和利用角度来测量学术创新能力是一个合理的角度。主要指标有不同层次的学术成果总量,引用总量,被引总量等。③从社会需求的角度设置计量指标。许多学术创新活动的最后失败并非缺乏新意,而是没有把握住社会需求信息与动态。所以,对学术创新能力的衡量,必须考虑社会需求因素。

2.1成果分级与成果数量

人文社会科学的科研活动所产生的成果是其创新能力的最直接表征,成果的质与量直接反映了创新能力的强弱。对于人文社会科学科研成果的评价,要正确处理量与质的关系,兼顾量与质,构建合理的科研成果评价制度。期刊是论著(或论文)的主要载体。尽管论文质量取决于论著自身的创新性、科学性与实用性等内部特征,与期刊级别并无必然联系,但是由于期刊之间客观存在等级差距,比较刊载论著的期刊的级别依然是衡量论著质量高低重要依据。一篇前需要经过同行评议。通常期刊等级越高,其评审专家的总体水平就越高,通过同行评议的论文总体质量和创新程度相对就越高。已经经过同行评议的科研成果越多,反映其学科创新力就越大。因此,以期刊等级为依据,将科研成果分级,并统计不同等级上的成果数量,统计数据可以作为量化学科学术创新力的重要指标之一。

2.2科研合作度

学术创新即知识创新,而知识创新与发生在国内外个体之间、组织之间或机构之间的科研合作关系密切。科研合作可以使不同知识背景的研究人员之间进行知识的碰撞,在获取隐性知识、凝聚创新思想、获取科研信息、共享研究资源、提高成果创新水平、加快知识扩散等方面都具有十分重要的意义,在实现学科跨越式发展以及取得科学突破等方面发挥着巨大力量。因此,科研活动中的合作程度(即科研合作度)可以作为量化学科学术创新力的指标之一。合作指数(Subramanyam,1983)、合著率、合作强度是科学计量学领域常用的表征科学合作度的三种指标,其中:合作指数(合著度)是指地域、机构、科学家个人、学科或期刊所的篇均作者数;合著率是指合著论文占全部论文的百分比;合作强度用来表征国家(地区)、研究机构或科学家之间合作的紧密程度。

2.3学科交叉度

“学科是具有规定的知识形态,占有一定的教学、科研资源,面对某一特定的研究对象,使用独特的语言系统,遵守特定的研究规范,具有动态运行能力的学术共同体”。经过几个世纪的快速发展,现代科学已经演变成为一个划“科”而治的庞大的学科系统,各个学科之间存在着特定的分工和明确的界限,各个学科都形成了自己的问题域、研究范式以及方法论。对于某个现实复杂问题的解决,不同学科的专家通常是将其转化和分解为各个学科的子问题去对待。这种转化和分解使得问题的解决基于单一学科内特定的逻辑和范式,有可能曲解原有现实复杂问题。随着社会问题日益复杂化,科学技术发展日益综合化,越是重大的、基础性的研究越是需要多学科的交叉。两个或多个学科的跨学科研究并不是将两个学科简单的迭加在一起,而是思想和方法的结合。跨学科研究是团队或个人的一种研究模式,它把来自两个以上学科或专业知识团体的信息、数据、技能、工具、观点、概念和理论综合起来,加深基本的认识,或解决那些不能用单一学科或研究领域来解决的问题。跨学科的研究不仅为传统学科拓展了新的发展空间,同时也产生了新兴的可以解决现实复杂问题的交叉学科。“知识创新”是“跨学科、跨行业、跨国家的合作,研究共同感兴趣的问题……加速了新思想的创造、流动和应用”。“学科交叉在本质上就具有学科创新的意义”。因此,学科交叉是提升学科创新力的重要途径,学科交叉程度可以作为量化学科学术创新力的指标之一。部分学者根据跨学科研究的特性给出了一些文献计量学方法用于评估不同学科领域和子领域之间的跨学科关联的结构和动力。杨良斌、金壁辉对相关研究进行了综述,并给出了新的学科交叉度计算方法。

2.4主题新颖度

期刊论文是反映学科研究方向和内容最灵敏及时的一种文献形式,通过研究期刊论文体现出来的新内容、新知识可以考察其论文所属学科的创新力。关键词能够体现一篇文章的主要研究内容和方法,可以通过考察某时间段期刊论文关键词出现的频率和趋势规律来分析该学科的学科创新力。一般来说,从不同学科而言,学科之间交叉越多,越容易出新成果,学科创新力越强,从学科内部而言,学科内部不同研究领域的交叉越多,该学科创新潜力越强。研究文献频率排名靠前的关键词,考察它们的交叉情况可以反映学科内部不同研究领域的交叉情况,从而可以反映学科创新潜力;考察它们的共现现象,共现周期越短,反映学科研究的理论和方法更新越快,学科创新活力越强;考察某学科连续出现2年及以上或者某年出现2次及以上的共现词组及其词频分布可以看出该学科研究的持续性,这类词出现率越高则表明该学科创新保持力越强。因此,主题新颖度可以作为量化学科学术创新力的指标之一。

2.5扩散效率

科研成果的扩散速度和传播范围与下列三种因素关系密切:成果本身的创新程度、信息的传播渠道、成果扩散所处的社会系统。当后两个因素相同时,成果本身的创新程度则成为影响成果的扩散速度和传播范围的决定性因素。因此,科研成果的扩散效率可以作为量化学科学术创新力的指标之一。人们在评估期刊影响力时提出了一个指标,即扩散因子。扩散因子被定义为总被引频次涉及的期刊数×100/总被引频次,显示总被引频次扩散的范围。在评价科研成果的扩散效率时不能直接引用扩散因子计算公式,需要构建能体现扩散速度和传播范围的新公式。

2.6社会效益

人们在进行技术创新能力评价时将新产品的数量、性能及其经济效益作为重要的评价指标,在进行自然科学创新能力评价时将自然科学的科研产出量及其经济效益作为重要的评价指标。但是,对人文社会科学而言,其学术成果几乎没有直接的经济效益,学术成果的价值主要体现在社会效益方面。社会效益通常是指人们的社会实践活动对社会发展所起的积极作用或产生的有益效果。不产生社会效益的学术成果不能算作具有创新性的学术成果。因此,学术成果产生的社会效益可以作为量化人文社会科学学科学术创新力的指标之一。社会效益具有慢热、间接效益比重大、难以量化、行业特征明显等特点。因此,量化社会实践活动的社会效益是一件非常困难的任务。其难点主要体现在定量指标的选取,面临的问题包括选取的指标是否全面,指标能否量化,指标数据能否获取,指标之间具有何种关联程度,如何构建科学的社会效益评价模型与方法,等等。目前社会效益评价研究依然处于起步和探索阶段,评价方法主有两种:一种以经济学为基础,分析社会实践活动带来的经济增长或经济效益;另一种以社会学为基础,分析社会实践活动对经济、政治、文化、艺术、教育、生活、安全、国防、环境等各项社会发展目标所做的贡献与影响。相对于科技项目的社会效益评价而言,人文社会科学研究成果的社会效益评价研究才刚刚起步,成果甚少,难度很大。我们将在后续成果中给出量化人文社会科学研究成果社会效益的解决方案。

3人文社会科学学科创新力评价

指标体系的基本框架基于上述分析,我们将人文社会科学创新能力分解为人文社会科学学科学术创新能力、人文社会科学学科创新支撑力以及人文社会科学学科管理创新能力等三个要素。

4结语

本文主要讨论人文社会科学学科创新力的构成要素,并力图将学术成果的创新特征作为量化学科创新力的重要指标,提出人文社会科学学术成果创新程度的量化思路与量化指标,并在此基础之上给出一个人文社会科学学科创新能力评价体系的基本框架。人文社会科学创新能力评价指标体系中的二级指标如何细分为三级指标,各一级指标、二级指标及二三级指标的权数如何确定,还需要进一步研究与分析。

量化投资论文范文第10篇

关键词:管理科学与工程 学位论文 共词分析 聚类分析

问题的提出

管理科学与工程是综合运用系统科学、管理科学、数学、经济和行为科学及工程方法,结合信息技术研究解决社会、经济、工程等方面的管理问题的一门学科。该学科研究广泛的内容和丰富的研究方法使得研究领域不断扩展,新技术、新思想的不断融入为学科的发展提供了广阔的空间。因此,关注该管理科学与工程学科的研究热点是十分必要的。

博士学位论文的主题和内容展现出作者深厚的理论功底和卓越的见解,这是因为博士论文的选题新颖,论文的内容信息量大并且专业性强,既有研究的深度又有研究的广度,具有较高的学术价值。在衡量学科发展水平和科技产出的指标时,学者经常以博士学位论文的发表状况作为参考和衡量依据,其研究内容可以反应出该学科近期的发展趋势和研究热点。本文采用共词聚类分析法,对CNKI中收录的我国管理科学与工程专业的博士学位论文进行定量分析,通过数据研究与分析,找出我国管理科学与工程领域的博士研究生所关注的研究热点。

共词分析法是一种内容分析的方法,主要是通过对能够表达某一学科领域研究主题或研究方向的专业术语共同出现在一篇文献中的现象的分析,判断学科领域中主题间的关系,从而展现该学科的研究内容与结构。其立论的假设条件是:文章的关键词是文章主题内容的浓缩,共词文章数量越多,表明这类关键词“距离”就越近,利用现代的多元统计技术如因子分析、聚类分析和多维尺度分析等,则可以按这种“距离”将一个学科内的重要关键词加以分类,从而分析出该学科领域的研究现状与内容。

数据来源

《CNKI中国博士学位论文全文数据库》(简称CDFC)是目前国内相关资源最完备、质量最高、出版周期最短、数据最规范、最实用、连续动态更新的博士学位论文全文数据库。

本文选择中国知网的《CNKI中国博士学位论文全文数据库》的免费题录数据库,于2011年9月9日为时间截点,以“学科专业名称”作为检索途径,输入“管理科学与工程”作为检索词,共检索到4537篇博士学位论文。

用Excel和ROST内容挖掘工具对检索结果进行文本合并与数据统计,共得到23564个关键词,人工反复进行校对,剔除了对反应主题没有积极意义的决策、现状、影响因素、模型等高频词,最后选择词频数大于等于20的高频关键词共得到68个,如表1高频关键词所示。

数据分析

(一)构建共词矩阵

表1中统计的这些关键词是管理科学与工程专业博士学位论文中出现频次较高的词,它们在较大程度上反映出当前该学科博士研究生在管理科学与工程学科领域的研究热点,但是由于许多相关知识和其他热点会与这一研究热点有交叉,并且不同的学者在研究的过程中对关键词的把握也会存在一定的差异,因此,我们需要预处理得到的这些高频关键词,从而进一步反映这些关键词之间的关系。

根据表1中的统计数据,对68个关键词两两配对,统计它们在4537篇文献中共同出现的频次,形成68×68的矩阵,如表2所示。

(二)构建相关矩阵

为了消除关键词词频悬殊造成的影响,利用SPSS 19.0对共词矩阵进行相关分析,得到相关矩阵(见表3),相关矩阵的数据很重要,它是后面进行聚类分析的基础数据。

(三) 利用spss进行聚类分析

将表3所示的相关矩阵导入SPSS19.0进行层次聚类分析,选择“组间平均链锁(Between-group link-age)”,即个体与小类中每个个体距离的平均值。此种方法利用了个体与小类的所有距离的信息,克服了极端值造成的影响。得到的凝聚状态表,如表4所示。

在表4中,第一列(阶)表示聚类分析的第几步;第二、三列表示本步聚类中哪两个样本或小类聚成一列;第四列(系数)是个体距离或小类距离;第五、六列表示本步聚类中参与聚类的是个体还是小类,0表示样本,非零表示由第几步聚类生成的小类参与本步聚类;第七列表示本步聚类的结果将在以下第几步中用到。例如,第一步中,53号关键词(风险控制)与68号关键词(风险评估)聚成一类,它们的个体距离是0.997,这个小类将在第12步中用到。同理可得其它聚类。这个聚类可以从图1所示树状图中展现出来

层次聚类分析的树状图是以躺倒树的形式展示了聚类分析中的每一次类的聚合情况。SPSS重新调整距离进行聚类合并,自动将各类间的距离映射到0-25区间之间,并将聚类合并过程近似地表现在图上。53号关键词(风险控制)与68号关键词(风险评估)距离最近,首先合成一类。其次是54号关键词(复杂网络)和62号关键词(电子政务),其条以此类推。可见聚类过程与表4所示的凝聚状态图是一致的。

我国管理科学与工程专业博士学位论文的研究热点

(一)供应链管理研究

供应链管理研究,包括关键词1和5。主要围绕供应链管理的理论、方法和实践展开研究,尤其供应链管理技术在实际企业中的应用、操作等方面是很多研究者关注的热点,并取得了丰硕的研究成果。同时也有涉及供应链优化、创新和风险管理等方面的研究。

(二)博弈论的应用研究

博弈论的应用研究,包括关键词6、7和关键词57和61。主要将博弈论的思想运用到企业或项目的管理、相关对策和制度的制定中以及决策行为的研究,针对企业的实际情况来进行博弈模型的构建以及在信息不对称情况下的博弈分析。

(三)风险管理的研究

风险管理的研究,包括关键词3、53和68。风险管理的研究包括风险识别、风险评估和如何有效进行风险规避和风险控制。本文选取的数据库中的文献主要是针对一些企业和证券公司、银行等机构创业投资的风险管理研究,特种设备的风险管理和投资项目的风险管理,还是少数文献的研究涉及自然灾害的风险管理和文物典藏机构的危险管理等。

(四)绩效评价研究

绩效评价研究,包括关键词2和36。绩效评价的研究主要涉及企业公司和相关管理组织结构绩效评价体系的构建,评价理论和评价方法的研究,还有部分研究者关注人力资源绩效评价的研究和科技成果转化知识管理绩效评价研究等。

(五)可持续发展理论的应用研究

可持续发展理论的应用研究,包括关键词9。从可持续发展理论的核心理念和思想出发,分析该理论在自然资源、能源、农业、钢铁等行业,城市建设,经济发展,教育等行业领域的应用研究,提出相应的发展策略和实施建议。

(六)产业集群及产业集群技术创新与竞争优势

产业集群及产业集群技术创新与竞争优势,包括关键词4、8和19。产业集群是近几年的研究热点,也得到博士研究生的青睐,主要研究产业集群的理论和实践,不同性质行业的产业集群及其生态演化发展和技术创新与竞争优势等。

(七)遗传算法、神经网络和数据挖掘的关系

遗传算法、神经网络和数据挖掘的关系,包括关键词10、11和15。数据挖掘是一个从大型数据库中抽取隐含的、事未知的、具有潜在有用的信息或知识的非平凡过程。数据挖掘应用涉及的领域范围比较广,在管理科学与工程学科博士学位论文的研究中采用较多的数据挖掘技术是神经网络和遗传算法,分析研究对象间的关系和数据信息,从而构建研究体系或模型。

(八)企业知识管理研究

企业知识管理研究,包括关键词12。主要围绕知识管理在企业文化和企业管理中的应用展开研究,探索知识管理的方法、知识体系创新、知识转移、知识共享、文本挖掘和人才管理耦合研究和其他实证研究。

(九)系统动力学理论的应用研究

系统动力学理论的应用研究,包括关键词13。主要是汲取系统动力学的思想,把企业或运营的项目本身作为一个系统来进行研究,根据企业的性质和从事的行业来有针对性地分析信息流、物资流、资金流、人力流和设备流,提升企业的自身的竞争力,创造更多的价值。

(十)实物期权理论的应用研究

实物期权理论的应用研究,包括关键词16。对实物期权理论的应用研究主要集中在生产经营决策,战略研究,资产价值评估,自然资源开发,信息技术基础设施投资,技术创新等方面。

(十一)公司治理研究

公司治理研究,包括关键词44。 关于公司治理的研究主要集中在国内外公司治理的对比研究,公司的治理机制和治理结构,以实际的案例分析公司治理中的利益冲突与平衡,总结公司治理中的经验,并根据经验进一步探索如何进行公司治理的创新研究。

(十二)在产业研究分析中层次分析法的使用

在产业研究分析中层次分析法的使用,主要包括关键词31、33、40和51。层次分析法是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上,将上述信息进行量化处理,从而为多目标或无结构特性的复杂决策问题提供简便的决策方法。主要是针对产业系统的设计、管理和评价研究,风险评估研究和策略研究等。

(十三)其他研究主题

其他研究主题。例如,关键词34分别与关键词33、36、43和49聚合成小类,这就表明风险投资也是其中一个研究热点。

结论

共词聚类分析法跟普通的文献计量方法不同,它把数据库中的关键词进行量化处理,通过定量分析反映出关键词与关键词之间的亲疏远近关系,进而反映高频关键词所代表的主题内容的结构。从上面总结的研究热点可以看出,有部分关键词自己单独成小类,经过多次聚类后才与其他类聚成大类,但是大类不能准确地反映研究的主题,因此就将这些关键词自身单独成类,归纳出研究的热点。

本文通过分析高频关键词来反映管理科学与工程博士学位论文的研究热点,并且通过共词聚类分析反映出这些研究热点之间的结构关系。选择关键词的多少会造成聚类结果有所不同,因此不排除某些频次较低的关键词有可能成为未来的研究热点。目的是通过对我国管理科学与过程博士学位论文的研究热点分析,进一步了解和掌握我国管理科学与工程博士研究生的研究方向和研究趋势,并且将文献计量学中的共词研究方法移植到该学科领域,丰富本学科的研究方法。

参考文献:

1.百度百科.管理科学与工程[EB/OL].baike.省略/view/666737.htm

2.张勤,马费成.国外知识管理研究范式—以共词分析为方法[J].管理科学学报,2007(12)

3.李长玲,翟雪梅.我国情报学硕士学位论文的共词聚类分析[J].情报科学,2008(3)

4.薛薇.SPSS统计分析方法及应用[M].电子工业出版社,2005

5.李仁璞.分类数据挖掘中若干基本问题的研究[D].天津大学,2003

作者简介:

王兰甫(1963-),男,河南唐河人,博士研究生,研究方向:企业管理。

杨昌明(1945-),男,湖北武汉人,教授,博士生导师,研究方向:资源经济与管理。

上一篇:长期股权投资论文范文 下一篇:投资回报率论文范文