近十年，量化投資成為了資本市場發(fā)展的焦點(diǎn)，由于其交易投資的業(yè)績穩(wěn)定，市場規(guī)模和份額不斷擴(kuò)大，得到國際上越來越多投資者的追捧。萬得金融營走進(jìn)人大校園，邀請MATLAB資深技術(shù)專家王燚先生以及《量化投資—以MATLAB為工具》的作者鄭志勇先生，在人大國學(xué)館和量化投資者一起探討分享。

本次活動，共同探討MATLAB在資產(chǎn)配置、風(fēng)險(xiǎn)分析、衍生品對沖等金融領(lǐng)域的實(shí)際應(yīng)用。包括：

資產(chǎn)配置（Asset allocation）

量化投資管理將傳統(tǒng)投資組合理論與量化分析技術(shù)結(jié)合，極大地豐富了資產(chǎn)配置的內(nèi)涵，形成了現(xiàn)代資產(chǎn)配置理論的基本框架。它突破了傳統(tǒng)積極型投資和指數(shù)型投資的局限，將投資方法建立在對各種資產(chǎn)類股票公開數(shù)據(jù)的統(tǒng)計(jì)分析上，通過比較不同資產(chǎn)類的統(tǒng)計(jì)特征，建立數(shù)學(xué)模型，進(jìn)而確定組合資產(chǎn)的配置目標(biāo)和分配比例。

風(fēng)險(xiǎn)分析 （Risk analysis）

風(fēng)險(xiǎn)量化用于衡量風(fēng)險(xiǎn)概率和風(fēng)險(xiǎn)對項(xiàng)目目標(biāo)影響的程度，它依據(jù)風(fēng)險(xiǎn)管理計(jì)劃、風(fēng)險(xiǎn)及風(fēng)險(xiǎn)條件排序表、歷史資料、專家判斷及其他計(jì)劃成果，利用靈敏度分析、決策分析與模擬的方法與技術(shù)，得到量化序列表、項(xiàng)目確認(rèn)研究以及所需應(yīng)急資源等量化結(jié)果。

衍生品對沖 （Derivatives hedging）

近年來隨著證券市場不斷發(fā)展，金融衍生產(chǎn)品不斷推出，做空工具不斷豐富，投資的復(fù)雜程度也日益提高，其中以追求絕對收益為目標(biāo)的量化對沖投資策略以其風(fēng)險(xiǎn)低、收益穩(wěn)定的特性，成為機(jī)構(gòu)投資者的主要投資策略之一。

算法交易（Algorithmic trading）

事先設(shè)計(jì)好交易策略，然后將其編制成計(jì)算機(jī)程序。利用計(jì)算機(jī)程序的算法來決定交易下單的時(shí)機(jī)、價(jià)格和數(shù)量等。程序化下單能避免人的非理性因素造成的干擾，并能更精確的下單。同時(shí)管理大量的操作，自動判斷將大單分拆為小單，減小沖擊成本。

B-L模型（Black-Litterman Optimization）

Black-Litterman模型利用概率統(tǒng)計(jì)方法，將投資者對大類資產(chǎn)的觀點(diǎn)與市場均衡回報(bào)相結(jié)合，產(chǎn)生新的預(yù)期回報(bào)。該模型可以在市場基準(zhǔn)的基礎(chǔ)上，由投資者對某些大類資產(chǎn)提出傾向性意見，然后，模型會根據(jù)投資者的傾向性意見，輸出對該大類資產(chǎn)的配置建議。新的資產(chǎn)配置具有符合直覺的組合及可以理解的權(quán)重配置。