关于用MATLAB解决量化投资中的核心问题的方案设计

近十年，量化投资成为了资本市场发展的焦点，由于其交易投资的业绩稳定，市场规模和份额不断扩大，得到国际上越来越多投资者的追捧。万得金融营走进人大校园，邀请MATLAB资深技术专家王燚先生以及《量化投资—以MATLAB为工具》的作者郑志勇先生，在人大国学馆和量化投资者一起探讨分享。

本次活动，共同探讨MATLAB在资产配置、风险分析、衍生品对冲等金融领域的实际应用。包括：

资产配置（Asset allocation）

量化投资管理将传统投资组合理论与量化分析技术结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。它突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上，通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。

风险分析 （Risk analysis）

风险量化用于衡量风险概率和风险对项目目标影响的程度，它依据风险管理计划、风险及风险条件排序表、历史资料、专家判断及其他计划成果，利用灵敏度分析、决策分析与模拟的方法与技术，得到量化序列表、项目确认研究以及所需应急资源等量化结果。

衍生品对冲 （Derivatives hedging）

近年来随着证券市场不断发展，金融衍生产品不断推出，做空工具不断丰富，投资的复杂程度也日益提高，其中以追求绝对收益为目标的量化对冲投资策略以其风险低、收益稳定的特性，成为机构投资者的主要投资策略之一。

算法交易（Algorithmic trading）

事先设计好交易策略，然后将其编制成计算机程序。利用计算机程序的算法来决定交易下单的时机、价格和数量等。程序化下单能避免人的非理性因素造成的干扰，并能更精确的下单。同时管理大量的操作，自动判断将大单分拆为小单，减小冲击成本。

B-L模型（Black-Litterman Optimization）

Black-Litterman模型利用概率统计方法，将投资者对大类资产的观点与市场均衡回报相结合，产生新的预期回报。该模型可以在市场基准的基础上，由投资者对某些大类资产提出倾向性意见，然后，模型会根据投资者的倾向性意见，输出对该大类资产的配置建议。新的资产配置具有符合直觉的组合及可以理解的权重配置。