投資公司業(yè)務流程圖

　　如何開展量化投資業(yè)務、組建量化投資團隊，成為資本市場新的關(guān)注點，下面是相關(guān)內(nèi)容，一起來看看：

　　隨著金融市場日益復雜、金融創(chuàng)新不斷深化，各類證券和金融衍生品應運而生，計算機信息技術(shù)快速發(fā)展使其具有快速、海量計算證券價格和處理交易的能力，可以有效管理大量的證券及衍生品投資組合，在此背景下，量化投資開始興起。量化投資不同于傳統(tǒng)的依靠投資者個人經(jīng)驗判斷的定性投資，而是通過對海量歷史數(shù)據(jù)的分析，研究出取得超額收益的多種“大概率”事件以制定策略，用數(shù)量模型反復驗證這些規(guī)律和策略，然后嚴格執(zhí)行交易來實施投資，以求獲得持續(xù)的、穩(wěn)定且高于平均收益的超額回報。從理論上來說，一個證券市場的有效率越低，量化投資面臨的機遇就越大，可以預計在我國量化投資將面臨較好的發(fā)展機遇。本文簡述了量化投資主要的業(yè)務流程和前期準備工作，為機構(gòu)投資者開展量化投資業(yè)務提供一定的參考。

　　一、業(yè)務流程

　　開展量化投資業(yè)務，主要有三個層次的業(yè)務流程，分別是數(shù)據(jù)層、策略模型層和交易執(zhí)行層，各個層次直接的邏輯關(guān)系如下圖所示：

　　（一）數(shù)據(jù)層

　　數(shù)據(jù)層是量化投資流程的第一層，是最重要也是最容易被忽視的一層。由于量化投資本質(zhì)上是基于數(shù)據(jù)的統(tǒng)計分析，因此對于數(shù)據(jù)的來源、質(zhì)量、可處理性就尤為重要。

　　1、數(shù)據(jù)獲取

　　統(tǒng)計學有一個重要的觀點“dirty in,dirty out”，意思是如果數(shù)據(jù)來源有問題，得出的結(jié)果就一定是錯的，因此，獲取準確無誤的數(shù)據(jù)是量化投資的第一步，這些數(shù)據(jù)包括但不限于行情歷史數(shù)據(jù)，公司財務指標數(shù)據(jù)、行業(yè)估值數(shù)據(jù)、宏觀經(jīng)濟數(shù)據(jù)、輿情數(shù)據(jù)等。由于這些數(shù)據(jù)種類繁多、數(shù)量巨大，人工獲取的效率很低，無法滿足投資需求，因此主要通過向數(shù)據(jù)服務提供商購買方式取得，例如股票和期貨行情的每日、小時、分鐘、筆等數(shù)據(jù)包，是未經(jīng)加工的原始數(shù)據(jù)。此外，一些量化基金還通過輿情軟件對社會熱點信息進行網(wǎng)絡抓取。

　　2、數(shù)據(jù)挖掘

　　獲得數(shù)據(jù)后，由于是原始數(shù)據(jù)，必須進行處理才可以使用。處理過程主要包括：入庫，將數(shù)據(jù)導入MySQL或Oracle等數(shù)據(jù)庫平臺；數(shù)據(jù)清洗，即發(fā)現(xiàn)并糾正數(shù)據(jù)文件中可識別的錯誤，包括檢查數(shù)據(jù)一致性，處理無效和缺失值等；標準化和格式化，就是將清洗后的數(shù)據(jù)通過格式化計算轉(zhuǎn)化為軟件可以識別和處理的數(shù)據(jù)格式和類型。對于網(wǎng)絡抓取等方式獲得的數(shù)據(jù)，還需要通過自然語言處理等方式轉(zhuǎn)化為格式化數(shù)據(jù)。

　�。ǘ�）策略模型層

　　策略模型層是量化投資的核心層次。國內(nèi)的量化策略模型一般采用Matlab軟件進行開發(fā)，形成策略庫，再將數(shù)據(jù)庫內(nèi)處理好的最新數(shù)據(jù)導入計算軟件中進行運算，得出最終的目標持倉組合。

　　1、構(gòu)建策略庫

　　量化投資策略模型的建立步驟與科學研究類似，首先是對證券市場的一些變量進行觀察，例如證券價格、成交量、無風險利率等，根據(jù)可能存在的邏輯關(guān)系提出各個變量之間關(guān)系的理論，由此將理論轉(zhuǎn)化為數(shù)學模型，再通過Matlab等計算軟件編寫成為程序；將數(shù)據(jù)庫里的歷史數(shù)據(jù)代入回溯測試，計算并優(yōu)化模型的參數(shù)，最后利用模型對未來的數(shù)據(jù)進行預測，將預測值同實際值進行對照，檢驗模型的有效性。這些策略從研究、開發(fā)、測試到審批上線一般需要經(jīng)過三至六個月的時間。后續(xù)的策略庫維護則是長期過程，涉及風險控制部門對模型有效性的定期評估。

　　2、因子計算

　　由于市場數(shù)據(jù)每個交易日都會更新，對于所有的策略模型，日常工作包括導入最新數(shù)據(jù)，計算出模型中各因子的數(shù)值，選擇采用符合當前市場的策略模型，根據(jù)模型計算選股、擇時或者套利，對持倉品種的行業(yè)、市值等權(quán)重配比進行優(yōu)化等。

　　3、生成目標持倉組合

　　確定目標持倉品種的全部參數(shù)后，生成出當日需要交易的持倉組合，一般是Matlab輸出的excel電子表格，再批量導入交易系統(tǒng)，進入交易執(zhí)行層。

　　策略模型層是量化投資的核心層次。國內(nèi)的量化策略模型一般采用Matlab軟件進行開發(fā)，形成策略庫，再將數(shù)據(jù)庫內(nèi)處理好的最新數(shù)據(jù)導入計算軟件中進行運算，得出最終的目標持倉組合。

　�。ㄈ�）交易執(zhí)行層

　　交易執(zhí)行層是信息化程度最高，也是比較動態(tài)和復雜的層次，主要分為三個步驟，算法交易、訂單生成和集中風控。

　　1、算法交易

　　目標持倉首先導入算法交易引擎，目的是為了優(yōu)化大型投資組合配置，決定買賣證券時機以及最小化委托單的市場沖擊成本等。算法交易一般是通過分析掛價指令表等方式，根據(jù)市場價格的動態(tài)變化，將大筆的交易單通過一定的算法（如“冰山一角”、“游擊隊”等）拆分成為小單發(fā)送，以減少掛單對于市場價格的沖擊，平滑成交價格。當普通投資者將目光盯在股價成交的K線圖和成交單上時，算法交易更關(guān)注的是掛單的流動性，發(fā)掘潛在的成交可能。

　　2、訂單生成

　　經(jīng)過算法交易引擎處理過的投資組合，生成交易指令，通過集中交易網(wǎng)關(guān)，根據(jù)事先編寫好的交易接口文件，翻譯成為交易所或者券商、期貨公司柜臺可以識別的指令，生成最終訂單，發(fā)送至集中風控系統(tǒng)進行最后一道檢驗。

　　為了比其他投資者更快成交，一些量化基金將計算機系統(tǒng)放置在距離交易所最近的數(shù)據(jù)中心，甚至與交易所的系統(tǒng)共置于同一機房，以在毫秒級別上獲得更快的成交速度，一些量化基金不滿足交易所提供的標準化金融信息交換協(xié)議格式的數(shù)據(jù)通訊(FIX)，而是開發(fā)直連交易所的特定應用程序接口(API)。量化基金交易系統(tǒng)和接口文件的開發(fā)和維護是交易層次的重要工作。

　　3、集中風控

　　量化投資的風險控制貫穿于業(yè)務全流程，其中集中風控系統(tǒng)是交易前的最后一道關(guān)卡，它獨立于交易系統(tǒng)之外，將事先制定好的風控條件設定于計算機程序內(nèi)，實時計算檢驗各項已設定風控指標，如凈值預警線、持倉限額、風險敞口等，是否滿足風控要求。集中風控系統(tǒng)檢驗過的訂單，發(fā)送至交易所完成最終交易。集中風控系統(tǒng)還對一些不可預測的交易結(jié)果進行交易完成后的檢驗。

　　二、前期準備

　　（一）人員配備

　　數(shù)據(jù)處理主要依賴計算機軟件，且每日更新，數(shù)據(jù)層的工作主要通過程序化方式完成，一般需要配備兩名數(shù)據(jù)處理人員負責每日數(shù)據(jù)的更新和維護，一些規(guī)模較小的機構(gòu)由基金經(jīng)理或者基金經(jīng)理助理完成此項工作。如果有輿情數(shù)據(jù)抓取，還需要至少兩人完成抓取和自然語言處理等工作。

　　策略模型層的主要工作由基金經(jīng)理和助理完成，股票、期貨、債券等每個品種至少需要配備二到三人，策略模型入庫需經(jīng)投資決策委員會審批，日常維護還需通過風控部評估，因此也是量化投資團隊核心骨干成員的配備所在。包含高級管理人員在內(nèi)，這塊業(yè)務需要配備至少六到八名人員。

　　交易執(zhí)行層主要工作由交易員、軟件開發(fā)人員和風控部門完成，至少需要兩名交易人員，兩名交易系統(tǒng)軟件開發(fā)和維護人員，兩名風控人員。如果基金策略較多，還需要專門的股票、期貨、ETF等交易系統(tǒng)，業(yè)績歸因系統(tǒng)，風險控制系統(tǒng)的開發(fā)和維護人員。

　�。ǘ�）軟硬件配置

　　量化投資業(yè)務與傳統(tǒng)的證券投資業(yè)務相比，更加注重對計算機信息技術(shù)的應用。從事量化投資的美國大本營投資集團就曾對外宣稱“大本營集團是從事金融投資的科技公司，信息系統(tǒng)并非公司的成本，而是立命之本�！币虼�，量化投資團隊的前期投入主要是購買軟硬件設備，包括高性能的計算機、服務器、Oracle等數(shù)據(jù)庫平臺、Matlab等計算軟件、原始數(shù)據(jù)、證券交易系統(tǒng)、風險控制系統(tǒng)等，此外還需要自己開發(fā)接口文件、算法交易文件等。

　　三、總結(jié)

　　量化投資雖然在國內(nèi)已經(jīng)發(fā)展了十幾年，但是由于金融衍生品的種類較少，融資融券仍處于發(fā)展初期，多空機制仍不完善，我國的量化投資處于發(fā)展初期，發(fā)展機遇廣闊。開展量化投資業(yè)務，不能比照傳統(tǒng)的私募基金，招募一批從業(yè)人員便可以開展業(yè)務，而是需要建立一整套規(guī)范化、流程化的業(yè)務體系和前期大量的計算機軟硬件投入。從這個角度講，量化投資基金可以被認為是從事證券投資業(yè)務的信息技術(shù)公司，這種跨界融合無論是從思維方式的轉(zhuǎn)變還是專業(yè)知識的儲備，對于從業(yè)人員都是很大的考驗。

【投資公司業(yè)務流程圖】相關(guān)文章：

物流公司的業(yè)務流程圖07-03

銷售公司主要業(yè)務流程圖07-02

廣告公司業(yè)務流程圖07-02

保險公司業(yè)務流程圖07-02

金融投資公司業(yè)務流程12-15

人員面試流程圖07-02

北京社保轉(zhuǎn)移流程圖07-04

上海社保轉(zhuǎn)移流程圖07-04

深圳社保轉(zhuǎn)移流程圖07-04

職業(yè)規(guī)劃流程圖07-10