2013年11月25日至11月28日，经济学院专业学位实务模块系列课程第85期在经济学院205报告厅开讲。在四天的授课中，李克辛博士分为四个部分向同学们讲解了量化投资的基本内容。
李克辛博士现任数值方法和算法交易咨询公司Numerical Method Inc.的首席执行官。在此之前，李博士曾在纽约，伦敦，东京和新加坡多个投资银行担任定量交贸员/定量分析师， 在量化交易的理论和实践方面有很多的经验。李博士于芝加哥大学获得纯数学学士和金融数学硕士学位，于密歇根大学安阿伯分校获得计算机科学与工程的博士学位。在新加坡国立大学等多家高校兼任客座教授，同时也是经济学院专业学位导师。
李克辛博士首先介绍了量化投资这门科学的基本涵义，从量化方法的定义、适用产品、客户出发，结合量化投资方法与传统方法的比较，让同学们对量化投资的基本应用有了一定的认识。介绍NM量化投资研究进展，量化投资的步骤分为：建模、编码、分析、交易，将数学模型及计算机编程技术，与现实的市场情况进行结合分析，以期获得理想收益。李博士强调技术分析并非量化投资，并从数理模型的角度详细讲述了量化投资策略中的移动平均线交叉理论，其中包括金融时间序列的经典性质、K-S-T过程、参数的估计、马尔科夫性、平稳状态等。基于前面的基本框架，李博士进一步地运用线性技术指标的数理分析这个例子加深同学们的理解。最后作为总结，李博士指出量化投资需要的技能，即金融感知能力、市场理解能力、创造能力，相关的数理基础，计算机编程能力等；并指出量化投资是一个新兴的领域，是数学与计算机科学在金融行业中碰撞出的火花，未来有可观的前景。
李克辛博士在第二次授课中讲解了各种不同的利差的区别和算法，并结合苹果公司及谷歌公司的案例是同学们更加直观深切的了解到利差的现实意义。关于贝塔值的讲解，他分别从普通情况、对数情况、动弹调整等多个方面结合例题进行分析，让同学们了解到贝塔值的具体适用性。此后李克辛博士特别强调了交易战略的重要性，对于Z transform模型进行了细致的说明。在此基础上，李克辛博士利用前面所讲的基本知识，对一系列量化投资领域常见的模型进行了讲解，使同学们从实务角度对量化投资有了直观的认识。
第三次课程中，李克辛博士系统全面的讲解了均值回归模型。从随机控制、随机关系、对数例子、多重伊藤、动态资产、动态金融组合多个角度、由浅入深地讲解了均值回归模型的多重情况。在多个模型进行讲解之后，李克辛博士通过提问与同学交流讨论公式中存在的问题，并根据问题讨论最优解的得出。此后，他又对PDE、边界情况、扩张和组群等问题进行了分析和计算，通过PDE在多个希腊字母变动情况下的变化的不同，让同学们了解到量化投资的适用性和趣味性。同学们对于这种动弹变化的情况表示出很高的兴趣
。
在第四次课程的探讨中，李克辛博士从量化投资的角度深入丰富地讲述了投资组合优化与风险管理问题。首先是投资组合优化，准备知识是收益与权重向量、度量风险的协方差矩阵，接着介绍了夏普比率及其局限性，修正时高阶矩与损失阈值的重要性，寻找量化投资新方法解决传统方法的局限性：Omega法及其优势，Sharpe-Omega法是结合传统与新方法的更好指标。李博士通过实例比较几种方法的投资优化过程，并介绍最优化中的补偿法。他给同学们展示了量化投资方法在金融风险管理中的应用。传统金融理论认为，利润最重要的来源是风险，因此高风险对应着高回报，而李博士个人认为并非如此。为了说明自己的观点，李博士先介绍债券、信贷、股票、衍生品、外汇等金融产品的风险来源，接着讲述度量金融风险的VAR方法，其计算方式有三类：历史模拟法、方差-协方差分析法、蒙特卡洛模拟法，三类方法各具优劣。针对厚尾情形，李博士采用QQ图处理，介绍其渐近性与收敛性，以及Fisher-Tippett定理，在厚尾情形下我们仅关注Fre´chet算法。进而李博士讲解了如何利用Fre´chet Shape参数、Fre´chet MDA定理、GEV和超越函数来进行风险管理，厚尾指标的计算及POT分析图，分别利用EVT计算VAR及ES，然后比较几种方法下得出的VAR，最后总结量化投资方法在投资优化及风险管理中的应用。
（龚茗、陈璐 供稿）
返回顶部
