5月27日下午，张亮亮先生应邀来到复旦大学，为复旦大学经济学院金融专业硕士的同学们带来了“买方量化篇：投资组合管理与量化投资实务”主题课程。本次课程由复旦大学金融研究院张卫平副教授主持。
张亮亮，复旦大学数学系本硕，波士顿大学商学院金融工程系硕博；先后任职于光大证券、美银美林证券、苏格兰皇家银行、东兴证券、华泰证券和致同投资。
首先，张老师对量化投资进行了概述。他指出，量化投资通过数学模型和计算机程序发出买卖指令，旨在获取稳定的收益。这种方法利用庞大的历史数据，通过计算机技术寻找大概率事件进行投资决策，从而减少人为情绪波动对投资决策的影响。
接着，张老师回顾了量化投资的发展历程。他详细介绍了从金融经济理论、数理金融理论到行为金融理论的发展，以及人工智能方法对量化金融的推动作用。他特别提到，美国和中国在量化金融的发展上各具特色和阶段性，展示了量化投资在全球范围内的广泛应用。
在谈到量化策略时，张老师对多因子选股策略、筹码选股策略、一致预期模型、风格轮动策略和趋势追踪模型等进行了详细解析。他强调，数据、模型、算力是量化策略的三大核心要素。通过有效利用政策、经济、证券价量和新闻舆情等数据，以及先进的资产定价模型、时序模型和基础统计模型，投资者可以构建出更为精细和高效的量化投资策略。张老师还分享了多种量化策略的具体应用案例。他详细介绍了如何通过筛选股东户数、户均持股数和机构持股数等指标实施筹码选股策略，以及如何通过风格指数的动态调整实施风格轮动策略。此外，他还探讨了统计套利和高频交易策略的具体操作，展示了量化投资的灵活性和广泛适用性。
然后，在实际操作层面，张老师详细讲解了量化投资的核心步骤。他指出，第一步要确定标的资产池，进行截面分析；第二步是通过择时分析决定总资金的投入；第三步是通过优化投资组合权重，确保在风格和行业约束下，实现收益率和风险的最佳平衡。张老师强调了人工智能在量化投资中的重要性，介绍了LSTM和Attention模型在时间序列预测和重要特征提取中的应用，以及强化学习模型如Deep Q-Learning在股票指数择时和仓位管理中的应用。同时，张老师还分享了大语言模型在处理新闻舆情和事件驱动数据中的实际案例，展示了人工智能在提升量化投资效率方面的巨大潜力。
最后，张老师展望了量化投资的未来发展方向。他认为，未来的趋势是不断改进数据处理技术和模型优化方法，并进一步将人工智能和大数据技术整合应用于量化投资，以提高投资决策的精确性和收益率。
感谢张亮亮先生的精彩分享！
撰稿人：唐宇笛
修订人：缪炜
审核人：张卫平，朱宏飞
返回顶部
