投資公司業(yè)務(wù)流程圖

投資公司業(yè)務(wù)流程圖

　　如何開(kāi)展量化投資業(yè)務(wù)、組建量化投資團隊，成為資本市場(chǎng)新的關(guān)注點(diǎn)，下面是相關(guān)內容，一起來(lái)看看：

　　隨著(zhù)金融市場(chǎng)日益復雜、金融創(chuàng )新不斷深化，各類(lèi)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(jià)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(kāi)始興起。量化投資不同于傳統的依靠投資者個(gè)人經(jīng)驗判斷的定性投資，而是通過(guò)對海量歷史數據的分析，研究出取得超額收益的多種“大概率”事件以制定策略，用數量模型反復驗證這些規律和策略，然后嚴格執行交易來(lái)實(shí)施投資，以求獲得持續的、穩定且高于平均收益的超額回報。從理論上來(lái)說(shuō)，一個(gè)證券市場(chǎng)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(jiǎn)述了量化投資主要的業(yè)務(wù)流程和前期準備工作，為機構投資者開(kāi)展量化投資業(yè)務(wù)提供一定的參考。

　　一、業(yè)務(wù)流程

　　開(kāi)展量化投資業(yè)務(wù)，主要有三個(gè)層次的業(yè)務(wù)流程，分別是數據層、策略模型層和交易執行層，各個(gè)層次直接的邏輯關(guān)系如下圖所示：

　�。ㄒ唬�數據層

　　數據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)上是基于數據的統計分析，因此對于數據的來(lái)源、質(zhì)量、可處理性就尤為重要。

　　1、數據獲取

　　統計學(xué)有一個(gè)重要的觀(guān)點(diǎn)“dirty in,dirty out”，意思是如果數據來(lái)源有問(wèn)題，得出的結果就一定是錯的，因此，獲取準確無(wú)誤的數據是量化投資的第一步，這些數據包括但不限于行情歷史數據，公司財務(wù)指標數據、行業(yè)估值數據、宏觀(guān)經(jīng)濟數據、輿情數據等。由于這些數據種類(lèi)繁多、數量巨大，人工獲取的效率很低，無(wú)法滿(mǎn)足投資需求，因此主要通過(guò)向數據服務(wù)提供商購買(mǎi)方式取得，例如股票和期貨行情的每日、小時(shí)、分鐘、筆等數據包，是未經(jīng)加工的原始數據。此外，一些量化基金還通過(guò)輿情軟件對社會(huì )熱點(diǎn)信息進(jìn)行網(wǎng)絡(luò )抓取。

　　2、數據挖掘

　　獲得數據后，由于是原始數據，必須進(jìn)行處理才可以使用。處理過(guò)程主要包括：入庫，將數據導入MySQL或Oracle等數據庫平臺；數據清洗，即發(fā)現并糾正數據文件中可識別的錯誤，包括檢查數據一致性，處理無(wú)效和缺失值等；標準化和格式化，就是將清洗后的數據通過(guò)格式化計算轉化為軟件可以識別和處理的數據格式和類(lèi)型。對于網(wǎng)絡(luò )抓取等方式獲得的數據，還需要通過(guò)自然語(yǔ)言處理等方式轉化為格式化數據。

　�。ǘ�）策略模型層

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

　　1、構建策略庫

　　量化投資策略模型的建立步驟與科學(xué)研究類(lèi)似，首先是對證券市場(chǎng)的一些變量進(jìn)行觀(guān)察，例如證券價(jià)格、成交量、無(wú)風(fēng)險利率等，根據可能存在的邏輯關(guān)系提出各個(gè)變量之間關(guān)系的理論，由此將理論轉化為數學(xué)模型，再通過(guò)Matlab等計算軟件編寫(xiě)成為程序；將數據庫里的歷史數據代入回溯測試，計算并優(yōu)化模型的參數，最后利用模型對未來(lái)的數據進(jìn)行預測，將預測值同實(shí)際值進(jìn)行對照，檢驗模型的有效性。這些策略從研究、開(kāi)發(fā)、測試到審批上線(xiàn)一般需要經(jīng)過(guò)三至六個(gè)月的時(shí)間。后續的策略庫維護則是長(cháng)期過(guò)程，涉及風(fēng)險控制部門(mén)對模型有效性的定期評估。

　　2、因子計算

　　由于市場(chǎng)數據每個(gè)交易日都會(huì )更新，對于所有的策略模型，日常工作包括導入最新數據，計算出模型中各因子的數值，選擇采用符合當前市場(chǎng)的策略模型，根據模型計算選股、擇時(shí)或者套利，對持倉品種的行業(yè)、市值等權重配比進(jìn)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，進(jìn)入交易執行層。

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

　�。ㄈ�）交易執行層

　　交易執行層是信息化程度最高，也是比較動(dòng)態(tài)和復雜的層次，主要分為三個(gè)步驟，算法交易、訂單生成和集中風(fēng)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(mǎi)賣(mài)證券時(shí)機以及最小化委托單的市場(chǎng)沖擊成本等。算法交易一般是通過(guò)分析掛價(jià)指令表等方式，根據市場(chǎng)價(jià)格的動(dòng)態(tài)變化，將大筆的交易單通過(guò)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(chǎng)價(jià)格的沖擊，平滑成交價(jià)格。當普通投資者將目光盯在股價(jià)成交的K線(xiàn)圖和成交單上時(shí)，算法交易更關(guān)注的是掛單的流動(dòng)性，發(fā)掘潛在的成交可能。

　　2、訂單生成

　　經(jīng)過(guò)算法交易引擎處理過(guò)的投資組合，生成交易指令，通過(guò)集中交易網(wǎng)關(guān)，根據事先編寫(xiě)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(fēng)控系統進(jìn)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放置在距離交易所最近的數據中心，甚至與交易所的系統共置于同一機房，以在毫秒級別上獲得更快的成交速度，一些量化基金不滿(mǎn)足交易所提供的標準化金融信息交換協(xié)議格式的數據通訊(FIX)，而是開(kāi)發(fā)直連交易所的特定應用程序接口(API)。量化基金交易系統和接口文件的開(kāi)發(fā)和維護是交易層次的重要工作。

　　3、集中風(fēng)控

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

　　二、前期準備

　�。ㄒ唬┤藛T配備

　　數據處理主要依賴(lài)計算機軟件，且每日更新，數據層的工作主要通過(guò)程序化方式完成，一般需要配備兩名數據處理人員負責每日數據的更新和維護，一些規模較小的機構由基金經(jīng)理或者基金經(jīng)理助理完成此項工作。如果有輿情數據抓取，還需要至少兩人完成抓取和自然語(yǔ)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(gè)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(huì )審批，日常維護還需通過(guò)風(fēng)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，這塊業(yè)務(wù)需要配備至少六到八名人員。

　　交易執行層主要工作由交易員、軟件開(kāi)發(fā)人員和風(fēng)控部門(mén)完成，至少需要兩名交易人員，兩名交易系統軟件開(kāi)發(fā)和維護人員，兩名風(fēng)控人員。如果基金策略較多，還需要專(zhuān)門(mén)的股票、期貨、ETF等交易系統，業(yè)績(jì)歸因系統，風(fēng)險控制系統的開(kāi)發(fā)和維護人員。

　�。ǘ�）軟硬件配置

　　量化投資業(yè)務(wù)與傳統的證券投資業(yè)務(wù)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(yíng)投資集團就曾對外宣稱(chēng)“大本營(yíng)集團是從事金融投資的科技公司，信息系統并非公司的成本，而是立命之本�！币虼�，量化投資團隊的前期投入主要是購買(mǎi)軟硬件設備，包括高性能的計算機、服務(wù)器、Oracle等數據庫平臺、Matlab等計算軟件、原始數據、證券交易系統、風(fēng)險控制系統等，此外還需要自己開(kāi)發(fā)接口文件、算法交易文件等。

　　三、總結

　　量化投資雖然在國內已經(jīng)發(fā)展了十幾年，但是由于金融衍生品的種類(lèi)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(kāi)展量化投資業(yè)務(wù)，不能比照傳統的私募基金，招募一批從業(yè)人員便可以開(kāi)展業(yè)務(wù)，而是需要建立一整套規范化、流程化的業(yè)務(wù)體系和前期大量的計算機軟硬件投入。從這個(gè)角度講，量化投資基金可以被認為是從事證券投資業(yè)務(wù)的信息技術(shù)公司，這種跨界融合無(wú)論是從思維方式的轉變還是專(zhuān)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(wù)流程圖】相關(guān)文章：

物流公司的業(yè)務(wù)流程圖07-03

銷(xiāo)售公司主要業(yè)務(wù)流程圖07-02

廣告公司業(yè)務(wù)流程圖07-02

保險公司業(yè)務(wù)流程圖07-02

金融投資公司業(yè)務(wù)流程12-15

人員面試流程圖07-02

北京社保轉移流程圖07-04

上海社保轉移流程圖07-04

深圳社保轉移流程圖07-04

職業(yè)規劃流程圖07-10