时间：2023-07-23 09:24:57
导语：在量化投资主要方法的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
量化投资在欧美的应用已超过30年，最为传奇的是华尔街的对冲基金经理詹姆斯?西蒙斯创立的复兴科技公司旗下的大奖章基金。从1989年起，复兴科技公司的大奖章基金的年回报率平均高达35%，大奖章基金被誉为最成功的对冲基金。截止到1999年12月底的11年，大奖章基金累计的回报是2478.6%，是原资产的25倍。另一个为人们熟知的是美国长期资本管理公司。该公司成立于1994年2月，是一家主要从事定息债务工具套利活动的对冲基金。1994年到1997年，长期资本管理公司的投资回报率分别为28.5%、42.8%、40.8%、17.1%。无疑，量化投资在美国市场的运用是成功的。时至今日，量化投资已经成为美国市场中一种重要的投资方法。到2009年，量化投资比重已经上升到30%以上，主动投资产品中有20%～30%使用了定量的技术（丁鹏，2012）。
量化投资最典型的特征就是通过建立数学量化模型进行交易，它是建立在大量历史数据的基础上、建立反应某种特定规律的数学模型、在此基础上进行程序化交易。具体而言，就是从那些瞬息万变的市场变化中去寻找能够获得微小利润的计算机化交易，关键在于捕捉到人们无法利用的短暂价差来实现套利。模型可以看作医院里面的各种先进的医学诊断仪器，医生通过这些先进诊断仪器对病人进行扫描化验，获取反映病人的身体状况的指标数据，然后通过获取的数据去判断病人所患的疾病，从而对症下药。类似地，量化投资就是在市场中不断去寻找套利机会，其实就像是在发现市场的不易察觉的“疾病”，依托于模型的扫描和检测，获得市场的各项关键指标数据，从而找出套利机会，然后做出投资决策。量化投资需要精湛的计算机编程技术，其主要形式是程序化交易。程序化交易绝大多数都是高频数据交易，其特点是：计算机自动完成；交易量巨大；持仓时间很短，当日频繁交易；每笔收益率很低，但总体收益稳定。高频数据交易的核心是模型算法，负责策略及机会，速度是关键保障，因此大机构一般在交易所大楼旁租高速光缆建立交易室。目前，美国股市总体成交量约70%是高频交易，而涉及机构仅占2%。
具体到股票市场，目前，股票市场上有很多风格各异的分析流派，其中最为人们熟知的有两个分析流派。其一是技术分析，其二就是基本面分析。但是另外一种在国外已经非常的成熟的方法即量化投资方法却很少为人们所知。
二、量化投资在A股市场的发展
相对于量化投资交易量占据70%的发达金融市场，国内量化投资的发展才刚刚起步。在中国A股市场在整个投资市场所占据的规模又有绝对的优势，所以，量化投资在A股市场的发展前景就决定了量化投资在整个金融市场的发展前景。
目前，量化投资在A股市场的发展还有很多局限性。首先，我国A股市场的投资主体仍是噪声交易的的中小规模散户，导致资金规模不够集中，无法发挥资金的规模效应，不利于程序化规模交易的推广。其次，量化投资具有频繁交易，持仓时间较短的特点。由于A股市场还不是T+0的交易制度，这就决定了量化投资在A股市场还不备大规模运用的前提。最后，创新能力不足。即使是目前已经开发的几只量化投资基金，同质化现象也非常明显。核心策略仍然局限于技术指标和均线系统的搭配运用，缺乏多元化程序化交易策略库的支持。
在看到局限性的同时，我们也应该看到其广阔的发展前景：
第一，与欧美比较成熟的金融市场相比，我国证券市场的发展历史还很短，只有区区二十多年的时间，随着A股市场的进一步发展，比如规模进一步扩大，实行T+0的交易制度等，量化投资的发展前景就会愈发宽广。同时，量化投资是一种套利交易，这就决定了弱有效市场是其耐以生存的土壤。由于我国投资者队伍参差不齐、不够成熟，这就给通过发掘市场非有效性来获取阿尔法收益带来了更多机会；
第二，量化投资的技术和方法在国内还是新手事物，竞争者很少。相对于目前证券市场上传统的定性投资者太多，机会很少，竞争过于激烈而言，量化投资者较少，机会很多，这就给量化投资创造了良好的发展机遇。在这方面，只要引进成熟的量化投资人才，增强开发差异化模型的创新性，避免模型过于单一，就会为量化投资的发展带来新的曙光。
第三，一旦量化投资在A股市场逐渐得到认可，及所表现出的相对于传统投资方法的优势，就会产生一种加速效应：中小规模投资者看到量化投资所带来的可观回报，但同时自己不具备量化投资的能力和条件，这就会促使中小投资者把钱交给优秀的量化投资团队，从而加速量化投资规模的扩大。
关键词：量化投资；传统投资；模式数学模型；自变量参数
1量化投资简介
1.1基本概念
量化投资是一种借助于计算机高效计算程序进行复杂运算，以金融产品未来收益与风险为研究对象的新型投资方式。量化投资的基础是以股票价格、日成交额等大数据库数据为参考样本数据并建立数学模型，运用仿真分析及迭代方法不断修正数学模型，直到数学模型可以用来预测指导投资交易。任何一个投资的方案或者设想，都可以为它设计一个数学模型，然后借助大数据库的现有数据进行迭代法测试分析，以此来判别数学模型的有效性。传统投资方式基本上是对传统的技术分析和公司的经营状态基本分析，存在一定的局限性；相比之下量化投资分析是基于对大数据市场数据的，数据样本空间容量足够大，而且可以快速进行运算并排除投资者个人心理因素的主观影响，科学性和时效性更强。此外，量化投资是一种主动性的投资方式，在进行数学模型选择、自变量选取、数学模型的验算迭代都是投资行为的主动部分。
1.2交易内容及方法
量化投资交易的内容主要是量化策略以及交易策略，在制定交易策略时必须立足于投资市场、投资产品以及分配在内等。具体交易平台则是靠以计算机计算程序为基础的线上交易平台系统。进行量化投资交易时通常会遇到各种较为复杂的情况，但是基本前提都是要依据现有的既定的大量数据库数据，灵活采用各种方法来判断投资对象是否值得投资。总体来说，量化投资有估值法、资金法和趋势法三种。
2量化投资现状
从理论上来说，每个量化投资者的决策行为可以被同化为理性预期、风险规避、严格效用基本一致的理想化模型。然而现实情况中每个人的心理活动、出发点、知识水平等都存在差异，进行量化投资时人们作出的决策也存在差异。人的非理性行为与理性行为都是客观存在的，而且非理性行为对理性行为也存在着一定的影响，因此投资人在进行投资决策时并不能完全理性地进行选择。综上所述，非理性人的客观存在使投资人在进行投资决策时不能完全忽视个人的心理因素。既然个人的心理因素无法排除，那么在建立决策分析数学模型时，就应该把个人的心理因素考虑在内。当前我国国内量化投资有以下几个特点：(1)个人投资者占总投资者的比例很高。上文已经提到投资者个人的非理性客观存在且不可避免，那么众多量化投资者的非理性因素间接影响我国量化投资市场。(2)我国的量化投资市场虽然发展迅速但仍不成熟。与美国及欧洲发达国家相比，我国量化投资市场只能是一个新兴的市场，直接表现在各方面的信息不完整且难以搜集，一些基础数据我们只能自己想方设法地去开发获取。(3)量化投资行业的企业构成比较复杂。目前我国量化投资行业的企业种类比较多，跨越众多不同的领域。加上我国量化投资市场还处于新生期，市场不稳定信息变化较快，因此量化投资行业的可用层面指标数目非常少且指标数值经常变化。当前我国量化投资者正是依据当前行业的特点，从不同的层面和角度验证分析，建立泡沫型数学分析模型，才能获得巨大的利润。(4)量化投资策略研究落后。通过把我国量化投资策略与美国及西方发达国家的量化投资策略进行对比，发现我国现有的量化投资策略严重落后。国外的量化策略研究是在大量的事件、数据积累分析的基础上，脚踏实地潜心研究总结出来的。现阶段我国量化策略研究多是借用国外的策略，结合国内的量化投资行业的实际现状进行修正得来的。当前我们还缺少指导量化投资行业的专家、指导著作，为此我国国内的一些高等院校开始着手量化投资策略的研究并取得了初步的成效。
3量化投资优势
量化投资是在定性投资基础上进行继承和延伸的一种主动投资工具。定性投资的核心是对宏观经济和市场基本面进行深入的分析，再加上实地调研上市公司以及与上市公司的管理层进行经验交流，最终把调研结果整理成专题报告，把报告作为决策依据。不难看出定性投资带有很大的个人主观判断性，它完全依赖于投资经理个人经验以及对市场的认知。量化投资在调研层面与定性投资相同，区别在于量化投资更加注重数据库大数据，运用各种方法发现运用大数据所体现出来的有用信息，寻找更优化的投资方式以获得大额收益，完全避免了投资经理个人的主观臆断和心理因素，更加科学合理。综上所述，与定性投资相比，量化投资具有以下优势。
3.1投资方式更加理性
量化投资是采用统计数学与计算机建模分析技术，以行业大数据库为参考，取代了个人主观判断和心理因素的科学客观投资方法。很明显，行业大数据的样本容量已远远高于有限的对上市公司调研所形成的样本容量；在进行投资决策时，把决策过程科学化数量化可以最大程度的减少投资者决策时个人情感等心理因素对决策结果的影响，从而避免了错误的选择方向。
3.2覆盖范围大效率高
得益于因特网的广泛实施应用，与各行各业的运行数据都可以录入大数据系统形成体量巨大的数据库；得益于计算机行业云时代到来对计算分析速度的革命性变革，在极短的时间内就可以得到多种量化投资的投资方法。定性投资方式进行决策时，由于决策人的精力和专业水平都存在一定的局限性，自然其考虑投资的范围要远远低于电脑决策，二者根本没有可比性。综上所述，虽然与定性投资相比，量化投资具有明显的优势，但是二者的目的是相同的，都以获得最大收益为目的，多少情况量化投资与定型投资可以互相补充，搭配使用会起到意想不到的效果。
4量化投资的劣势
上文已经提到量化投资的决策过程依赖于大数据库以及计算机分析系统的科学决策，因此只要投资思想正确量化投资就不会出现错误。然而即使是投资思想及决策过程都没有问题，也不意味着量化投资完美无缺。量化投资本质上是对某一特定基准面的分析，事实上基准面有时范围过小，纵然决策过程合理化、无偏差，量化投资也存在一定的局限性。量化投资的另一特点是进行考察决策时覆盖的市场面非常广泛，在当前国民经济快速发展的时代，人们对市场的认知难免出现盲区或者对某一个局部了解不充分的现象，此种情况下量化投资的正确性就很难保证。
4.1形成交易的一致性
基于量化投资的低风险特性，人们更多地依赖于采用大数据云分析平台进行决策，如此大家对某一行业的市场认知以及投资决策水平就处在同一认知层次上，当遇到极端的市场行情时，人们作出的交易决策往往一致，即容易达成交易的一致性。例如期货行业以及股票行业，在市场行情动荡的特殊时期，人们往往选择在同一时机抛出股票或者期货，这种大规模的一次性抛盘则会造成在预期抛售价格基础上的剧烈波动，导致投资者的实际收益在一定程度上低于预期收益。此种情形下又会引起新一轮投资恐慌，不利于市场的稳定发展。
4.2指标钝化和失效
任何一个行业的某一个市场承载投资者的容量都是有限的，从战略投资的角度来看，当某一个市场的产业链较为成熟、技术门槛较低时，投资者进入该市场就会容易很多，当市场的承载量大大低于投资者进入数量时，既定的投资策略则会失效。例如某一企业的某只股票第一年能获得50%的收益，第二年则降为20%的收益，第三年可能是5%，第四年就没有收益了。诸如趋利反转策略、套利策略现在已经非常大众化且投资者已经达成共识，一拥而上集中式进行投资就会导致投资评价指标钝化甚至失效。
尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。
二、量化投资“黑箱”中的构造与证券投资学的差异
在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。
(一)资产定价与收益的预测
根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显着正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。
(二)无套利条件与交易成本
在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。
(三)风险控制与市场情绪
在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。
(四)执行高频交易与算法交易
在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易
优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。 三、对量化投资在证券投资教学中应用的思考
从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。
(一)市场微观结构与流动性冲击
在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。
(二)业绩评价与高杠杆
对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。
(三)人为因素与模型风险
在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。
关键词：石油天然气项目；经济评价；量化评级；概率分析；蒙特卡洛方法
中图分类号：F407.22 文献标识码：A 文章编号：1001-828X（2013）07-0-02
随着经营环境所面临的不确定因素不断增加，中国石油企业石油天然气投资项目决策的复杂程度也在不断加大。通常情况下，企业在进行项目决策时以经济评价指标作为重要依据，但随着经济评价指标体系的不断扩充完善，以及管理层发展战略所要求的定性指标在项目决策过程中的逐渐引入，如何在各评审项目间进行取舍、通过众多的定量和定性指标发现出符合企业发展战略的优质项目，目前尚缺乏精确的可量化的评价标准。此问题在企业资金较为紧张、项目投资总规模受限的情况下显得尤为突出。
在此背景下，学习和借鉴国际上常用的项目经济评价量化分析方法，通过掌握量化分析工具以提高项目决策的科学性已显得十分必要。本文的主要目的即在于通过引入一套综合考虑定量与定性评价指标的项目经济评价量化分析方法，探讨通过概率分析提高石油天然气项目决策的科学性，有效进行项目甄选、确保经营发展预期目标的实现。
一、基于概率分析的量化评级机制概述
（一）基本定义
所谓基于概率分析的量化评级机制，是指在量化分析的基础上将油气项目经济评价的各项结果转化为明确的分值，在分值总分的基础上确定项目评级结果，以评级结果作为项目是否通过和在多个项目间进行比较取舍的依据。为加强对不确定性因素的评价分析，量化分析中最核心的定量因素分析采用概率分析的方法（蒙特卡洛模拟法）进行。
（二）采用概率分析进行量化分析的必要性
油气项目的风险巨大而又复杂，在油气项目经济评价的实践操作中，由于缺少对不确定性因素进行评价的有效方法，传统经济评价方法已逐渐不能适应油气项目经济评价的最新要求。
首先，传统经济评价分析方法不能综合考虑不确定性因素的影响，例如敏感性分析仅能对单一的不确定性因素变化进行量化分析，决策树（层次分析）把不确定性因素的影响结果看作有多个固定的结果，并为每个结果分配可能性，最终得到评价指标的期望值。
其次，传统经济评价参数往往是通过以往项目经验的经济指标估算得来一个具体数值，没有针对具体项目内容具体分析，在不确定性因素方面往往依靠乐观或悲观的策略，采用系数法对评价参数进行处理，如在投资成本的处理上通常以主观增加一定比例的不可预见费作为对不确定性因素的处理。
因此，为弥补传统经济评价分析方法的这种缺陷，有必要引入概率分析方法作为量化评级机制的核心内容。概率分析是国际上项目经济评价量化分析方法中常用的一种，概率分析有概率树、情景分析法、蒙特卡罗模拟等方法。由于计算机技术的普及以及分析工具的成熟，蒙特卡罗模拟在投资决策分析中得到了普遍的应用。本文着重研究以蒙特卡洛摸拟法作为计算工具，探索符合中国石油企业实际的项目经济评价量化分析思路。
二、采用蒙特卡洛方法进行项目经济评价量化分析
（一）蒙特卡洛方法概述
1.基本定义
蒙特卡洛模拟法又称统计试验法或随机模拟法，该法由法国数学家John.ron.neuman创立，由于其依赖的概率统计理论与赌博原理类同，因此以欧洲著名赌城摩纳哥首都Monte Carlo命名。它是以计算机模拟为基础，用于研究和处理有限多个随机变量综合结果的一种数学方法。其原理是将项目目标变量（风险评价指标）和各个风险变量综合在一个数学模拟模型内，每个风险变量用一个概率分布来描述，然后利用计算机产生随机数（或伪随机数），并根据随机数在各个风险变量的概率分布中取值，算出目标变量值，经过多次运算即可得出目标变量的期望值、方差、概率分布等指标，供决策者参考。
2.蒙特卡洛模拟法的数学解读
蒙特卡洛模拟法的基本原理是：假定函数Y= f（X1，X2，… Xn），其中变量X1，X2，… Xn的概率分布已知，蒙特卡洛模拟法通过直接或间接抽样取出每一组随机变量（X1，X2，… Xn）的值（X1i，X2i，… Xni），然后按Y 对于X1，X2，… Xn的关系式确定函数值：yi=（X1i，X2i，… Xni）。反复独立抽样（模拟）若干次（i=1，2，… ，m），便可得到函数Y 的一批抽样数据y1，y2，… ym，当模拟次数足够多时，便可得出与实际情况相近的函数Y 的概率分布与其数字特征。这需要利用计算机针对某种概率模型进行数以千计、甚至数以万计的模拟随机抽样。
3.蒙特卡洛模拟法的主要优点
蒙特卡洛模拟法是油气项目经济评价的理想方法，其实质是在确定风险因素概率密度函数的前提下，依靠对大量历史数据进行统计分析的一种基于风险决策情景模拟的仿真实验。该方法的优点是使用计算机模拟项目的自然过程，比历史模拟方法成本低、效率高，结果相对精确；同时可以处理多个因素非线性、大幅波动的不确定性，能更准确地反映不确定性因素的影响，并把这种不确定性的影响以概率分布形式表示出来，从而获得评价指标更为详细、全面的统计信息，克服了敏感性分析等常规方法只能求得经济评价指标单一估值的局限性，更符合项目的实际情况、更具有科学性。需要注意的是蒙特卡洛模拟法依赖于特定的随机过程和选择的历史数据，不能反映风险因素之间的相互关系，需要有可靠的模型，否则可能导致偏差和错误。
（二）采用蒙特卡洛模拟的方法进行经济评价的分析过程
1.确定经济评价指标
在油气项目经济评价中存在众多的不确定因素，加强风险因素识别与分析，是合理进行经济评价的前提。经济评价指标体系的建立应遵循4条原则：
（1）系统性原则
油气项目经济评价是一个由多个子系统构成的综合系统，各个系统之间以及子系统内部各因素之间相互联系、相互影响。
（2）定性与定量相结合的原则
油气项目经济评价既有定量的因素，也有需要以性质来定性表征的因素。
（3）针对性和启示性的原则
油气项目经济评价的涉及因素很多，各类项目特点和共性不尽相同，因素和指标间侧重关系和影响不同，应有针对性地分类和刻画并建立关联关系。
（4）可比性原则
对不同地区、不同国家油气项目的评价应在同一标准的前提下进行，这样的评价结果才具有可比性，在项目综合优选中应减少人为主观臆断。
根据以上原则，可选取的影响油气开发项目经济效益的主要因素有商品量、销售价格、经营成本和建设投资等。
（1）商品量
一般而言，油气商品量是指通过销售可以获取收入的产品数量，亦可以称之为产品销量，它是根据油气产量和油气商品率计算得出的；油气商品率一般是根据油气生产过程中发生的损耗和自用情况综合确定，外供其他油气田或区块而非本油气田或区块自用的油气量均为商品量。
油气商品量的风险主要来自于油气的产出量。以气田为例，现已开发气田多为储量丰度低、物性较差、非均质性强、气水关系复杂，以致气田产能递减快，产量不确定性大。产量预测的主要方法有：递减曲线分析法、水驱曲线法、数学模型法和数值模拟法等，不同方法结果均是在理论上最佳逼近于真实产量。不同区块地质和开发条件存在差异，以及生产中如修井、不可控制力等不确定性的存在，会造成实际产量与设计方案存在一定的偏差，因此，经济评价中选择某种产量预测结果作为测算的同时，应考虑其不确定性，以及对气田开发经济效益的影响。
（2）销售价格
油气的销售价格往往是影响项目效益最敏感的因素之一，因此需要对未来油气价格做合理预估。在没有长期价格合同下，可以在历史价格数据分析的基础上，结合多家咨询机构（油气咨询公司、投行）的远期价格预测，考虑价格的变动趋势，最终确定未来不同阶段石油和天然气的价格分布区间，用于蒙特卡洛随机模拟。
（3）经营成本
降低或控制成本已成为各油田单位的重要任务。经营成本的增加，可分为内在因素和外在因素：内在因素多数是为减缓油气田产量自然递减而产生的各种措施费用，如排水采气、增压输送及修井等工艺技术措施等，带来了材料、动力等费用的增加；外在因素则是由于宏观经济因素，如通货膨胀而引起的原材料价格上涨。因此，经济评价应考虑经营成本的浮动效应，可根据各油气田经营成本历史数据和通货膨胀率估算出经营成本的变化幅度及可能性。
（4）建设投资
建设投资包括：固定资产投资、无形投资、递延资产和预备费。建设投资估算的范围包括勘探工程投资、开发工程投资，根据油气藏工程、采集工程和地面工程提供的工程量投资。近年来，气田开发以渗透率低、品位差的储量为主，开发成本普遍偏高，不但增加了投资，同时也增加了投资估算的不确定性。
2.确定风险变量及其分布规律
风险变量的确定，可采用专家调查法进行风险识别，并在此基础上，请专家对风险因素的发生概率和影响程度进行评估。如果风险因素较多，可以先进行敏感性分析，选择敏感的风险因素作为风险变量。
风险变量的概率分布描述是进行模拟分析的基础，常用的有正态分布、三角分布、均匀分布、梯形分布、β分布、阶梯分布等。当风险变量只能获得一个范围值时，可采用均匀分布公式来描述；当风险变量除取得范围值外，还知道最可能值，则用三角分布公式来描述；当风险变量获得少量的随机值，则根据多数风险变量具有正太分布或对数正太分布的特征，可模拟为正太或对数正太分布公式来描述。对有历史数据的风险变量可根据数据做统计分析，估计其概率分布，对没有历史数据的风险变量，可以采用专家调查法确定变量的概率分布。
3.计算机模拟运算
根据基础数据和产生的随机变量输入变量值计算评价指标值，整理模拟结果所得评价指标的期望值、方差、标准差及其概率分布和累计概率，绘制累计概率图，计算评价指标达到目标值的概率。蒙特卡洛模拟法的具体计算可以通过Matlab软件编程语言来实现求解，或借助加载在Excel中的Crystal Ball软件。
三、以定性指标分析作为量化分析的有益补充
对于油气项目经济评价中遇到的对项目评价结果有重大影响，但又不宜量化的影响因素，可采用专家调查法进行定性分析。常见的定性指标有：
（1）油气项目所在地的区域政治、经济、商业环境和财税政策；
（2）油气项目与企业发展定位和区域发展战略的契合程度；
（3）油气项目在技术验证、产能和就业带动方面的附加效益。
四、评级打分卡的建立和评级结果的确定
将通过蒙特卡洛模拟法得出的量化分析结果和定性指标分析结果通过统一的项目评级打分卡转换为直观的评级分值，将分项评级分值加权汇总后得出项目评级结果（如AAA，AA等），作为项目经济评价结果的最终参考依据。评级打分卡的取值范围可由评价专家根据历史项目经验进行确定，各分项评级分值的加权权重则在可历史经验的基础上，参考企业当前经营重点和发展战略确定，做到项目经济评价标准与企业实际经营间的紧密结合。
五、结语
油气开发项目存在很大的风险和不确定性，做好经济评价、加强针对不确定性因素的分析是规避风险的有效手段。
我国现阶段油气项目经济评价中很大的不足是风险评价指标关注力不够，主要风险因素包括油气价格、经营成本、投资估算等，识别并深入分析风险因素，合理预测风险因素的可能分布范围，是正确测算经济效益和规避风险的关键。
蒙特卡洛模拟法能够综合考虑多种风险因素，可提供更可靠、更贴近实际的风险分析结果，目前已在许多国家的管理决策、公共事业管理以及大型跨国公司的项目风险管理和经济评价中被广泛使用。建议在油气开发项目经济评价中加强蒙特卡洛模拟分析研究，采用多种方法综合评价，提高项目决策的科学性。
参考文献：
[1]童晓光，窦立荣，田作基，等.21世纪初中国跨国油气勘探开发战略研究[M].北京石油工业出版社，2003.
[2] Komlosi Z P. Application： Monte-Carlo simulation in risk evaluation of E & P projects [R]. SPE 68578， 2001.
[3]孟繁莉，曹成润，牛继辉.中外油气资源评价方式差异的探讨[J].世界地质，2005，24.
[4]徐钟济：蒙特卡罗法[M].上海科学技术出版社，1985.
[5]蔡进功，吴锦莲，晁静.国际油公司油气资源经济评价现状[J].石油勘探与开发，2002，29.
[6]许文星，顾祥柏.基于蒙特卡罗模拟的项目费用风险分析[J].石油化工设计，2007，24.
[7]谢军，冯景.数字油田建设经济效益与风险分析[J].吐哈油气，2007，12.
近日，证监会频频开出巨额罚单，处罚市场操纵行为，显示出监管层对严重违法行为的零容忍态度。与此同时，上证指数出现周K线五连阴，监管日益趋严，加快市场资金流出，A股市场整体表现较弱，投资者避险情绪上升。
截至5月21日，上证指数今年以来累计下跌0.42%，创业板指累计下跌8.02%，沪深300指数表现较好，年内上涨2.83%。沪深300指数的标的股多为蓝筹股，顺应了今年的蓝筹行情，推升了指数的上涨，见图1。
在A股市场整体表现不佳的背景下，大部分采取主动管理的权益类公募基金逆市盈利，净值增长率实现正收益并跑赢市场主要指数。今年以来，股票基金平均净值增长率为2.02%，混合型基金平均净值增长率为1.10%。统计结果显示，2017年，量化主题基金净值表现较前期下滑明显，该类基金今年以来的平均净值损失幅度达2.72%，远低于股票基金和混合基金的平均水平。虽然大部分量化主题基金平均表现回落，但部分基金管理公司旗下的量化基金的表现较为稳定，例如华泰柏瑞基金管理公司旗下的7只量化基金，其平均净值增长率达4.51%，大幅跑赢同类平均水平。
发行速度加快
2004年，国内首只采用量化对冲策略的基金成立，至2011年市场存量超过10只，下页图2描述了该类基金历年量化主题基金市场存量及发行数量。自2015年起，这类基金的数量明显增多，截至2017年5月23日，年内已有15只量化基金成立，超过2016年全年发行水平。较早成立的产品多采用量化选股，量化模型和策略较为单一。而近年来量化技术和投资策略不断丰富，由早期尝试阶段逐渐走向成熟和创新。因此，在进行统计分析时，笔者着重关注今年以来的表现，选择已进入常规运作周期，具备可查、完整信息披露的产品进行业绩统计和研究。
多数量化基金的股票选择行为是基于投资模型而定，坚持数量化的投资策略，这种完全基于模型的数量化投资方法既能客观、理性地分析和筛选股票，也能保证不受外部分析师的影响，减少了投资者情绪对基金投资运作的影响，从而保持投资策略的一致性与有效性。利用机械化的数量化模型进行投资更具有纪律性，但使得基金选股择时的能力下滑。在今年的政策驱动行情中，多数量化主题基金依旧重仓中小盘股票，使得该类基金净值表现不佳。
净值遭遇滑铁卢
根据济安金信基金评价中心的统计，截至2017年5月21日，市场上共有71只主动权益类的量化主题基金，过去1个月、过去3个月、过去6个月的平均净值损失幅度分别为-3.35%、-3.41%、-2.96%，远低于其他主动权益类基金的平均水平。具体来看，具有今年以来持续运作记录的共有56只，今年以来的平均净值损失幅度为2.72%，17只净值上涨，39只净值下跌，净值下跌幅度超10%的高达6只。2016年整体表现较为优异的量化主题基金在2017年为何会遭遇滑铁卢呢？
据笔者统计，2017年，业绩下滑的量化主题基金普遍重仓了高估值、小市值的成长股，可见量化基金未能及时适应行情转变。这源于量化主题基金大多采用使用数量化模型计算来M行投资，量化基金模型结构上的相似性将直接影响模型的有效性及流动性问题。
从模型的具体操作来看，量化模型主要根据历史数据构建，其吸收新信息的能力比较缓慢，一旦外部环境出现变化或发生某些重大事件，例如设立雄安新区等，其有效性很可能受到影响。
少数基金表现突出
虽然量化主题基金今年以来的整体表现不佳，但个别公司旗下的量化产品表现较好。例如，华泰柏瑞基金管理公司旗下的7只量化基金今年以来的平均净值增长率为4.51%，远超量化主题基金的平均水平，如下表所示。据笔者统计，这7只量化基金的基金经理均为卿，2017年一季报显示，除华泰柏瑞量化绝对收益策略定期开放混合、华泰柏瑞量化对冲稳健收益定期开放混合两只定期开放的基金外，其他5只股票投资比例都达到90%以上，保持高仓位运作。
国内著名投行宏观策略的研究员的积累，华尔街量化投资历练，再加上国内私募基金投资的经验，费鹏对量化投资的A股应用有着自己的心得。他认为，量化投资最大的优势在风险控制上，在此基础上运用数据挖掘技术初选股票，再进行基本面的深入研究，使量化和价值研究相互印证，达到“中西医结合”。
他分析目前市场上的量化产品将研究的重点放在择股和行业配置上，实质上大多是“量化选股”基金，缺乏有效及时的风险响应体系，而从国外的经验看量化的一大特点就是对风险的预判。费鹏介绍，华商基金量化投资团队在设计该基金投资模型时就将风险量化模型作为重中之重。在设计中他们借助了包括统计信息学角度出发的信息熵值（Entropy）的变化、分形理论出发的市场模式（Pattern）的变化、金融物理学角度出发的金融泡沫统计指标的变化、市场微观结构出发的分析师一致预期分歧的变化和趋势等构建风险模型，对中短期系统风险进行定量分析。依靠基金经理和研究员对宏观经济发展状况、人口与社会的结构性特征、经济产业周期等因素的分析对长期风险进行定性分析。
在产品结构设计上，华商大盘量化基金独具特色，其一，仓位比较灵活，股票投资比例可为0—95%，也就是说当市场趋势性下跌时，可以空仓应对；其二，产品结构多样性，虽然目前公募基金已开展了股指期货，但基本上作为流动性管理的手段，而该基金将把股指期货作为一个有效的风控或者对冲工具应用到投资中；其三，在投资标的上，华商大盘量化主要选择流动性好的沪深300成分股，以保证在极端情况下可以及时调仓；其四，经过测算，在目前A股市场中利于量化操作规模在10亿左右，因此一旦华商大盘量化基金募集额达到10亿时便会停止。
而据记者了解，华商大盘量化基金在择股方面也有别于一些量化类基金。相较而言，目前国内公募量化基金多采用多因子模型，而多因子模型的设计原理是把价值投资理论通过数字模型加以表达。而在实际测算中，华商基金量化团队每日涨幅居前的股票中会有所谓投资价值较少的“垃圾股”，很难通过价值投资理论解释。对此华商大盘量化基金在设计选股模型时更多的是通过捕捉市场的异常波动，寻找股价波动的非基本面的因素。通过对数据挖掘，建立初选股票池，然后按照行业分类，结合基本面研究，通过行业研究员调研，寻找相互印证支持依据，最终进行择时投资。
从目前市场趋势看，越来越多的基金公司倾向于推出量化策略。相对于海外成熟市场，A股市场不是特别有效的市场，量化投资策略可以发挥其纪律性、系统性、及时性、准确性、分散化的有点而捕获国内市场的各种投资机会。同时A股市场的深度和广度都与前几年不可同日而语，市场上有两千多家上市公司，基金经理加研究员再加卖方，能把握和持续跟踪的公司也不过几百家。量化投资多层次，多角度，海量数据观察，可以捕捉更多的投资机会，拓展更大的投资空间。
巧理压岁钱
ETF联接基金生财有道
新春又至，在成人感叹春节成“春劫”时，孩子们的压岁钱水涨船高，越来越多的小朋友在春节长假后晋升为“小财神”。这笔贺岁红包若巧妙打理，则有望成为个人的梦想基金。在理财人士看来，作为儿童成长的见证，让压岁钱生钱也需要寻觅具有成长基因的理财产品。
目前在募的嘉实中证500ETF联接基金将90%以上基金财产投资于中证500ETF，紧密跟踪标的指数的市场表现，追求跟踪偏离度和跟踪误差最小化，可谓集普通开放式指数基金的申赎方便和ETF跟踪指数效率更高的优势于一身。本质上也是跟踪中证500的指数基金。该指数囊括沪深两市500家中小企业，是股市高成长的风向标，从长期走势看，显示出高成长特征。据WIND数据统计，在2006年到2012年的6年间，中证500累计收益率表现居于主要指数之首，累计涨幅超过280%。另外对于基金投资而言，成本优势就是收益优势。嘉实中证500ETF联接基金投资门槛低，管理费+托管费仅为0.6%，且投资于ETF的基金资产部分不再另行收取管理费和托管费，其运作成本低于一般开放式指数基金和股票型基金，所节省的成本使基金持有人有更多资金参与投资。
关键词：风险量化分析法；审计；工程项目造价；审计样本
对于内部审计机构来说，工程审计一直是审计的重点领域和难点领域，也是审计风险较大的领域，如何在审计中发现问题，保护国家和人民财产不受损失，规避审计风险，也是审计人员重点考虑的事项。在工程项目审计中，特别是与工程造价有关的审计项目，审计样本的选择，是审计成功与否的关键环节，采用风险量化分析法，针对工程项目的特性，对其管理中的L险点进行定性分析，并进行量化，使选择工程审计样本更具客观性和合理性，可以有效的防范审计风险。
一、风险量化分析法的概念
风险量化分析法，就是通过定性风险分析排出优先顺序的风险进行量化分析，通俗的讲，就是将一些不具体、模糊的风险因素用具体的数据来表示，从而达到分析比较的目的。使用风险量化分析法，一般在定性风险分析之后进行定量分析，定量分析反映出来的趋势可以指出需要增加还是减少风险管理措施，它是风险应对计划的一项依据，并作为风险监测和控制的组成部分。
二、现行工程审计存在的主要难点及风险
对内部审计来说，工程项目审计一般关注两个方面，一是项目管理程序的合规性，如项目的审批程序、发包程序等；二是工程造价的真实合理性。近年来，我国国有企业在工程程序管理方面，都有了比较大的改进，做到了有法可依，但是在工程造价审核方面，由于工程造价审核的复杂性，仍存在较大的问题，是工程舞弊的重点领域，也是内部审计的主要风险点。
（一）工程管理是一个复杂的系统工程
一个工程项目从项目建议书到项目竣工，中间要经过可行性研究、设计、招投标、合同签订、施工、工程竣工验收、结算、编制竣工财务报告等多个环节，且每个工程项目都涉及到多个专业，如土建、给排水、电力照明、通讯等专业，每个环节和每个专业都需要专门的技术业务为支撑，审计人员除具备识图、施工、预决算、财务等方面的能力外，还必须对招投标、合同管理等方面的法律法规有比较深刻的了解，才能做好工程审计工作。
（二）工程项目管理周期长、建筑市场变化节奏快
一般较大的工程项目，建设周期都在1年以上，而一些大型基建项目，建设周期在三年以上甚至更长，较长的建设工期对应的是建设市场的变化，主要表现在材料价格的波动、人工费的变化和政策法规变化等因素，给工程审计带来了较大的困难和风险，特别是工程结算审计。
（三）常用的审计样本选择方法不能满足工程审计要求，隐藏着较大风险
一些大型国企下面，往往设有专门的工程管理机构，对企业内部的工程项目进行对口管理，这些管理机构每年管理的工程项目少则几十个，多的甚至上百个，如此多的工程项目，审计人员不可能进行详查，只能选择有限的几个项目进行审计，那么如何选择审计样本就变得非常重要。一般审计中常用的样本选择法为简单随机选样法、系统选样法、分层选样法三种方法，但是对于工程项目来说，这三种抽样方法均不能让人满意，无法根据工程的特点，选择有效的样本，找到有效的切入口。因此选择审计样本时，一般都是审计人员根据自身经验选择，没有客观性的标准和条件；而内部审计活动是一种独立客观的监督和评价活动，作为审计的执行者“人”来说，难以避免审计人员的主观性，这就给审计工作带来较大风险，防范工程审计风险能力低。
三、风险量化分析法在工程审计中的运用方法
（一）根据工程项目的特点，找出工程管理过程中关键因素
对工程管理的特点进行分析总结可以得出这样的结论，每个工程项目都具有以下关键因素：工程类别、投资额、是否招投标、工期长短、合同价约定、结算方法、工程款支付等，对以上的关键因素找出相关的风险点，分析其风险的大小，也就是先进行定性分析，继而进行定量分析，找出存在风险较大的项目，作为审计样本。
（二）对工程项目进行定性分析和定量分析
在进行定性分析和定量分析时，可以根据工程项目的特征，分为7个风险因素，同时设定项目总的风险权重为100分，根据各个特征的风险程度，赋予一定的权重值。
1.从工程类别上分析，大修、维修项目比新建项目风险大。工程项目可以划分为新建项目和大修、维修项目，新建项目一般有比较齐全的设计图纸和预算，审批程序较严谨；而大、维修项目，一般没有整体的图纸设计，在实施过程中，维修到什么程度，建设方（使用方）有较大的话语权，实施结果有可能偏离原批准计划，在结算时，工程量的计量难度较大，因此大、维修项目造价舞弊风险比新建项目大。在定量分析时，新建项目风险度5分，大维修项目风险度10分。
2.从项目投资额分析，投资额大的项目的比投资小的风险大。投资额大的项目，建设方在管理项目时，相比投资额小的项目，有较大的舞弊空间；如100万的项目，舞弊的最大值也只能是十万元级别的，而千万元的项目，其舞弊值可能是百万级别的。因此可以按照投资额大小划分不同的风险度，100万元以下的项目风险度5分，100万元至500万元的项目风险度10分，500万元以上项目风险度20分。
3.从工期角度来讲，工期长的比工期短的风险大。工期长的项目，由于建筑市场的人工、材料价格的波动幅度大，造成工程结算难度加大，因此风险较大。定量分析时工期一年以下的项目风险度5分，一年以上的项目10分。
4.从招投标的角度分析，应招标而未招标的项目比招标项目风险大。工程发包环节是工程管理中的关键环节，工程发包一般经过公开招标、邀请招标和不招标的方式确定施工单位，公开招标的项目要招标公告，编制招标文件和标底，提供工程量清单，经过评标委员会评审后，确定中标人，经过这种方式确定的承包人，程序合规，风险较小；邀请招标的项目，相对公开招标来说，建设方在选择施工方时有较大的操作空间，风险较公开招标大；而应招标而未招标的项目，发包程序本身存在违规行为，由于没有进行投标报价程序，合同价的约定依据不足，风险较大。 因此，公开招标的项目风险度为5分，邀请招标的项目风险度为10分，可未经招标的项目风险度定为20分。
5.从工程审价的角度来说，自行审价的项目比委托第三方审价的项目风险大。第三方审价机构委派的审价人员，一般是专业的造价工程师，有丰富的审价经验，对建筑市场的政策变化比较了解，材料价格波动比较清楚，对工程结算比较专业，出具的审价报告比较规范，且审价报告必须经过发包方、承包方三方签认，一般能规避较大风险；而自行审价的项目，一般程序为项目管理人员审核后，本部门其它人员进行复核，然后报本部门负责人审核后，确定工程造价，但是由于审核人员均为本部门人员，缺少外部监管因素，实际操作中，很多项目连基本的复审程序也没有，容易形成舞弊风险；有些工程管理单位出于自身利益考虑，对工程项目的结余资金进行截留而不上交，容易形成“小金库”，往往存在较大风险。在风险度分析时，委托第三方审价的风险度定为5分，自行审价的项目风险度定为10分。
6.从工程结算价分析，结算价超出合同价较大的项目风险较大。项目合同价的约定，招标工程为中标价，未招标的工程一般按设计预算或计划金额，结算价大幅超出与合同价，表明这个项目的管理存在一定的问题。引起投资增加的原因一般是工程变更、工程量清单量差、材料价差调整、政策性调整等因素，而上述因素正是工程结算舞弊的主要手段，是审计人员在审计中重点关注的对象。因此可以根据结算价与合同价的偏离度进行划分，超出合同价10%之内的5分，超出合同价10-20%的10分，超出合同价20%以上的20分。
7.从工程款支付角度分析，工程款已经支付完毕的项目比未支付完毕的风险大。工程款项已经支付完毕的项目，如发现工程结算方面有多计价的问题，那么就要面临向施工方追讨多计的工程费用的难题，建设方失去主动权。在风险量化分析时，工程款尚未支付完毕5分，已经支付完毕的10分。
（三）通过打分程序，找出风险度最高的项目
根据风险度的量化分析，审计人员可以对被审计单位管理的工程项目进行逐一打分，找出风险度排在前列的项目，根据审计方案的要求，抽取一定数量作为审计样本，进行下一步的详审。
四、提高风险量化分析法效率的技巧
（一）做好审前调查工作，填写审计调查表
审计通知书下发时，同时下发工程项目结算审计调查表，要求被审计单位如实填报并在一定时间内完成，审计调查表中应有工程项目名称、类别、投资计划、合同价、招投标情况、结算价、审价情况、开工竣工日期、工程款支付情况等栏目。
（二）核实被审计单位填写工程情况调查表的准确性
审计进点后，首先要求被审计方提供工程管理方面的投资计划、合同，招投标、结算资料等，可以采用随机抽样的方法和被审计单位提供的审计调查表进行对比，防止被审计单位故意填写错误的信息，误导审计工作，如发现审计调查表填写的数据不准确或漏填等事项，应重点关注并查明原因。
（三）与“造价指标法”等配合使用，可以达到事半功倍的效果
经过风险量化分析方法选择出的工程样本，可以根据工程实际情况，结合“每平方造价指标法”、“材料消耗量指标法”、“材料价格比较法”等进行进一步的判断，快速发现工程造价的舞弊行为，如“每平方造价指标法”依据历史数据，用来判断多层、高层住宅楼造价上非常有效，可以达到事半功倍的效果。
五、结语
根据工程项目的特征，使用风险量化分析的方法，对工程项目管理中的风险进行分析，并进行量化，使工程项目审计的样本选择更具有客观性，能较好的消除人为因素的影响，更好的规避审计风险。但是在使用过程中，量化分析法仍不能完全脱离人为因素的影响，在定性分析时，如何判断某一因素风险程度高低，仍存在一些不确定的因素，影响定性分析的准确性，而在定量分析时数值的取定，仍需要进一步的改进和优化，才能使风险量化分析法更好的服务于工程项目审计。
参考文献：
[1]金妮. 工程项目全过程造价审计方法探析[J]. 财经界（学术版），2013（14）：227.
值得一提的是，嘉实美国成长将采用在美国发展成熟的量化投资策略对基金进行管理。量化投资的优势就是克服对经济和经理人的情绪依赖。
嘉实美国成长拟任基金经理张自力博士则表示，通过量化投资这一工具，基金被抽象成大数据，大股票，因而管理者不会受到因一个个体或者一个国家导致的投资行为认知偏差，为日常的情绪主观所干扰，在投资上更加客观。值得一提的是，张自力师从耗散结构理论创始人的诺贝尔奖科学家，普利高津，成为其在中国的关门弟子并获得博士学位。这位由华尔街归来的美股投资能手，对美国市场的深刻理解，源自其在美国16年证券从业经验。张自力加盟嘉实基金之前，在美国世纪投资管理集团担任资深副总经理、研究总监暨美国世纪收入及成长基金的基金经理。他曾领导设计的美国世纪纪律化成长基金在2005年9月30日成立以来，尤其是风险调整后的绩效如信息比率在同类型315只基金中排名第1，获晨星三年期五星及五年四星的评价。
除此之外，嘉实基金总经理赵学军也发表了自己的看法，“基本面投资和量化投资最大的区别是，前者在投资上是向前看的，主要观察企业未来的行动，靠人来对企业的盈利情况进行预测，而后者在投资上更像是对过去事物的总结和归纳，用计算机进行更为系统的统计，通过这一方法分析出投资的走向。”他还透露，之所以喜欢与张自力交流并将其请到嘉实基金，不仅是因为其管理的基金在美国有着最好的业绩，更因为张自力在量化投资的研究上造诣颇深，已达到大师级水准。
美股市场配置价值不可或缺
【关键词】量化选股 GARP策略
一、引言
量化投资策略就是利用量化的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略。其核心思路可分成价值投资策略和成长投资策略。前者追求的是价格被低估的证券价值回归，后者追求的是高估值证券的风险收益。但这两种类型的选股理念都存在明显问题，价值投资选出的低市盈率和较好成长性的蓝筹股在强市常遭冷落，而成长投资则是在博取未来，其选出的高估值证券未必真有成长性，且抗风险能力普遍较差。GARP（Growth at a Reasonable Price）策略从成长和价值两方面给出了相对完善的解决方案。
二、GARP策略的比较优势
GARP策略是同时考量价值因素和成长因素的一种混合型投资策略，试图寻找价值被市场低估，同时又有较强持续稳定增长潜力的股票。对于投资者而言，GARP 策略益处多多：
（一）分散化投资
GARP策略选取的股票涉及多个行业、各自有不同的市值规模，凸显了分散化投资的概念，避免了局部市场剧烈波动对投资收益的侵蚀。
（二）数量化选股
该方法增强了量化投资对信息的挖掘深度和使用效率，选股过程更为透明、客观，较好地弥补了仅依赖基本面研究的传统投资方式的局限性。
（三）收益更稳定
在股票市场的价值和成长风格发生轮动时，该策略可以兼顾两种因素，有效平滑收益与风险，市场轮动情况下表现更稳定。
三、GARP策略的相对不足
虽然GARP策略由于上述原因对投资者有很大的吸引力，但还是有很多方面应当进一步改进。
（一） GARP策略在对行业分类时易出现粗糙的“小行业合并”现象
目前的研究领域，可以参考的行业分类种类较多，常用的包括证监会行业类、WIND类、申银万国类、中信证券类、中证类等。一些GARP策略的使用者若用较细的行业分类，则会面临对一些权重较小的行业进行合并的问题。合并形成了一个“小行业”进行研究，这是一种非常粗糙的方法，合并的这些小行业直接可能并没有相似的性质，将它们合并在一起，并不是一个很好的处理办法。
（二）GARP策略容易忽视选股指标在不同行业之间的影响差异
GARP策略对每个行业都是用同一的因子进行分析，这是可进一步细化之处。因为在全市场范围内进行有效因子筛选时，不同行业的因子有效性影响肯定有所区别，如何消除同一因子选股有效性在不同行业间的差异，这一问题需进一步探索。
四、GARP策略的改进意见
GARP策略集中了成长投资策略和价值投资策略的优点，可以有效地寻找那些被低估而且有强劲持续成长潜力的公司，若能在运用中对上述问题恰当解决，则可以使GARP策略更为合理。本人基于对市场的一些研究，提出以下几点相应对措：
（一）利用收益率序列的相关性将权重较小的行业合并到相应行业中
我们在利用GARP策略进行预测时，应当尽可能使行业包含较多相关的股票。对于行业划分较细的分类方法，可能面临因成份股太少而使单个股票的异常情况直接影响到整个选股因子在行业中的筛选效果，因此我们有必要将其合并到大的行业中。合并可以收益的相关性为标准，将收益率相关性较高的行业进行合并。
（二）使用标准化方法消除选股指标在不同行业之间的可比性差异
考虑到各个因子值大小不一，在使用GARP策略进行选股时要先统一量纲，将因子值标准化，将其转化成无量纲、无数量级差别的标准分，然后再进行分析评价。目前最普遍使用的无量纲方法是标准化法，就是另 ，其
中是单只股票对应的某一因k的数值。使用标准化方法可以消除量纲和数量级的影响，从而使不同行业之间的股票在某一选股因子上具有可比性。
（三）剔除具有异常收益的股改股票和防止样本内过度优化
2006-2007年是股权分置改革的高峰时期，很多股票在股改完成的复牌首日会出现超高收益，或者是连续涨停。这样的股票对使用GARP策略进行选股是不利的，应当在检验因子时将其剔除。同时，为了避免因使用行业内穷举法筛选出的有效因子出现有效持续性较差的问题，建议采用样本内筛选因子、样本外检验的方法，避免选出的超高收益因子不具有持续性。
总之，GARP策略主要是寻找价值与成长之间的一个平衡。合理可行的成长速度与价值低估，在两者之间实现平衡是一个很好的投资策略，既可以实现稳健的超额收益，又能实现风险可控。要设计出两者之间的平衡，需要将GARP策略不断地完善修正，从而实现投资者回报在资本市场可持续的超额增长。
参考文献
购物车(0)