时间：2023-07-04 16:01:10
序论：在您撰写量化投资流程时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
曾在全球量化资产管理规模最大的巴克莱投资管理公司（BGI）管理量化基金、现任富国基金公司另类投资部总经理的李笑薇，以自己多年的海内外成功投资经历，与《投资者报》记者分享了量化投资的神秘与魅力所在。
自李笑薇加盟富国以来，富国A股量化投资模型于2009年底投入实战，并获得了不俗的战绩。截至2011年6月30日，富国旗下两只指数增强基金――天鼎中证红利、富国沪深300分别获得了4.32%与 3.79%的收益，在所有指数型基金中位居前两名。而同期沪深300指数、中证红利指数分别下跌2.69%、2.1%。这一团队，正推出第三只指数增强基金――富国中证500指数增强。
量化不是“黑匣子”
《投资者报》：提及量化投资，国内投资者总认为很神秘。它与主动的定性投资差别到底有哪些？
李笑薇：量化模型的特点之一是抽象，但它称不上是一个“黑匣子”，与传统基金的投资区别也并非像投资者认为的那样大。
传统基金经理在做市场判断时，脑子中会闪过好几个模型，比如如何选定行业、个股，实质这都是一个个模型。严格说，他们脑子里的模型比量化模型中能看到的都要多，只是他们没有把这些模型提炼出来而已。
投资者购买传统主动股票基金，并不代表他们对基金经理的操作完全熟悉。基金经理在哪个时间段，配置了哪些行业、个股，投资人无法确切知道，只是能看到每个季度的报告和最终的投资结果。
相比之下，量化投资进出市场的每一个步骤，都非常清晰明了。在我的眼里，这个过程不是“黑匣子”，而是团队里每一个人按流程逐步去完成的。
《投资者报》：量化投资的详细工作流程是怎样的？
李笑薇：量化投资对团队合作要求更高。一般来说，有一部分人专门进行数据的清洗、整理、输送等，这需要计算机信息技术较强的人才；模型的设计和研究，往往需要很强的金融及数学背景；基金的日常管理往往需要金融及工程方面的专才。因此，通常量化投资团队的成员学历都较高，但不是说学位很重要，而是需要一定的技术积累。
具体流程中，提取数据的人看数据，有人专做研究，有的做优化或者交易下单。每个人都有自己的侧重点，在整个团队中起不同的作用。一个人可能干多件事情，但想要全部完成是不可能的。
《投资者报》：量化投资能否稳定地战胜市场？
李笑薇：在不同的市场阶段，市场的有效性会不同，需要用特定的方法，寻找不同阶段的不同机会。
市场上的各种方法，捕捉的内容都不一样。比如巴菲特，他的风格更趋近于一级市场中VC、PE的思维；西蒙斯则是完全抛开基本面，从纯技术的角度，将全球货币的走势、衍生品等林林总总的东西作为投资标的。
从A股市场来说，当前的发展阶段需要有独特的投资方式，富国基金量化增强的定位也有市场需求存在，满足了一部分配置指数基金的需求。从运作经验看，量化增强后的收益会好于一般指数的收益，上半年超额收益有8%。总体来看，这个收益稳定在5%~10%间，是很多基金难以做到的。
超额收益从何而来
《投资者报》：我们也注意到，多家基金公司都构建了独立的量化投资团队和模型，富国基金量化投资模型的独特之处在哪里？
李笑薇：量化投资最重要的是人的思想，量化只是一个方式和工具，真正在挣钱的，是人的投资思想。
从富国量化模型的特点来看，首先是自下而上精选个股，不做仓位选择。由于这是一只指数产品，投资人买时就要买到这样的仓位，我们一直是用95%的仓位操作。
其次，严格风险控制，精细成本管理。再次，系统化的投资流程，科学化的投资管理。量化投资从开始到结束，是一个庞大复杂的工程，团队里面专门有人负责清洗、研究数据，做一系列的回撤，实现交易单。
最后还要尊重模型出来的结果。在操作过程中，主动干预非常少，人的干预更多在整个模型的设计上。
《投资者报》：你们今年近8%的超额收益是如何实现的？不同市场环境下，模型是否会有大的调整？
李笑薇：对我们来说，发现哪些因子在最近的市场更有效，并保持一定的前瞻性，是量化团队的主要工作。
比如，大家都很熟悉的估值因子，在2006年到2009年都有比较优异的表现。但是到了2010年，估值因子的作用突然发生了变化，估值并不能起到明显推动作用，我们也提前做了适当的调整。
责任心决定能否做好
《投资者报》：除了模型外，量化投资成功还取决于什么？
李笑薇：一般而言，量化投资策略是否成功取决于三大因素。一个因素是质量，重点取决于数据和研究。第一步是要保证数据的质量没有问题。对于任何一个数据源，我们基本是用一家数据商，但会用两家来互相检验，检验后的结果才进入到自己的数据库里。
研究质量的好坏，其实是工作责任和态度的问题。量化虽然有门槛，但对理工科硕士以上的人来说门槛并不高，能否做好靠的是责任心。
第二是经验和判断。我们会做大量研究、看历史业绩，但历史不代表未来。当你做了大量细致的研究，发现可能有五个因子影响，表现最好的是A，后面有BCDE，其他因子哪些权重更大？做决定要基于经验和判断。但归根到底，判断与决策要有很强的实践来做支撑。
三是运气，好的质量和经验不等于好的业绩。尽管它们可以提高好业绩的概率。投资结果在任何时候都有运气的影响，这对所有管理人都是公平的。不过，今年这样的业绩基本上属于正常运气范围内。
第一个投资优势是量化投资能够做到理性决策。与传统主动投资不同，量化投资是通过量化模型进行交易，剔除了主观因素，按已经编制好的程序进行，不会因为情绪而产生投资冲动，我觉得这是量化投资最大的一个优势。一般而言，量化投资有着模型研究——模型测试——实盘操作这样的流程，首先有一个投资策略，讨论确定其逻辑合理性，随后将其固化为量化投资模型，综合历史回测业绩和风险考量指标进行评测，试运行3至6个月进行虚拟交易，如果试运行结果和历史回测及其他预期结果一致，该模型将得到正式确认，最终将此模型上线交易运行。一旦交付运行，将充分遵照模型的指令进行投资，降低情绪影响，克服人性贪婪恐惧的弱点，做到有计划、有原则、有纪律地进行投资。一般而言，通过这样的流程制定的量化投资策略能够理性决策，获取市场非理性的收益，大概率战胜市场。
在这个过程中，量化投资不仅排除了人为的主观因素，并且可以做到更精确，以精确的值达到一个最优结果，这是量化投资的第二个优势。比如说什么叫成长性好的个股，是每年业绩增长20%，还是更多？什么样的标准才是他选股的标准？一般投资者判断某个行业或个股好坏，往往凭借主观经验与判断，量化投资则有一套完整的逻辑和规则，可以进行有效的评价和识别。比如有观点认为医药行业成长快，量化投资或许会考虑用某个指标去度量成长性，比如ROE增速，如果这个指标超出一定阀值，就可确认该行业确实成长快。从这个意义上来说，量化投资采用量化工具将主动投资逻辑规范化，能够带来规范化的收益。
量化投资的第三个优势是对海量信息的处理。现在沪深两市已经有2000多只个股，和10多年前相比，一个最大的区别是信息爆炸。现在人脑是永远不可能记住这么多信息的，并且对海量数据之间的关联不可能做出迅速判别，而电脑可以做到。
从摩根士丹利华鑫基金数量化投资运行的量化模型来看，量化模型获取的超额收益是非常显著的。除已经实际运行的多因子模型和即将运用在大摩量化配置基金上的行业配置模型外，还有五六个量化模型在模拟运行，包括价值量化模型、成长量化模型、技术量化模型以及事件驱动模型等。截至三季度末，模拟运行的模型均取得明显的超额收益。实际运作中的大摩多因子基金，根据Wind数据统计，截至10月26日，今年以来基金收益率为2.84%，与该基金的小盘风格比较类似的中证500指数则下跌3.17%。
揭开定量投资神秘面纱
与定性投资不同，定量投资更多关注“数字”背后的意义，依靠计算机的帮助，分析数据中的统计特征，以寻找股票运行模式，进而挖掘出内在价值。
李延刚总结了定量投资的三大优势：首先是理性。定量投资是对于基于基本面定性投资方法和工具的数量化统计性总结，它在吸收了针对某种投资风格和理念的成功经验的基础上，以先进的数学统计技术替代人为的主观判断，并能够客观理性地坚持，以避免投资的盲目性和偶然性。“完全的数量化分析过程将极大地减少投资者情绪的影响，避免在市场极度狂热或悲观的情况下做出非理性的投资决策，因而在牛熊市的转换中具有很强的自我调节性。”
其次，全市场覆盖。定量投资可以利用数量化模型对垒市场的投资标的进行快速高效的扫捕筛选，把握市场每一个可能的投资机会，而定性投资受人力精力的限制，显然无法顾及如此广的覆盖面。
此外，数量化投资更注重组合控制和风险管理。数量化的个股选择和组合构造过程。实质上就是在严格的约束条件下进行投资组合的过程，先从预先设定的绩效目标的角度来定义投资组合，然后通过设置各种指标参数来筛选股票，对组合实现优化，以保证在有效控制风险水平的条件下实现期望收益。“换言之，数量化投资模型能够很好地体现组合收益与基准风险的匹配和一致，”李延刚解释。
定量投资是否适应中国市场
“谈到定量投资，不得不提量化投资领域中的传奇人物――詹姆斯・西蒙斯。”李延刚并不掩饰其对这位投资大师的崇敬，“他不仅是世界级的数学家，也是最伟大的对冲基金经理之一。他创办的文艺复兴科技公司花费15年时间，研发基于量化数学模型的计算机模型，借助该模型，两蒙斯所管理的大奖章基金，从1989年到2006年的平均年收益率达到了38.5％，甚至超过股神巴非特。”
值得一提的是，李延刚也来自数量化投资的发源地――北美，他有着6年海外一线投资管理的实际工作经验，深刻领会并掌握了量化投资理念与方法，具备数量化投资领域的成功经验。2007年，李延刚回国后加盟中海基余，着手增强中海基金金融工程团队的寅力。在借鉴国外成熟的投资理念与经验的基础上，结合A股实际，他用了近两年时间对数量化模型进行反复修改与调试。目前，中海基金的金融工程部已经形成从择时、配置到选股等方面的一系列研究成果，并在今年顺势推出中海量化策略基金。
詹姆斯・西蒙斯的神话在中国证券市场能否再次实现?“当其他人都摆西瓜摊的时候，我们摆了一个苹果摊。”李延刚用一个形象的比喻来形容定量投资存国内市场的发展机遇。他认为，目前国内证券市场定性投资者太多，竞争激烈，而数量化投资者则太少，机会相对更多，竞争也很小。李延刚表示，大量实征研究证明，中国证券市场为一个弱有效市场，市场上被错误定价的股票相对较多，留给定量投资发掘市场非有效性的空间也就越大。基于这种考虑，定量投资方法在中国的发展极具发展空间。
“今年推出量化基金并非一时的心血来潮，一方面中海基金金融工程部已经逐渐成熟，而另一方面也是出于市场时机的考虑。”李延刚强调。
他认为，在经历2008年的巨幅下跌后，市场底部已经基本确立，目前小盘股估值相对较贵，短期内市场可能会以调整为主，但未来市场走势仍然存在诸多不确定。在此背景下，如何把握结构性机会将是未来投资关键之所在，利用数量模型进行分析和投资的量化基金具备更好的适应性。中海量化策略基金将把握市场调整时机，采用数量化模型选人具有估值优势和成长优势的大中盘股票作为基石，辅之以部分优质的小盘股票。
“量体裁衣”完善全程量化流程
据了解，中海量化策略基金的全程量化流程分三个步骤，即选股策略自下而上，施行一级股票库初选、二级股票库精选以及投资组合行业权重配置的全程数量化。
“就像裁缝做衣服一样，量化基金在投资中也要通过‘量体裁衣’来完善全程量化流程。通过全程量化与基金经理的思想相配合，才能做出优质的量化基金。”李延刚表示。
首先，选取代表性最强的反映公司盈利能力的指标，对于所有的A股上市公司进行筛选从而得到一级股票库。“主要通过对所有A股股票过去三年平均EPS(每股收益)、ROE(净资产收益率)、毛利率三项指标进行筛选，它们能分别较好的反映上市公司的获利能力，从而得到一级股票库。”李延刚说。
其次，通过盈利性指标、估值指标、一致预期指标，熵值法确定指标权重后，对一级库股票进行打分排名，从而筛选出二级股票库。其中，一致预期指标则是通过各券商分析师的调查后，得出上市公司盈利预期数据平均值，以此权威性地反映市场对公司未来盈利的预期水平。“中海量化基金引入一致预期作为选股指标，可以全面、权威的反应市场对上市公司未来盈利的预期水平，为投资决策提供更为真实和前瞻性的依据。与此同时，还可以根据预期的变化及时动态调节，更加适应股市的震荡波动。”李延刚强调。
2016年以来，A股震荡明显加剧。如何更好地规避风险、保住前期浮盈，成为投资者最关心的话题。在此背景下，一些收益稳定、回撤控制能力强的量化产品就成了投资者稳健配置的首选。据《投资者报》数据研究中心对全市场成立于2016年前的67只量化产品（A、C类分开计算）的区间复权单位净值增长率、以及区间复权单位净值相对大盘增长率的统计数据显示，截至5月13日，华宝兴业基金旗下的华宝兴业量化对冲策略混合型发起式基金A/C（以下简称“华宝量化对冲”）在全部67只量化产品中业绩表现最好，其区间复权单位净值相对大盘增长率均超过了20%。
震荡市场上的投资利器
对于旨在获取绝对回报的华宝量化对冲来说，完全称得上是震荡市场上的投资利器。
据公开资料显示，自2014年9月成立以来，华宝量化对冲基金已成功穿越4次股市大劫：在2015年1月下旬、4月下旬、6月中旬、以及2016年1月上旬的A股大幅调整中，平稳规避了风险，历次净值涨幅超越沪指均在5个百分点以上（数据来源：Wind；截至：2016.4.22）。
此外，值得一提的是，现任基金经理徐林明，证券从业经历14年，除了担任华宝兴业量化对冲基金、上证180价值ETF及联接基金、华宝兴业事件驱动的基金经理外，还是华宝兴业基金的助理投资总监兼量化投资部总经理。据业内人士介绍，徐林明长期从事主动量化策略研究和量化投资工作，在择时、行业配置和选股领域有较深入的思考和研究，总体负责量化对冲的投资运作和量化模型开发。
谈及当前的投资操作，徐林明表示，“2016年以来股指期货负基差结构仍然存在，在此局面下，华宝量化对冲继续保持低仓位运作，股票部分用于满足申购新股的市值要求，同时对这部分头寸，利用股指期货对冲系统性风险。一季度华宝量化对冲的资金主要投资于低风险的标的或者现金管理，并积极参与新股申购、可转债申购、协议存款、隔夜回购等，力争在风险可控的前提下实现净值的稳健增长。”
业内创新量化投资专家
实际上，华宝量化对冲成立自以来，其净值一直稳步上升，虽然，期间受到市场基差扰动有一定回撤，但很快就回归正常，这显然得益于旗下强大的创新量化投资专家团队。
关键词：电网资产；项目管理；项目建设
中图分类号：C93 文献标志码：A 文章编号：1673-291X（2016）24-0018-02
引言
近年来，我国电力工业的发展十分迅速，在国际上的地位也日益突出。随着国民生活水平的提高和工业的发展，居民用电量和工业用电量大幅度增加，致使电力负荷严重超载，拉闸限电情况频繁出现，给我国经济的持续发展和人民的正常生活带来严重的影响，为了改善这种状况，缓和电力供需紧张的局面，国家加大了对电力行业基础建设的投资力度。
电网工程项目建设全过程管理中涉及大量的因素和环节，任何一个因素和环节处理不到位，就会对整个工程项目产生重大的影响，可能会导致项目的投资成本增加、项目工期延长、投资收益下降、账务混乱等不利后果。因此，如何在众多不确定因素中找出影响项目建设的关键因素，确保工程项目的实物和账务一致性，如期按质按量完成建设项目和建设内容，对提高建设资金的使用效率、保护电网资金安全、防范电网资产流失有着重要的意义。
一、模型研究设计
（一）模型设定
本文根据项目全寿命管理理论，结合国网浙江遂昌县供电公司的实际情况，以工程项目竣工决算的实物和财务入账的数额是否一致作为项目管理有效性的替代变量（Effecti，t），构建电网工程项目管理有效性模型，具体如下：
Effecti，t=a0+a1*Sizei，t+a2*Leveli，t+a3*Qualityi，t+a4*Processi，t+a5*Completioni，t+a6*Timei，t+a7*Longi，t+Σcategory+Σmonth+ε
其中，a0、a1、a2、a3、a4、a5、a6、a7为相关变量的系数值，ε为残差。
在模型中，以项目有效性（Effecti，t）为被解释变量，用竣工决算的实物和财务入账的数额是否一致来量化，若一致用1表示，不一致则为0。以项目规模（Sizei，t）、管理人员业务水平（Leveli，t）、管理人员素质（Qualityi，t）、项目流程清晰度（Processi，t）、项目投资完工率（Completioni，t）、各部门衔接的及时性（Timei，t）、项目工期（Longi，t）为控制变量，另外加入项目类别（category）和月度（month）两个虚拟变量，以提高面板数据分析结果的稳定性。
（二）样本选取和变量定义
1.样本选取。本经验选取遂昌县供电公司2014―2015年所有的电网工程项目为初始样本，为了保证样本之间的可行性和稳定性，按照以下原则做出筛选：第一，剔除存在缺失值的项目；第二，剔除跨年和未结转的项目。经筛选后得到样本个数为122个（数据均来源于遂昌县供电公司基建发展部项目清单）。
2.变量定义。本文运用Richardson（2006）残差度量模型对项目管理的有效性进行度量，Effecti，t作为管理有效性的替代变量，用竣工决算的实物和财务入账的数额是否一致来量化，若一致用1表示，不一致则为0。解释变量项目规模（Sizei，t）用竣工决算金额的自然对数量化，管理人员业务水平（Leveli，t）用员工从事工程项目的工作年限来量化；管理人员的素质（Qualityi，t）用文化程度来量化（1=大专及以下、2=大学本科、3=硕士研究生、4=博士研究生及以上）；项目流程清晰度（Processi，t）是逻辑判断（1=项目流程清晰，相关资料齐全、0=反之）；项目投资完工率（Completioni，t）逻辑判断用项目竣工决算金额除以项目投资计划金额来量化；各部门衔接的及时性（Timei，t）也是逻辑判断（1=及时，0=不及时）；项目工期（Longi，t）用项目跨的月度来量化；项目类别（category）有配网、技改、生产性大修、研究开发、营销专项、零购、教育培训等7个类别，设6个变量；月度（month）12个月，设11个变量。
二、模型回归
首先对面板数据的混合回归模型、固定效应模型、随机效应模型进行豪斯曼检验，选取最适合本文的模型进行回归分析。在混合回归和固定效应的检验中，F值为1.35，F检验的P值为0.0000，强烈拒绝原假设“H0：all ui=0”，即认为fe（固定效应）明显优于混合回归。在对固定效应与随机效应进行豪斯曼检验时，chi2=584.34，P值为0.0000，故强烈拒绝原假设“H0：ui与xit，zi不相关”，应该使用固定效应模型而非随机效应模型进行分析。
从下表可知，模型中对项目管理有效性的回归，项目规模的回归系数为-0.0248，但不显著，说明项目规模的大小对项目管理有效性几乎无影响。管理人员业务水平的回归系数为0.1404，但不显著，说明项目管理人员的工作年限对项目管理有效性影响也不大。管理人员素质的回归系数为0.1679，但不显著，说明管理人员的学历与项目管理有效性的关系也不大。项目流程清晰度的回归系数为0.3998，且在1%水平上显著，即项目流程清晰度与项目管理有效性呈显著正相关。说明项目流程清晰度越高，项目管理有效性越高。项目投资完工率的回归系数为0.0655，且在5%水平上显著，即项目投资完工率与项目管理有效性呈显著正相关。说明项目投资完工率越高，项目管理有效性越高。各部门衔接及时性的回归系数为0.1768，且在5%水平上显著，即各部门衔接及时性与项目管理有效性呈显著正相关。说明各部门衔接及时性越高，项目管理有效性越高。项目工期的回归系数为-0.2763，且在1%水平上显著，即项目工期与项目管理有效性呈显著负相关。说明项目工期性越长，项目管理有效性越差。
结论
本文对遂昌县供电公司工程项目管理有效性因子进行了实证研究，得出了以下的结论：第一，项目流程清晰度和各部门衔接的及时性与项目管理的有效性呈正比；第二，项目工期与项目管理的有效性呈反比；第三，项目管理人员的工作年限和学历与工程项目管理的有效性无显著关系。
参考文献：
[1] 张功富，宋献中.我国上市公司投资：过度还是不足――基于沪深工业类上市公司非效率投资的实证度量[J].会计研究，2009，（5）：69-77.
安全管理是一个流程
Martin认为，安全风险管理不同于信息安全。信息安全重在操作，是由安全产品驱动的；安全风险管理决定企业战略，是由业务流程驱动的。Martin认为，流程是一系列系统化的行动，每个行动都有明确的目标。安全风险管理不是某一时间点的事件，也不是产品，它是一个持续进行的流程。它具有连续性、可重复性、高效性和可确保性的特点。
各个公司的销售部门可能都面临这样的问题：一个销售团队的任务是否只是卖产品；在这个过程中，他们是否有一个可以量化的指标和量化的体系；是否有一个系统性的评定和量化的销售人员；每天的销售业绩和销售指标是否与预期相同……安全风险管理和销售工作同样需要有可预见性，即要有目标，实现目标的最好方法就是需要一个完整的流程。
完整的安全风险管理应该有五个步骤：第一步，了解安全风险管理的内涵；第二步，通过技术手段识别风险；第三步，通过技术手段保障风险管理流程的持续性；第四步，明确、量化安全风险；第五步，持续管理安全风险。
沟通让安全管理更顺畅
在现实中，CSO面临的主要难题包括：风险管理概念不清晰，容易与信息安全混淆；风险管理的流程成熟性不够，不能给企业管理者提供有说服力的商业案例说明，通过安全风险管理可以提高企业的投资回报率(ROI)；与管理层沟通不畅，CSO提供的数据不能帮助企业管理者制定相关决策。
作为企业的安全管理部门，最重要的是和其他相关部门进行良好的合作，保证在安全实施的过程中使整个公司获得利益。如果不能做到这一点，就可能会遇到这样的窘境：信息流失，病毒入侵，某些重要服务中断。在这个过程中，人们往往会带着一种恐惧、怀疑和不确定性去购买某种防护产品，这样，企业的安全管理部门就很难与其他业务部门进行有效的沟通。
人们在讲信息安全的时候，往往只谈具体的安全产品，但是公司的CEO、首席信息官(CIO)和商业合作伙伴并不一定真正了解这些安全产品。CSO的首要任务是要让其他业务部门和公司高层了解企业存在的安全风险是什么，挑战是什么，以及进行相关的安全管理流程和投资所能得到的回报。
量化投资重在风控
近几年，国内基金公司都在积极推出量化投资产品。但市场人士认为，目前国内的常见“量化”基金，实质上大多是“量化选股”基金，从量化的风险控制到量化的交易，整个决策流程依然靠传统的方法。
国内著名投行宏观策略研究员的工作积累，华尔街量化投资的历练，使华商大盘量化拟任基金经理费鹏对量化投资的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。与传统的价值投资“越跌越买”的理念不同，他认为量化投资应该是主动对市场风险进行判断，通过技术分析、量化模型分析等判定风险，在确定风险之后，及时对仓位进行控制，及时止损。
费鹏认为，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，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。因此，华商基金量化投资团队在吸收国内外先进经验的同时，在模型设计之初，便将核心定为风险控制。
在设计中，华商基金量化投资团队借助了包括从统计信息学角度出发的信息熵值（Entropy）的变化、从分形理论出发的市场模式（P atter n）的变化、从金融物理学角度出发的金融泡沫统计指标的变化、从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。
量化投资坚持追求绝对收益
提及量化投资，人们就会想到西蒙斯用公式打败市场的经典案例。但这一投资工具在被引入国内投资市场之后，并没有展现其神奇的威力。根据wi n d数据分类显示，目前市场上有19只量化基金，2 012年可统计的15只量化基金平均收益率仅为2 . 5 5%（同期沪指上涨3 .17%），国内发行的量化基金的表现不尽如人意。
在费鹏看来，国内的量化基金仅仅是“量化选股”，追求相对收益。他认为，量化投资的核心应该是风控，坚持追求的则应该是绝对收益。
相比而言，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。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，华商量化投资团队在设计选股模型时，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，在分析手段上更多了对隐性信息的补充。
