1. 量化多因子投資平台是哪家公司設計的有用過的嗎
一般這種都是假的。
2. 聰明的「貝塔」真的聰明嗎
聰明貝塔（Smart Beta）是最近幾年投資界比較引人注目的一個熱門話題。今天就專門來講講這個聰明貝塔。
在這里我要提醒一下讀者，這篇文章的內容稍微有點偏金融專業。如果讀者朋友們不是金融背景出身，可能會碰到一些不太熟悉的概念和術語。但是你也不用太害怕，在這些專業術語的背後，其邏輯並不復雜。我會盡量用簡單易懂的語言來把這個問題說清楚。
講完了提供因子指數的指數編制公司，再來介紹一下追蹤這些指數的基金經理。這些基金經理的工作是根據指數編排的規則，去復制這些指數，從而給予投資者和指數類似的回報。回報當然是越和指數回報接近越好，但在實際中做不到。因為指數不考慮交易成本和基金的管理費用。
在這個領域做的比較超前的有這么幾家公司。首先是Blackrock IShares。2009年Blackrock以135億美元的價格並購了BGI，同時也購買到了IShares這個品牌。在Blackrock IShare旗下，有比較全的因子指數基金，比如上面表格中的價值，動量，低波動等基金。這些基金的總費用率大概在0.15%左右，但需要注意他們絕大多數都僅限於美國市場。
先鋒，Vanguard，是指數基金領域另外一大巨頭。先鋒在因子指數方面提供的產品不多，只有紅利，低波動和小股票指數基金，且僅限於美國市場。當然如果這個領域是未來發展的方向，相信各大公司會相繼推出更多的產品。
Invesco Powershare和Charles Schwab也提供不少因子指數基金。缺點是他們的費率都比較高，一般介於0.25%-0.6%之間（如上圖所示）。Arnott的Fundamental Index (基本面指數）指數基金由Charles Schwab管理，費率為每年0.32%，也就是說該指數需要每年至少戰勝標准普爾0.28%左右（先鋒的標准普爾500指數基金費率為0.05%）才可能讓投資者獲得好處。
總結
關於股票因子回報的分析，是金融界一大創新和進步。該研究最大的貢獻，是讓投資者了解到可能提供超額回報的源頭，並且讓普通投資者以比較低廉的價格（通過因子指數基金）去獲得這些因子回報。在沒有因子指數基金的世界（比如中國），投資者想要獲得這些因子回報，只能通過投資基金經理，並付出比較高的費用（可能是每年1.5%-2%，在有些私募基金還需要外加15%-20%的利潤分成）。而這些因子指數基金，只收取0.15%-0.6%左右的總費用，沒有利潤分成，對於投資者來說確實是一大好消息。
因子回報研究的另一大貢獻是，它向廣大投資者們提供了設計自己的對沖基金策略的可能性。在絕大部分股票型對沖基金中，基金經理做的工作無非是買多某些因子，賣空另外一些因子。如果市場上有了基於因子的指數基金，並且可以賣空的話，對於我們廣大投資者來說，自己去交易自己設計的對沖基金策略就不再是個夢了。
當然，科技的進步永遠不會停止。我相信中國市場中的因子指數基金遲早也會出現。到時候廣大的中國投資者也會有更大的投資選項。
希望對大家有所幫助。
3. 三因子模型如何運用到低風險投資產品的選擇中
三因子模型指法馬-佛倫奇三因子模型（Fama-French
three-factor
model），是一個資本資產定價模型的改進理論。三因子指的是市場溢價、規模溢價和價格溢價。該模型的提出是基於美國股市歷史回報率的實證研究結果，目的在於解釋股票市場的平均回報率受到哪些風險溢價因素的影響。
德國智能投顧錦萌的核心平台Apeiron結合Fama-French的三因子模型，對於投資產品進行投資和篩選，利用人工智慧和大數據完成更為有效的智能化資產管理。
4. 關於上海財經大學金融學專業證券投資學教材
投資類的教材我覺得經典的就是《證券分析》了，裡面有各種證券的投資分析，股票部分最有意義。沒上過研究生，不清楚。但感覺那些教材比較側重於數量類的分析和建立各種模型類的東西，數學工具用得多。如果你是搞研究那麼可以仔細研究，如果是為了自己投資，大可不必。如果高深的數學知識對投資有用的話，那麼商業上得成功人士都應該是數學家了。巴菲特就說過，投資只需要中學的數學知識就夠了。
咳，幫不了忙，不是研究生，也不是上財的學生，所以不知道具體的教材。網上書店找到一本書的介紹
書名:證券投資學（金融學研究生核心教材系列；教育部推薦教
作者:趙錫軍 主編
出版社：
原價：
出版日期：2008-11-1
ISBN：9787300086804
字數：
頁數：206
印次：
版次：1
紙張：
開本：16開
編輯推薦
目錄：
第1章 資產定價理論
1.1 資產定價理論的基本思想
1.2 隨機折現因子模型
1.3 等價定理：折現因子模型和其他定價模型的關系
1.4 資產定價理論的新發展
第2章 風險約束下的現代資產組合理論
2.1 風險度量方法的演進
2.2 風險資產組合理論的產生和發展
2.3 VAR風險和資產組合的有效前沿
第3章 資產組合理論與國際資產組合管理
3.1 投資組合理論
3.2 國際組合投資
第4章 投資業績評價
4.1 投資業績評價概述
4.2 投資業績評價的基準
4.3 投資業績評價方法
4.4 時機選擇和證券選擇能力評價方法
4.5 其他投資業績評價方法
第5章 利率期限結構理論
5.1 與利率期限結構相關的基本概念
5.2 利率期限結構理論
5.3 名義利率期限結構模型
5.4 實際利率期限結構模型
第6章 市場微觀結構理論
6.1 市場微觀結構理論概述
6.2 市場微觀結構理論的起源和發展
6.3 市場微觀結構理論的理論模型
6.4 市場微觀結構理論的研究前沿
第7章 行為金融學
7.1 行為金融學的產生與發展
7.2 行為金融學的理論基礎
7.3 行為資產組合理論
7.4 對市場中一些異常現象的解釋
第8章 經濟學關於監管問題的理論
8.1 公共利益論
8.2 經濟效率與監管
8.3 市場機制與經濟效率：完全競爭均衡模型
8.4 非競爭性均衡與補償原則
8.5 非競爭均衡模型：壟斷的情形
8.6 補償原則
8.7 壟斷買方與壟斷競爭
8.8 尋租行為與壟斷
8.9 外部性與非競爭性均衡
8.10 信息不對稱與非競爭性均衡
……
參考文獻
5. 我是86年出生的，有適合我的個人理財書籍嗎
建議你先多關注儲蓄,保險和基金,看書學不如多和身邊懂理財的朋友聊聊,書上的很可能不適合你的狀況,要因人而異的
6. 什麼是因子模型和套利定價理論
單因子模型最早由威廉·夏普(Sharp)提出;
單因子模型的基本思路是：證券收益只受一個因素影響。市場模型便是這種模型的典型例子。如果我們觀察證券市場，就會發現，當市場股價指數上漲時，大部分股票價格也同時上漲;反之亦然。這說明，各種證券對一個因子，即市場股價指數的變化具有聯動的反應。
套利定價理論是指在一個市場購進股票，而在另一市場賣出，以賺取價格的差額。
套利定價模型的基本理論認為：同一個風險因素所要求的風險收益率對於所有不同的資產來說都是相同的，因此每個「入」的大小對於不同的資產都有同樣的數值。
否則，如果某個風險因素對不同的資產提供了不同的收益，投資者就可以通過適當調整手中資產組合中的資產種類和比例（即通過買賣股票等「套利」活動），在不增加風險的情況下獲得額外的收益。而這種套利活動的結果，就會使得這些額外的收益逐漸變小，以致最後消除，達到市場均衡。
7. 喬治·索羅斯寫過一本叫《量化投資》的書嗎
一下內容純手打
證券分析方法主要分三種：
一是基本面分析，代表作《證券分析》《價值投資》，代表任務「巴菲特」；
二是技術面分析，代表做《趨勢技術分析》《道瓊斯理論》等，注重短期投資，索羅斯屬於短期投機類型，但是沒有任何資料顯示他的投資流派屬於純粹的技術面分析，可能的情況是上述兩種都有。今年的而貝爾經濟學得主法瑪提出的」有效市場假說「某一種程度上，否定了技術面分析。
三是量化分析，美國近幾十年興起的一種方法，典型的代表人物是西蒙斯。
中國國內的量化投資的研究還比較少，量化投資的基金以及機構也不夠普遍，切主要集中於香港地區。原因之一是，國內金融金融市場沒有完全開放，金融產品匱乏。美國市場的金融產品多達幾萬種，而國內只有兩百多種。
關於量化投資的書，國內國外都有很多，主要集中與國外，國內學者大多是對國外技術的學習。當然，如果你是初學者，建議你還是從國內的相關書籍開始學起。
如果有一本書，叫《量化投資》，我敢保證你看了一定學不到什麼東西，丁鵬的《量化投資》就是這樣，只是對現在主要方法以及模型的簡單介紹。用於同行業交流也許會有些價值。書籍內容從：量化選股、量化擇時、到套利什麼什麼的，基本上都是簡單的介紹，可以當作課外讀物，了解一下什麼叫量化投資。如果你真的想學到什麼東西，直接網路文庫：量化選股、多因子選股等詞，你會看到無數國內證券機構對市場的量化研究。而且資料詳細。可是，你學不到最根本的原理。
原因如下：
進行量化分析，必須至少具備兩種能力：
一、扎實且足夠的數學、統計學基礎，用於理論上的金融建模；
二、能夠使用相關計量軟體進行數據分析或者模型求解等。
這兩個要求一般人很難到達，所以證券從業的教材認為難度大是量化投資的一個很大局限性。
如果樓主對量化投資有興趣，我可以推薦一些教材給你：
如果僅僅是想了解一下： 丁鵬《量化投資》，書很貴，個人認為沒什麼實用價值。可以有個簡單的系統的認識；
如果是想學習並且能在實際中運用，建議如下：
數學方面：
《微積分》 到高級《高級微積分》
《線性代數》《非線性代數》
《概率論與數理統計》《概率、隨機變數、隨機過程》
《離散數學》《運籌學》《統計學》
金融理論上
《計量經濟學基礎》《計量經濟分析》
《數量金融學》《金融時間序列分析》
。。。。還有很多很多
以及其他金融知識基礎
建模方面
這類的書，我看的不多哦，你自己網路一下，或者找個圖書館看看
計算機軟體
C 和 C++ 至少學一個，SQL 建議學一點
建模軟體主要有：MATHEMATICA MATLAB SAS SAC R Eviews GAMS 等等等等，終於哪些海外基金用的是哪一種，或者是不是自己做的專用軟體，我就不知道了。
不過，上述的軟體，肯定是可以滿足個人的研究需求的。這個，你選幾種學一學還是可以的。
一個人，想要精通上述全部，應該是很難的，所以，註定了，量化分析的方法，單個的普通人很難完成。
量化投資起源與上世紀美國政府大幅度削減了對物理航天業經費自持，導致很多搞火箭的科學家、數學家下崗。於是他們流入金融行業（收入高），利用自己對數學、計算機的優勢，使用原先用於火箭的建模預測證券市場，發現有著顯著成效。當然，這些模型的前提是，現代金融理論的奠基，以及數量金融的發展。
因此，我個人對量化投資的理解是：金融界的火箭科學家，傳統的分析方法，只用看某一或某幾個指標，根據歷史經驗或者主觀的客觀的XXOO判斷證券的未來走勢，但是量化分析，首先建立合理的數學模型，然後藉助計算機運用某些XX的演算法，分析求解，難度相對於傳統的方法難很多。
如果你想比較淺顯的掌握，用於投資決策的參考
那量化分析，也沒有想想中的那麼高深，它本質上是一種金融的建模，本質上，常用的方法還是統計專業的那幾個 ，什麼 回歸分析，線性規劃 ，相關性，時間序列等等等。。。我看了丁鵬的書，大致上認為他是用了這些方法。所以你只用把應用數學學好就好了。
還有一些像遺傳演算法、神經網路這些他的書裡面也提到了，屬於現代演算法，這些方法比較小，難度大，但是我猜只有學術界會用這些方法，因為現代演算法在實際運用中還不夠成熟，預測經常不準確。
表述有些亂，不過大致也只能寫成這樣了。
最後：和量化分析相關的專業主要有三個：
金融專業：金融工程；
數學專業：統計、應用數學；
計算機專業
這些專業的就業方向是可以面向量化分析的
8. 趨勢投資因子 如何買入低位啟動的票
什麼因子就不知道了。趨勢票最看重的是大級別上漲周期，小級別操盤。定好模式再玩。
9. 為什麼運用因子分析的方法做投資價值的研究
行業的市場表現受到宏觀經濟、行業經營周期、行業基本面以及市場本身等因素的影響，行業多因子模型就是通過對這些因素進行量化描述，分析其與行業市場表現的相關性，提取若干具有顯著影響的因子構建行業投資價值的分析評估體系。
經濟增長、商業周期、通貨膨脹、預期收益率等宏觀行業因素對各個行業產生不同的影響。周期性行業對於經濟增長、貨幣信貸的敏感性強於消費型行業；成長型行業對於市場預期收益率的敏感性高於收入或價值性行業；可選消費行業對於通貨膨脹的敏感度高於必需消費行業。宏觀行業指標數據的統計口徑往往在表徵基本面運行狀態上考慮得更多，而對於投資來說這些數據需要進行處理，排除干擾分離出更為有用的信息，或者將數據組合起來進行觀察。比如，貨幣供應量M2和M1的剪刀差反映了貨幣的活化程度；PPI和原材料購進價格之間的剪刀差反映了製造業盈利空間的變化；原材料庫存和產成品庫存之間的剪刀差又反映了庫存周期缺口等等。國際上著名的宏觀因素模型BIRR模型中的宏觀指標都經過符合邏輯的處理與調整，用公司債與政府債的息差反映市場的風險偏好，用長期政府債與短期國債的息差反映投資者預期收益率。
受宏觀經濟周期和產業周期的影響，行業的發展態勢不僅反映在成長速度、盈利能力、運營能力、收益質量等基本面指標上，還反映在分析師對行業成份公司的預期和市場估值層面，並最終體現在市場價格上。需要通過對行業的財務指標、市場預期、估值水平等因素的綜合分析，尋找行業的投資機會。通常情況下，預期增長快的行業處於行業景氣向上的周期中；毛利率高的行業占據著產業鏈中的優勢地位，具有較高的議價能力；周轉率較高的行業具有較高的資源使用效率。這也反映了公司經營最關鍵的因素，即量、價和速度。在過去的幾年裡，白酒行業從營收增長到毛利率，再到凈資產收益率的平均水平都高於多數其他行業，二級市場股價表現持續超越大盤。行業的基本面因素情況決定了行業中長期的市場表現，行業的估值水平則是影響行業短期表現的重要影響因素。由於行業收益的高低以及彈性特徵不同，各行業的平均估值水平和波動幅度有著固有的差異，降低行業間固有差異的干擾後，有助於幫助投資者把握短期行業的市場表現。
投資者經常說「強者恆強」和「皮球從高處落下總要彈幾下」，分別對應的是量化投資領域中的動量和反轉兩種不同股價運行模式。在行業層面，看似矛盾的動量與反轉效應普遍存在，並對應著不同的市場運行邏輯：宏觀及行業周期是行業基本面變化的主要推動因素，因此行業的市場表現具有較強的持續性；在行業投資中也經常遇見先期跌幅較大的行業未來一段時間有相當的漲幅。這種動量和反轉效應還夾雜著整個宏觀經濟冷暖導致的股市整體表現，將將市場整體波動從行業層面剝離，行業之間的動量和反轉效應更為明顯。
行業多因子模型的關鍵在於因子的選擇，不僅需要有普適的邏輯關系，還要有對指標的含義進行深度解讀，更要使用合適的數學方法進行規整，才能從繁雜的影響因素里發現市場的規律，分析行業投資價值，制定更為客觀可靠的投資決策。