1. 量化多因子投资平台是哪家公司设计的有用过的吗
一般这种都是假的。
2. 聪明的“贝塔”真的聪明吗
聪明贝塔（Smart Beta）是最近几年投资界比较引人注目的一个热门话题。今天就专门来讲讲这个聪明贝塔。
在这里我要提醒一下读者，这篇文章的内容稍微有点偏金融专业。如果读者朋友们不是金融背景出身，可能会碰到一些不太熟悉的概念和术语。但是你也不用太害怕，在这些专业术语的背后，其逻辑并不复杂。我会尽量用简单易懂的语言来把这个问题说清楚。
讲完了提供因子指数的指数编制公司，再来介绍一下追踪这些指数的基金经理。这些基金经理的工作是根据指数编排的规则，去复制这些指数，从而给予投资者和指数类似的回报。回报当然是越和指数回报接近越好，但在实际中做不到。因为指数不考虑交易成本和基金的管理费用。
在这个领域做的比较超前的有这么几家公司。首先是Blackrock IShares。2009年Blackrock以135亿美元的价格并购了BGI，同时也购买到了IShares这个品牌。在Blackrock IShare旗下，有比较全的因子指数基金，比如上面表格中的价值，动量，低波动等基金。这些基金的总费用率大概在0.15%左右，但需要注意他们绝大多数都仅限于美国市场。
先锋，Vanguard，是指数基金领域另外一大巨头。先锋在因子指数方面提供的产品不多，只有红利，低波动和小股票指数基金，且仅限于美国市场。当然如果这个领域是未来发展的方向，相信各大公司会相继推出更多的产品。
Invesco Powershare和Charles Schwab也提供不少因子指数基金。缺点是他们的费率都比较高，一般介于0.25%-0.6%之间（如上图所示）。Arnott的Fundamental Index (基本面指数）指数基金由Charles Schwab管理，费率为每年0.32%，也就是说该指数需要每年至少战胜标准普尔0.28%左右（先锋的标准普尔500指数基金费率为0.05%）才可能让投资者获得好处。
总结
关于股票因子回报的分析，是金融界一大创新和进步。该研究最大的贡献，是让投资者了解到可能提供超额回报的源头，并且让普通投资者以比较低廉的价格（通过因子指数基金）去获得这些因子回报。在没有因子指数基金的世界（比如中国），投资者想要获得这些因子回报，只能通过投资基金经理，并付出比较高的费用（可能是每年1.5%-2%，在有些私募基金还需要外加15%-20%的利润分成）。而这些因子指数基金，只收取0.15%-0.6%左右的总费用，没有利润分成，对于投资者来说确实是一大好消息。
因子回报研究的另一大贡献是，它向广大投资者们提供了设计自己的对冲基金策略的可能性。在绝大部分股票型对冲基金中，基金经理做的工作无非是买多某些因子，卖空另外一些因子。如果市场上有了基于因子的指数基金，并且可以卖空的话，对于我们广大投资者来说，自己去交易自己设计的对冲基金策略就不再是个梦了。
当然，科技的进步永远不会停止。我相信中国市场中的因子指数基金迟早也会出现。到时候广大的中国投资者也会有更大的投资选项。
希望对大家有所帮助。
3. 三因子模型如何运用到低风险投资产品的选择中
三因子模型指法马-佛伦奇三因子模型（Fama-French
three-factor
model），是一个资本资产定价模型的改进理论。三因子指的是市场溢价、规模溢价和价格溢价。该模型的提出是基于美国股市历史回报率的实证研究结果，目的在于解释股票市场的平均回报率受到哪些风险溢价因素的影响。
德国智能投顾锦萌的核心平台Apeiron结合Fama-French的三因子模型，对于投资产品进行投资和筛选，利用人工智能和大数据完成更为有效的智能化资产管理。
4. 关于上海财经大学金融学专业证券投资学教材
投资类的教材我觉得经典的就是《证券分析》了，里面有各种证券的投资分析，股票部分最有意义。没上过研究生，不清楚。但感觉那些教材比较侧重于数量类的分析和建立各种模型类的东西，数学工具用得多。如果你是搞研究那么可以仔细研究，如果是为了自己投资，大可不必。如果高深的数学知识对投资有用的话，那么商业上得成功人士都应该是数学家了。巴菲特就说过，投资只需要中学的数学知识就够了。
咳，帮不了忙，不是研究生，也不是上财的学生，所以不知道具体的教材。网上书店找到一本书的介绍
书名:证券投资学（金融学研究生核心教材系列；教育部推荐教
作者:赵锡军 主编
出版社：
原价：
出版日期：2008-11-1
ISBN：9787300086804
字数：
页数：206
印次：
版次：1
纸张：
开本：16开
编辑推荐
目录：
第1章 资产定价理论
1.1 资产定价理论的基本思想
1.2 随机折现因子模型
1.3 等价定理：折现因子模型和其他定价模型的关系
1.4 资产定价理论的新发展
第2章 风险约束下的现代资产组合理论
2.1 风险度量方法的演进
2.2 风险资产组合理论的产生和发展
2.3 VAR风险和资产组合的有效前沿
第3章 资产组合理论与国际资产组合管理
3.1 投资组合理论
3.2 国际组合投资
第4章 投资业绩评价
4.1 投资业绩评价概述
4.2 投资业绩评价的基准
4.3 投资业绩评价方法
4.4 时机选择和证券选择能力评价方法
4.5 其他投资业绩评价方法
第5章 利率期限结构理论
5.1 与利率期限结构相关的基本概念
5.2 利率期限结构理论
5.3 名义利率期限结构模型
5.4 实际利率期限结构模型
第6章 市场微观结构理论
6.1 市场微观结构理论概述
6.2 市场微观结构理论的起源和发展
6.3 市场微观结构理论的理论模型
6.4 市场微观结构理论的研究前沿
第7章 行为金融学
7.1 行为金融学的产生与发展
7.2 行为金融学的理论基础
7.3 行为资产组合理论
7.4 对市场中一些异常现象的解释
第8章 经济学关于监管问题的理论
8.1 公共利益论
8.2 经济效率与监管
8.3 市场机制与经济效率：完全竞争均衡模型
8.4 非竞争性均衡与补偿原则
8.5 非竞争均衡模型：垄断的情形
8.6 补偿原则
8.7 垄断买方与垄断竞争
8.8 寻租行为与垄断
8.9 外部性与非竞争性均衡
8.10 信息不对称与非竞争性均衡
……
参考文献
5. 我是86年出生的，有适合我的个人理财书籍吗
建议你先多关注储蓄,保险和基金,看书学不如多和身边懂理财的朋友聊聊,书上的很可能不适合你的状况,要因人而异的
6. 什么是因子模型和套利定价理论
单因子模型最早由威廉·夏普(Sharp)提出;
单因子模型的基本思路是：证券收益只受一个因素影响。市场模型便是这种模型的典型例子。如果我们观察证券市场，就会发现，当市场股价指数上涨时，大部分股票价格也同时上涨;反之亦然。这说明，各种证券对一个因子，即市场股价指数的变化具有联动的反应。
套利定价理论是指在一个市场购进股票，而在另一市场卖出，以赚取价格的差额。
套利定价模型的基本理论认为：同一个风险因素所要求的风险收益率对于所有不同的资产来说都是相同的，因此每个“入”的大小对于不同的资产都有同样的数值。
否则，如果某个风险因素对不同的资产提供了不同的收益，投资者就可以通过适当调整手中资产组合中的资产种类和比例（即通过买卖股票等“套利”活动），在不增加风险的情况下获得额外的收益。而这种套利活动的结果，就会使得这些额外的收益逐渐变小，以致最后消除，达到市场均衡。
7. 乔治·索罗斯写过一本叫《量化投资》的书吗
一下内容纯手打
证券分析方法主要分三种：
一是基本面分析，代表作《证券分析》《价值投资》，代表任务“巴菲特”；
二是技术面分析，代表做《趋势技术分析》《道琼斯理论》等，注重短期投资，索罗斯属于短期投机类型，但是没有任何资料显示他的投资流派属于纯粹的技术面分析，可能的情况是上述两种都有。今年的而贝尔经济学得主法玛提出的”有效市场假说“某一种程度上，否定了技术面分析。
三是量化分析，美国近几十年兴起的一种方法，典型的代表人物是西蒙斯。
中国国内的量化投资的研究还比较少，量化投资的基金以及机构也不够普遍，切主要集中于香港地区。原因之一是，国内金融金融市场没有完全开放，金融产品匮乏。美国市场的金融产品多达几万种，而国内只有两百多种。
关于量化投资的书，国内国外都有很多，主要集中与国外，国内学者大多是对国外技术的学习。当然，如果你是初学者，建议你还是从国内的相关书籍开始学起。
如果有一本书，叫《量化投资》，我敢保证你看了一定学不到什么东西，丁鹏的《量化投资》就是这样，只是对现在主要方法以及模型的简单介绍。用于同行业交流也许会有些价值。书籍内容从：量化选股、量化择时、到套利什么什么的，基本上都是简单的介绍，可以当作课外读物，了解一下什么叫量化投资。如果你真的想学到什么东西，直接网络文库：量化选股、多因子选股等词，你会看到无数国内证券机构对市场的量化研究。而且资料详细。可是，你学不到最根本的原理。
原因如下：
进行量化分析，必须至少具备两种能力：
一、扎实且足够的数学、统计学基础，用于理论上的金融建模；
二、能够使用相关计量软件进行数据分析或者模型求解等。
这两个要求一般人很难到达，所以证券从业的教材认为难度大是量化投资的一个很大局限性。
如果楼主对量化投资有兴趣，我可以推荐一些教材给你：
如果仅仅是想了解一下： 丁鹏《量化投资》，书很贵，个人认为没什么实用价值。可以有个简单的系统的认识；
如果是想学习并且能在实际中运用，建议如下：
数学方面：
《微积分》 到高级《高级微积分》
《线性代数》《非线性代数》
《概率论与数理统计》《概率、随机变量、随机过程》
《离散数学》《运筹学》《统计学》
金融理论上
《计量经济学基础》《计量经济分析》
《数量金融学》《金融时间序列分析》
。。。。还有很多很多
以及其他金融知识基础
建模方面
这类的书，我看的不多哦，你自己网络一下，或者找个图书馆看看
计算机软件
C 和 C++ 至少学一个，SQL 建议学一点
建模软件主要有：MATHEMATICA MATLAB SAS SAC R Eviews GAMS 等等等等，终于哪些海外基金用的是哪一种，或者是不是自己做的专用软件，我就不知道了。
不过，上述的软件，肯定是可以满足个人的研究需求的。这个，你选几种学一学还是可以的。
一个人，想要精通上述全部，应该是很难的，所以，注定了，量化分析的方法，单个的普通人很难完成。
量化投资起源与上世纪美国政府大幅度削减了对物理航天业经费自持，导致很多搞火箭的科学家、数学家下岗。于是他们流入金融行业（收入高），利用自己对数学、计算机的优势，使用原先用于火箭的建模预测证券市场，发现有着显著成效。当然，这些模型的前提是，现代金融理论的奠基，以及数量金融的发展。
因此，我个人对量化投资的理解是：金融界的火箭科学家，传统的分析方法，只用看某一或某几个指标，根据历史经验或者主观的客观的XXOO判断证券的未来走势，但是量化分析，首先建立合理的数学模型，然后借助计算机运用某些XX的算法，分析求解，难度相对于传统的方法难很多。
如果你想比较浅显的掌握，用于投资决策的参考
那量化分析，也没有想想中的那么高深，它本质上是一种金融的建模，本质上，常用的方法还是统计专业的那几个 ，什么 回归分析，线性规划 ，相关性，时间序列等等等。。。我看了丁鹏的书，大致上认为他是用了这些方法。所以你只用把应用数学学好就好了。
还有一些像遗传算法、神经网络这些他的书里面也提到了，属于现代算法，这些方法比较小，难度大，但是我猜只有学术界会用这些方法，因为现代算法在实际运用中还不够成熟，预测经常不准确。
表述有些乱，不过大致也只能写成这样了。
最后：和量化分析相关的专业主要有三个：
金融专业：金融工程；
数学专业：统计、应用数学；
计算机专业
这些专业的就业方向是可以面向量化分析的
8. 趋势投资因子 如何买入低位启动的票
什么因子就不知道了。趋势票最看重的是大级别上涨周期，小级别操盘。定好模式再玩。
9. 为什么运用因子分析的方法做投资价值的研究
行业的市场表现受到宏观经济、行业经营周期、行业基本面以及市场本身等因素的影响，行业多因子模型就是通过对这些因素进行量化描述，分析其与行业市场表现的相关性，提取若干具有显著影响的因子构建行业投资价值的分析评估体系。
经济增长、商业周期、通货膨胀、预期收益率等宏观行业因素对各个行业产生不同的影响。周期性行业对于经济增长、货币信贷的敏感性强于消费型行业；成长型行业对于市场预期收益率的敏感性高于收入或价值性行业；可选消费行业对于通货膨胀的敏感度高于必需消费行业。宏观行业指标数据的统计口径往往在表征基本面运行状态上考虑得更多，而对于投资来说这些数据需要进行处理，排除干扰分离出更为有用的信息，或者将数据组合起来进行观察。比如，货币供应量M2和M1的剪刀差反映了货币的活化程度；PPI和原材料购进价格之间的剪刀差反映了制造业盈利空间的变化；原材料库存和产成品库存之间的剪刀差又反映了库存周期缺口等等。国际上著名的宏观因素模型BIRR模型中的宏观指标都经过符合逻辑的处理与调整，用公司债与政府债的息差反映市场的风险偏好，用长期政府债与短期国债的息差反映投资者预期收益率。
受宏观经济周期和产业周期的影响，行业的发展态势不仅反映在成长速度、盈利能力、运营能力、收益质量等基本面指标上，还反映在分析师对行业成份公司的预期和市场估值层面，并最终体现在市场价格上。需要通过对行业的财务指标、市场预期、估值水平等因素的综合分析，寻找行业的投资机会。通常情况下，预期增长快的行业处于行业景气向上的周期中；毛利率高的行业占据着产业链中的优势地位，具有较高的议价能力；周转率较高的行业具有较高的资源使用效率。这也反映了公司经营最关键的因素，即量、价和速度。在过去的几年里，白酒行业从营收增长到毛利率，再到净资产收益率的平均水平都高于多数其他行业，二级市场股价表现持续超越大盘。行业的基本面因素情况决定了行业中长期的市场表现，行业的估值水平则是影响行业短期表现的重要影响因素。由于行业收益的高低以及弹性特征不同，各行业的平均估值水平和波动幅度有着固有的差异，降低行业间固有差异的干扰后，有助于帮助投资者把握短期行业的市场表现。
投资者经常说“强者恒强”和“皮球从高处落下总要弹几下”，分别对应的是量化投资领域中的动量和反转两种不同股价运行模式。在行业层面，看似矛盾的动量与反转效应普遍存在，并对应着不同的市场运行逻辑：宏观及行业周期是行业基本面变化的主要推动因素，因此行业的市场表现具有较强的持续性；在行业投资中也经常遇见先期跌幅较大的行业未来一段时间有相当的涨幅。这种动量和反转效应还夹杂着整个宏观经济冷暖导致的股市整体表现，将将市场整体波动从行业层面剥离，行业之间的动量和反转效应更为明显。
行业多因子模型的关键在于因子的选择，不仅需要有普适的逻辑关系，还要有对指标的含义进行深度解读，更要使用合适的数学方法进行规整，才能从繁杂的影响因素里发现市场的规律，分析行业投资价值，制定更为客观可靠的投资决策。