
劉洋溢
本書立足中國基金市場,以因子投資爲統一視角,圍繞基金業績預測、投資者行爲及基金信息在選基和選股中的應用,系統地梳理相關學術研究,並結合中國市場實證與業界實踐,構建主動基金研究與投資框架。全書從中國主動股票型基金的典型事實出發, 從四個方面展開介紹:首先,介紹以基金特徵和主動性指標爲代表的業績預測方法,以及規模報酬遞減規律;其次,分析投資者的業績追逐行爲及常見行爲偏差;再次,討論如何利用基金持倉、資金流和基金網絡信息篩選基金與股票; 最後,介紹機器學習、深度學習和文本分析在基金研究中的應用。此外, 書中還對中國市場中的基金畫像、分類與配置等實踐問題進行了探討。
要真正做到“通過持續監測交易行爲識別異常”,可從以下五個層面搭建體系: 1. 明確監控對象與核心指標 • 將單隻基金、同一管理人下多隻基金以及關聯賬戶視爲獨立監控單元,參照交易所對“同一投資人”的監控口徑進行匯總衡量。 • 重點監測六大類指標: • 申報/成交金額與頻率(大額、連續、密集申報等); • 申報價格與市場成交價的偏離度; • 賬戶間互爲對手方的頻繁對倒; • 信息披露前後的大額買賣; • 動態倉位調整與風險暴露變化; • 與公開投資觀點相背離的交易。 2. 建立分級預警與閾值模型 • 結合歷史數據與業務特點設定動態閾值,例如“日/月度申贖金額上限”“持倉集中度警戒線”“風險敞口變動速限”。 • 採用統計方法(如 Z-score、IQR)或機器學習(孤立森林、時序異常檢測)對實時流數據進行打分,觸發不同級別告警。 3. 部署實時監測與事後回溯雙輪機制 • 交易所層面通過“申報—成交—撤銷”全鏈路標記訂單、實時報警,實現事前預防。 • 經營機構亦需在交易系統中嵌入異常檢測模塊,對申報、撤單、成交進行毫秒級監控,自動彈窗提示或阻斷高風險操作。 4. 完善多維度覈查與人工複覈流程 • 系統初篩後,業務人員需結合市場行情、基金合同、投資者結構等進行定量與定性分析,確認是否屬於真實風險。 • 對無法排除合理解釋的交易,應及時留存書面記錄並按監管要求上報。 5. 形成閉環改進與監管協同 • 定期覆盤誤報、漏報案例,優化閾值與算法; • 與交易所、託管機構、外部數據平臺建立日誌與賬戶信息共享機制,提升異常定位效率; • 針對跨市場、跨品種的複雜交易,主動協同監管機構開展聯合排查。 通過“制度明確—技術監測—人工覈查—系統改進—監管協同”的閉環,機構即可把異常交易識別從單點工具升級爲全流程、持續性的風險管理能力。