金融论文哪里有？本次实证研究发现：一是量化基金规模与持仓股票的股价同步性及股价波动显著负相关，股价同步性与股价波动显著正相关且股价同步性对股价波动的影响存在中介效应，即量化基金规模的扩大通过降低持仓股票的股价同步性、提升股价信息含量的路径间接降低股价波动，这与理论分析的结果一致。
第1章绪论
1.2国内外研究综述
黄锐（2016）从广义上定义量化基金，指出量化基金是以历史数据为基础，以模型为核心，以程序化交易为手段的机构投资者，量化基金的核心特征在于其算法驱动的交易策略[3]。量化基金规模则通常指量化基金持股市值在总市值中的比例，量化基金规模扩大意味着市场中量化交易的比例相对于传统交易方式增加。股价波动是指股票价格起伏变化的程度，一般认为股价波动越小，股价的稳定性越高。在当前的研究中，李竹薇等（2014）、盛军锋等（2008）、姚颐等（2008）及胡大春等（2007）的研究都普遍使用股票价格收益率的标准差作为衡量[4-7]。尽管国内外量化基金的发展实践较为繁荣，整体规模持续扩大，但量化基金和持仓股票股价波动之间关系的学术研究成果还不多见，且存在一定的争议。关于量化基金规模扩大对持仓股票股价波动的影响，无论是国内还是国外，学术界的研究结论都呈现显著分歧。在理论分析与实证检验层面，学者们形成了两种核心观点，部分研究成果表明量化基金规模扩大会放大持仓股票股价波动，另有研究则强调量化基金规模化对持仓股票流动性及定价效率的改善作用。
1.2.1关于量化基金规模与股价波动的研究
（1）国外相关研究
近几年来，随着量化投资策略的盛行，量化基金的数量和规模在不断增长，这使得关于量化投资与股市波动相关的理论和实证研究也越来越多。Hull（2003）提出了量化交易里的经典策略Delta策略，策略的思路是追涨杀跌，当股价下跌时卖出股票，股价上涨时买入股票[8]。Cai（2016）、Beggs（2021）和Falato（2021）在各自的研究中得出相似的结论，当市场中的多家机构基于相似的算法模型集中买入或卖出特定资产，会形成拥挤交易，加剧价格与市场真实供需的偏离。尤其在市场环境突变时，大量量化基金因模型参数趋同而同步调仓，可能触发踩踏式抛售，导致市场短期剧烈震荡[9-11]。Dennis（2002）认为短期业绩诉求为导向的机构投资者，更倾向于采用动量交易策略。当标的资产前期呈现超额收益时，这类投资者会基于历史价格动量形成持仓偏好，从而引发价格趋势的自我强化效应。这种交易行为不仅扩大了资产价格的振幅，在极端情况下可能引发股价崩盘风险[12]，在后续Ammar（2022）和Renata（2023）的研究中也得到了进一步验证[13-14]。且在Erdemlioglu等（2021）的研究中进一步发现围绕特殊市场配置的量化基金大交易同样会引发股价大幅波动[15]。
第3章量化基金规模现状和影响分析
3.1我国量化基金规模现状
3.1.1我国量化基金规模发展趋势
随着我国量化基金规模的扩大和影响力的增强，量化基金在资管行业的重要性逐步提高已经成为了未来发展的大趋势。我国量化基金始于2004年金融创新实践，以光大保德信推出国内首只主动管理型量化公募基金与中信证券部署ETF套利交易系统为标志性事件，当年全行业整体管理规模约50亿元，开启了量化基金本土化实践进程。2006年首只阳光私募量化产品“君享量化”以2.3亿元初始募集规模登陆市场，推动量化投资策略从单一套利向多因子模型扩展。2009年全球金融危机引发了华尔街量化精英人才回流，有效结合了海外成熟市场的风险定价模型与本土市场特征。2010年沪深300股指期货的推出构建起系统性对冲工具，催化量化投资进入对冲策略主导的1.0时代，至2015年行业量化私募机构数量扩容至86家，管理总规模达787亿元。2016年全市场量化产品规模首度突破千亿大关，虽在2017年受股指期货交易限制政策影响经历阶段性调整，但2020年科创板做市商制度的实施催生技术红利窗口期，年度新增备案产品数量逾2400只，量化私募机构资产管理总规模攀升至5260亿元。2019年8月，浙商基金发行的“浙商智智行业优选混合”采用资产配置模型来确定股票和债券的比例，并以此为基础对每一类领域中的股票和债券进行了分类并对其进行了反复的调整以达到最优的效果，这也是第一只以量化选股为主的投资组合及股票选择策略基金
第5章量化基金规模影响持仓股票股价波动的实证研究
5.1样本选取与说明
5.1.1样本选取
从目前已知的国内研究文献来看，考虑数据的可得性，借用周方召等（2023）及谢智恒（2023）的方法，利用数据库中对于证券投资基金的概念风格分类，将Wind数据库中所归类为“量化指数型”、“量化主动型”和“量化对冲型”的基金数据作为研究样本[50]。考虑到国内量化型基金产品数量和规模从2012年起开始急速增加，因此基于数据可得性和本文的研究目的，因此选取2012—2023年被归类为量化型的基金对应重仓季度的持仓股票及重仓指数成分股，剔除所处行业为金融业的股票、st股票、数据残缺及上市不满6个月的股票。由于量化基金数据信息披露采用的时间频率为季度数据，因此在本文研究的区间内共计1366支股票数据，最长48个季度，数据均来自Wind和Choice数据库。
5.2模型构建
本文后续研究从量化基金规模对持仓股票股价波动影响展开。量化基金规模作为股价波动的重要驱动因素，需要将其效应与市场范围的趋势分离。这要求模型保留量化基金规模指标的独立变异,因此本文采取个体固定效应模型，并根据前文提到的文献，利用宏观控制变量捕捉时间虚拟变量的冲击。为了检验量化基金规模是否会因为其作为机构投资者的特点，降低持仓股票的股价波动，本文首先构建式5.6作为基准模型检验量化基金规模与持仓股票股价波动的关系，以验证假设H1，并借助此模型解决部分由于遗漏变量产生的内生性问题。
表5.3展示了描述性统计的结果。其中显示，量化基金持仓股票的股价波动指标SD的标准差为0.399，在对数化处理后极值相差仍有2.413，说明股票波动差异巨大；股价同步性指标SYN的均值为-1.019，中位数为-0.837，极值接近18，标准差为1.409，说明不同公司股价能反应的信息含量差异较大，且股价波动趋近市场同步的公司相对更多；而SYNCH的均值为-0.19，中位数为-0.149，极值仅约为8，说明个股波动相比于市场波动更多跟随行业波动变化的效应更稳定。量化基金规模lnQF极值相差较小，标准差仅约0.15，说明量化基金规模发展整体相对平稳。
第6章结论与建议
6.2政策建议
在综合前文理论与实证研究结论的基础上，本节聚焦于量化基金规模与股价对公司信息反应两个方面，联系我国股票市场实际状况与我国量化基金的发展现状，在借鉴海外成熟市场成功发展量化基金相关经验的基础上，提出了三点针对性建议以供参考：其一，完善关于程序化交易和量化基金鼓励政策和监管措施；其二，鼓励量化基金投资策略多元化，并引入多元化投资主体优化市场参与者生态体系；其三，完善公司经营基本面信息披露机制。
6.2.1同步完善量化基金鼓励政策及监管措施
由于量化基金规模扩大会降低持仓股票的股价波动，虽然量化基金在理论层面还存在争议，因此为了维护市场的稳定，长远来看可以在保证质量的前提下发展量化基金。量化基金的发展理论上会提升股票的定价效率以及稳定股票市场，因此当前阶段，监管部门应该在总体层面上引导量化基金的良性发展，理性看待量化基金，进一步优化其对股票市场的积极作用。
另一方面，在文献综述中有不少学者认为目前我国量化基金暂时没有造成严重影响可能是因为其发展远比不上成熟市场的水平。且在现状中指出，考虑到我国量化监管政策发展不完善，在发展量化基金的同时，它的潜在风险也不能完全忽视，因此在量化基金可能出现的问题方面同时也需要推进量化监管政策。建议在相关法规中加入量化交易监管专章，明确定义量化交易合规边界，重点监管高频策略干扰定价机制、算法合谋等违规操作。参考成熟市场对量化基金的监管机制，构建符合我国市场特性的监管方案，对量化策略进行备案、异常交易熔断等环节实施有效的管理。针对市场风险的治理方面，可以重点针对量化基金可能产生的羊群效应，建立更完善的预警指标，当市场趋同交易度突破临界值时自动触发策略调整指令。通过以上措施，实现量化基金规模与市场承载能力的动态平衡，促进行业规范发展。
参考文献（略）
