近十年，量化投資成為了資本市場發展的焦點，由于其交易投資的業績穩定，市場規模和份額不斷擴大，得到國際上越來越多投資者的追捧。萬得金融營走進人大校園，邀請MATLAB資深技術專家王燚先生以及《量化投資—以MATLAB為工具》的作者鄭志勇先生，在人大國學館和量化投資者一起探討分享。

本次活動，共同探討MATLAB在資產配置、風險分析、衍生品對沖等金融領域的實際應用。包括：

資產配置（Asset allocation）

量化投資管理將傳統投資組合理論與量化分析技術結合，極大地豐富了資產配置的內涵，形成了現代資產配置理論的基本框架。它突破了傳統積極型投資和指數型投資的局限，將投資方法建立在對各種資產類股票公開數據的統計分析上，通過比較不同資產類的統計特征，建立數學模型，進而確定組合資產的配置目標和分配比例。

風險分析 （Risk analysis）

風險量化用于衡量風險概率和風險對項目目標影響的程度，它依據風險管理計劃、風險及風險條件排序表、歷史資料、專家判斷及其他計劃成果，利用靈敏度分析、決策分析與模擬的方法與技術，得到量化序列表、項目確認研究以及所需應急資源等量化結果。

衍生品對沖 （Derivatives hedging）

近年來隨著證券市場不斷發展，金融衍生產品不斷推出，做空工具不斷豐富，投資的復雜程度也日益提高，其中以追求絕對收益為目標的量化對沖投資策略以其風險低、收益穩定的特性，成為機構投資者的主要投資策略之一。

算法交易（Algorithmic trading）

事先設計好交易策略，然后將其編制成計算機程序。利用計算機程序的算法來決定交易下單的時機、價格和數量等。程序化下單能避免人的非理性因素造成的干擾，并能更精確的下單。同時管理大量的操作，自動判斷將大單分拆為小單，減小沖擊成本。

B-L模型（Black-Litterman Optimization）

Black-Litterman模型利用概率統計方法，將投資者對大類資產的觀點與市場均衡回報相結合，產生新的預期回報。該模型可以在市場基準的基礎上，由投資者對某些大類資產提出傾向性意見，然后，模型會根據投資者的傾向性意見，輸出對該大類資產的配置建議。新的資產配置具有符合直覺的組合及可以理解的權重配置。