智慧资本，无界未来

Who We Are

Hua Jun Consulting Inc是一家专注于量化投资策略的前沿金融咨询公司。我们运用先进的算法、统计模型和机器学习技术来优化公司选择、市场敞口和对冲策略。我们的数据驱动方法使我们能够识别高潜力的投资机会，有效管理风险，并提升投资组合表现。在Hua Jun，我们将深厚的金融专业知识与尖端技术相结合，为客户提供创新的、系统化的解决方案，以应对复杂的市场环境。

我们的使命是实现长期稳定的年化超过10%的回报，同时打造一家基业长青的百年企业。我们坚信，持续的成功源于对原则的坚守、不断的创新，以及为世代客户创造持久价值的承诺。

  • 首席执行官

    Geoffrey Li目前是哥伦比亚大学数学金融硕士（MAFN）在读学生。他拥有数学学士学位，并在剑桥大学继续深造获得数学硕士学位。他的专业领域涵盖技术交易、资产定价模型和创业管理。

  • 首席经济学家

    Junru Lyu是加州大学伯克利分校经济学博士在读学生，他拥有应用数学和经济学本科学位。他专长于跨公司、地理区域和投资策略的经济和金融分析。

  • 投资分析师

    Yaru Tao目前是加州大学伯克利分校哈斯商学院金融工程硕士（MFE）在读学生。她在伯克利完成本科学习期间获得应用数学和经济学双学位，具有扎实的量化基础。Yaru在股票研究、金融建模和投资者沟通方面表现出色

双维度市场分析框架

同业分析与市场行为框架

我们的分析方法始于对可比证券的全面数据收集。我们汇总同行组的关键财务指标（包括利润表组成部分、市场表现指标和衍生估值倍数），这些同行组既基于传统行业分类，也基于行为市场细分来定义。这种双重分组方法使我们能够同时捕捉基本业务相似性和市场情绪模式。通过传统同业比较和行为聚类两种方式分析公司，我们能够对相对估值和市场动态获得更深入的见解。

预测性经济建模框架

我们专有的预测模型综合了各类商品、服务和大宗商品市场的细节数据，用以预测宏观经济指标。通过与经济周期相匹配的精心校准回归分析，我们识别出预示市场走势的先导信号。这种系统方法已取得显著的精确度，预测结果与官方发布数据的偏差始终保持在5个基点以内。该模型的预测能力使我们能够在市场对经济公告做出反应之前，提前进行主动性布局。

历史业绩表现

以下是自成立以来的完整表现数据，展现了我们为客户持续创造稳定回报的承诺。

自成立以来，我们的投资取得了79.33%的总回报，表现优于所有主要指标（纳斯达克100（QQQ）：51.24%，标普500（SPX）：35.41%，新加坡海峡时报指数（STI）：19.32%）。 今年以来（YTD）的业绩表现持续强劲，回报率达8.82%，相较于纳斯达克100的5.27%、标普500的3.96%及海峡时报指数的2.37%，并在各个时间区间都展现稳定增长。

Investing 101

  • 现代投资组合理论 (MPT):

    • 在给定风险水平下优化投资组合回报的框架

    • 核心概念：多样化、有效前沿、风险-收益权衡

    资本资产定价模型 (CAPM):

    • 源自MPT，描述系统性风险与预期收益之间的关系

    • 方程式：E(R) = α + Rf + β (E(Rm) - Rf) 其中：E(R) = 预期资产回报率，Rf = 无风险利率，E(Rm) = 预期市场回报率

    Alpha (α):

    • 衡量相对于基准的超额回报

    Beta (β):

    • 衡量资产相对于市场的波动性

  • 期权是一种合约，赋予在特定时期内以预定价格（执行价格）买入（看涨期权）或卖出（看跌期权）资产的权利（而非义务）。

    衍生品包括期权和其他价值依赖于标的资产的金融工具：

    * 期货：在未来某个日期以设定价格买入/卖出的合约

    * 掉期：交换现金流的协议

    * 远期：定制的未来交易合约

    * 结构性产品：衍生品的复杂组合

  • Delta (Δ)

    • 衡量期权价格相对于标的资产价格变动1美元的变化幅度

    Gamma (Γ)

    • 衡量德尔塔Delta随标的资产价格变动的变化率

    Theta (Θ)

    • 衡量期权价值每天的减少量（通常为负值，意味着期权价值随时间流逝而减少）

    Vega (ν)

    • 衡量隐含波动率变动1%导致的价格变化

    Rho (ρ)

    • 衡量利率变动1%导致的价格敏感度变化

  • 金融科技和量化交易为金融行业带来了重大进步：

    1. 算法交易：复杂的数学模型以高速度和大规模执行交易。

    2. 高频交易（HFT）：极速交易系统利用小幅价格波动获利。

    3. 大数据分析：先进的分析技术处理海量金融数据以识别趋势和机会。

    4. 交易中的机器学习：能够基于新数据适应和改进交易策略的人工智能系统。

    5. 自动化风险管理：实时评估和降低投资风险的复杂模型。

    6. 量化策略的民主化：曾经仅限于大型机构使用的工具现在对小型公司和个人交易者也可用。

    7. 增强回测：更稳健的方法来用历史数据测试交易策略。

    8. 提高市场效率：量化交易通常导致更小的价差和更高的市场流动性。

    9. 新数据来源：在交易决策中纳入卫星图像或社交媒体情绪等替代数据。

    10. 交易中的区块链：探索使用分布式账本技术实现更快速、更透明的交易。

    11. 金融领域的云计算：以更低成本实现更强大的计算和数据存储。

    12. 自动化投资组合管理：使用量化方法管理投资的机器人顾问。

    13. 情感分析：使用自然语言处理来评估新闻和社交媒体的市场情绪。

    14. 监管科技（RegTech）：确保遵守复杂金融法规的先进系统。

    这些创新已经改变了金融市场的运作方式，带来新机遇的同时也引入了新的挑战和潜在风险。

     CopyRe