《量化投資——策略與技術（精裝版）》是2016年9月電子工業出版社出版的圖書，作者是丁鵬。
基本介紹
- 中文名：量化投資——策略與技術（精裝版）
- 作者：丁鵬
- 出版社：電子工業出版社
- 出版時間：2016年9月
- 頁數：660 頁
- 定價：168 元
- 開本：16 開
- ISBN：9787121297137
內容簡介,圖書目錄,
內容簡介
本書是一本全面解讀量化投資策略方面的著作。暢銷書全新改版，全書用60多個案例介紹了量化投資各個方面的內容，主要分為策略篇、技術理論篇和金融理論篇三部分。策略篇主要包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易和另類套利策略等。技術理論篇主要包括人工智慧、數據挖掘、小波分析、支持向量機、分形理論、隨機過程、IT技術主要數據與工具及D-Alpha量化對沖交易系統等。金融理論篇闡述了與量化投資有關的各種經典金融理論，包括投資組合理論、定價理論及金融市場理論。本書適合基金經理、產品經理、證券分析師、投資總監及有志從事金融投資的各界人士閱讀。
圖書目錄
目錄|
策 略 篇
第1章 量化投資概念 2
1.1 什麼是量化投資 2
1.1.1 量化投資定義 2
1.1.2 量化投資理解誤區 3
1.2 量化投資與傳統投資比較 5
1.2.1 傳統投資策略的缺點 5
1.2.2 量化投資策略的優勢 7
1.2.3 量化投資與傳統投資策略
的比較 8
1.3 量化投資歷史 10
1.3.1 量化投資理論發展 10
1.3.2 海外量化基金 12
1.3.3 量化投資在中國 15
1.4 量化投資主要內容 16
1.5 量化投資主要方法 20
第2章 量化選股 24
2.1 多因子 25
2.1.1 基本概念 26
2.1.2 策略模型 26
2.1.3 實證案例：多因子選股
模型 29
本節小結 34
2.2 風格輪動 34
2.2.1 基本概念 34
2.2.2 盈利預期生命周期模型 37
2.2.3 策略模型 39
2.2.4 實證案例：中信標普風格 40
2.2.5 實證案例：大/小盤風格 44
本節小結 46
2.3 行業輪動 46
2.3.1 基本概念 46
2.3.2 M2行業輪動策略 49
2.3.3 市場情緒輪動策略 52
本節小結 54
2.4 資金流 55
2.4.1 基本概念 55
2.4.2 策略模型 58
2.4.3 實證案例：資金流選股
策略 59
本節小結 62
2.5 動量反轉 62
2.5.1 基本概念 62
2.5.2 策略模型 66
2.5.3 實證案例：動量選股策略
和反轉選股策略 69
本節小結 72
2.6 一致預期 72
2.6.1 基本概念 73
2.6.2 策略模型 75
2.6.3 實證案例：一致預期模型
案例 77
本節小結 83
2.7 趨勢追蹤 83
2.7.1 基本概念 83
2.7.2 策略模型 85
2.7.3 實證案例：趨勢追蹤選股
模型 91
本節小結 93
2.8 籌碼選股 93
2.8.1 基本概念 94
2.8.2 策略模型 96
2.8.3 實證案例：籌碼選股模型 98
本節小結 102
2.9 業績評價 102
2.9.1 收益率指標 102
2.9.2 風險度指標 103
第3章 量化擇時 110
3.1 趨勢追蹤 111
3.1.1 基本概念 111
3.1.2 傳統趨勢指標 112
3.1.3 自適應均線 120
本節小結 124
3.2 市場情緒 124
3.2.1 基本概念 124
3.2.2 情緒指數 126
3.2.3 實證案例：情緒指標擇時
策略 128
本節小結 132
3.3 時變夏普比率 132
3.3.1 Tsharp值的估計模型 132
3.3.2 基於Tsharp值的擇時
策略 134
3.3.3 實證案例 135
本節小結 140
3.4 牛熊線 141
3.4.1 基本概念 141
3.4.2 策略模型 143
3.4.3 實證案例：牛熊線擇時
模型 144
本節小結 146
3.5 Husrt指數 147
3.5.1 基本概念 147
3.5.2 策略模型 149
3.5.3 實證案例 150
本節小結 152
3.6 支持向量機 153
3.6.1 基本概念 153
3.6.2 策略模型 154
3.6.3 實證案例：SVM擇時
模型 156
本節小結 160
3.7 SWARCH模型 161
3.7.1 基本概念 161
3.7.2 策略模型 162
3.7.3 實證案例：SWARCH
模型 165
本節小結 168
3.8 異常指標 169
3.8.1 市場噪聲 169
3.8.2 行業集中度 171
3.8.3 興登堡凶兆 173
第4章 股指期貨套利 179
4.1 基本概念 180
4.1.1 套利介紹 180
4.1.2 套利策略 182
4.2 期現套利 184
4.2.1 定價模型 184
4.2.2 現貨指數複製 185
4.2.3 正向套利案例 189
4.2.4 結算日套利 191
4.3 跨期套利 194
4.3.1 跨期套利原理 194
4.3.2 無套利區間 195
4.3.3 跨期套利觸發和終止 196
4.3.4 實證案例：跨期套利
策略 198
4.3.5 主要套利機會 199
4.4 衝擊成本 202
4.4.1 主要指標 202
4.4.2 實證案例：衝擊成本 204
4.5 保證金管理 206
4.5.1 VaR方法 207
4.5.2 VaR計算方法 208
4.5.3 實證案例 209
第5章 商品期貨套利 212
5.1 基本概念 213
5.1.1 套利的條件 213
5.1.2 套利基本模式 215
5.1.3 套利準備工作 217
5.1.4 常見套利組合 219
5.2 期現套利 223
5.2.1 基本原理 223
5.2.2 操作流程 224
5.2.3 增值稅風險 228
5.3 跨期套利 229
5.3.1 套利策略 229
5.3.2 實證案例：PVC跨期套利
策略 231
5.4 跨市場套利 232
5.4.1 套利策略 232
5.4.2 實證案例：倫銅—滬銅跨
市場套利 233
5.5 跨品種套利 234
5.5.1 套利策略 235
5.5.2 實證案例 236
5.6 非常狀態處理 237
第6章 統計套利 239
6.1 基本概念 240
6.1.1 統計套利定義 240
6.1.2 配對交易 241
6.2 配對交易策略 244
6.2.1 協整策略 244
6.2.2 主成分套利策略 250
6.2.3 行業（股票）輪動套利
策略 253
6.2.4 配對策略改進 256
6.3 股指套利 259
6.3.1 行業指數套利 259
6.3.2 國家指數套利 260
6.3.3 洲域指數套利 261
6.3.4 全球指數套利 263
6.4 融券套利 264
6.4.1 股票—融券套利 264
6.4.2 可轉債—融券套利 265
6.4.3 股指期貨—融券套利 267
6.4.4 封閉式基金—融券套利 268
6.5 外匯套利 269
6.5.1 利差套利 271
6.5.2 貨幣對套利 272
第7章 期權套利 274
7.1 基本概念 275
7.1.1 期權介紹 275
7.1.2 期權交易 276
7.1.3 牛熊證 277
7.2 股票—期權套利 280
7.2.1 股票—股票期權套利 280
7.2.2 股票—指數期權套利 281
7.3 轉換套利與反向轉換套利 282
7.3.1 轉換套利 282
7.3.2 反向轉換套利 284
7.4 跨式套利 285
7.4.1 買入跨式套利 286
7.4.2 賣出跨式套利 287
7.5 寬跨式套利 289
7.5.1 買入寬跨式套利 290
7.5.2 賣出寬跨式套利 291
7.6 蝶式套利 293
7.6.1 買入蝶式套利 293
7.6.2 賣出蝶式套利 295
7.7 飛鷹式套利 296
7.7.1 買入飛鷹式套利 296
7.7.2 賣出飛鷹式套利 298
第8章 算法交易 300
8.1 基本概念 301
8.1.1 算法交易定義 301
8.1.2 算法交易分類 302
8.1.3 算法交易設計 304
8.2 被動型算法交易 305
8.2.1 衝擊成本 306
8.2.2 等待風險 308
8.2.3 常用被動型交易策略 310
8.3 VWAP算法 312
8.3.1 標準VWAP算法 312
8.3.2 改進型VWAP算法 315
第9章 另類套利策略 319
9.1 封閉式基金套利 320
9.1.1 基本概念 320
9.1.2 模型策略 320
9.1.3 實證案例 322
9.2 ETF套利 323
9.2.1 基本概念 323
9.2.2 無風險套利 325
9.2.3 其他套利 329
9.3 高頻交易 330
9.3.1 流動性回扣交易 330
9.3.2 獵物算法交易 331
9.3.3 自動做市商策略 332
9.3.4 高頻交易的發展 332
9.3.5 基於卡爾曼濾波的價格
預測 335
9.3.6 利用支持向量機的短期
預測交易 338
技術理論篇
第10章 人工智慧 342
10.1 主要內容 343
10.1.1 機器學習 343
10.1.2 自動推理 346
10.1.3 專家系統 349
10.1.4 模式識別 352
10.1.5 人工神經網路 354
10.1.6 遺傳算法 358
10.2 人工智慧在量化投資中的
套用 362
10.2.1 模式識別短線擇時 362
10.2.2 RBF神經網路股價
預測 367
10.2.3 基於遺傳算法的新股
預測 371
第11章 數據挖掘 377
11.1 基本概念 378
11.1.1 主要模型 378
11.1.2 典型方法 380
11.2 主要內容 381
11.2.1 分類與預測 381
11.2.2 關聯規則 387
11.2.3 聚類分析 392
11.3 數據挖掘在量化投資中的
套用 396
11.3.1 基於SOM網路的股票
聚類分析方法 396
11.3.2 基於關聯規則的板塊
輪動 399
第12章 小波分析 402
12.1 基本概念 403
12.2 小波變換主要內容 404
12.2.1 連續小波變換 404
12.2.2 連續小波變換的離散化 405
12.2.3 多分辨分析與Mallat
算法 406
12.3 小波分析在量化投資中的
套用 410
12.3.1 K線小波去噪 410
12.3.2 金融時序數據預測 416
第13章 支持向量機 423
13.1 基本概念 424
13.1.1 線性SVM 424
13.1.2 非線性SVM 427
13.1.3 SVM分類器參數選擇 429
13.1.4 SVM分類器從二類到
多類的推廣 430
13.2 模糊支持向量機 431
13.2.1 增加模糊後處理的SVM 431
13.2.2 引入模糊因子的SVM
訓練算法 433
13.3 SVM在量化投資中的套用 434
13.3.1 複雜金融時序數據預測 434
13.3.2 趨勢拐點預測 439
第14章 分形理論 445
14.1 基本概念 446
14.1.1 分形定義 446
14.1.2 幾種典型的分形 447
14.1.3 分形理論的套用 449
14.2 主要內容 450
14.2.1 分形維數 450
14.2.2 L系統 451
14.2.3 IFS系統 453
14.3 分形理論在量化投資中的
套用 454
14.3.1 大趨勢預測 454
14.3.2 匯率預測 459
第15章 隨機過程 465
15.1 基本概念 465
15.2 主要內容 468
15.2.1 隨機過程的分布函式 468
15.2.2 隨機過程的數字特徵 468
15.2.3 幾種常見的隨機過程 469
15.2.4 平穩隨機過程 471
15.3 灰色馬爾科夫鏈股市預測 472
第16章 IT技術 477
16.1 數據倉庫技術 477
16.1.1 從資料庫到數據倉庫 478
16.1.2 數據倉庫中的數據組織 480
16.1.3 數據倉庫的關鍵技術 482
16.2 程式語言 484
16.2.1 GPU算法交易 484
16.2.2 MATLAB語言 488
16.2.3 C#語言 495
第17章 主要數據與工具 500
17.1 名策數據：多因子分析
平台 500
17.2 Multicharts：程式化
交易平台 503
17.3 交易開拓者：期貨自動
交易平台 506
17.4 大連交易所套利指令 510
17.5 MT5：外匯自動交易平台 514
第18章 量化對沖交易系統：
D-Alpha 519
18.1 系統架構 519
18.2 策略分析流程 521
18.3 核心算法 523
18.4 驗證結果 525
金融理論篇
第19章 投資組合理論 528
19.1 證券選擇理論 528
19.1.1 理論產生的背景 528
19.1.2 單只證券的收益與風險 529
19.1.3 證券組合的收益與風險 531
19.1.4 證券組合的選擇 533
19.2 策略組合模型 536
19.2.1 策略的定義 537
19.2.2 策略的類型 538
19.2.3 策略的槓桿 541
19.2.4 策略的資金容量 544
19.2.5 策略的篩選 545
19.2.6 策略的組合 548
19.2.7 策略的資金分配 549
第20章 定價理論 552
20.1 資本資產定價模型 552
20.1.1 CAPM模型的理論
源淵 552
20.1.2 CAPM模型理論內容 553
20.1.3 資本市場線與證券
市場線 554
20.1.4 CAPM模型的套用 558
20.1.5 傳統CAPM模型的
擴展 562
20.1.6 Fama-French三因子
模型 566
20.2 套利定價模型 568
20.2.1 套利資產組合 568
20.2.2 單因子套利定價線 570
20.2.3 套利定價的多因子模型 574
20.2.4 APT與CAPM的
一致性 575
20.2.5 APT和CAPM的聯繫
與區別 577
20.2.6 關於模型的檢驗問題 577
20.3 Black-Scholes期權定價
模型 578
20.3.1 Black-Scholes模型的
假設條件 578
20.3.2 Black-Scholes模型公式 579
20.3.3 Black-Scholes定價公式
的計算 584
20.3.4 Black-Scholes公式的
精確度實證 587
20.3.5 Black-Scholes公式的
套用 588
20.4 二叉樹期權定價模型 589
20.4.1 二叉樹模型的基本方法 589
20.4.2 基本二叉樹方法的擴展 595
20.4.3 二叉樹定價模型的深入
理解 599
20.5 股票定價模型 600
第21章 金融市場理論 610
21.1 有效市場假說 610
21.1.1 隨機遊走理論 610
21.1.2 有效市場形式 612
21.1.3 有效市場理論的套用 613
21.1.4 有效市場與量化投資 615
21.2 行為金融理論 616
21.2.1 行為金融理論的提出與
發展 616
21.2.2 行為金融的理論基礎 617
21.2.3 行為金融理論模型 620
21.2.4 定價模型、組合及套用 622
21.3 分形市場理論 625
21.3.1 分形理論的形成 625
21.3.2 分形理論的定義及特徵 626
21.3.3 多重分形理論 628
21.3.4 分形市場理論 629
21.3.5 單分形方法 630
21.3.6 MF-DFA方法 633
參考文獻 635
|表目錄|
表1-1 不同投資策略對比 8
表2 1 多因子選股模型候選因子 29
表2 2 多因子模型候選因子初步檢驗 30
表2 3 多因子模型中通過檢驗的有效因子 31
表2 4 多因子模型中剔除冗餘後的因子 32
表2 5 多因子模型組合分段收益率 33
表2-6 晨星市場風格判別法 35
表2-7 夏普收益率基礎的投資風格鑑別 36
表2-8 中信標普風格指數 41
表2-9 風格動量策略組合月均收益率 42
表2-10 大/小盤風格輪動策略月收益率均值 45
表2-11 中國貨幣周期分段（2007—2011年） 48
表2-12 滬深300行業指數統計 49
表2-13 不同貨幣階段不同行業的收益率 50
表2-14 招商資金流模型（CMSMF）計算方法 58
表2-15 招商資金流模型（CMSMF）選股指標定義 58
表2-16 資金流模型策略—滬深300 60
表2-17 資金流模型策略——全市場 61
表2-18 動量組合相對基準的平均年化超額收益（部分） 67
表2-19 反轉組合相對基準的平均年化超額收益（部分） 69
表2-20 動量策略風險收益率分析 71
表2-21 反轉策略風險收益率分析 71
表2-22 趨勢追蹤技術收益率 92
表2-23 籌碼選股模型中單個指標的收益率情況對比 98
表3-1 MA指標擇時測試最好的20組參數及其表現 116
表3-2 4個趨勢型指標最優參數下的獨立擇時交易表現比較 118
表3-3 有交易成本情況下不同信號個數下的綜合擇時策略 119
表3-4 自適應均線擇時策略收益率分析 123
表3-5 市場情緒類別 125
表3-6 滬深300指數在不同情緒區域的當月收益率比較 127
表3-7 滬深300指數在不同情緒變化區域的當月收益率比較 128
表3-8 滬深300指數在不同情緒區域的次月收益率比較 129
表3-9 滬深300指數在不同情緒變化區域的次月收益率比較 129
表3-10 情緒指標擇時收益率統計 131
表3-11 月度Tsharp擇時模型統計結果 136
表3-12 預測Tsharp值（月度）對上證綜指的預測作用 137
表3-13 季度Tsharp擇時模型統計結果 138
表3-14 預測Tsharp值（季度）對上證綜指的預測作用 140
表3-15 SVM擇時模型的指標 156
表3-16 SVM模型樣本外預測多空次數 157
表3-17 SVM模型樣本外預測準確率 157
表3-18 SVM模型趨勢交易策略評估 158
表3-19 噪聲交易在熊市擇時的收益率 171
表4-1 各種方法在不同股票數量下的跟蹤誤差（年化） 189
表4-2 股指期貨多頭跨期套利過程分析 198
表4-3 不同開倉比例下的不同保證金水平能夠覆蓋的市場波動率及其機率 210
表4-4 不同倉單持有期下的保證金覆蓋比例 211
表6 1 2011年滬深300股票同一行業走勢高度相關的組合（部分） 245
表6 2 殘差的平穩性、自相關等檢驗 246
表6 3 在不同的閾值下建倉、平倉所能獲得的平均收益 248
表6 4 採用不同的模型在樣本內獲取的收益率及最優閾值 249
表6 5 採用不同的模型、不同的外推方法在樣本外獲取的收益率（%） 250
表6 6 主成分配對交易在樣本內取得的收益及最優閾值 252
表6 7 主成分配對交易在樣本外的效果 252
表6 8 標準策略、延後開倉、提前平倉策略實證結果 258
表7 1 多頭股票—期權套利綜合分析表 280
表7 2 多頭股票—股票期權套利案例損益分析表 281
表7-3 多頭股票—指數期權套利案例損益分析表 281
表7 4 轉換套利分析過程 283
表7 5 買入跨式套利綜合分析表 286
表7 6 買入跨式套利交易細節 286
表7 7 賣出跨式套利綜合分析表 287
表7 8 賣出跨式套利交易細節 288
表7 9 買入寬跨式套利綜合分析表 290
表7 10 賣出寬跨式套利綜合分析表 291
表7 11 買入蝶式套利綜合分析表 293
表7 12 賣出蝶式套利綜合分析表 295
表7 13 買入飛鷹式套利綜合分析表 297
表7 14 賣出飛鷹式套利綜合分析表 298
表10 1 自動推理中的連詞系統 348
表10 2 模式識別短線擇時樣本數據分類 365
表10 3 RBF神經網路股價預測結果 371
表10 4 遺傳算法新股預測參數設定 375
表10 5 遺傳算法新股預測結果 375
表11 1 決策樹數據表 385
表11 2 關聯規則案例數據表 388
表11 3 SOM股票聚類分析結果 399
表11 4 21種股票板塊指數布爾關係表數據片斷 400
表12 1 深發展A日收盤價小波分析方法預測值與實際值比較 422
表12 2 不同分解層數的誤差均方根值 422
表13 1 SVM滬深300指數預測誤差情況 438
表13 2 SVM指數預測和神經網路預測的比較 438
表13 3 技術反轉點的定義和圖形 441
表13 4 SVM趨勢拐點預測結果 444
表14 1 持續大漲前後分形譜各主要參數值 457
表14 2 持續大跌前後分形譜各主要參數值 458
表14 3 外匯R/ S分析的各項指標 463
表14 4 V(R/S)曲線回歸檢驗 464
表15 1 灰色馬爾科夫鏈預測深證成指樣本內（2005/1—2006/8） 475
表15 2 灰色馬爾科夫鏈預測深證成指樣本外（2006/9—2006/12） 476
表16-1 VaR算法GPU和CPU時間對比 488
表17-1 基於名策多因子模型的銀河99組合績效分析統計表 503
表18-1 D-Alpha系統在全球市場收益率分析 525
表19-1 證券組合的案例 530
表19-2 策略的類型 538
表19-3 不同策略的收益率、夏普比率、D-Ratio值的比較 545
表20-1 股票數據表 569
表20-2 歷史波動率計算 585
