《量化投資與對沖基金量化投資——策略與技術（典藏版）》是2014年9月電子工業出版社出版的圖書，作者是丁鵬。
基本介紹
- 書名：量化投資與對沖基金量化投資——策略與技術（典藏版）
- 作者：丁鵬
- ISBN：978-7-121-24062-1
- 頁數：580頁
- 定價：118.00元
- 出版社：電子工業出版社
- 出版時間：2014年9月
- 開本：16開
內容簡介,編輯推薦,目錄,前言,
內容簡介
《量化投資——策略與技術（典藏版）》是國內少有的有關量化投資策略的著作。《量化投資——策略與技術（典藏版）》用60 多個案例介紹了量化投資的各個方面的內容，主要分為策略篇與理論篇兩部分。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、算法交易和資產配置等。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、隨機過程及IT 技術等。最後介紹了作者開發的D-Alpha量化對沖交易系統，該系統全球市場驗證顯示具有長期穩健的收益率。附錄是作者開創性的理論“策略組合模型”，探討了策略的定義、組合、槓桿、資金容量和資金分配等關鍵問題。
《量化投資——策略與技術（典藏版）》適合基金經理、產品經理、證券分析師、投資總監及有志於從事金融投資的各界人士閱讀。
編輯推薦
學習富可敵國的華爾街對沖基金的賺錢秘訣，審讀解讀金融大鱷的核心投資策略。
內容提要
《量化投資——策略與技術（典藏版）》是國內少有的有關量化投資策略的著作。《量化投資——策略與技術（典藏版）》用60 多個案例介紹了量化投資的各個方面的內容，主要分為策略篇與理論篇兩部分。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、算法交易和資產配置等。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、隨機過程及IT 技術等。最後介紹了作者開發的D-Alpha量化對沖交易系統，該系統全球市場驗證顯示具有長期穩健的收益率。附錄是作者開創性的理論“策略組合模型”，探討了策略的定義、組合、槓桿、資金容量和資金分配等關鍵問題。
《量化投資——策略與技術（典藏版）》適合基金經理、產品經理、證券分析師、投資總監及有志於從事金融投資的各界人士閱讀。
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 海外量化基金的發展 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
2.2 風格輪動 34
2.2.1 基本概念 35
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
2.3 行業輪動 46
2.3.1 基本概念 47
2.3.2 M2行業輪動策略 49
2.3.3 市場情緒輪動策略 52
2.4 資金流 55
2.4.1 基本概念 56
2.4.2 策略模型 59
2.4.3 實證案例：資金流選股策略 60
2.5 動量反轉 63
2.5.1 基本概念 63
2.5.2 策略模型 67
2.5.3 實證案例：動量選股策略和反轉選股策略 70
2.6 一致預期 73
2.6.1 基本概念 74
2.6.2 策略模型 76
2.6.3 實證案例：一致預期模型案例 79
2.7 趨勢追蹤 85
2.7.1 基本概念 85
2.7.2 策略模型 87
2.7.3 實證案例：趨勢追蹤選股模型 93
2.8 籌碼選股 95
2.8.1 基本概念 95
2.8.2 策略模型 98
2.8.3 實證案例：籌碼選股模型 100
2.9 業績評價 104
2.9.1 收益率指標 104
2.9.2 風險度指標 105
第3章 量化擇時 112
3.1 趨勢追蹤 113
3.1.1 基本概念 113
3.1.2 傳統趨勢指標 114
3.1.3 自適應均線 122
3.2 市場情緒 126
3.2.1 基本概念 127
3.2.2 情緒指數 129
3.2.3 實證案例：情緒指標擇時策略 130
3.3 時變夏普率 134
3.3.1 Tsharp值的估計模型 134
3.3.2 基於Tsharp值的擇時策略 136
3.3.3 實證案例 137
3.4 牛熊線 142
3.4.1 基本概念 142
3.4.2 策略模型 144
3.4.3 實證案例：牛熊線擇時模型 146
3.5 Husrt指數 148
3.5.1 基本概念 148
3.5.2 策略模型 150
3.5.3 實證案例 151
3.6 支持向量機 154
3.6.1 基本概念 154
3.6.2 策略模型 155
3.6.3 實證案例：SVM擇時模型 157
3.7 SWARCH模型 162
3.7.1 基本概念 162
3.7.2 策略模型 164
3.7.3 實證案例：SWARCH模型 167
3.8 異常指標 170
3.8.1 市場噪聲 171
3.8.2 行業集中度 173
3.8.3 興登堡凶兆 175
第4章 股指期貨套利 182
4.1 基本概念 183
4.1.1 套利介紹 183
4.1.2 套利策略 185
4.2 期現套利 187
4.2.1 定價模型 187
4.2.2 現貨指數複製 188
4.2.3 正向套利案例 192
4.2.4 結算日套利 194
4.3 跨期套利 197
4.3.1 跨期套利原理 197
4.3.2 無套利區間 198
4.3.3 跨期套利觸發和終止 199
4.3.4 實證案例：跨期套利策略 201
4.3.5 主要套利機會 202
4.4 衝擊成本 205
4.4.1 主要指標 206
4.4.2 實證案例：衝擊成本 207
4.5 保證金管理 209
4.5.1 VaR方法 210
4.5.2 VaR計算方法 211
4.5.3 實證案例 212
第5章 商品期貨套利 216
5.1 基本概念 217
5.1.1 套利的條件 218
5.1.2 套利基本模式 219
5.1.3 套利準備工作 221
5.1.4 常見套利組合 223
5.2 期現套利 227
5.2.1 基本原理 227
5.2.2 操作流程 228
5.2.3 增值稅風險 232
5.3 跨期套利 233
5.3.1 套利策略 233
5.3.2 實證案例：PVC跨期套利策略 235
5.4 跨市場套利 236
5.4.1 套利策略 236
5.4.2 實證案例：倫銅—滬銅跨市場套利 237
5.5 跨品種套利 238
5.5.1 套利策略 239
5.5.2 實證案例 240
5.6 非常狀態處理 242
第6章 統計套利 244
6.1 基本概念 245
6.1.1 統計套利定義 245
6.1.2 配對交易 246
6.2 配對交易策略 249
6.2.1 協整策略 249
6.2.2 主成分策略 255
6.2.3 行業（股票）輪動套利策略 258
6.2.4 配對策略改進 261
6.3 股指套利 264
6.3.1 行業指數套利 264
6.3.2 國家指數套利 266
6.3.3 洲域指數套利 267
6.3.4 全球指數套利 268
6.4 融券套利 270
6.4.1 股票—融券套利 270
6.4.2 可轉債—融券套利 271
6.4.3 股指期貨—融券套利 272
6.4.4 封閉式基金—融券套利 273
6.5 外匯套利 275
6.5.1 利差套利 276
6.5.2 貨幣對套利 278
第7章 期權套利 280
7.1 基本概念 281
7.1.1 期權介紹 281
7.1.2 期權交易 282
7.1.3 牛熊證 283
7.2 股票/期權套利 286
7.2.1 股票—股票期權套利 286
7.2.2 股票—指數期權套利 287
7.3 轉換套利與反向轉換套利 288
7.3.1 轉換套利 288
7.3.2 反向轉換套利 290
7.4 跨式套利 292
7.4.1 買入跨式套利 292
7.4.2 賣出跨式套利 294
7.5 寬跨式套利 296
7.5.1 買入寬跨式套利 296
7.5.2 賣出寬跨式套利 297
7.6 蝶式套利 299
7.6.1 買入蝶式套利 299
7.6.2 賣出蝶式套利 301
7.7 飛鷹式套利 303
7.7.1 買入飛鷹式套利 303
7.7.2 賣出飛鷹式套利 304
第8章 算法交易 307
8.1 基本概念 308
8.1.1 算法交易定義 308
8.1.2 算法交易分類 309
8.1.3 算法交易設計 311
8.2 被動交易算法 312
8.2.1 衝擊成本 313
8.2.2 等待風險 315
8.2.3 常用被動型交易策略 317
8.3 VWAP算法 319
8.3.1 標準VWAP算法 319
8.3.2 改進型VWAP算法 323
第9章 另類套利策略 326
9.1 封閉式基金套利 327
9.1.1 基本概念 327
9.1.2 模型策略 327
9.1.3 實證案例 329
9.2 ETF套利 330
9.2.1 基本概念 330
9.2.2 無風險套利 332
9.2.3 其他套利 336
9.3 高頻交易 337
9.3.1 流動性回扣交易 337
9.3.2 獵物算法交易 338
9.3.3 自動做市商策略 339
9.3.4 高頻交易的發展 339
9.3.5 基於卡爾曼濾波的價格預測 342
9.3.6 利用支持向量機的短期預測交易 346
理論篇
第10章 人工智慧 350
10.1 主要內容 351
10.1.1 機器學習 351
10.1.2 自動推理 354
10.1.3 專家系統 357
10.1.4 模式識別 360
10.1.5 人工神經網路 362
10.1.6 遺傳算法 366
10.2 人工智慧在量化投資中的套用 370
10.2.1 模式識別短線擇時 370
10.2.2 RBF神經網路股價預測 374
10.2.3 基於遺傳算法新股預測 379
第11章 數據挖掘 385
11.1 基本概念 386
11.1.1 主要模型 386
11.1.2 典型方法 388
11.2 主要內容 389
11.2.1 分類與預測 389
11.2.2 關聯規則 395
11.2.3 聚類分析 401
11.3 數據挖掘在量化投資中的套用 404
11.3.1 基於SOM網路的股票聚類分析方法 404
11.3.2 基於關聯規則的板塊輪動 407
第12章 小波分析 410
12.1 基本概念 411
12.2 小波變換主要內容 412
12.2.1 連續小波變換 412
12.2.2 連續小波變換的離散化 413
12.2.3 多分辨分析與Mallat算法 414
12.3 小波分析在量化投資中的套用 418
12.3.1 K線小波去噪 418
12.3.2 金融時序數據預測 424
第13章 支持向量機 432
13.1 基本概念 433
13.1.1 線性SVM 433
13.1.2 非線性SVM 436
13.1.3 SVM分類器參數選擇 438
13.1.4 SVM分類器從二類到多類的推廣 439
13.2 模糊支持向量機 440
13.2.1 增加模糊後處理的SVM 440
13.2.2 引入模糊因子的SVM訓練算法 442
13.3 SVM在量化投資中的套用 443
13.3.1 複雜金融時序數據預測 443
13.3.2 趨勢拐點預測 448
第14章 分形理論 454
14.1 基本概念 455
14.1.1 分形定義 455
14.1.2 幾種典型的分形 456
14.1.3 分形理論的套用 458
14.2 主要內容 459
14.2.1 分形維數 459
14.2.2 L系統 460
14.2.3 IFS系統 462
14.3 分形理論在量化投資中的套用 463
14.3.1 大趨勢預測 463
14.3.2 匯率預測 468
第15章 隨機過程 475
15.1 基本概念 475
15.2 主要內容 478
15.2.1 隨機過程的分布函式 478
15.2.2 隨機過程的數字特徵 479
15.2.3 幾種常見的隨機過程 479
15.2.4 平穩隨機過程 482
15.3 灰色馬爾可夫鏈股市預測 483
第16章 IT技術 488
16.1 數據倉庫技術 488
16.1.1 從資料庫到數據倉庫 489
16.1.2 數據倉庫中的數據組織 491
16.1.3 數據倉庫的關鍵技術 493
16.2 程式語言 495
16.2.1 GPU算法交易 495
16.2.2 MATLAB語言 499
16.2.3 C#語言 508
第17章 主要數據與工具 514
17.1 名策數據：多因子分析平台 514
17.2 Multicharts：程式化交易平台 517
17.3 交易開拓者：期貨自動交易平台 520
17.4 大連交易所套利指令 525
17.5 MT5：外匯自動交易平台 528
第18章 對沖交易系統：D-Alpha 535
18.1 系統架構 535
18.2 策略分析流程 537
18.3 核心算法 539
18.4 驗證結果 541
附錄A 策略組合模型 542
A.1 策略定義 542
A.2 策略類型 544
A.3 策略的槓桿 547
A.4 策略的資金容量 550
A.5 策略的篩選 551
A.6 策略的組合 554
A.7 策略的資金分配 555
參考文獻 558
前言
2012 年筆者的這本《量化投資——策略與技術》問世之時，業內還沒有多少人知道什麼是量化投資，到了兩年後的今天，量化投資的會議、書籍、報告如雨後春筍一般湧現，而量化投資的金融產品經過兩年的發展，以其收益穩、規模大，受到投資者的廣泛關注，幾乎主流的金融機構都設立了量化投資部門，建立量化投資團隊，開發量化投資產品。量化投資與對沖基金正在從小眾產品，走向更大規模的發展。
和傳統投資相比，量化投資的主要優點包括：（1）賭大機率事件。通過分散投資、對沖交易、增加交易頻率來使得整個投資過程的勝率大大提高；（2）化解人性的弱點。
恐懼與貪婪是人性中無法克服的弱點，依靠自身的修煉無法做到，只有通過機器交易來完成；（3）精細化交易。這對於大資金的機構投資者尤其重要，通過計算機將大的委託單拆分成小單，可以在儘量不影響市場的情況下完成交易，降低交易成本。
正是由於量化投資的這些優點，在過去十年全球金融市場中，量化投資得到了如火如荼的發展，使其成為和價值投資並列的兩大投資理論之一。在國內雖然只是剛開始，但是依然得到了銀行、保險、券商等頂級機構的青睞。尤其對於大的機構而言，量化投資所能管理的規模比傳統投資大大增多，一般來說傳統基金產品超過50 億，對管理團隊就是一個巨大的考驗，但是量化的產品可以遠遠超過這個規模。
另外，在國內監管日趨嚴格的情況下，傳統投資很容易觸及監管的邊界，但是量化投資基於數據分析，基本上和內幕訊息、老鼠倉絕緣，也大大降低了監管成本。
所以量化投資這種新的投資理論和模式，無論對於監管層還是民間投資，都是最佳選擇，這也就是國內最近兩年量化投資得到大發展的重要原因，目前有非常多的年輕人正在進入這個行業，他們的蓬勃朝氣，相信會對改變中國未來金融環境起到推動作用。
2012 年1 月我發起組建了中國量化投資學會，目前已成為量化投資領域全國影響力最大的民間學術性組織，和電子工業出版社共同策劃的《量化投資與對沖基金》叢書也出版了10 本左右，未來還會有更多精品圖書出版，這套叢書已經成為業內最主流的教材，正在深刻地改變著中國資本市場的發展。
本書特色
第一，實戰性。書中的案例絕大多數來自於實際的市場數據，只有很少一部分是純理論的分析。尤其是策略篇中的內容大部分來自於專業投資機構的研究報告，具有極強的實戰價值。
第二，基於中國市場。與量化投資最接近的書籍當屬“金融工程”，但目前金融工程中絕大多數的案例都來自於國外市場，很多策略在國內市場還不具備投資條件。
本書中的案例基本上都是對國內市場（股票、期貨等）中的實際交易數據的分析，特別適合國內的投資者。
第三，理論性。量化投資離不開最新的數學和計算機理論的支持，本書用了將近一半的篇幅來闡述與量化投資有關的基礎理論，並用了很多案例來說明這些理論的套用方法。避免了一般投資策略書籍重技術而忽視理論的缺點，從而使量化投資更加科學化。
讀者對象
本書適合於各種不同的投資者使用。對於專業量化投資者來說，書中的理論篇提供了基本的理論方法和算法，可以在此基礎上開發出更高效、更精確的策略模型，提高自己的投資收益率和收益率的穩定性。
對於傳統方法專業投資者來說，本書的策略篇中很多量化方法可以作為傳統投資方法的補充和精化，在投資決策中數量模型的結果可以降低很多人為的誤差和情緒影響，彌補傳統投資決策的缺陷。
對於普通投資者來說，可能缺乏數據和模型方法的技巧，但是書中各種策略的思路和方法同樣可以給他們以啟迪和幫助，特別是在開闊思路、加強交易能力方面，量化投資是普通投資者的一件利器。
致謝
在本書的寫作過程中，得到了業界同仁的大力協助。其中陳晨碩士校對了本書的第1~3 章的內容，梁冠群博士校對了第4~9 章的內容，翟淑星博士校對了第10~13章的內容，李心潔碩士校對了第14~17 章的內容，對他們的貢獻表示誠摯的感謝。
曾經猶豫是否要出版此書，因為有業內的朋友告誡我：“你將策略模型說出去，自己賺不到錢了”，我不同意他們的觀點，因為策略模型是在不斷深化中發展的。沒有一個公司可以靠一個產品包打天下，我們做寬客的也不可能只靠一個模型吃一輩子。只有更多的人來研究量化投資，才能開發出更多更穩定的投資模型，才能促進中國整體對沖基金的發展。人類現代科技的基石就是“分享”，不是嗎？
由於自己才疏學淺，此書只能起拋磚引玉的作用，希望將來有更多更好的研究書籍問世，也希望中國能湧現自己的量化投資大師，給投資者帶來持續穩定的收益。
出版社的編輯告訴我，希望推出《量化投資——策略與技術（典藏版）》我深感榮幸，同時心中也很是不安。目前中國資本市場衍生品的發展速度不快，除了滬深300 指數期貨和國債期貨之外，還缺乏更多的做空工具，也使得國內的量化投資與對沖基金在蹣跚中前進。希望再過兩年，能夠對“典藏版”做一次大面積的修訂，給讀者更多的幫助。
2014 年中國量化投資還處於初春，小荷才露尖尖角，相信未來隨著中國金融市場對外全面放開，隨著各種金融衍生品的上市，中國的量化投資與對沖基金必將迎來屬於自己的新時代。
丁 鵬
2014 年6 月於東航金融大廈
