内容简介

《量化投资—策略与技术》是国内第一本有关量化投资策略的著作，首先介绍了量化投资大师西蒙斯的传奇故事（连续20年，每年赚60%）；然后用60多个案例介绍了量化投资的各个方面的内容，主要分为策略篇与理论篇两部分，策略篇主要包括：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易和资产配置等。理论篇主要包括：人工智能、数据挖掘、小波分析、支持向量机、分形理论、随机过程及it技术等；最后介绍了作者开发的d-alpha量化对冲交易系统，该系统全球市场验证显示具有长期稳健的收益率。

《量化投资—策略与技术》适合基金经理、证券分析师、普通散户及有志于从事金融投资的各界人士阅读。

作品目录

第 1章 量化投资概念

1.1 什么是量化投资 2

1.1.1 量化投资定义 2

1.1.2 量化投资理解误区 3

1.2 量化投资与传统投资比较 6

1.2.1 传统投资策略的缺点 6

1.2.2 量化投资策略的优势 7

1.2.3 量化投资与传统投资策略的比较 8

1.3 量化投资历史 10

1.3.1 量化投资理论发展 10

1.3.2 海外量化基金的发展 12

1.3.3 量化投资在中国 15

1.4 量化投资主要内容 16

1.5 量化投资主要方法 21

.第 2章 量化选股 25

2.1 多因子 26

2.1.1 基本概念 27

2.1.2 策略模型 27

2.1.3 实证案例：多因子选股模型 30

2.2 风格轮动 35

2.2.1 基本概念 35

2.2.2 盈利预期生命周期模型 38

2.2.3 策略模型 40

2.2.4 实证案例：中信标普风格 41

2.2.5 实证案例：大小盘风格 44

2.3 行业轮动 47

2.3.1 基本概念 47

2.3.2 m2行业轮动策略 50

2.3.3 市场情绪轮动策略 52

2.4 资金流 56

2.4.1 基本概念 56

2.4.2 策略模型 59

2.4.3 实证案例：资金流选股策略 60

2.5 动量反转 63

2.5.1 基本概念 63

2.5.2 策略模型 67

2.5.3 实证案例：动量选股策略和反转选股策略 70

2.6 一致预期 73

2.6.1 基本概念 74

2.6.2 策略模型 76

2.6.3 实证案例：一致预期模型案例 78

2.7 趋势追踪 84

2.7.1 基本概念 84

2.7.2 策略模型 86

2.7.3 实证案例：趋势追踪选股模型 92

2.8 筹码选股 94

2.8.1 基本概念 95

2.8.2 策略模型 97

2.8.3 实证案例：筹码选股模型 99

2.9 业绩评价 104

2.9.1 收益率指标 104

2.9.2 风险度指标 105

第 3章 量化择时 111

3.1 趋势追踪 112

3.1.1 基本概念 112

3.1.2 传统趋势指标 113

3.1.3 自适应均线 121

3.2 市场情绪 125

3.2.1 基本概念 126

3.2.2 情绪指数 128

3.2.3 实证案例：情绪指标择时策略 129

3.3 有效资金 133

3.3.1 基本概念 133

3.3.2 策略模型 134

3.3.3 实证案例：有效资金择时模型 137

3.4 牛熊线 141

3.4.1 基本概念 141

3.4.2 策略模型 143

3.4.3 实证案例：牛熊线择时模型 144

3.5 husrt指数 146

3.5.1 基本概念 146

3.5.2 策略模型 148

3.5.3 实证案例 149

3.6 支持向量机 152

3.6.1 基本概念 152

3.6.2 策略模型 153

3.6.3 实证案例：svm择时模型 155

3.7 swarch模型 160

3.7.1 基本概念 160

3.7.2 策略模型 161

3.7.3 实证案例：swarch模型 164

3.8 异常指标 168

3.8.1 市场噪声 168

3.8.2 行业集中度 170

3.8.3 兴登堡凶兆 172

第 4章 股指期货套利 180

4.1 基本概念 181

4.1.1 套利介绍 181

4.1.2 套利策略 183

4.2 期现套利 185

4.2.1 定价模型 185

4.2.2 现货指数复制 186

4.2.3 正向套利案例 190

4.2.4 结算日套利 192

4.3 跨期套利 195

4.3.1 跨期套利原理 195

4.3.2 无套利区间 196

4.3.3 跨期套利触发和终止 197

4.3.4 实证案例：跨期套利策略 199

4.3.5 主要套利机会 200

4.4 冲击成本 203

4.4.1 主要指标 204

4.4.2 实证案例：冲击成本 205

4.5 保证金管理 208

4.5.1 var方法 208

4.5.2 var计算方法 209

4.5.3 实证案例 211

第 5章 商品期货套利 214

5.1 基本概念 215

5.1.1 套利的条件 216

5.1.2 套利基本模式 217

5.1.3 套利准备工作 219

5.1.4 常见套利组合 221

5.2 期现套利 225

5.2.1 基本原理 225

5.2.2 操作流程 226

5.2.3 增值税风险 230

5.3 跨期套利 231

5.3.1 套利策略 231

5.3.2 实证案例：pvc跨期套利策略 233

5.4 跨市场套利 234

5.4.1 套利策略 234

5.4.2 实证案例：伦铜—沪铜跨市场套利 235

5.5 跨品种套利 236

5.5.1 套利策略 237

5.5.2 实证案例 238

5.6 非常状态处理 240

第 6章 统计套利 242

6.1 基本概念 243

6.1.1 统计套利定义 243

6.1.2 配对交易 244

6.2 配对交易 247

6.2.1 协整策略 247

6.2.2 主成分策略 254

6.2.3 绩效评估 256

6.2.4 实证案例：配对交易 258

6.3 股指套利 261

6.3.1 行业指数套利 261

6.3.2 国家指数套利 263

6.3.3 洲域指数套利 264

6.3.4 全球指数套利 266

6.4 融券套利 267

6.4.1 股票—融券套利 267

6.4.2 可转债—融券套利 268

6.4.3 股指期货—融券套利 269

6.4.4 封闭式基金—融券套利 271

6.5 外汇套利 272

6.5.1 利差套利 273

6.5.2 货币对套利 275

第 7章 期权套利 277

7.1 基本概念 278

7.1.1 期权介绍 278

7.1.2 期权交易 279

7.1.3 牛熊证 280

7.2 股票/期权套利 283

7.2.1 股票—股票期权套利 283

7.2.2 股票—指数期权套利 284

7.3 转换套利 285

7.3.1 转换套利 285

7.3.2 反向转换套利 287

7.4 跨式套利 288

7.4.1 买入跨式套利 289

7.4.2 卖出跨式套利 291

7.5 宽跨式套利 293

7.5.1 买入宽跨式套利 293

7.5.2 卖出宽跨式套利 294

7.6 蝶式套利 296

7.6.1 买入蝶式套利 296

7.6.2 卖出蝶式套利 298

7.7 飞鹰式套利 299

7.7.1 买入飞鹰式套利 300

7.7.2 卖出飞鹰式套利 301

第 8章 算法交易 304

8.1 基本概念 305

8.1.1 算法交易定义 305

8.1.2 算法交易分类 306

8.1.3 算法交易设计 308

8.2 被动交易算法 309

8.2.1 冲击成本 310

8.2.2 等待风险 312

8.2.3 常用被动型交易策略 314

8.3 vwap算法 316

8.3.1 标准vwap算法 316

8.3.2 改进型vwap算法 319

第 9章 其他策略 323

9.1 事件套利 324

9.1.1 并购套利策略 324

9.1.2 定向增发套利 325

9.1.3 套利重仓停牌股票的投资组合 326

9.1.4 封闭式投资组合套利 327

9.2 etf套利 328

9.2.1 基本概念 328

9.2.2 无风险套利 330

9.2.3 其他套利 334

9.3 lof套利 335

9.3.1 基本概念 335

9.3.2 模型策略 336

9.3.3 实证案例：lof 套利 337

9.4 高频交易 341

9.4.1 流动性回扣交易 341

9.4.2 猎物算法交易 342

9.4.3 自动做市商策略 343

9.4.4 程序化交易 343

理论篇

第 10章 人工智能 346

10.1 主要内容 347

10.1.1 机器学习 347

10.1.2 自动推理 350

10.1.3 专家系统 353

10.1.4 模式识别 356

10.1.5 人工神经网络 358

10.1.6 遗传算法 362

10.2 人工智能在量化投资中的应用 366

10.2.1 模式识别短线择时 366

10.2.2 rbf神经网络股价预测 370

10.2.3 基于遗传算法的新股预测 375

第 11章 数据挖掘 381

11.1 基本概念 382

11.1.1 主要模型 382

11.1.2 典型方法 384

11.2 主要内容 385

11.2.1 分类与预测 385

11.2.2 关联规则 391

11.2.3 聚类分析 397

11.3 数据挖掘在量化投资中的应用 400

11.3.1 基于som 网络的股票聚类分析方法 400

11.3.2 基于关联规则的板块轮动 403

第 12章 小波分析 407

12.1 基本概念 408

12.2 小波变换主要内容 409

12.2.1 连续小波变换 409

12.2.2 连续小波变换的离散化 410

12.2.3 多分辨分析与mallat算法 411

12.3小波分析在量化投资中的应用 414

12.3.1 k线小波去噪 414

12.3.2 金融时序数据预测 420

第 13章 支持向量机 429

13.1 基本概念 430

13.1.1 线性svm 430

13.1.2 非线性svm 433

13.1.3 svm分类器参数选择 435

13.1.4 svm分类器从二类到多类的推广 436

13.2 模糊支持向量机 437

13.2.1 增加模糊后处理的svm 437

13.2.2 引入模糊因子的svm训练算法 439

13.3 svm在量化投资中的应用 440

13.3.1 复杂金融时序数据预测 440

13.3.2 趋势拐点预测 445

第 14章 分形理论 452

14.1 基本概念 453

14.1.1 分形定义 453

14.1.2 几种典型的分形 454

14.1.3 分形理论的应用 456

14.2 主要内容 457

14.2.1 分形维数 457

14.2.2 l系统 458

14.2.3 ifs系统 460

14.3 分形理论在量化投资中的应用 461

14.3.1 大趋势预测 461

14.3.2 汇率预测 466

第 15章 随机过程 473

15.1 基本概念 473

15.2 主要内容 476

15.2.1 随机过程的分布函数 476

15.2.2 随机过程的数字特征 476

15.2.3 几种常见的随机过程 477

15.2.4 平稳随机过程 479

15.3 灰色马尔可夫链股市预测 480

第 16章 it技术 486

16.1 数据仓库技术 486

16.1.1 从数据库到数据仓库 487

16.1.2 数据仓库中的数据组织 489

16.1.3 数据仓库的关键技术 491

16.2 编程语言 493

16.2.1 面向对象编程 493

16.2.2 vba 语言 497

16.2.3 c#语言 504

第 17章 主要数据与工具 509

17.1 万德中国金融数据库 509

17.2 文华财经：程序化交易平台 511

17.3 交易开拓者：期货自动交易平台 514

17.4 大连交易所套利指令 518

17.5 mt5：外汇自动交易平台 522

第 18章 量化对冲交易系统：d-alpha 528

18.1 系统构架 528

18.2 策略分析流程 530

18.3 核心算法 532

18.4 验证结果 534

表目录

表1 1 不同投资策略对比 7

表2 1 多因子选股模型候选因子 30

表2 2 多因子模型候选因子初步检验 31

表2 3 多因子模型中通过检验的有效因子 32

表2 4 多因子模型中剔除冗余后的因子 33

表2 5 多因子模型组合分段收益率 33

表2 6 晨星市场风格判别法 36

表2 7 夏普收益率基础投资风格鉴别 37

表2 8 中信标普风格指数 41

表2 9 风格动量策略组合月均收益率 43

表2 10 大小盘风格轮动策略月收益率均值 46

表2 11 中国货币周期分段（2000—2009年） 49

表2 12 沪深300行业指数统计 50

表2 13 不同货币阶段不同行业的收益率 51

表2 14 招商资金流模型（cmsmf）计算方法 58

表2 15 招商资金流模型（cmsmf）选股指标定义 59

表2 16 资金流模型策略——沪深300 61

表2 17 资金流模型策略——全市场 62

表2 18 动量组合相对基准的平均年化超额收益（部分） 68

表2 19 反转组合相对基准的平均年化超额收益(部分) 69

表2 20 动量策略风险收益分析 71

表2 21 反转策略风险收益分析 73

表2 22 趋势追踪技术收益率 93

表2 23 筹码选股模型中单个指标的收益率情况对比 99

表3 1 ma指标择时测试最好的20 组参数及其表现 117

表3 2 4个趋势型指标最优参数下的独立择时交易表现比较 120

表3 3 有交易成本情况下不同信号个数下的综合择时策略 120

表3 4 自适应均线择时策略收益率分析 124

表3 5 市场情绪类别 126

表3 6 沪深300指数在不同情绪区域的当月收益率比较 128

表3 7 沪深300指数在不同情绪变化区域的当月收益率比较 129

表3 8 沪深300指数在不同情绪区域的次月收益率比较 130

表3 9 沪深300指数在不同情绪变化区域的次月收益率比较 130

表3 10 情绪指数择时收益率统计 132

表3 11 svm择时模型的指标 156

表3 12 svm对沪深300指数预测结果指标汇总 156

表3 13 svm择时模型在整体市场的表现 156

表3 14 svm择时模型在单边上涨市的表现 157

表3 15 svm择时模型在单边下跌市的表现 158

表3 16 svm择时模型在震荡市的表现 159

表3 17 噪声交易在熊市择时的收益率 170

表4 1 各种方法在不同股票数量下的跟踪误差（年化） 190

表4-2 股指期货多头跨期套利过程分析 199

表4 3 不同开仓比例下的不同保证金水平能够覆盖的市场波动及其概率 211

表4 4 不同仓单持有期下的保证金覆盖比例 212

表6 1 融券标的股票中在样本期内最相关的50 对组合（部分） 248

表6 2 残差的平稳性、自相关等检验 249

表6 3 在不同的阈值下建仓、平仓所能获得的平均收益 251

表6 4 采用不同的模型在样本内获取的收益率及最优阈值 252

表6 5 采用不同的模型、不同的外推方法在样本外获取的收益率（%） 253

表6 6 主成分配对交易在样本内取得的收益率及最优阈值 255

表6 7 主成分配对交易在样本外的效果 255

表6-8 各种模型下统计套利的结果 256

表6 9 延后开仓+提前平仓策略实证结果 260

表6 10 各行业的配对交易结果 261

表7 1 多头股票-期权套利综合分析表 283

表7 2 多头股票—股票期权套利案例损益分析表 284

表7 3 多头股票-指数期权套利案例损益分析表 285

表7 4 转换套利分析过程 286

表7 5 买入跨式套利综合分析表 289

表7 6 买入跨式套利交易细节 289

表7 7 卖出跨式套利综合分析表 291

表7 8 卖出跨式套利交易细节 292

表7 9 买入宽跨式套利综合分析表 293

表7 10 卖出宽跨式套利综合分析表 294

表7 11 买入蝶式套利综合分析表 296

表7 12 卖出蝶式套利综合分析表 298

表7 13 买入飞鹰套利分析表 300

表7 14 卖出飞鹰式套利综合分析表 301

表9 1 主要并购方式 324

表9 2 并购套利流程 325

表9 3 鹏华300 lof两次正向套利的情况 339

表9 4 鹏华300 lof两次反向套利的情况 340

表10 1 自动推理中连词系统 352

表10 2 模式识别短线择时样本数据分类 369

表10 3 rbf神经网络股价预测结果 375

表10 4 遗传算法新股预测参数设置 379

表10 5 遗传算法新股预测结果 380

表11 1 决策树数据表 389

表11 2 关联规则案例数据表 392

表11 3 som股票聚类分析结果 403

表11 4 21种股票板块指数布尔关系表数据片断 404

表12 1 深发展a日收盘价小波分析方法预测值与实际值比较 427

表12 2 不同分解层数的误差均方根值 428

表13 1 svm沪深300指数预测误差情况 445

表13 2 svm指数预测和神经网络预测的比较 445

表13 3 技术反转点定义与图型 448

表13 4 svm趋势拐点预测结果 450

表14 1 持续大涨前后分形各主要参数值 463

表14 2 持续大跌前后分形个主要参数值 465

表14 3 外汇r/ s 分析的各项指标 469

表14 4 v(r/s)曲线回归检验 470

表15 1 灰色马尔可夫链预测深证成指样本内（2005/1—2006/8） 484

表15 2 灰色马尔可夫链预测深证成指样本外（2006/9—2006/12） 484

表16-1 vba的12种数据类型 499

表18-1 d-alpha系统在全球市场收益率分析 534