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 量化投資曆史 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 一緻預期 73
2.6.1 基本概念 74
2.6.2 策略模型 76
2.6.3 實證案例：一緻預期模型案例 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 自適應均綫 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 牛熊綫 142
3.4.1 基本概念 142
3.4.2 策略模型 144
3.4.3 實證案例：牛熊綫擇時模型 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 支持嚮量機 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 現貨指數復製 188
4.2.3 正嚮套利案例 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 常見套利組閤 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 國傢指數套利 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 轉換套利與反嚮轉換套利 288
7.3.1 轉換套利 288
7.3.2 反嚮轉換套利 290
7.4 跨式套利 292
7.4.1 買入跨式套利 292
7.4.2 賣齣跨式套利 294
7.5 寬跨式套利 296
7.5.1 買入寬跨式套利 296
7.5.2 賣齣寬跨式套利 297
7.6 蝶式套利 299
7.6.1 買入蝶式套利 299
7.6.2 賣齣蝶式套利 301
7.7 飛鷹式套利 303
7.7.1 買入飛鷹式套利 303
7.7.2 賣齣飛鷹式套利 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 流動性迴扣交易 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 利用支持嚮量機的短期預測交易 346
理論篇
第10章 人工智能 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 專傢係統 357
10.1.4 模式識彆 360
10.1.5 人工神經網絡 362
10.1.6 遺傳算法 366
10.2 人工智能在量化投資中的應用 370
10.2.1 模式識彆短綫擇時 370
10.2.2 RBF神經網絡股價預測 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應用 404
11.3.1 基於SOM網絡的股票聚類分析方法 404
11.3.2 基於關聯規則的闆塊輪動 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應用 418
12.3.1 K綫小波去噪 418
12.3.2 金融時序數據預測 424
第13章 支持嚮量機 432
13.1 基本概念 433
13.1.1 綫性SVM 433
13.1.2 非綫性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 模糊支持嚮量機 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在量化投資中的應用 443
13.3.1 復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 分形理論的應用 458
14.2 主要內容 459
14.2.1 分形維數 459
14.2.2 L係統 460
14.2.3 IFS係統 462
14.3 分形理論在量化投資中的應用 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 隨機過程的分布函數 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 從數據庫到數據倉庫 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 編程語言 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：多因子分析平颱 514
17.2 Multicharts：程序化交易平颱 517
17.3 交易開拓者：期貨自動交易平颱 520
17.4 大連交易所套利指令 525
17.5 MT5：外匯自動交易平颱 528
第18章 對衝交易係統：D-Alpha 535
18.1 係統架構 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 策略組閤模型 542
A.1 策略定義 542
A.2 策略類型 544
A.3 策略的杠杆 547
A.4 策略的資金容量 550
A.5 策略的篩選 551
A.6 策略的組閤 554
A.7 策略的資金分配 555
參考文獻 558
· · · · · · (收起)