新書推薦：
《
《日本文学史序说》讲演录
》
售價：HK$
72.8
《
无尽的海洋：美国海事探险与大众文化（1815—1860）
》
售價：HK$
99.7
《
治盗之道：清代盗律的古今之辨
》
售價：HK$
122.1
《
甲骨文丛书·剑桥世界暴力史（第一卷）：史前和古代世界（套装全2册）
》
售價：HK$
210.6
《
甲骨文丛书·中华早期帝国：秦汉史的重估
》
售價：HK$
300.2
《
欲望与家庭小说
》
售價：HK$
98.6
《
惜华年（全两册）
》
售價：HK$
70.3
《
甲骨文丛书·古代中国的军事文化
》
售價：HK$
99.7
|
| 編輯推薦： |
|
畅销书《量化投资策略与技术》全新改版升级，修正了错误，全新的金融理论篇阐述了与量化投资有关的各种经典金融理论，包括投资组合理论、定价理论及金融市场理论。
|
| 內容簡介： |
|
本书是一本全面解读量化投资策略方面的著作。畅销书全新改版，全书用60多个案例介绍了量化投资各个方面的内容，主要分为策略篇、技术理论篇和金融理论篇三部分。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、算法交易和另类套利策略等。技术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、IT技术主要数据与工具及D-Alpha量化对冲交易系统等。金融理论篇阐述了与量化投资有关的各种经典金融理论，包括投资组合理论、定价理论及金融市场理论。本书适合基金经理、产品经理、证券分析师、投资总监及有志从事金融投资的各界人士阅读。
|
| 關於作者： |
|
中国量化投资领域的开拓者与奠基者，中国量化投资学会理事长、“大数据金融丛书”主编。他编著的《量化投资——策略与技术》是国内原创量化投资策略方面的优秀教材，已经成为业内的启蒙读物。同时担任“大数据金融丛书”主编、CCTV特邀嘉宾、第一财经《解码财商》资深解码人、《财经》《财新》《中国金融报》等知名传媒的撰稿人，发表多篇有深度的文章，深刻地影响了整个行业。 他同时还是清华大学、北京大学、中国人民大学、中央财经大学、上海交通大学、南方科技大学等知名学府的讲座教授，开设多次讲座，深得学子好评。从2008年开始，他先后在东方证券衍生品总部（资深投资经理）、方正富邦专户部（副总监）和东航金控财富管理中心（总经理），从事资产管理业务，多年累计总管理规模超过50亿元，累计为客户创造收益超过10亿元。2016年，组建荣石投资进入私募领域，为高净值客户提供资产管理服务。
|
| 目錄：
|
目录|
策 略 篇
第1章 量化投资概念2
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5
1.2.1 传统投资策略的缺点5
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20
第2章 量化选股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 实证案例：多因子选股
模型29
本节小结34
2.2 风格轮动34
2.2.1 基本概念34
2.2.2 盈利预期生命周期模型37
2.2.3 策略模型39
2.2.4 实证案例：中信标普风格40
2.2.5 实证案例：大小盘风格44
本节小结46
2.3 行业轮动46
2.3.1 基本概念46
2.3.2 M2行业轮动策略49
2.3.3 市场情绪轮动策略52
本节小结54
2.4 资金流55
2.4.1 基本概念55
2.4.2 策略模型58
2.4.3 实证案例：资金流选股
策略59
本节小结62
2.5 动量反转62
2.5.1 基本概念62
2.5.2 策略模型66
2.5.3 实证案例：动量选股策略
和反转选股策略69
本节小结72
2.6 一致预期72
2.6.1 基本概念73
2.6.2 策略模型75
2.6.3 实证案例：一致预期模型
案例77
本节小结83
2.7 趋势追踪83
2.7.1 基本概念83
2.7.2 策略模型85
2.7.3 实证案例：趋势追踪选股
模型91
本节小结93
2.8 筹码选股93
2.8.1 基本概念94
2.8.2 策略模型96
2.8.3 实证案例：筹码选股模型98
本节小结102
2.9 业绩评价102
2.9.1 收益率指标102
2.9.2 风险度指标103
第3章 量化择时110
3.1 趋势追踪111
3.1.1 基本概念111
3.1.2 传统趋势指标112
3.1.3 自适应均线120
本节小结124
3.2 市场情绪124
3.2.1 基本概念124
3.2.2 情绪指数126
3.2.3 实证案例：情绪指标择时
策略128
本节小结132
3.3 时变夏普比率132
3.3.1 Tsharp值的估计模型132
3.3.2 基于Tsharp值的择时
策略134
3.3.3 实证案例135
本节小结140
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
本节小结146
3.5 Husrt指数147
3.5.1 基本概念147
3.5.2 策略模型149
3.5.3 实证案例150
本节小结152
3.6 支持向量机153
3.6.1 基本概念153
3.6.2 策略模型154
3.6.3 实证案例：SVM择时
模型156
本节小结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 实证案例：SWARCH
模型165
本节小结168
3.8 异常指标169
3.8.1 市场噪声169
3.8.2 行业集中度171
3.8.3 兴登堡凶兆173
第4章 股指期货套利179
4.1 基本概念180
4.1.1 套利介绍180
4.1.2 套利策略182
4.2 期现套利184
4.2.1 定价模型184
4.2.2 现货指数复制185
4.2.3 正向套利案例189
4.2.4 结算日套利191
4.3 跨期套利194
4.3.1 跨期套利原理194
4.3.2 无套利区间195
4.3.3 跨期套利触发和终止196
4.3.4 实证案例：跨期套利
策略198
4.3.5 主要套利机会199
4.4 冲击成本202
4.4.1 主要指标202
4.4.2 实证案例：冲击成本204
4.5 保证金管理206
4.5.1 VaR方法207
4.5.2 VaR计算方法208
4.5.3 实证案例209
第5章 商品期货套利212
5.1 基本概念213
5.1.1 套利的条件213
5.1.2 套利基本模式215
5.1.3 套利准备工作217
5.1.4 常见套利组合219
5.2 期现套利223
5.2.1 基本原理223
5.2.2 操作流程224
5.2.3 增值税风险228
5.3 跨期套利229
5.3.1 套利策略229
5.3.2 实证案例：PVC跨期套利
策略231
5.4 跨市场套利232
5.4.1 套利策略232
5.4.2 实证案例：伦铜—沪铜跨
市场套利233
5.5 跨品种套利234
5.5.1 套利策略235
5.5.2 实证案例236
5.6 非常状态处理237
第6章 统计套利239
6.1 基本概念240
6.1.1 统计套利定义240
6.1.2 配对交易241
6.2 配对交易策略244
6.2.1 协整策略244
6.2.2 主成分套利策略250
6.2.3 行业（股票）轮动套利
策略253
6.2.4 配对策略改进256
6.3 股指套利259
6.3.1 行业指数套利259
6.3.2 国家指数套利260
6.3.3 洲域指数套利261
6.3.4 全球指数套利263
6.4 融券套利264
6.4.1 股票—融券套利264
6.4.2 可转债—融券套利265
6.4.3 股指期货—融券套利267
6.4.4 封闭式基金—融券套利268
6.5 外汇套利269
6.5.1 利差套利271
6.5.2 货币对套利272
第7章 期权套利274
7.1 基本概念275
7.1.1 期权介绍275
7.1.2 期权交易276
7.1.3 牛熊证277
7.2 股票—期权套利280
7.2.1 股票—股票期权套利280
7.2.2 股票—指数期权套利281
7.3 转换套利与反向转换套利282
7.3.1 转换套利282
7.3.2 反向转换套利284
7.4 跨式套利285
7.4.1 买入跨式套利286
7.4.2 卖出跨式套利287
7.5 宽跨式套利289
7.5.1 买入宽跨式套利290
7.5.2 卖出宽跨式套利291
7.6 蝶式套利293
7.6.1 买入蝶式套利293
7.6.2 卖出蝶式套利295
7.7 飞鹰式套利296
7.7.1 买入飞鹰式套利296
7.7.2 卖出飞鹰式套利298
第8章 算法交易300
8.1 基本概念301
8.1.1 算法交易定义301
8.1.2 算法交易分类302
8.1.3 算法交易设计304
8.2 被动型算法交易305
8.2.1 冲击成本306
8.2.2 等待风险308
8.2.3 常用被动型交易策略310
8.3 VWAP算法312
8.3.1 标准VWAP算法312
8.3.2 改进型VWAP算法315
第9章 另类套利策略319
9.1 封闭式基金套利320
9.1.1 基本概念320
9.1.2 模型策略320
9.1.3 实证案例322
9.2 ETF套利323
9.2.1 基本概念323
9.2.2 无风险套利325
9.2.3 其他套利329
9.3 高频交易330
9.3.1 流动性回扣交易330
9.3.2 猎物算法交易331
9.3.3 自动做市商策略332
9.3.4 高频交易的发展332
9.3.5 基于卡尔曼滤波的价格
预测335
9.3.6 利用支持向量机的短期
预测交易338
技术理论篇
第10章 人工智能342
10.1 主要内容343
10.1.1 机器学习343
10.1.2 自动推理346
10.1.3 专家系统349
10.1.4 模式识别352
10.1.5 人工神经网络354
10.1.6 遗传算法358
10.2 人工智能在量化投资中的
应用362
10.2.1 模式识别短线择时362
10.2.2 RBF神经网络股价
预测367
10.2.3 基于遗传算法的新股
预测371
第11章 数据挖掘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 主要内容381
11.2.1 分类与预测381
11.2.2 关联规则387
11.2.3 聚类分析392
11.3 数据挖掘在量化投资中的
应用396
11.3.1 基于SOM网络的股票
聚类分析方法396
11.3.2 基于关联规则的板块
轮动399
第12章 小波分析402
12.1 基本概念403
12.2 小波变换主要内容404
12.2.1 连续小波变换404
12.2.2 连续小波变换的离散化405
12.2.3 多分辨分析与Mallat
算法406
12.3 小波分析在量化投资中的
应用410
12.3.1 K线小波去噪410
12.3.2 金融时序数据预测416
第13章 支持向量机423
13.1 基本概念424
13.1.1 线性SVM424
13.1.2 非线性SVM427
13.1.3 SVM分类器参数选择429
13.1.4 SVM分类器从二类到
多类的推广430
13.2 模糊支持向量机431
13.2.1 增加模糊后处理的SVM431
13.2.2 引入模糊因子的SVM
训练算法433
13.3 SVM在量化投资中的应用434
13.3.1 复杂金融时序数据预测434
13.3.2 趋势拐点预测439
第14章 分形理论445
14.1 基本概念446
14.1.1 分形定义446
14.1.2 几种典型的分形447
14.1.3 分形理论的应用449
14.2 主要内容450
14.2.1 分形维数450
14.2.2 L系统451
14.2.3 IFS系统453
14.3 分形理论在量化投资中的
应用454
14.3.1 大趋势预测454
14.3.2 汇率预测459
第15章 随机过程465
15.1 基本概念465
15.2 主要内容468
15.2.1 随机过程的分布函数468
15.2.2 随机过程的数字特征468
15.2.3 几种常见的随机过程469
15.2.4 平稳随机过程471
15.3 灰色马尔科夫链股市预测472
第16章 IT技术477
16.1 数据仓库技术477
16.1.1 从数据库到数据仓库478
16.1.2 数据仓库中的数据组织480
16.1.3 数据仓库的关键技术482
16.2 编程语言484
16.2.1 GPU算法交易484
16.2.2 MATLAB语言488
16.2.3 C#语言495
第17章 主要数据与工具500
17.1 名策数据：多因子分析
平台500
17.2 Multicharts：程序化
交易平台503
17.3 交易开拓者：期货自动
交易平台506
17.4 大连交易所套利指令510
17.5 MT5：外汇自动交易平台514
第18章 量化对冲交易系统：
D-Alpha519
18.1 系统架
|
| 內容試閱：
|
|前言|
2012年笔者的这本《量化投资策略与技术》问世之时，业内还没有多少人知道什么是量化投资；到了今天，量化投资的会议、书籍、报告如雨后春笋般涌现，而量化投资的金融产品也以其收益稳、规模大而受到投资者的广泛关注，主流的金融机构几乎都设立了量化投资部门，建立了量化投资团队，开发了量化投资产品。量化投资与对冲基金正在从小众产品走向更大规模的发展。
和传统投资相比，量化投资的主要优点包括：（1）赌大概率事件，通过分散投资、对冲交易、增加交易频率来使得整个投资过程的胜率大大提高；（2）化解人性的弱点，恐惧与贪婪是人性中无法克服的弱点，依靠自身的修炼无法做到，只能通过机器交易来完成；（3）精细化交易，这对于大资金的机构投资者尤其重要，通过计算机将大的委托单拆分成小单，可以在尽量不影响市场的情况下完成交易，降低交易成本。
正是由于量化投资的这些优点，在过去的全球金融市场中，量化投资得到了如火如荼的发展，成为和价值投资并列的两大投资理论之一。量化投资在国内虽然刚刚起步，但依然得到了银行、保险、券商等顶级机构的青睐。尤其对于大的机构而言，量化投资所能管理的资金规模比传统投资大大增多。另外，在国内监管日趋严格的情况下，传统投资很容易触及监管的边界，但是量化投资基于数据分析，基本上和内幕消息、老鼠仓绝缘，大大降低了监管成本。
所以量化投资这种新的投资理论和投资模式，无论是对于监管层还是民间投资来说，都是最佳选择，这也是国内量化投资得到大力发展的重要原因。目前有很多年轻人正在进入这个行业，他们的蓬勃朝气，相信会对改变中国未来的金融环境起到推动作用。
2012年1月，笔者发起组建了中国量化投资学会，目前已成为量化投资领域全国影响力最大的民间学术性组织，和电子工业出版社共同策划的"量化投资与对冲基金丛书"也出版了10本左右。从2016年开始，这套丛书改名为"大数据金融丛书"，并且邀请了更多业内顶尖人士参与丛书的编写，分享他们的经验与理论，力图为中国的金融行业提供持续的理论支持。在这种情况下，笔者在原来典藏版的基础上增加了一篇金融理论篇，形成精装版，奉献给读者。
本书特色
第一，实战性。书中的案例绝大多数来自实际的市场数据，只有很少一部分是纯理论的分析。尤其是策略篇中的内容大部分来自专业投资机构的研究报告，具有极强的实战价值。
第二，基于中国市场。与量化投资最接近的书籍当属金融工程，但目前金融工程中绝大多数的案例来自国外市场，很多策略在国内市场还不具备投资条件。本书中的案例基本上是对国内市场（股票、期货等）实际交易数据的分析，特别适合国内的投资者。
第三，理论性。量化投资离不开最新的数学和计算机理论的支持，本书用了将近一半的篇幅来阐述与量化投资有关的基础理论，并用了很多案例来说明这些理论的应用方法，避免了一般投资策略书籍重技术而轻理论的缺点，从而使量化投资更加科学化。
精装版主要内容
本书共分三篇：策略篇、技术理论篇和金融理论篇。策略篇阐述了各种量化投资的策略与方法，技术理论篇和金融理论篇则详细介绍了支持量化投资的各种数学工具。
策略篇共介绍了8个方面的投资策略，分别是量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易及另类套利策略，具体内容如下表所示。
投资策略概 述
量化选股量化投资最重要的策略，主要研究如何利用各种方法选出最佳的股票组合，使得该股票组合的收益率尽可能高的同时，尽可能地保持稳定性。这一章阐述了8种不同角度的策略，分别为多因子模型、风格轮动模型、行业轮动模型、资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型
量化择时量化投资中最难的、也是收益率最高的一种策略，主要研究大盘及个股走势，并进行相应的高抛低吸操作。如果能够正确判断大盘，则收益率会比单纯的买入并持有策略高很多。这一章主要阐述了8种择时模型，分别是趋势择时、市场情绪择时、时变夏普比率模型、牛熊线模型、Hurst指数模型、SVM择时模型、SWARCH模型和异常指标择时
续表
投资策略概 述
股指期货套利由于择时操作存在巨大风险，而对于稳健型的资金，则希望寻找一种能够稳定收益的交易策略。股指期货套利研究的是如何利用股指期货和现货组合的对冲，去掉系统性风险后，获得无风险收益。这一章阐述了有关股指期货套利的一些主要方法，包括期现套利、跨期套利、冲击成本、保证金管理等
商品期货套利与股指期货类似的是在商品期货市场从事套利交易。商品期货市场波动更大，机会更多，当然风险也更大。这一章主要包括期现套利、跨期套利、跨市场套利和跨品种套利4个部分
统计套利统计套利是利用不同投资品种之间的相关性进行投资的一种方法。当两个品种的价格差拉大到正常边界时进行多空同时建仓的操作，当恢复到正常的时候再双向平仓，从而可以规避系统性风险。这一章主要包括配对交易策略、股指套利、融券套利、外汇套利等内容
期权套利期权套利是利用看涨看跌期权或者牛熊证进行各种配对，规避系统性风险后赚取波动差的投资方式。由于期权的高杠杆性，期权套利可以获得比其他套利方式更高的收益率。这一章主要包括股票期权对冲、转换套利与反向转换套利、跨式套利、宽跨式套利、蝶式套利、飞鹰式套利等内容
算法交易算法交易是研究如何利用各种下单方法，尽可能降低冲击成本的交易策略，一般分为主动式交易和被动式交易两类，本章主要研究的是被动型交易算法（VWAP）
另类套利策略另类套利讨论了封闭式基金套利、ETF套利、LOF套利和高频交易4种策略。这4种策略并不是投资的主流方法，但是在不同的市场环境下，往往存在无风险套利机会，比较适合追求稳健的大资金操作
技术理论篇主要阐述了支持量化投资的各种数学和计算机工具，这部分内容对读者的数学功底有较高的要求。本篇共有9章，分别是人工智能、数据挖掘、小波分析、支持向量机、分形理论、随机过程、IT技术主要数据与工具、量化对冲交易系统：D-Alpha，具体内容如下表所示。
技术理论概 述
人工智能人工智能主要研究如何利用计算机技术模拟人的思维和解决问题的方式，主要内容包括机器学习、自动推理、专家系统、模式识别、人工神经网络和遗传算法。人工智能在量化投资中的应用，介绍了模式识别短线择时、RBF神经网络股价预测和基于遗传算法的新股预测3种方法
数据挖掘数据挖掘主要研究如何从海量、杂乱的数据中挖掘出有价值的模式和知识，主要内容包括分类与预测、关联规则和聚类分析。数据挖掘在量化投资中的应用，介绍了基于SOM网络的股票聚类分析方法和基于关联规则的板块轮动两种方法
小波分析小波分析主要研究如何将一个函数分解为一系列简单基函数的表示方法，其可以看作傅里叶变换的升级版。小波分析的基础知识包括：连续小波变换、连续小波变换的离散化、多分辨分析和Mallat算法。小波分析在量化投资中的应用，主要介绍了K线小波去噪和金融时序数据预测两种方法
续表
技术理论概 述
支持向量机支持向量机主要用于分类分析，由于具有分类效果好、学习算法简单的特点，得到了广泛应用。SVM的内容包括：线性SVM、非线性SVM、SVM分类器、模糊SVM等。SVM在量化投资中的应用，阐述了复杂金融时序数据预测和趋势拐点预测两种方法
分形理论分形理论以其简单有效成为近几年投资者大量应用的一种新的数学工具，它是将复杂的世界抽象成简单分形的组合的一种研究方法。这一章的内容包括：分形定义、典型分形、分形维数、L系统、IFS系统等。分形理论在量化投资中的应用，阐述了大趋势预测和汇率预测两种策略
随机过程一组随机变量的变化规律。在研究随机过程时，人们透过表面的偶然性描述出必然的内在规律，并以概率的形式来描述这些规律。这一章的内容包括：随机过程分布函数、数字特征、常见随机过程等。随机过程在量化投资中的应用，主要阐述了利用灰色马尔科夫链来预测股市的方法
IT技术概要介绍了与量化投资相关的主要IT技术，包括数据仓库技术、GPU编程、MATLAB语言、C#语言。由于IT技术的通用性，所以这里只是简单介绍，更详细的编程技术需要参阅相关的参考书
主要数据与工具介绍了一些主要的数据和工具，包括名策多因子模型、Multicharts程序化交易平台、交易开拓者期货自动交易平台、大连交易所套利交易指令和MT5外汇自动交易平台
量化对冲交易系统：D-Alpha阐述了笔者开发的D-Alpha量化对冲交易系统，包括系统构架、策略分析流程、核心算法及验证结果。从全球市场的验证结果显示，D-Alpha系统具有稳健的收益率
金融理论篇主要阐述了与量化投资有关的各种经典金融理论，这些理论是开发策略的理论基础，在策略的升级、优化和实战中起着重要的指导作用。
金融理论概 述
投资组合理论投资组合理论所要讨论的是如何通过不同组合的构建，在控制风险的基础上获得更高的收益率。马科维茨的证券选择理论将预期收益率和方差分别代表标准投资组合的收益水平和风险水平，开创了现代金融的量化分析基础。策略组合模型是笔者的原创性贡献，将投资的分析扩展到收益、风险、资金容量三个维度，并且定义了相关系数矩阵来进行具体的策略分散与组合
定价理论定价问题需要解决的是资产的合理价格问题，如果市场价格被低估则对资产进行买入，如果被高估则进行做空操作，等市场回归合理价格从而获得收益。目前主流的定价理论包括：资本资产定价模型，其基本思想就是资产的收益与其所承担的风险正相关；套利定价理论，阐述了同一资产应该在不同的市场上具有相同的价格，否则套利资金将抹平这种不均衡。对期权定价有较大影响力的是Black-Scholes模型和二叉树模型，这两个模型给整个金融衍生品市场的发展带来了决定性的影响。对于传统的股票投资者而言，需要的是对股票内在价值的判断，这就是各种股票、基金定价模型的价值所在
续表
金融理论概 述
金融市场理论传统的定价理论
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
