量化投资

前言

　　连续20年，每年赚60%，从来没有出现过亏损！　　这是量化投资大师西蒙斯教授给出的战绩，这个成绩将巴菲特和索罗斯远远地抛在身后，这已经成为华尔街顶尖对冲基金经理眼中的神话，一个让人瞠乎绝尘的神话！　　量化投资是最近十年来在国际投资界兴起的一个新方法，发展势头迅猛，和基本面分析、技术面分析并称为三大主流方法。基本面分析和技术面分析可以看做是传统的证券分析理论，而量化投资则是结合了现代数学理论和金融数据的一种全新的分析方式，是现代化的证券分析方法。　　和传统的基本面分析和技术面分析比较起来，量化投资最大的特点就是定量化和精确化。　　采用传统分析方法取得良好业绩的投资者首推巴菲特，连续40年，每年可以获得20%的复合稳定收益。而量化投资大师西蒙斯则连续20年为投资者获得超过35%的收益率，若包括业绩提成在内，则实际每年投资收益率超过60%，由此可见量化投资的巨大威力。　　2008年笔者去欧洲访问研究，和德意志银行、雷曼兄弟以及一家欧洲很大的对冲基金的研究员交流，2010年去香港和摩根斯坦利、美林证券以及野村证券的投资经理交流。给我最大的感受就是：这些国际顶级的投行在量化投资模型研究的深入与扎实。'一切用数据说话'，这是他们任何投资决策的基石。　　不知道有一天中国的金融市场全面开放后，国内的投资者能否抵挡华尔街金融大鳄们的冲击。于是决定写一本有关量化投资的书。　　当开始动笔写作本书时候，才发现这是一个极其艰难的工作。市面上没有任何一本谈论量化投资策略的书籍可供参考，故事书倒有几本，但关于策略的内容少之又少，而有关量化投资的研究报告也散落在网络的各个角落。经过3个多月的精心筛选，精选出60多个精华策略，形成了本书的主要内容。希望能起一个抛砖引玉的作用，让更多的投资者采用这种先进的分析方法，获取更高和更稳定的投资收益。　　本书特色　　第一，实战性。书中的案例绝大多数来自于实际的市场数据，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于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都来自于国外市场，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都是对国内市场（股票、期货等）中的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忽视理论的缺点，从而使量化投资更加科学化。　　本书主要内容　　本书的内容分为：策略篇和理论篇。策略篇中阐述了各种量化投资的策略与方法，理论篇则详细介绍了支持量化投资的各种数学工具。　　策略篇一共介绍了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、算法交易及其他策略。

内容概要

丁鹏，中国量化投资研究的先行者，他开发的D-Alpha量化对冲交易系统，实战中获得持续稳健的收益率。



    毕业于上海交通大学计算机系获得工学博士学位，是国际知名的人工智能研究员，美国电子电气工程师学会(IEEE)、美国金融学会(AFA)会员。



    2001年底进入上海交通大学工作，在金融工程、金融数学领域深入研究多年，在国际顶级刊物和会议上发表过十余篇学术文章，获得国家发明专利5项。



    2008年进入东方证券股份有限公司工作，从事量化投资研究，在量化选股、量化择时、统计套利、对冲交易等方面开发了多个策略模型，实战中取得良好的业绩效果。

书籍目录

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
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

2.2  风格轮动
34

2.2.1  基本概念
35

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

2.3  行业轮动
46

2.3.1  基本概念
47

2.3.2  M2行业轮动策略
49

2.3.3  市场情绪轮动策略
52

2.4  资金流
55

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
79

2.7  趋势追踪
85

2.7.1  基本概念
85

2.7.2  策略模型
87

2.7.3  实证案例：趋势追踪

选股模型
93

2.8  筹码选股
95

2.8.1  基本概念
95

2.8.2  策略模型
98

2.8.3  实证案例：

筹码选股模型
100

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
112

3.1  趋势追踪
113

3.1.1  基本概念
113

3.1.2  传统趋势指标
114

3.1.3  自适应均线
122

3.2  市场情绪
126

3.2.1  基本概念
127

3.2.2  情绪指数
129

3.2.3  实证案例：情绪指标

择时策略
130

3.3  时变夏普率
134

3.3.1  Tsharp值的估计

模型
134

3.3.2  基于Tsharp值的择时

策略
136

3.3.3  实证案例
137

3.4  牛熊线
142

3.4.1  基本概念
142

3.4.2  策略模型
144

3.4.3  实证案例：

牛熊线择时模型
146

3.5  Husrt指数
148

3.5.1  基本概念
148

3.5.2  策略模型
150

3.5.3  实证案例
151

3.6  支持向量机
154

3.6.1  基本概念
154

3.6.2  策略模型
155

3.6.3  实证案例：

SVM择时模型
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  实证案例：

SWARCH模型
167

3.8  异常指标
170

3.8.1  市场噪声
171

3.8.2  行业集中度
173

3.8.3  兴登堡凶兆
175

第4章  股指期货套利
182

4.1  基本概念
183

4.1.1  套利介绍
183

4.1.2  套利策略
185

4.2  期现套利
187

4.2.1  定价模型
187

4.2.2  现货指数复制
188

4.2.3  正向套利案例
192

4.2.4  结算日套利
194

4.3  跨期套利
197

4.3.1  跨期套利原理
197

4.3.2  无套利区间
198

4.3.3  跨期套利触发和

终止
199

4.3.4  实证案例：

跨期套利策略
201

4.3.5  主要套利机会
202

4.4  冲击成本
205

4.4.1  主要指标
206

4.4.2  实证案例：

冲击成本
207

4.5  保证金管理
209

4.5.1  VaR方法
210

4.5.2  VaR计算方法
211

4.5.3  实证案例
212

第5章  商品期货套利
216

5.1  基本概念
217

5.1.1  套利的条件
218

5.1.2  套利基本模式
219

5.1.3  套利准备工作
221

5.1.4  常见套利组合
223

5.2  期现套利
227

5.2.1  基本原理
227

5.2.2  操作流程
228

5.2.3  增值税风险
232

5.3  跨期套利
233

5.3.1  套利策略
233

5.3.2  实证案例：

PVC跨期套利策略
235

5.4  跨市场套利
236

5.4.1  套利策略
236

5.4.2  实证案例：伦铜—

沪铜跨市场套利
237

5.5  跨品种套利
238

5.5.1  套利策略
239

5.5.2  实证案例
240

5.6  非常状态处理
242

第6章  统计套利
244

6.1  基本概念
245

6.1.1  统计套利定义
245

6.1.2  配对交易
246

6.2  配对交易策略
249

6.2.1  协整策略
249

6.2.2  主成分策略
255

6.2.3  行业（股票）轮动

套利策略
258

6.2.4  配对策略改进
261

6.3  股指套利
264

6.3.1  行业指数套利
264

6.3.2  国家指数套利
266

6.3.3  洲域指数套利
267

6.3.4  全球指数套利
268

6.4  融券套利
270

6.4.1  股票—融券套利
270

6.4.2  可转债—融券套利
271

6.4.3  股指期货—

融券套利
272

6.4.4  封闭式基金—

融券套利
273

6.5  外汇套利
275

6.5.1  利差套利
276

6.5.2  货币对套利
278

第7章  期权套利
280

7.1  基本概念
281

7.1.1  期权介绍
281

7.1.2  期权交易
282

7.1.3  牛熊证
283

7.2  股票/期权套利
286

7.2.1  股票—股票期权

套利
286

7.2.2  股票—指数期权

套利
287

7.3  转换套利与反向转换

套利
288

7.3.1  转换套利
288

7.3.2  反向转换套利
290

7.4  跨式套利
292

7.4.1  买入跨式套利
292

7.4.2  卖出跨式套利
294

7.5  宽跨式套利
296

7.5.1  买入宽跨式套利
296

7.5.2  卖出宽跨式套利
297

7.6  蝶式套利
299

7.6.1  买入蝶式套利
299

7.6.2  卖出蝶式套利
301

7.7  飞鹰式套利
303

7.7.1  买入飞鹰式套利
303

7.7.2  卖出飞鹰式套利
304

第8章  算法交易
307

8.1  基本概念
308

8.1.1  算法交易定义
308

8.1.2  算法交易分类
309

8.1.3  算法交易设计
311

8.2  被动交易算法
312

8.2.1  冲击成本
313

8.2.2  等待风险
315

8.2.3  常用被动型交易

策略
317

8.3  VWAP算法
319

8.3.1  标准VWAP算法
319

8.3.2  改进型VWAP算法
323

第9章  另类套利策略
326

9.1  封闭式基金套利
327

9.1.1  基本概念
327

9.1.2  模型策略
327

9.1.3  实证案例
329

9.2  ETF套利
330

9.2.1  基本概念
330

9.2.2  无风险套利
332

9.2.3  其他套利
336

9.3  LOF套利
337

9.3.1  基本概念
337

9.3.2  模型策略
338

9.3.3  实证案例：

LOF套利
339

9.4  高频交易
343

9.4.1  流动性回扣交易
343

9.4.2  猎物算法交易
344

9.4.3  自动做市商策略
345

9.4.4  高频交易的发展
345

理论篇

第10章  人工智能
350

10.1  主要内容
351

10.1.1  机器学习
351

10.1.2  自动推理
354

10.1.3  专家系统
357

10.1.4  模式识别
360

10.1.5  人工神经网络
362

10.1.6  遗传算法
366

10.2  人工智能在量化投资中

的应用
370

10.2.1  模式识别短线择时
370

10.2.2  RBF神经网络股价

预测
374

10.2.3  基于遗传算法新股

预测
379

第11章  数据挖掘
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  主要内容
389

11.2.1  分类与预测
389

11.2.2  关联规则
395

11.2.3  聚类分析
401

11.3  数据挖掘在量化投资中

的应用
404

11.3.1  基于SOM 网络的

股票聚类分析方法
404

11.3.2  基于关联规则的

板块轮动
407

第12章  小波分析
410

12.1  基本概念
411

12.2  小波变换主要内容
412

12.2.1  连续小波变换
412

12.2.2  连续小波变换的

离散化
413

12.2.3  多分辨分析与Mallat

算法
414

12.3  小波分析在量化投资中

的应用
418

12.3.1  K线小波去噪
418

12.3.2  金融时序数据

预测
424

第13章  支持向量机
432

13.1  基本概念
433

13.1.1  线性SVM
433

13.1.2  非线性SVM
436

13.1.3  SVM分类器参数

选择
438

13.1.4  SVM分类器从二类

到多类的推广
439

13.2  模糊支持向量机
440

13.2.1  增加模糊后处理的

SVM
440

13.2.2  引入模糊因子的

SVM训练算法
442

13.3  SVM在量化投资中的

应用
443

13.3.1  复杂金融时序

数据预测
443

13.3.2  趋势拐点预测
448

第14章  分形理论
454

14.1  基本概念
455

14.1.1  分形定义
455

14.1.2  几种典型的分形
456

14.1.3  分形理论的应用
458

14.2  主要内容
459

14.2.1  分形维数
459

14.2.2  L系统
460

14.2.3  IFS系统
462

14.3  分形理论在量化投资中的

应用
463

14.3.1  大趋势预测
463

14.3.2  汇率预测
468

第15章  随机过程
475

15.1  基本概念
475

15.2  主要内容
478

15.2.1  随机过程的

分布函数
478

15.2.2  随机过程的

数字特征
479

15.2.3  几种常见的

随机过程
479

15.2.4  平稳随机过程
482

15.3  灰色马尔可夫链

股市预测
483

第16章  IT技术
488

16.1  数据仓库技术
488

16.1.1  从数据库到

数据仓库
489

16.1.2  数据仓库中的

数据组织
491

16.1.3  数据仓库的

关键技术
493

16.2  编程语言
495

16.2.1  GPU算法交易
495

16.2.2  MATLAB语言
499

16.2.3  C#语言
508

第17章  主要数据与工具
514

17.1  名策数据：多因子

分析平台
514

17.2  Multicharts：程序化

交易平台
517

17.3  交易开拓者：期货

自动交易平台
520

17.4  大连交易所套利指令
525

17.5  MT5：外汇自动

交易平台
528

第18章  对冲交易系统：

D-Alpha
535

18.1  系统架构
535

18.2  策略分析流程
537

18.3  核心算法
539

18.4  验证结果
541

参考文献
542

表目录

表1 1  不同投资策略对比
8

表2 1  多因子选股模型候选因子
29

表2 2  多因子模型候选因子初步检验
30

表2 3  多因子模型中通过检验的有效因子
31

表2 4  多因子模型中剔除冗余后的因子
32

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
35

表2 7  夏普收益率基础投资风格鉴别
36

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
42

表2 10  大小盘风格轮动策略月收益率均值
45

表2 11  中国货币周期分段（2007—2011年）
48

表2 12  沪深300行业指数统计
49

表2 13  不同货币阶段不同行业的收益率
50

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
58

表2 16  资金流模型策略——沪深300
60

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  动量策略风险收益率分析
72

表2 21  反转策略风险收益率分析
72

表2 22  趋势追踪技术收益率
94

表2 23  筹码选股模型中单个指标的收益率情况对比
100

表3 1  MA 指标择时测试最好的20组参数及其表现
118

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
121

表3 4  自适应均线择时策略收益率分析
125

表3 5  市场情绪类别
127

表3 6  沪深300指数在不同情绪区域的当月收益率比较
130

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
130

表3 8  沪深300指数在不同情绪区域的次月收益率比较
131

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
131

表3 10  情绪指数择时收益率统计
133

表3-11  月度Tsharp择时模型统计结果
138

表3-12  预测Tsharp值（月度）对上证综指的预测作用
139

表3-13  季度Tsharp择时模型统计结果
140

表3-14  预测Tsharp值（季度）对上证综指的预测作用
141

表3-15  SVM择时模型的指标
157

表3-16  SVM模型样本外预测多空次数
158

表3-17  SVM模型样本外预测准确率
158

表3-18  SVM模型趋势交易策略评估
159

表3 19  噪声交易在熊市择时的收益率
172

表4 1  各种方法在不同股票数量下的跟踪误差（年化）
192

表4-2  股指期货多头跨期套利过程分析
201

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
213

表4 4  不同仓单持有期下的保证金覆盖比例
214

表6 1  2011年沪深300股票同一行业走势高度相关的组合（部分）
250

表6 2  残差的平稳性、自相关等检验
251

表6 3  在不同的阈值下建仓、平仓所能获得的平均收益
253

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
254

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（%）
255

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
257

表6 7  主成分配对交易在样本外的效果
257

表6 8  标准策略、延后开仓、提前平仓策略实证结果
263

表7 1  多头股票—期权套利综合分析表
286

表7 2  多头股票—股票期权套利案例损益分析表
287

表7 3  多头股票—指数期权套利案例损益分析表
288

表7 4  转换套利分析过程
289

表7 5  买入跨式套利综合分析表
292

表7 6  买入跨式套利交易细节
293

表7 7  卖出跨式套利综合分析表
294

表7 8  卖出跨式套利交易细节
295

表7 9  买入宽跨式套利综合分析表
296

表7 10  卖出宽跨式套利综合分析表
297

表7 11  买入蝶式套利综合分析表
299

表7 12  卖出蝶式套利综合分析表
301

表7 13  买入飞鹰套利综合分析表
303

表7 14  卖出飞鹰式套利综合分析表
304

表9 1  鹏华300 LOF两次正向套利的情况
341

表9 2  鹏华300 LOF两次反向套利的情况
342

表10 1  自动推理中连词系统
356

表10 2  模式识别短线择时样本数据分类
373

表10 3  RBF神经网络股价预测结果
379

表10 4  遗传算法新股预测参数设置
383

表10 5  遗传算法新股预测结果
384

表11 1  决策树数据表
393

表11 2  关联规则案例数据表
396

表11 3  SOM股票聚类分析结果
407

表11 4  21种股票板块指数布尔关系表数据片断
408

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
430

表12 2  不同分解层数的误差均方根值
431

表13 1  SVM沪深300指数预测误差情况
448

表13 2  SVM指数预测和神经网络预测的比较
448

表13 3  技术反转点定义与图型
451

表14 1  持续大涨前后分形各主要参数值
466

表14 2  持续大跌前后分形各主要参数值
467

表14 3  外汇R/ S 分析的各项指标
472

表14 4  V(R/S)曲线回归检验
473

表15 1  灰色马尔可夫链预测深证成指样本内（2005/1—2006/8）
486

表15 2  灰色马尔可夫链预测深证成指样本外（2006/9—2006/12）
487

表16-1  VaR算法GPU和CPU时间对比
499

表18-1  D-Alpha系统在全球市场收益率分析
541

作者简介

《量化投资:策略与技术(修订版)》是国内少有的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。

图书封面

---

 量化投资下载

---