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。
【内容简介】
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、*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。
【作者简介】
丁鹏
中国量化投资学会理事长
“大数据金融丛书”主编
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、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。
【目录】
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SVM 424
13.1.2 非线性SVM 427
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SVM 431
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-Alpha 519
18.1 系统架
【前言】
|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
，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 量化投资重要的策略，主要研究如何利用各种方法选出的股票组合，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 量化投资中难的、也是收益率的一种策略，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
【书摘与插画】
