量化投資：策略與技術(shù)

《量化投資—策略與技術(shù)》
策略篇
第 1章 量化投資概念 
1.1 什么是量化投資 
1.1.1 量化投資定義 
1.1.2 量化投資理解誤區(qū) 
1.2 量化投資與傳統(tǒng)投資比較 
1.2.1 傳統(tǒng)投資策略的
缺點(diǎn) 
1.2.2 量化投資策略的
優(yōu)勢(shì) 
1.2.3 量化投資與傳統(tǒng)投
資策略的比較 
1.3 量化投資歷史 
1.3.1 量化投資理論發(fā)展 
1.3.2 海外量化基金的
發(fā)展 
1.3.3 量化投資在中國(guó) 
1.4 量化投資主要內(nèi)容 
1.5 量化投資主要方法 
.第 2章 量化選股 
2.1 多因子 
2.1.1 基本概念 
2.1.2 策略模型 
2.1.3 實(shí)證案例：多因子
選股模型 
2.2 風(fēng)格輪動(dòng) 
2.2.1 基本概念 
2.2.2 盈利預(yù)期生命周期
模型 
2.2.3 策略模型 
2.2.4 實(shí)證案例：中信標(biāo)
普風(fēng)格 
2.2.5 實(shí)證案例：大小盤
風(fēng)格 
2.3 行業(yè)輪動(dòng) 
2.3.1 基本概念 
2.3.2 m2行業(yè)輪動(dòng)策略 
2.3.3 市場(chǎng)情緒輪動(dòng)策略 
2.4 資金流 
2.4.1 基本概念 
2.4.2 策略模型 
2.4.3 實(shí)證案例：資金
流選股策略 
2.5 動(dòng)量反轉(zhuǎn) 
2.5.1 基本概念 
2.5.2 策略模型 
2.5.3 實(shí)證案例：動(dòng)量選股策略
和反轉(zhuǎn)選股策略 
2.6 一致預(yù)期 
2.6.1 基本概念 
2.6.2 策略模型 
2.6.3 實(shí)證案例：一致預(yù)期
模型案例 
2.7 趨勢(shì)追蹤 
2.7.1 基本概念 
2.7.2 策略模型 
2.7.3 實(shí)證案例：趨勢(shì)追蹤
選股模型 
2.8 籌碼選股 
2.8.1 基本概念 
2.8.2 策略模型 
2.8.3 實(shí)證案例：籌碼選股
模型 
2.9 業(yè)績(jī)?cè)u(píng)價(jià) 
2.9.1 收益率指標(biāo) 
2.9.2 風(fēng)險(xiǎn)度指標(biāo) 
第 3章 量化擇時(shí) 
3.1 趨勢(shì)追蹤 
3.1.1 基本概念 
3.1.2 傳統(tǒng)趨勢(shì)指標(biāo) 
3.1.3 自適應(yīng)均線 
3.2 市場(chǎng)情緒 
3.2.1 基本概念 
3.2.2 情緒指數(shù) 
3.2.3 實(shí)證案例：情緒指標(biāo)
擇時(shí)策略 
3.3 有效資金 
3.3.1 基本概念 
3.3.2 策略模型 
3.3.3 實(shí)證案例：有效資金
擇時(shí)模型 
3.4 牛熊線 
3.4.1 基本概念 
3.4.2 策略模型 
3.4.3 實(shí)證案例：牛熊線
擇時(shí)模型 
3.5 husrt指數(shù) 
3.5.1 基本概念 
3.5.2 策略模型 
3.5.3 實(shí)證案例 
3.6 支持向量機(jī) 
3.6.1 基本概念 
3.6.2 策略模型 
3.6.3 實(shí)證案例：svm擇時(shí)
模型 
3.7 swarch模型 
3.7.1 基本概念 
3.7.2 策略模型 
3.7.3 實(shí)證案例：swarch
模型 
3.8 異常指標(biāo) 
3.8.1 市場(chǎng)噪聲 
3.8.2 行業(yè)集中度 
3.8.3 興登堡兇兆 
第 4章 股指期貨套利 
4.1 基本概念 
4.1.1 套利介紹 
4.1.2 套利策略 
4.2 期現(xiàn)套利 
4.2.1 定價(jià)模型 
4.2.2 現(xiàn)貨指數(shù)復(fù)制 
4.2.3 正向套利案例 
4.2.4 結(jié)算日套利 
4.3 跨期套利 
4.3.1 跨期套利原理 
4.3.2 無套利區(qū)間 
4.3.3 跨期套利觸發(fā)和終止 
4.3.4 實(shí)證案例：跨期套利
策略 
4.3.5 主要套利機(jī)會(huì) 
4.4 沖擊成本 
4.4.1 主要指標(biāo) 
4.4.2 實(shí)證案例：沖擊成本 
4.5 保證金管理 
4.5.1 var方法 
4.5.2 var計(jì)算方法 
4.5.3 實(shí)證案例 
第 5章 商品期貨套利 
5.1 基本概念 
5.1.1 套利的條件 
5.1.2 套利基本模式 
5.1.3 套利準(zhǔn)備工作 
5.1.4 常見套利組合 
5.2 期現(xiàn)套利 
5.2.1 基本原理 
5.2.2 操作流程 
5.2.3 增值稅風(fēng)險(xiǎn) 
5.3 跨期套利 
5.3.1 套利策略 
5.3.2 實(shí)證案例：pvc跨
期套利策略 
5.4 跨市場(chǎng)套利 
5.4.1 套利策略 
5.4.2 實(shí)證案例：倫銅—滬銅跨
市場(chǎng)套利 
5.5 跨品種套利 
5.5.1 套利策略 
5.5.2 實(shí)證案例 
5.6 非常狀態(tài)處理 
第 6章 統(tǒng)計(jì)套利 
6.1 基本概念 
6.1.1 統(tǒng)計(jì)套利定義 
6.1.2 配對(duì)交易 
6.2 配對(duì)交易 
6.2.1 協(xié)整策略 
6.2.2 主成分策略 
6.2.3 績(jī)效評(píng)估 
6.2.4 實(shí)證案例：配對(duì)
交易 
6.3 股指套利 
6.3.1 行業(yè)指數(shù)套利 
6.3.2 國(guó)家指數(shù)套利 
6.3.3 洲域指數(shù)套利 
6.3.4 全球指數(shù)套利 
6.4 融券套利 
6.4.1 股票—融券套利 
6.4.2 可轉(zhuǎn)債—融券套利 
6.4.3 股指期貨—融券
套利 
6.4.4 封閉式基金—融券
套利 
6.5 外匯套利 
6.5.1 利差套利 
6.5.2 貨幣對(duì)套利 
第 7章 期權(quán)套利 
7.1 基本概念 
7.1.1 期權(quán)介紹 
7.1.2 期權(quán)交易 
7.1.3 牛熊證 
7.2 股票/期權(quán)套利 
7.2.1 股票—股票期權(quán)
套利 
7.2.2 股票—指數(shù)期權(quán)
套利 
7.3 轉(zhuǎn)換套利 
7.3.1 轉(zhuǎn)換套利 
7.3.2 反向轉(zhuǎn)換套利 
7.4 跨式套利 
7.4.1 買入跨式套利 
7.4.2 賣出跨式套利 
7.5 寬跨式套利 
7.5.1 買入寬跨式套利 
7.5.2 賣出寬跨式套利 
7.6 蝶式套利 
7.6.1 買入蝶式套利 
7.6.2 賣出蝶式套利 
7.7 飛鷹式套利 
7.7.1 買入飛鷹式套利 
7.7.2 賣出飛鷹式套利 
第 8章 算法交易 
8.1 基本概念 
8.1.1 算法交易定義 
8.1.2 算法交易分類 
8.1.3 算法交易設(shè)計(jì) 
8.2 被動(dòng)交易算法 
8.2.1 沖擊成本 
8.2.2 等待風(fēng)險(xiǎn) 
8.2.3 常用被動(dòng)型交易
策略 
8.3 vwap算法 
8.3.1 標(biāo)準(zhǔn)vwap算法 
8.3.2 改進(jìn)型vwap算法 
第 9章 其他策略 
9.1 事件套利 
9.1.1 并購(gòu)套利策略 
9.1.2 定向增發(fā)套利 
9.1.3 套利重倉(cāng)停牌股票的
投資組合 
9.1.4 封閉式投資組合
套利 
9.2 etf套利 
9.2.1 基本概念 
9.2.2 無風(fēng)險(xiǎn)套利 
9.2.3 其他套利 
9.3 lof套利 
9.3.1 基本概念 
9.3.2 模型策略 
9.3.3 實(shí)證案例：lof
套利 
9.4 高頻交易 
9.4.1 流動(dòng)性回扣交易 
9.4.2 獵物算法交易 
9.4.3 自動(dòng)做市商策略 
9.4.4 程序化交易 
理論篇
第 10章 人工智能 
10.1 主要內(nèi)容 
10.1.1 機(jī)器學(xué)習(xí) 
10.1.2 自動(dòng)推理 
10.1.3 專家系統(tǒng) 
10.1.4 模式識(shí)別 
10.1.5 人工神經(jīng)網(wǎng)絡(luò) 
10.1.6 遺傳算法 
10.2 人工智能在量化投資中的
應(yīng)用 
10.2.1 模式識(shí)別短線擇時(shí) 
10.2.2 rbf神經(jīng)網(wǎng)絡(luò)股價(jià)
預(yù)測(cè) 
10.2.3 基于遺傳算法新股
預(yù)測(cè) 
第 11章 數(shù)據(jù)挖掘 
11.1 基本概念 
11.1.1 主要模型 
11.1.2 典型方法 
11.2 主要內(nèi)容 
11.2.1 分類與預(yù)測(cè) 
11.2.2 關(guān)聯(lián)規(guī)則 
11.2.3 聚類分析 
11.3 數(shù)據(jù)挖掘在量化投資中的
應(yīng)用 
11.3.1 基于som 網(wǎng)絡(luò)的股票
聚類分析方法 
11.3.2 基于關(guān)聯(lián)規(guī)則的板塊
輪動(dòng) 
第 12章 小波分析 
12.1 基本概念 
12.2 小波變換主要內(nèi)容 
12.2.1 連續(xù)小波變換 
12.2.2 連續(xù)小波變換的
離散化 
12.2.3 多分辨分析與mallat
算法 
12.3小波分析在量化投資中的
應(yīng)用 
12.3.1 k線小波去噪 
12.3.2 金融時(shí)序數(shù)據(jù)預(yù)測(cè) 
第 13章 支持向量機(jī) 
13.1 基本概念 
13.1.1 線性svm 
13.1.2 非線性svm 
13.1.3 svm分類器參數(shù)
選擇 
13.1.4 svm分類器從二類到
多類的推廣 
13.2 模糊支持向量機(jī) 
13.2.1 增加模糊后處理
的svm 
13.2.2 引入模糊因子的svm
訓(xùn)練算法 
13.3 svm在量化投資中的
應(yīng)用 
13.3.1 復(fù)雜金融時(shí)序數(shù)據(jù)
預(yù)測(cè) 
13.3.2 趨勢(shì)拐點(diǎn)預(yù)測(cè) 
第 14章 分形理論 
14.1 基本概念 
14.1.1 分形定義 
14.1.2 幾種典型的分形 
14.1.3 分形理論的應(yīng)用 
14.2 主要內(nèi)容 
14.2.1 分形維數(shù) 
14.2.2 l系統(tǒng) 
14.2.3 ifs系統(tǒng) 
14.3 分形理論在量化投資中
的應(yīng)用 
14.3.1 大趨勢(shì)預(yù)測(cè) 
14.3.2 匯率預(yù)測(cè) 
第 15章 隨機(jī)過程 
15.1 基本概念 
15.2 主要內(nèi)容 
15.2.1 隨機(jī)過程的
分布函數(shù) 
15.2.2 隨機(jī)過程的
數(shù)字特征 
15.2.3 幾種常見的
隨機(jī)過程 
15.2.4 平穩(wěn)隨機(jī)過程 
15.3 灰色馬爾可夫鏈股市
預(yù)測(cè) 
第 16章 it技術(shù) 
16.1 數(shù)據(jù)倉(cāng)庫(kù)技術(shù) 
16.1.1 從數(shù)據(jù)庫(kù)到
數(shù)據(jù)倉(cāng)庫(kù) 
16.1.2 數(shù)據(jù)倉(cāng)庫(kù)中的
數(shù)據(jù)組織 
16.1.3 數(shù)據(jù)倉(cāng)庫(kù)的
關(guān)鍵技術(shù) 
16.2 編程語(yǔ)言 
16.2.1 面向?qū)ο缶幊?nbsp;
16.2.2 vba 語(yǔ)言 
16.2.3 c#語(yǔ)言 
第 17章 主要數(shù)據(jù)與工具 
17.1 萬(wàn)德中國(guó)金融數(shù)據(jù)庫(kù) 
17.2 文華財(cái)經(jīng)：程序化
交易平臺(tái) 
17.3 交易開拓者：期貨自動(dòng)
交易平臺(tái) 
17.4 大連交易所套利指令 
17.5 mt5：外匯自動(dòng)
交易平臺(tái) 
第 18章 量化對(duì)沖交易系統(tǒng)：
d-alpha 
18.1 系統(tǒng)構(gòu)架 
18.2 策略分析流程 
18.3 核心算法 
18.4 驗(yàn)證結(jié)果 
表 目 錄
表1 1 不同投資策略對(duì)比 
表2 1 多因子選股模型候選因子 
表2 2 多因子模型候選因子初步檢驗(yàn) 
表2 3 多因子模型中通過檢驗(yàn)的有效因子 
表2 4 多因子模型中剔除冗余后的因子 
表2 5 多因子模型組合分段收益率 
表2 6 晨星市場(chǎng)風(fēng)格判別法 
表2 7 夏普收益率基礎(chǔ)投資風(fēng)格鑒別 
表2 8 中信標(biāo)普風(fēng)格指數(shù) 
表2 9 風(fēng)格動(dòng)量策略組合月均收益率 
表2 10 大小盤風(fēng)格輪動(dòng)策略月收益率均值 
表2 11 中國(guó)貨幣周期分段（2000—2009年） 
表2 12 滬深300行業(yè)指數(shù)統(tǒng)計(jì) 
表2 13 不同貨幣階段不同行業(yè)的收益率 
表2 14 招商資金流模型（cmsmf）計(jì)算方法 
表2 15 招商資金流模型（cmsmf）選股指標(biāo)定義 
表2 16 資金流模型策略——滬深300 
表2 17 資金流模型策略——全市場(chǎng) 
表2 18 動(dòng)量組合相對(duì)基準(zhǔn)的平均年化超額收益（部分） 
表2 19 反轉(zhuǎn)組合相對(duì)基準(zhǔn)的平均年化超額收益(部分) 
表2 20 動(dòng)量策略風(fēng)險(xiǎn)收益分析 
表2 21 反轉(zhuǎn)策略風(fēng)險(xiǎn)收益分析 
表2 22 趨勢(shì)追蹤技術(shù)收益率 
表2 23 籌碼選股模型中單個(gè)指標(biāo)的收益率情況對(duì)比 
表3 1 ma指標(biāo)擇時(shí)測(cè)試最好的20 組參數(shù)及其表現(xiàn) 
表3 2 4個(gè)趨勢(shì)型指標(biāo)最優(yōu)參數(shù)下的獨(dú)立擇時(shí)交易表現(xiàn)比較 
表3 3 有交易成本情況下不同信號(hào)個(gè)數(shù)下的綜合擇時(shí)策略 
表3 4 自適應(yīng)均線擇時(shí)策略收益率分析 
表3 5 市場(chǎng)情緒類別 
表3 6 滬深300指數(shù)在不同情緒區(qū)域的當(dāng)月收益率比較 
表3 7 滬深300指數(shù)在不同情緒變化區(qū)域的當(dāng)月收益率比較 
表3 8 滬深300指數(shù)在不同情緒區(qū)域的次月收益率比較 
表3 9 滬深300指數(shù)在不同情緒變化區(qū)域的次月收益率比較 
表3 10 情緒指數(shù)擇時(shí)收益率統(tǒng)計(jì) 
表3 11 svm擇時(shí)模型的指標(biāo) 
表3 12 svm對(duì)滬深300指數(shù)預(yù)測(cè)結(jié)果指標(biāo)匯總 
表3 13 svm擇時(shí)模型在整體市場(chǎng)的表現(xiàn) 
表3 14 svm擇時(shí)模型在單邊上漲市的表現(xiàn) 
表3 15 svm擇時(shí)模型在單邊下跌市的表現(xiàn) 
表3 16 svm擇時(shí)模型在震蕩市的表現(xiàn) 
表3 17 噪聲交易在熊市擇時(shí)的收益率 
表4 1 各種方法在不同股票數(shù)量下的跟蹤誤差（年化） 
表4-2 股指期貨多頭跨期套利過程分析 
表4 3 不同開倉(cāng)比例下的不同保證金水平能夠覆蓋的市場(chǎng)波動(dòng)及其概率 
表4 4 不同倉(cāng)單持有期下的保證金覆蓋比例 
表6 1 融券標(biāo)的股票中在樣本期內(nèi)最相關(guān)的50 對(duì)組合（部分） 
表6 2 殘差的平穩(wěn)性、自相關(guān)等檢驗(yàn) 
表6 3 在不同的閾值下建倉(cāng)、平倉(cāng)所能獲得的平均收益 
表6 4 采用不同的模型在樣本內(nèi)獲取的收益率及最優(yōu)閾值 
表6 5 采用不同的模型、不同的外推方法在樣本外獲取的收益率（%） 
表6 6 主成分配對(duì)交易在樣本內(nèi)取得的收益率及最優(yōu)閾值 
表6 7 主成分配對(duì)交易在樣本外的效果 
表6-8 各種模型下統(tǒng)計(jì)套利的結(jié)果 
表6 9 延后開倉(cāng)+提前平倉(cāng)策略實(shí)證結(jié)果 
表6 10 各行業(yè)的配對(duì)交易結(jié)果 
表7 1 多頭股票-期權(quán)套利綜合分析表 
表7 2 多頭股票—股票期權(quán)套利案例損益分析表 
表7 3 多頭股票-指數(shù)期權(quán)套利案例損益分析表 
表7 4 轉(zhuǎn)換套利分析過程 
表7 5 買入跨式套利綜合分析表 
表7 6 買入跨式套利交易細(xì)節(jié) 
表7 7 賣出跨式套利綜合分析表 
表7 8 賣出跨式套利交易細(xì)節(jié) 
表7 9 買入寬跨式套利綜合分析表 
表7 10 賣出寬跨式套利綜合分析表 
表7 11 買入蝶式套利綜合分析表 
表7 12 賣出蝶式套利綜合分析表 
表7 13 買入飛鷹套利分析表 
表7 14 賣出飛鷹式套利綜合分析表 
表9 1 主要并購(gòu)方式 
表9 2 并購(gòu)套利流程 
表9 3 鵬華300 lof兩次正向套利的情況 
表9 4 鵬華300 lof兩次反向套利的情況 
表10 1 自動(dòng)推理中連詞系統(tǒng) 
表10 2 模式識(shí)別短線擇時(shí)樣本數(shù)據(jù)分類 
表10 3 rbf神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)結(jié)果 
表10 4 遺傳算法新股預(yù)測(cè)參數(shù)設(shè)置 
表10 5 遺傳算法新股預(yù)測(cè)結(jié)果 
表11 1 決策樹數(shù)據(jù)表 
表11 2 關(guān)聯(lián)規(guī)則案例數(shù)據(jù)表 
表11 3 som股票聚類分析結(jié)果 
表11 4 21種股票板塊指數(shù)布爾關(guān)系表數(shù)據(jù)片斷 
表12 1 深發(fā)展a日收盤價(jià)小波分析方法預(yù)測(cè)值與實(shí)際值比較 
表12 2 不同分解層數(shù)的誤差均方根值 
表13 1 svm滬深300指數(shù)預(yù)測(cè)誤差情況 
表13 2 svm指數(shù)預(yù)測(cè)和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的比較 
表13 3 技術(shù)反轉(zhuǎn)點(diǎn)定義與圖型 
表13 4 svm趨勢(shì)拐點(diǎn)預(yù)測(cè)結(jié)果 
表14 1 持續(xù)大漲前后分形各主要參數(shù)值 
表14 2 持續(xù)大跌前后分形個(gè)主要參數(shù)值 
表14 3 外匯r/ s 分析的各項(xiàng)指標(biāo) 
表14 4 v(r/s)曲線回歸檢驗(yàn) 
表15 1 灰色馬爾可夫鏈預(yù)測(cè)深證成指樣本內(nèi)（2005/1—2006/8） 
表15 2 灰色馬爾可夫鏈預(yù)測(cè)深證成指樣本外（2006/9—2006/12） 
表16-1 vba的12種數(shù)據(jù)類型 
表18-1 d-alpha系統(tǒng)在全球市場(chǎng)收益率分析