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 
1.2.2 量化投資策略的
優(yōu)勢 
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 
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 實證案例：多因子
選股模型 
2.2 風(fēng)格輪動 
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 實證案例：中信標
普風(fēng)格 
2.2.5 實證案例：大小盤
風(fēng)格 
2.3 行業(yè)輪動 
2.3.1 基本概念 
2.3.2 m2行業(yè)輪動策略 
2.3.3 市場情緒輪動策略 
2.4 資金流 
2.4.1 基本概念 
2.4.2 策略模型 
2.4.3 實證案例：資金
流選股策略 
2.5 動量反轉(zhuǎn) 
2.5.1 基本概念 
2.5.2 策略模型 
2.5.3 實證案例：動量選股策略
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 實證案例：一致預(yù)期
模型案例 
2.7 趨勢追蹤 
2.7.1 基本概念 
2.7.2 策略模型 
2.7.3 實證案例：趨勢追蹤
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 實證案例：籌碼選股
模型 
2.9 業(yè)績評價 
2.9.1 收益率指標 
2.9.2 風(fēng)險度指標 
第 3章 量化擇時 
3.1 趨勢追蹤 
3.1.1 基本概念 
3.1.2 傳統(tǒng)趨勢指標 
3.1.3 自適應(yīng)均線 
3.2 市場情緒 
3.2.1 基本概念 
3.2.2 情緒指數(shù) 
3.2.3 實證案例：情緒指標
擇時策略 
3.3 有效資金 
3.3.1 基本概念 
3.3.2 策略模型 
3.3.3 實證案例：有效資金
擇時模型 
3.4 牛熊線 
3.4.1 基本概念 
3.4.2 策略模型 
3.4.3 實證案例：牛熊線
擇時模型 
3.5 husrt指數(shù) 
3.5.1 基本概念 
3.5.2 策略模型 
3.5.3 實證案例 
3.6 支持向量機 
3.6.1 基本概念 
3.6.2 策略模型 
3.6.3 實證案例：svm擇時
模型 
3.7 swarch模型 
3.7.1 基本概念 
3.7.2 策略模型 
3.7.3 實證案例：swarch
模型 
3.8 異常指標 
3.8.1 市場噪聲 
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 實證案例：跨期套利
策略 
4.3.5 主要套利機會 
4.4 沖擊成本 
4.4.1 主要指標 
4.4.2 實證案例：沖擊成本 
4.5 保證金管理 
4.5.1 var方法 
4.5.2 var計算方法 
4.5.3 實證案例 
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 
5.3 跨期套利 
5.3.1 套利策略 
5.3.2 實證案例：pvc跨
期套利策略 
5.4 跨市場套利 
5.4.1 套利策略 
5.4.2 實證案例：倫銅—滬銅跨
市場套利 
5.5 跨品種套利 
5.5.1 套利策略 
5.5.2 實證案例 
5.6 非常狀態(tài)處理 
第 6章 統(tǒng)計套利 
6.1 基本概念 
6.1.1 統(tǒng)計套利定義 
6.1.2 配對交易 
6.2 配對交易 
6.2.1 協(xié)整策略 
6.2.2 主成分策略 
6.2.3 績效評估 
6.2.4 實證案例：配對
交易 
6.3 股指套利 
6.3.1 行業(yè)指數(shù)套利 
6.3.2 國家指數(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 
8.2 被動交易算法 
8.2.1 沖擊成本 
8.2.2 等待風(fēng)險 
8.2.3 常用被動型交易
策略 
8.3 vwap算法 
8.3.1 標準vwap算法 
8.3.2 改進型vwap算法 
第 9章 其他策略 
9.1 事件套利 
9.1.1 并購套利策略 
9.1.2 定向增發(fā)套利 
9.1.3 套利重倉停牌股票的
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 實證案例：lof
套利 
9.4 高頻交易 
9.4.1 流動性回扣交易 
9.4.2 獵物算法交易 
9.4.3 自動做市商策略 
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 機器學(xué)習(xí) 
10.1.2 自動推理 
10.1.3 專家系統(tǒng) 
10.1.4 模式識別 
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 模式識別短線擇時 
10.2.2 rbf神經(jīng)網(wǎng)絡(luò)股價
預(yù)測 
10.2.3 基于遺傳算法新股
預(yù)測 
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 
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 
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 金融時序數(shù)據(jù)預(yù)測 
第 13章 支持向量機 
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 
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)雜金融時序數(shù)據(jù)
預(yù)測 
13.3.2 趨勢拐點預(yù)測 
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 大趨勢預(yù)測 
14.3.2 匯率預(yù)測 
第 15章 隨機過程 
15.1 基本概念 
15.2 主要內(nèi)容 
15.2.1 隨機過程的
分布函數(shù) 
15.2.2 隨機過程的
數(shù)字特征 
15.2.3 幾種常見的
隨機過程 
15.2.4 平穩(wěn)隨機過程 
15.3 灰色馬爾可夫鏈股市
預(yù)測 
第 16章 it技術(shù) 
16.1 數(shù)據(jù)倉庫技術(shù) 
16.1.1 從數(shù)據(jù)庫到
數(shù)據(jù)倉庫 
16.1.2 數(shù)據(jù)倉庫中的
數(shù)據(jù)組織 
16.1.3 數(shù)據(jù)倉庫的
關(guān)鍵技術(shù) 
16.2 編程語言 
16.2.1 面向?qū)ο缶幊?nbsp;
16.2.2 vba 語言 
16.2.3 c#語言 
第 17章 主要數(shù)據(jù)與工具 
17.1 萬德中國金融數(shù)據(jù)庫 
17.2 文華財經(jīng)：程序化
交易平臺 
17.3 交易開拓者：期貨自動
交易平臺 
17.4 大連交易所套利指令 
17.5 mt5：外匯自動
交易平臺 
第 18章 量化對沖交易系統(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 驗證結(jié)果 
表 目 錄
表1 1 不同投資策略對比 
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 
表2 3 多因子模型中通過檢驗的有效因子 
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 中信標普風(fēng)格指數(shù) 
表2 9 風(fēng)格動量策略組合月均收益率 
表2 10 大小盤風(fēng)格輪動策略月收益率均值 
表2 11 中國貨幣周期分段（2000—2009年） 
表2 12 滬深300行業(yè)指數(shù)統(tǒng)計 
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）計算方法 
表2 15 招商資金流模型（cmsmf）選股指標定義 
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 
表2 18 動量組合相對基準的平均年化超額收益（部分） 
表2 19 反轉(zhuǎn)組合相對基準的平均年化超額收益(部分) 
表2 20 動量策略風(fēng)險收益分析 
表2 21 反轉(zhuǎn)策略風(fēng)險收益分析 
表2 22 趨勢追蹤技術(shù)收益率 
表2 23 籌碼選股模型中單個指標的收益率情況對比 
表3 1 ma指標擇時測試最好的20 組參數(shù)及其表現(xiàn) 
表3 2 4個趨勢型指標最優(yōu)參數(shù)下的獨立擇時交易表現(xiàn)比較 
表3 3 有交易成本情況下不同信號個數(shù)下的綜合擇時策略 
表3 4 自適應(yīng)均線擇時策略收益率分析 
表3 5 市場情緒類別 
表3 6 滬深300指數(shù)在不同情緒區(qū)域的當月收益率比較 
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)擇時收益率統(tǒng)計 
表3 11 svm擇時模型的指標 
表3 12 svm對滬深300指數(shù)預(yù)測結(jié)果指標匯總 
表3 13 svm擇時模型在整體市場的表現(xiàn) 
表3 14 svm擇時模型在單邊上漲市的表現(xiàn) 
表3 15 svm擇時模型在單邊下跌市的表現(xiàn) 
表3 16 svm擇時模型在震蕩市的表現(xiàn) 
表3 17 噪聲交易在熊市擇時的收益率 
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 不同開倉比例下的不同保證金水平能夠覆蓋的市場波動及其概率 
表4 4 不同倉單持有期下的保證金覆蓋比例 
表6 1 融券標的股票中在樣本期內(nèi)最相關(guān)的50 對組合（部分） 
表6 2 殘差的平穩(wěn)性、自相關(guān)等檢驗 
表6 3 在不同的閾值下建倉、平倉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 主成分配對交易在樣本外的效果 
表6-8 各種模型下統(tǒng)計套利的結(jié)果 
表6 9 延后開倉+提前平倉策略實證結(jié)果 
表6 10 各行業(yè)的配對交易結(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 主要并購方式 
表9 2 并購套利流程 
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 自動推理中連詞系統(tǒng) 
表10 2 模式識別短線擇時樣本數(shù)據(jù)分類 
表10 3 rbf神經(jīng)網(wǎng)絡(luò)股價預(yù)測結(jié)果 
表10 4 遺傳算法新股預(yù)測參數(shù)設(shè)置 
表10 5 遺傳算法新股預(yù)測結(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日收盤價小波分析方法預(yù)測值與實際值比較 
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)測誤差情況 
表13 2 svm指數(shù)預(yù)測和神經(jīng)網(wǎng)絡(luò)預(yù)測的比較 
表13 3 技術(shù)反轉(zhuǎn)點定義與圖型 
表13 4 svm趨勢拐點預(yù)測結(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)大跌前后分形個主要參數(shù)值 
表14 3 外匯r/ s 分析的各項指標 
表14 4 v(r/s)曲線回歸檢驗 
表15 1 灰色馬爾可夫鏈預(yù)測深證成指樣本內(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)在全球市場收益率分析