量化投资：策略与技术（修订版）

　　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

　　丁鹏，博士 中国量化投资学会理事长
　　著述的《量化投资——策略与技术》是国内第一本有关量化投资策略方面的专著，已经成为国内宽客的必读教材，同时还是《量化投资与对冲基金》副主编，《第一财经·解码财商》解码人。
　　2001年毕业于上海交通大学计算机系，获得工学博士学位并留校任教，是国际知名的人工智能专家，IEEE（国际电子电气工程师协会）会员，AFA（美国金融学会）会员，国
　　际金融工程师协会会员。
　　2008年加入东方证券金融衍生品总部，从事量化投资研究与交易，开发的D-Alpha交易系统在实战中获得了持续稳健的盈利。
　　2012年加入方正富邦基金，从事量化对冲产品的设计与投资管理。
　　2014年3月加盟东航金控，从事对冲基金资产管理。
　　微博：http://weibo.com/dingpeng999

　　《量化投资：策略与技术（修订版）》是国内首本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。
　　 　　本书适合基金经理、产品经理、证券分析师、投资总监及有志于从事金融投资的各界人士阅读。