量化投资 策略与技术 修订版PDF|Epub|txt|kindle电子书版本网盘下载

量化投资 策略与技术 修订版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

策略篇2

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350

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SVM433

13.1.2 非线性SVM436

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SVM440

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-Alpha535

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