量化投資

標籤

《量化投資:策略與技術(修訂版)》是國內少有的有關量化投資策略的著作。首先，介紹了量化投資大師西蒙斯的傳奇故事（連續20年，每年賺60%）。然後，用60多個案例介紹了量化投資的各個方面的內容，主要分為策略篇與理論篇兩部分。策略篇主要包括：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易和資產配置等。理論篇主要包括：人工智能、數據挖掘、小波分析、支持向量機、分形理論、隨機過程及IT技術等。最後介紹了作者開發的D—Alpha量化對沖交易系統，該系統全球市場驗證顯示具有長期穩健的收益率。

策略篇
第1章  量化投資概念	2
1.1  什麼是量化投資	2
1.1.1  量化投資定義	2
1.1.2  量化投資理解誤區	3
1.2  量化投資與傳統投資比較	5
1.2.1  傳統投資策略的缺點	5
1.2.2  量化投資策略的優勢	7
1.2.3  量化投資與傳統投資
策略的比較	8
1.3  量化投資歷史	10
1.3.1  量化投資理論發展	10
1.3.2  海外量化基金的
發展	12
1.3.3  量化投資在中國	15
1.4  量化投資主要內容	16
1.5  量化投資主要方法	20
第2章  量化選股	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  實證案例：
多因子選股模型	29
2.2  風格輪動	34
2.2.1  基本概念	35
2.2.2  盈利預期生命週期
模型	37
2.2.3  策略模型	39
2.2.4  實證案例：
中信標普風格	40
2.2.5  實證案例：
大小盤風格	44
2.3  行業輪動	46
2.3.1  基本概念	47
2.3.2  M2行業輪動策略	49
2.3.3  市場情緒輪動策略	52
2.4  資金流	55
2.4.1  基本概念	56
2.4.2  策略模型	59
2.4.3  實證案例：
資金流選股策略	60
2.5  動量反轉	63
2.5.1  基本概念	63
2.5.2  策略模型	67
2.5.3  實證案例：動量選股
策略和反轉選股策略	70
2.6  一致預期	73
2.6.1  基本概念	74
2.6.2  策略模型	76
2.6.3  實證案例：一致預期
模型案例	79
2.7  趨勢追蹤	85
2.7.1  基本概念	85
2.7.2  策略模型	87
2.7.3  實證案例：趨勢追蹤
選股模型	93
2.8  籌碼選股	95
2.8.1  基本概念	95
2.8.2  策略模型	98
2.8.3  實證案例：
籌碼選股模型	100
2.9  業績評價	104
2.9.1  收益率指標	104
2.9.2  風險度指標	105
第3章  量化擇時	112
3.1  趨勢追蹤	113
3.1.1  基本概念	113
3.1.2  傳統趨勢指標	114
3.1.3  自適應均線	122
3.2  市場情緒	126
3.2.1  基本概念	127
3.2.2  情緒指數	129
3.2.3  實證案例：情緒指標
擇時策略	130
3.3  時變夏普率	134
3.3.1  Tsharp值的估計
模型	134
3.3.2  基於Tsharp值的擇時
策略	136
3.3.3  實證案例	137
3.4  牛熊線	142
3.4.1  基本概念	142
3.4.2  策略模型	144
3.4.3  實證案例：
牛熊線擇時模型	146
3.5  Husrt指數	148
3.5.1  基本概念	148
3.5.2  策略模型	150
3.5.3  實證案例	151
3.6  支持向量機	154
3.6.1  基本概念	154
3.6.2  策略模型	155
3.6.3  實證案例：
SVM擇時模型	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  實證案例：
SWARCH模型	167
3.8  異常指標	170
3.8.1  市場噪聲	171
3.8.2  行業集中度	173
3.8.3  興登堡凶兆	175
第4章  股指期貨套利	182
4.1  基本概念	183
4.1.1  套利介紹	183
4.1.2  套利策略	185
4.2  期現套利	187
4.2.1  定價模型	187
4.2.2  現貨指數複製	188
4.2.3  正向套利案例	192
4.2.4  結算日套利	194
4.3  跨期套利	197
4.3.1  跨期套利原理	197
4.3.2  無套利區間	198
4.3.3  跨期套利觸發和
終止	199
4.3.4  實證案例：
跨期套利策略	201
4.3.5  主要套利機會	202
4.4  衝擊成本	205
4.4.1  主要指標	206
4.4.2  實證案例：
衝擊成本	207
4.5  保證金管理	209
4.5.1  VaR方法	210
4.5.2  VaR計算方法	211
4.5.3  實證案例	212
第5章  商品期貨套利	216
5.1  基本概念	217
5.1.1  套利的條件	218
5.1.2  套利基本模式	219
5.1.3  套利準備工作	221
5.1.4  常見套利組合	223
5.2  期現套利	227
5.2.1  基本原理	227
5.2.2  操作流程	228
5.2.3  增值稅風險	232
5.3  跨期套利	233
5.3.1  套利策略	233
5.3.2  實證案例：
PVC跨期套利策略	235
5.4  跨市場套利	236
5.4.1  套利策略	236
5.4.2  實證案例：倫銅—
滬銅跨市場套利	237
5.5  跨品種套利	238
5.5.1  套利策略	239
5.5.2  實證案例	240
5.6  非常狀態處理	242
第6章  統計套利	244
6.1  基本概念	245
6.1.1  統計套利定義	245
6.1.2  配對交易	246
6.2  配對交易策略	249
6.2.1  協整策略	249
6.2.2  主成分策略	255
6.2.3  行業（股票）輪動
套利策略	258
6.2.4  配對策略改進	261
6.3  股指套利	264
6.3.1  行業指數套利	264
6.3.2  國家指數套利	266
6.3.3  洲域指數套利	267
6.3.4  全球指數套利	268
6.4  融券套利	270
6.4.1  股票—融券套利	270
6.4.2  可轉債—融券套利	271
6.4.3  股指期貨—
融券套利	272
6.4.4  封閉式基金—
融券套利	273
6.5  外匯套利	275
6.5.1  利差套利	276
6.5.2  貨幣對套利	278
第7章  期權套利	280
7.1  基本概念	281
7.1.1  期權介紹	281
7.1.2  期權交易	282
7.1.3  牛熊證	283
7.2  股票/期權套利	286
7.2.1  股票—股票期權
套利	286
7.2.2  股票—指數期權
套利	287
7.3  轉換套利與反向轉換
套利	288
7.3.1  轉換套利	288
7.3.2  反向轉換套利	290
7.4  跨式套利	292
7.4.1  買入跨式套利	292
7.4.2  賣出跨式套利	294
7.5  寬跨式套利	296
7.5.1  買入寬跨式套利	296
7.5.2  賣出寬跨式套利	297
7.6  蝶式套利	299
7.6.1  買入蝶式套利	299
7.6.2  賣出蝶式套利	301
7.7  飛鷹式套利	303
7.7.1  買入飛鷹式套利	303
7.7.2  賣出飛鷹式套利	304
第8章  算法交易	307
8.1  基本概念	308
8.1.1  算法交易定義	308
8.1.2  算法交易分類	309
8.1.3  算法交易設計	311
8.2  被動交易算法	312
8.2.1  衝擊成本	313
8.2.2  等待風險	315
8.2.3  常用被動型交易
策略	317
8.3  VWAP算法	319
8.3.1  標準VWAP算法	319
8.3.2  改進型VWAP算法	323
第9章  另類套利策略	326
9.1  封閉式基金套利	327
9.1.1  基本概念	327
9.1.2  模型策略	327
9.1.3  實證案例	329
9.2  ETF套利	330
9.2.1  基本概念	330
9.2.2  無風險套利	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  實證案例：
LOF套利	339
9.4  高頻交易	343
9.4.1  流動性回扣交易	343
9.4.2  獵物算法交易	344
9.4.3  自動做市商策略	345
9.4.4  高頻交易的發展	345
理論篇
第10章  人工智能	350
10.1  主要內容	351
10.1.1  機器學習	351
10.1.2  自動推理	354
10.1.3  專家系統	357
10.1.4  模式識別	360
10.1.5  人工神經網絡	362
10.1.6  遺傳算法	366
10.2  人工智能在量化投資中
的應用	370
10.2.1  模式識別短線擇時	370
10.2.2  RBF神經網絡股價
預測	374
10.2.3  基於遺傳算法新股
預測	379
第11章  數據挖掘	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  主要內容	389
11.2.1  分類與預測	389
11.2.2  關聯規則	395
11.2.3  聚類分析	401
11.3  數據挖掘在量化投資中
的應用	404
11.3.1  基於SOM 網絡的
股票聚類分析方法	404
11.3.2  基於關聯規則的
板塊輪動	407
第12章  小波分析	410
12.1  基本概念	411
12.2  小波變換主要內容	412
12.2.1  連續小波變換	412
12.2.2  連續小波變換的
離散化	413
12.2.3  多分辨分析與Mallat
算法	414
12.3  小波分析在量化投資中
的應用	418
12.3.1  K線小波去噪	418
12.3.2  金融時序數據
預測	424
第13章  支持向量機	432
13.1  基本概念	433
13.1.1  線性SVM	433
13.1.2  非線性SVM	436
13.1.3  SVM分類器參數
選擇	438
13.1.4  SVM分類器從二類
到多類的推廣	439
13.2  模糊支持向量機	440
13.2.1  增加模糊後處理的
SVM	440
13.2.2  引入模糊因子的
SVM訓練算法	442
13.3  SVM在量化投資中的
應用	443
13.3.1  複雜金融時序
數據預測	443
13.3.2  趨勢拐點預測	448
第14章  分形理論	454
14.1  基本概念	455
14.1.1  分形定義	455
14.1.2  幾種典型的分形	456
14.1.3  分形理論的應用	458
14.2  主要內容	459
14.2.1  分形維數	459
14.2.2  L系統	460
14.2.3  IFS系統	462
14.3  分形理論在量化投資中的
應用	463
14.3.1  大趨勢預測	463
14.3.2  匯率預測	468
第15章  隨機過程	475
15.1  基本概念	475
15.2  主要內容	478
15.2.1  隨機過程的
分佈函數	478
15.2.2  隨機過程的
數字特徵	479
15.2.3  幾種常見的
隨機過程	479
15.2.4  平穩隨機過程	482
15.3  灰色馬爾可夫鏈
股市預測	483
第16章  IT技術	488
16.1  數據倉庫技術	488
16.1.1  從數據庫到
數據倉庫	489
16.1.2  數據倉庫中的
數據組織	491
16.1.3  數據倉庫的
關鍵技術	493
16.2  編程語言	495
16.2.1  GPU算法交易	495
16.2.2  MATLAB語言	499
16.2.3  C#語言	508
第17章  主要數據與工具	514
17.1  名策數據：多因子
分析平臺	514
17.2  Multicharts：程序化
交易平臺	517
17.3  交易開拓者：期貨
自動交易平臺	520
17.4  大連交易所套利指令	525
17.5  MT5：外匯自動
交易平臺	528
第18章  對沖交易系統：
D-Alpha	535
18.1  系統架構	535
18.2  策略分析流程	537
18.3  核心算法	539
18.4  驗證結果	541
參考文獻	542
表目錄
表1 1  不同投資策略對比	8
表2 1  多因子選股模型候選因子	29
表2 2  多因子模型候選因子初步檢驗	30
表2 3  多因子模型中通過檢驗的有效因子	31
表2 4  多因子模型中剔除冗餘後的因子	32
表2 5  多因子模型組合分段收益率	33
表2 6  晨星市場風格判別法	35
表2 7  夏普收益率基礎投資風格鑑別	36
表2 8  中信標普風格指數	41
表2 9  風格動量策略組合月均收益率	42
表2 10  大小盤風格輪動策略月收益率均值	45
表2 11  中國貨幣週期分段（2007—2011年）	48
表2 12  滬深300行業指數統計	49
表2 13  不同貨幣階段不同行業的收益率	50
表2 14  招商資金流模型（CMSMF）計算方法	58
表2 15  招商資金流模型（CMSMF）選股指標定義	58
表2 16  資金流模型策略——滬深300	60
表2 17  資金流模型策略——全市場	62
表2 18  動量組合相對基準的平均年化超額收益（部分）	68
表2 19  反轉組合相對基準的平均年化超額收益（部分）	69
表2 20  動量策略風險收益率分析	72
表2 21  反轉策略風險收益率分析	72
表2 22  趨勢追蹤技術收益率	94
表2 23  籌碼選股模型中單個指標的收益率情況對比	100
表3 1  MA 指標擇時測試最好的20組參數及其表現	118
表3 2  4個趨勢型指標最優參數下的獨立擇時交易表現比較	120
表3 3  有交易成本情況下不同信號個數下的綜合擇時策略	121
表3 4  自適應均線擇時策略收益率分析	125
表3 5  市場情緒類別	127
表3 6  滬深300指數在不同情緒區域的當月收益率比較	130
表3 7  滬深300指數在不同情緒變化區域的當月收益率比較	130
表3 8  滬深300指數在不同情緒區域的次月收益率比較	131
表3 9  滬深300指數在不同情緒變化區域的次月收益率比較	131
表3 10  情緒指數擇時收益率統計	133
表3-11  月度Tsharp擇時模型統計結果	138
表3-12  預測Tsharp值（月度）對上證綜指的預測作用	139
表3-13  季度Tsharp擇時模型統計結果	140
表3-14  預測Tsharp值（季度）對上證綜指的預測作用	141
表3-15  SVM擇時模型的指標	157
表3-16  SVM模型樣本外預測多空次數	158
表3-17  SVM模型樣本外預測準確率	158
表3-18  SVM模型趨勢交易策略評估	159
表3 19  噪聲交易在熊市擇時的收益率	172
表4 1  各種方法在不同股票數量下的跟蹤誤差（年化）	192
表4-2  股指期貨多頭跨期套利過程分析	201
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	213
表4 4  不同倉單持有期下的保證金覆蓋比例	214
表6 1  2011年滬深300股票同一行業走勢高度相關的組合（部分）	250
表6 2  殘差的平穩性、自相關等檢驗	251
表6 3  在不同的閾值下建倉、平倉所能獲得的平均收益	253
表6 4  採用不同的模型在樣本內獲取的收益率及最優閾值	254
表6 5  採用不同的模型、不同的外推方法在樣本外獲取的收益率（%）	255
表6 6  主成分配對交易在樣本內取得的收益率及最優閾值	257
表6 7  主成分配對交易在樣本外的效果	257
表6 8  標準策略、延後開倉、提前平倉策略實證結果	263
表7 1  多頭股票—期權套利綜合分析表	286
表7 2  多頭股票—股票期權套利案例損益分析表	287
表7 3  多頭股票—指數期權套利案例損益分析表	288
表7 4  轉換套利分析過程	289
表7 5  買入跨式套利綜合分析表	292
表7 6  買入跨式套利交易細節	293
表7 7  賣出跨式套利綜合分析表	294
表7 8  賣出跨式套利交易細節	295
表7 9  買入寬跨式套利綜合分析表	296
表7 10  賣出寬跨式套利綜合分析表	297
表7 11  買入蝶式套利綜合分析表	299
表7 12  賣出蝶式套利綜合分析表	301
表7 13  買入飛鷹套利綜合分析表	303
表7 14  賣出飛鷹式套利綜合分析表	304
表9 1  鵬華300 LOF兩次正向套利的情況	341
表9 2  鵬華300 LOF兩次反向套利的情況	342
表10 1  自動推理中連詞系統	356
表10 2  模式識別短線擇時樣本數據分類	373
表10 3  RBF神經網絡股價預測結果	379
表10 4  遺傳算法新股預測參數設置	383
表10 5  遺傳算法新股預測結果	384
表11 1  決策樹數據表	393
表11 2  關聯規則案例數據表	396
表11 3  SOM股票聚類分析結果	407
表11 4  21種股票板塊指數布爾關係表數據片斷	408
表12 1  深發展A日收盤價小波分析方法預測值與實際值比較	430
表12 2  不同分解層數的誤差均方根值	431
表13 1  SVM滬深300指數預測誤差情況	448
表13 2  SVM指數預測和神經網絡預測的比較	448
表13 3  技術反轉點定義與圖型	451
表14 1  持續大漲前後分形各主要參數值	466
表14 2  持續大跌前後分形各主要參數值	467
表14 3  外匯R/ S 分析的各項指標	472
表14 4  V(R/S)曲線迴歸檢驗	473
表15 1  灰色馬爾可夫鏈預測深證成指樣本內（2005/1—2006/8）	486
表15 2  灰色馬爾可夫鏈預測深證成指樣本外（2006/9—2006/12）	487
表16-1  VaR算法GPU和CPU時間對比	499
表18-1  D-Alpha系統在全球市場收益率分析	541