量化投资—策略与技术的作者简介

1. 量化投资—策略与技术的作者简介

丁 鹏中国量化投资研究的先行者，他开发的D-Alpha量化对冲交易系统，实战中获得持续稳健的收益率。毕业于上海交通大学计算机系获得工学博士学位，是国际知名的人工智能研究员，美国电子电气工程师学会（IEEE）、美国金融学会（AFA）会员。《CCTV证券资讯》特邀嘉宾《网易财经》特邀嘉宾《第一财经日报》特约撰稿人2001年底进入上海交通大学工作，在金融工程、金融数学领域深入研究多年，在国际顶级刊物和会议上发表过十余篇学术文章，获得国家发明专利5项。2008年进入东方证券股份有限公司工作，从事量化投资研究，包括量化选股、量化择时等研究。

2. 量化投资—策略与技术的作品目录

《量化投资—策略与技术》策略篇第 1章 量化投资概念1.1 什么是量化投资 21.1.1 量化投资定义 21.1.2 量化投资理解误区 31.2 量化投资与传统投资比较 61.2.1 传统投资策略的缺点 61.2.2 量化投资策略的优势 71.2.3 量化投资与传统投资策略的比较 81.3 量化投资历史 101.3.1 量化投资理论发展 101.3.2 海外量化基金的发展 121.3.3 量化投资在中国 151.4 量化投资主要内容 161.5 量化投资主要方法 21.第 2章 量化选股 252.1 多因子 262.1.1 基本概念 272.1.2 策略模型 272.1.3 实证案例：多因子选股模型 302.2 风格轮动 352.2.1 基本概念 352.2.2 盈利预期生命周期模型 382.2.3 策略模型 402.2.4 实证案例：中信标普风格 412.2.5 实证案例：大小盘风格 442.3 行业轮动 472.3.1 基本概念 472.3.2 m2行业轮动策略 502.3.3 市场情绪轮动策略 522.4 资金流 562.4.1 基本概念 562.4.2 策略模型 592.4.3 实证案例：资金流选股策略 602.5 动量反转 632.5.1 基本概念 632.5.2 策略模型 672.5.3 实证案例：动量选股策略和反转选股策略 702.6 一致预期 732.6.1 基本概念 742.6.2 策略模型 762.6.3 实证案例：一致预期模型案例 782.7 趋势追踪 842.7.1 基本概念 842.7.2 策略模型 862.7.3 实证案例：趋势追踪选股模型 922.8 筹码选股 942.8.1 基本概念 952.8.2 策略模型 972.8.3 实证案例：筹码选股模型 992.9 业绩评价 1042.9.1 收益率指标 1042.9.2 风险度指标 105第 3章 量化择时 1113.1 趋势追踪 1123.1.1 基本概念 1123.1.2 传统趋势指标 1133.1.3 自适应均线 1213.2 市场情绪 1253.2.1 基本概念 1263.2.2 情绪指数 1283.2.3 实证案例：情绪指标择时策略 1293.3 有效资金 1333.3.1 基本概念 1333.3.2 策略模型 1343.3.3 实证案例：有效资金择时模型 1373.4 牛熊线 1413.4.1 基本概念 1413.4.2 策略模型 1433.4.3 实证案例：牛熊线择时模型 1443.5 husrt指数 1463.5.1 基本概念 1463.5.2 策略模型 1483.5.3 实证案例 1493.6 支持向量机 1523.6.1 基本概念 1523.6.2 策略模型 1533.6.3 实证案例：svm择时模型 1553.7 swarch模型 1603.7.1 基本概念 1603.7.2 策略模型 1613.7.3 实证案例：swarch模型 1643.8 异常指标 1683.8.1 市场噪声 1683.8.2 行业集中度 1703.8.3 兴登堡凶兆 172第 4章 股指期货套利 1804.1 基本概念 1814.1.1 套利介绍 1814.1.2 套利策略 1834.2 期现套利 1854.2.1 定价模型 1854.2.2 现货指数复制 1864.2.3 正向套利案例 1904.2.4 结算日套利 1924.3 跨期套利 1954.3.1 跨期套利原理 1954.3.2 无套利区间 1964.3.3 跨期套利触发和终止 1974.3.4 实证案例：跨期套利策略 1994.3.5 主要套利机会 2004.4 冲击成本 2034.4.1 主要指标 2044.4.2 实证案例：冲击成本 2054.5 保证金管理 2084.5.1 var方法 2084.5.2 var计算方法 2094.5.3 实证案例 211第 5章 商品期货套利 2145.1 基本概念 2155.1.1 套利的条件 2165.1.2 套利基本模式 2175.1.3 套利准备工作 2195.1.4 常见套利组合 2215.2 期现套利 2255.2.1 基本原理 2255.2.2 操作流程 2265.2.3 增值税风险 2305.3 跨期套利 2315.3.1 套利策略 2315.3.2 实证案例：pvc跨期套利策略 2335.4 跨市场套利 2345.4.1 套利策略 2345.4.2 实证案例：伦铜—沪铜跨市场套利 2355.5 跨品种套利 2365.5.1 套利策略 2375.5.2 实证案例 2385.6 非常状态处理 240第 6章 统计套利 2426.1 基本概念 2436.1.1 统计套利定义 2436.1.2 配对交易 2446.2 配对交易 2476.2.1 协整策略 2476.2.2 主成分策略 2546.2.3 绩效评估 2566.2.4 实证案例：配对交易 2586.3 股指套利 2616.3.1 行业指数套利 2616.3.2 国家指数套利 2636.3.3 洲域指数套利 2646.3.4 全球指数套利 2666.4 融券套利 2676.4.1 股票—融券套利 2676.4.2 可转债—融券套利 2686.4.3 股指期货—融券套利 2696.4.4 封闭式基金—融券套利 2716.5 外汇套利 2726.5.1 利差套利 2736.5.2 货币对套利 275第 7章 期权套利 2777.1 基本概念 2787.1.1 期权介绍 2787.1.2 期权交易 2797.1.3 牛熊证 2807.2 股票/期权套利 2837.2.1 股票—股票期权套利 2837.2.2 股票—指数期权套利 2847.3 转换套利 2857.3.1 转换套利 2857.3.2 反向转换套利 2877.4 跨式套利 2887.4.1 买入跨式套利 2897.4.2 卖出跨式套利 2917.5 宽跨式套利 2937.5.1 买入宽跨式套利 2937.5.2 卖出宽跨式套利 2947.6 蝶式套利 2967.6.1 买入蝶式套利 2967.6.2 卖出蝶式套利 2987.7 飞鹰式套利 2997.7.1 买入飞鹰式套利 3007.7.2 卖出飞鹰式套利 301第 8章 算法交易 3048.1 基本概念 3058.1.1 算法交易定义 3058.1.2 算法交易分类 3068.1.3 算法交易设计 3088.2 被动交易算法 3098.2.1 冲击成本 3108.2.2 等待风险 3128.2.3 常用被动型交易策略 3148.3 vwap算法 3168.3.1 标准vwap算法 3168.3.2 改进型vwap算法 319第 9章 其他策略 3239.1 事件套利 3249.1.1 并购套利策略 3249.1.2 定向增发套利 3259.1.3 套利重仓停牌股票的投资组合 3269.1.4 封闭式投资组合套利 3279.2 etf套利 3289.2.1 基本概念 3289.2.2 无风险套利 3309.2.3 其他套利 3349.3 lof套利 3359.3.1 基本概念 3359.3.2 模型策略 3369.3.3 实证案例：lof 套利 3379.4 高频交易 3419.4.1 流动性回扣交易 3419.4.2 猎物算法交易 3429.4.3 自动做市商策略 3439.4.4 程序化交易 343理论篇第 10章 人工智能 34610.1 主要内容 34710.1.1 机器学习 34710.1.2 自动推理 35010.1.3 专家系统 35310.1.4 模式识别 35610.1.5 人工神经网络 35810.1.6 遗传算法 36210.2 人工智能在量化投资中的应用 36610.2.1 模式识别短线择时 36610.2.2 rbf神经网络股价预测 37010.2.3 基于遗传算法的新股预测 375第 11章 数据挖掘 38111.1 基本概念 38211.1.1 主要模型 38211.1.2 典型方法 38411.2 主要内容 38511.2.1 分类与预测 38511.2.2 关联规则 39111.2.3 聚类分析 39711.3 数据挖掘在量化投资中的应用 40011.3.1 基于som 网络的股票聚类分析方法 40011.3.2 基于关联规则的板块轮动 403第 12章 小波分析 40712.1 基本概念 40812.2 小波变换主要内容 40912.2.1 连续小波变换 40912.2.2 连续小波变换的离散化 41012.2.3 多分辨分析与mallat算法 41112.3小波分析在量化投资中的应用 41412.3.1 k线小波去噪 41412.3.2 金融时序数据预测 420第 13章 支持向量机 42913.1 基本概念 43013.1.1 线性svm 43013.1.2 非线性svm 43313.1.3 svm分类器参数选择 43513.1.4 svm分类器从二类到多类的推广 43613.2 模糊支持向量机 43713.2.1 增加模糊后处理的svm 43713.2.2 引入模糊因子的svm训练算法 43913.3 svm在量化投资中的应用 44013.3.1 复杂金融时序数据预测 44013.3.2 趋势拐点预测 445第 14章 分形理论 45214.1 基本概念 45314.1.1 分形定义 45314.1.2 几种典型的分形 45414.1.3 分形理论的应用 45614.2 主要内容 45714.2.1 分形维数 45714.2.2 l系统 45814.2.3 ifs系统 46014.3 分形理论在量化投资中的应用 46114.3.1 大趋势预测 46114.3.2 汇率预测 466第 15章 随机过程 47315.1 基本概念 47315.2 主要内容 47615.2.1 随机过程的分布函数 47615.2.2 随机过程的数字特征 47615.2.3 几种常见的随机过程 47715.2.4 平稳随机过程 47915.3 灰色马尔可夫链股市预测 480第 16章 it技术 48616.1 数据仓库技术 48616.1.1 从数据库到数据仓库 48716.1.2 数据仓库中的数据组织 48916.1.3 数据仓库的关键技术 49116.2 编程语言 49316.2.1 GPU算法交易 49316.2.2 MATLAB 语言 49716.2.3 c#语言 504第 17章 主要数据与工具 50917.1 名策多因子分析系统 50917.2 MultiCharts：程序化交易平台 51117.3 交易开拓者：期货自动交易平台 51417.4 大连交易所套利指令 51817.5 mt5：外汇自动交易平台 522第 18章 量化对冲交易系统：D-alpha 52818.1 系统构架 52818.2 策略分析流程 53018.3 核心算法 53218.4 验证结果 534表目录表1 1 不同投资策略对比 7表2 1 多因子选股模型候选因子 30表2 2 多因子模型候选因子初步检验 31表2 3 多因子模型中通过检验的有效因子 32表2 4 多因子模型中剔除冗余后的因子 33表2 5 多因子模型组合分段收益率 33表2 6 晨星市场风格判别法 36表2 7 夏普收益率基础投资风格鉴别 37表2 8 中信标普风格指数 41表2 9 风格动量策略组合月均收益率 43表2 10 大小盘风格轮动策略月收益率均值 46表2 11 中国货币周期分段（2000—2009年） 49表2 12 沪深300行业指数统计 50表2 13 不同货币阶段不同行业的收益率 51表2 14 招商资金流模型（cmsmf）计算方法 58表2 15 招商资金流模型（cmsmf）选股指标定义 59表2 16 资金流模型策略——沪深300 61表2 17 资金流模型策略——全市场 62表2 18 动量组合相对基准的平均年化超额收益（部分） 68表2 19 反转组合相对基准的平均年化超额收益(部分) 69表2 20 动量策略风险收益分析 71表2 21 反转策略风险收益分析 73表2 22 趋势追踪技术收益率 93表2 23 筹码选股模型中单个指标的收益率情况对比 99表3 1 ma指标择时测试最好的20 组参数及其表现 117表3 2 4个趋势型指标最优参数下的独立择时交易表现比较 120表3 3 有交易成本情况下不同信号个数下的综合择时策略 120表3 4 自适应均线择时策略收益率分析 124表3 5 市场情绪类别 126表3 6 沪深300指数在不同情绪区域的当月收益率比较 128表3 7 沪深300指数在不同情绪变化区域的当月收益率比较 129表3 8 沪深300指数在不同情绪区域的次月收益率比较 130表3 9 沪深300指数在不同情绪变化区域的次月收益率比较 130表3 10 情绪指数择时收益率统计 132表3 11 svm择时模型的指标 156表3 12 svm对沪深300指数预测结果指标汇总 156表3 13 svm择时模型在整体市场的表现 156表3 14 svm择时模型在单边上涨市的表现 157表3 15 svm择时模型在单边下跌市的表现 158表3 16 svm择时模型在震荡市的表现 159表3 17 噪声交易在熊市择时的收益率 170表4 1 各种方法在不同股票数量下的跟踪误差（年化） 190表4-2 股指期货多头跨期套利过程分析 199表4 3 不同开仓比例下的不同保证金水平能够覆盖的市场波动及其概率 211表4 4 不同仓单持有期下的保证金覆盖比例 212表6 1 融券标的股票中在样本期内最相关的50 对组合（部分） 248表6 2 残差的平稳性、自相关等检验 249表6 3 在不同的阈值下建仓、平仓所能获得的平均收益 251表6 4 采用不同的模型在样本内获取的收益率及最优阈值 252表6 5 采用不同的模型、不同的外推方法在样本外获取的收益率（%） 253表6 6 主成分配对交易在样本内取得的收益率及最优阈值 255表6 7 主成分配对交易在样本外的效果 255表6-8 各种模型下统计套利的结果 256表6 9 延后开仓+提前平仓策略实证结果 260表6 10 各行业的配对交易结果 261表7 1 多头股票-期权套利综合分析表 283表7 2 多头股票—股票期权套利案例损益分析表 284表7 3 多头股票-指数期权套利案例损益分析表 285表7 4 转换套利分析过程 286表7 5 买入跨式套利综合分析表 289表7 6 买入跨式套利交易细节 289表7 7 卖出跨式套利综合分析表 291表7 8 卖出跨式套利交易细节 292表7 9 买入宽跨式套利综合分析表 293表7 10 卖出宽跨式套利综合分析表 294表7 11 买入蝶式套利综合分析表 296表7 12 卖出蝶式套利综合分析表 298表7 13 买入飞鹰套利分析表 300表7 14 卖出飞鹰式套利综合分析表 301表9 1 主要并购方式 324表9 2 并购套利流程 325表9 3 鹏华300 lof两次正向套利的情况 339表9 4 鹏华300 lof两次反向套利的情况 340表10 1 自动推理中连词系统 352表10 2 模式识别短线择时样本数据分类 369表10 3 rbf神经网络股价预测结果 375表10 4 遗传算法新股预测参数设置 379表10 5 遗传算法新股预测结果 380表11 1 决策树数据表 389表11 2 关联规则案例数据表 392表11 3 som股票聚类分析结果 403表11 4 21种股票板块指数布尔关系表数据片断 404表12 1 深发展a日收盘价小波分析方法预测值与实际值比较 427表12 2 不同分解层数的误差均方根值 428表13 1 svm沪深300指数预测误差情况 445表13 2 svm指数预测和神经网络预测的比较 445表13 3 技术反转点定义与图型 448表13 4 svm趋势拐点预测结果 450表14 1 持续大涨前后分形各主要参数值 463表14 2 持续大跌前后分形个主要参数值 465表14 3 外汇r/ s 分析的各项指标 469表14 4 v(r/s)曲线回归检验 470表15 1 灰色马尔可夫链预测深证成指样本内（2005/1—2006/8） 484表15 2 灰色马尔可夫链预测深证成指样本外（2006/9—2006/12） 484表16-1 vba的12种数据类型 499表18-1 d-alpha系统在全球市场收益率分析 534

3. 量化投资—策略与技术的内容简介

《量化投资—策略与技术》是国内第一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。《量化投资—策略与技术》适合基金经理、证券分析师、普通散户及有志于从事金融投资的各界人士阅读。

4. 量化投资—策略与技术的介绍

5. 量化投资策略的介绍

1 、趋势判断型量化投资策略

判断趋势型是一种高风险的投资方式，通过对大盘或者个股的趋势判断，进行相应的投资操作。如果判断是趋势向上则做多，如果判断趋势向下则做空，如果判断趋势盘整，则进行高抛低吸。这种方式的优点是收益率高，缺点是风险大。一旦判断错误则可能遭受重大损失。所以趋势型投资方法适合于风险承受度比较高的投资者，在承担大风险的情况下，也会有机会获得高额收益。
2 、波动率判断型量化投资策略
判断波动率型投资方法，本质上是试图消除系统性风险，赚取稳健的收益。这种方法的主要投资方式是套利，即对一个或者N个品种，进行买入同时并卖出另外一个或N个品种的操作，这也叫做对冲交易。这种方法无论在大盘哪个方向波动，向上也好，向下也好，都可以获得一个比较稳定的收益。在牛市中，这种方法收益率不会超越基准，但是在熊市中，它可以避免大的损失，还能有一些不错的收益。
股指期货套利是在股票和股指期货之间的对冲操作，商品期货是在不同的期货品种之间，统计套利是在有相关性的品种之间，期权套利则是在看涨看跌期权之间的对冲。微量网这几种策略都很齐全，有时间不妨去看一下。

6. 量化投资策略的基本概念

量化投资策略就是利用量化的方法，进行金融市场的分析、判断和交易的策略、算法的总称。在《量化投资—策略与技术》（丁鹏著、电子工业出版社、2012/1)中，将策略分为两大类：分别为：趋势判断型和波动率判断型。

7. 量化投资的投资策略

量化投资技术几乎覆盖了投资的全过程，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、算法交易，资产配置，风险控制等。 商品期货套利盈利的逻辑原理是基于以下几个方面：（1）相关商品在不同地点、不同时间对应都有一个合理的价格差价。（2）由于价格的波动性，价格差价经常出现不合理。（3）不合理必然要回到合理。（4）不合理回到合理的这部分价格区间就是盈利区间。 资产配置是指资产类别选择，投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。它突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上，通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。

8. 量化投资方面的书籍推荐