新書推薦：
《
爱琴海的光芒 ： 千年古希腊文明
》
售價：HK$
204.7
《
不被他人左右：基于阿德勒心理学的无压力工作法
》
售價：HK$
67.9
《
SDGSAT-1卫星热红外影像图集
》
售價：HK$
457.7
《
股市趋势技术分析（原书第11版）
》
售價：HK$
227.7
《
汉匈战争全史
》
售價：HK$
102.4
《
恶的哲学研究（社会思想丛书）
》
售價：HK$
109.8
《
不止江湖
》
售價：HK$
101.2
《
天才留步！——从文艺复兴到新艺术运动（一本关于艺术天才的鲜活故事集，聚焦艺术史的高光时刻！）
》
售價：HK$
158.7
|
| 編輯推薦： |
|
学习富可敌国的华尔街对冲基金的赚钱秘诀，审读解读金融大鳄的核心投资策略。
|
| 內容簡介： |
|
本书是国内少有的有关量化投资策略的著作。全书用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。附录是作者开创性的理论“策略组合模型”，探讨了策略的定义、组合、杠杆、资金容量和资金分配等关键问题。
|
| 關於作者： |
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。
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，在量化选股、量化择时、统计套利、对冲交易等方面开发了多个策略模型，实战中取得良好的业绩效果。
|
| 目錄：
|
策略篇
第1 章 量化投资概念
1.1 什么是量化投资
1.1.1 量化投资定义
1.1.2 量化投资理解误区
1.2 量化投资与传统投资比较
1.2.1 传统投资策略的缺点
1.2.2 量化投资策略的优势
1.2.3 量化投资与传统投资策略的比较
1.3 量化投资历史
1.3.1 量化投资理论发展
1.3.2 海外量化基金的发展
1.3.3 量化投资在中国
1.4 量化投资主要内容
1.5 量化投资主要方法
第2 章 量化选股
2.1 多因子
2.1.1 基本概念
2.1.2 策略模型
2.1.3 实证案例：多因子选股模型
2.2 风格轮动
2.2.1 基本概念
2.2.2 盈利预期生命周期模型
2.2.3 策略模型
2.2.4 实证案例：中信标普风格
2.2.5 实证案例：大小盘风格
2.3 行业轮动
2.3.1 基本概念
2.3.2 M2 行业轮动策略
2.3.3 市场情绪轮动策略
2.4 资金流
2.4.1 基本概念
2.4.2 策略模型
2.4.3 实证案例：资金流选股策略
2.5 动量反转
2.5.1 基本概念
2.5.2 策略模型
2.5.3 实证案例：动量选股策略和反转选股策略
2.6 一致预期
2.6.1 基本概念
2.6.2 策略模型
2.6.3 实证案例：一致预期模型案例
2.7 趋势追踪
2.7.1 基本概念
2.7.2 策略模型
2.7.3 实证案例：趋势追踪选股模型
2.8 筹码选股
2.8.1 基本概念
2.8.2 策略模型
2.8.3 实证案例：筹码选股模型
2.9 业绩评价
2.9.1 收益率指标
2.9.2 风险度指标
第3 章 量化择时
3.1 趋势追踪
3.1.1 基本概念
3.1.2 传统趋势指标
3.1.3 自适应均线
3.2 市场情绪
3.2.1 基本概念
3.2.2 情绪指数
3.2.3 实证案例：情绪指标择时策略
3.3 时变夏普率
3.3.1 Tsharp 值的估计模型
3.3.2 基于Tsharp 值的择时策略
3.3.3 实证案例
3.4 牛熊线
3.4.1 基本概念
3.4.2 策略模型
3.4.3 实证案例：牛熊线择时模型
3.5 Husrt 指数
3.5.1 基本概念
3.5.2 策略模型
3.5.3 实证案例
3.6 支持向量机
3.6.1 基本概念
3.6.2 策略模型
3.6.3 实证案例：SVM 择时模型
3.7 SWARCH 模型
3.7.1 基本概念
3.7.2 策略模型
3.7.3 实证案例：SWARCH模型
3.8 异常指标
3.8.1 市场噪声
3.8.2 行业集中度
3.8.3 兴登堡凶兆
第4 章 股指期货套利
4.1 基本概念
4.1.1 套利介绍
4.1.2 套利策略
4.2 期现套利
4.2.1 定价模型
4.2.2 现货指数复制
4.2.3 正向套利案例
4.2.4 结算日套利
4.3 跨期套利
4.3.1 跨期套利原理
4.3.2 无套利区间
4.3.3 跨期套利触发和终止
4.3.4 实证案例：跨期套利策略
……
第5章 商品期货套利
第6章 统计套利
第7章 期权套利
第8章 算法交易
第9章 另类套利策略
第10章 人工智能
第11章 数据挖掘
第12章 小波分析
第13章 支持向量机
第14章 分形理论
第15章 随机过程
第16章 IT技术
第17章 主要数据与工具
第18章 对冲交易系统：D-Alpha
附录A 策略组合模型
参考文献
|
| 內容試閱：
|
前 言
2012 年笔者的这本《量化投资——策略与技术》问世之时，业内还没有多少人知道什么是量化投资，到了两年后的今天，量化投资的会议、书籍、报告如雨后春笋一般涌现，而量化投资的金融产品经过两年的发展，以其收益稳、规模大，受到投资者的广泛关注，几乎主流的金融机构都设立了量化投资部门，建立量化投资团队，开发量化投资产品。量化投资与对冲基金正在从小众产品，走向更大规模的发展。和传统投资相比，量化投资的主要优点包括：（1）赌大概率事件。通过分散投资、对冲交易、增加交易频率来使得整个投资过程的胜率大大提高；（2）化解人性的弱点。恐惧与贪婪是人性中无法克服的弱点，依靠自身的修炼无法做到，只有通过机器交易来完成；（3）精细化交易。这对于大资金的机构投资者尤其重要，通过计算机将大的委托单拆分成小单，可以在尽量不影响市场的情况下完成交易，降低交易成本。正是由于量化投资的这些优点，在过去十年全球金融市场中，量化投资得到了如火如荼的发展，使其成为和价值投资并列的两大投资理论之一。在国内虽然只是刚开始，但是依然得到了银行、保险、券商等顶级机构的青睐。尤其对于大的机构而言，量化投资所能管理的规模比传统投资大大增多，一般来说传统基金产品超过50 亿，对管理团队就是一个巨大的考验，但是量化的产品可以远远超过这个规模。另外，在国内监管日趋严格的情况下，传统投资很容易触及监管的边界，但是量化投资基于数据分析，基本上和内幕消息、老鼠仓绝缘，也大大降低了监管成本。
所以量化投资这种新的投资理论和模式，无论对于监管层还是民间投资，都是最佳选择，这也就是国内最近两年量化投资得到大发展的重要原因，目前有非常多的年轻人正在进入这个行业，他们的蓬勃朝气，相信会对改变中国未来金融环境起到推动作用。
2012 年1 月我发起组建了中国量化投资学会，目前已成为量化投资领域全国影响力最大的民间学术性组织，和电子工业出版社共同策划的《量化投资与对冲基金》丛书也出版了10 本左右，未来还会有更多精品图书出版，这套丛书已经成为业内最主流的教材，正在深刻地改变着中国资本市场的发展。
本书特色
第一，实战性。书中的案例绝大多数来自于实际的市场数据，只有很少一部分是纯理论的分析。尤其是策略篇中的内容大部分来自于专业投资机构的研究报告，具有极强的实战价值。
第二，基于中国市场。与量化投资最接近的书籍当属“金融工程”，但目前金融工程中绝大多数的案例都来自于国外市场，很多策略在国内市场还不具备投资条件。本书中的案例基本上都是对国内市场（股票、期货等）中的实际交易数据的分析，特别适合国内的投资者。
第三，理论性。量化投资离不开最新的数学和计算机理论的支持，本书用了将近一半的篇幅来阐述与量化投资有关的基础理论，并用了很多案例来说明这些理论的应用方法。避免了一般投资策略书籍重技术而忽视理论的缺点，从而使量化投资更加科学化。
本书的内容分为：策略篇和理论篇。策略篇中阐述了各种量化投资的策略与方法，理论篇则详细介绍了支持量化投资的各种数学工具。
策略篇一共介绍了8 个方面的投资策略，分别是量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易及其他策略。
投资策略 概 述
量化选股
量化投资最重要的策略，主要是研究如何利用各种方法选出最佳的股票组合，使得该股票组合的收益率尽可能高的同时，保持尽可能的稳定性。量化选股一章阐述了8 种不同角度的策略，分别为多因子模型、风格轮动模型、行业轮动模型、资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型量化择时量化投资中最难的，也是收益率最高的一种策略，主要研究大盘及个股走势，并进行相应的高抛低吸操作。如果能够正确判断大盘，则收益率会比单纯的买入-持有策略收益要高很多。
这一章主要阐述了8 种择时模型，分别是趋势择时、市场情绪择时、时变夏普率模型、牛熊线模型、Hurst 指数模型、SVM 模型、SWARCH 模型和异常指标择时股指期货套利由于择时操作存在巨大风险，而对于稳健性的资金，则希望寻找一种能够稳定收益的交易策略。股指期货套利研究的是如何利用股指期货和现货组合的对冲，去掉系统性风险后，获得无风险收益。这一章阐述了有关股指期货套利的一些主要方法，包括期现套利、跨期套利、冲击成本、保证金管理等
V
续表
投资策略 概 述
商品期货套利
与股指期货类似的是在商品期货市场从事套利交易，商品期货市场波动更大，机会更多，当然风险也更大。这一章的内容包括：期现套利、跨期套利、跨市场套利和跨品种套利4 个部分
统计套利
统计套利是利用不同投资品种之间的相关性进行投资的一种方式，当两个品种的价格差拉大到正常边界时，进行多空同时建仓的操作，当恢复到正常的时候再双向平仓，从而可以规避系统性风险。本章的内容主要有：配对交易、股指对冲、融券对冲和外汇对冲4 个方面的内容
期权套利
期权套利一章研究的是利用看涨看跌期权或者牛熊证进行各种配对后，规避系统性风险后赚取波动差的投资方式。由于期权的高杠杆性，期权套利可以获得比其他套利方式更高的收益率。这一章内容包括：股票—期权对冲、转换套利、跨式套利、宽跨式套利、蝶式套利、飞鹰式套利
算法交易
算法交易是研究如何利用各种下单方法，尽可能降低冲击成本的交易策略。一般分为主动式交易和被动式交易两类，本章中主要研究的是被动交易算法（VWAP）
另类套利
另类套利讨论了封闭式基金套利、ETF 套利、LOF 套利和高频交易4 种策略。这4 种策略并不是投资的主流方法，但是在不同的市场环境下，往往存在无风险套利机会，比较适合于追求稳健的大资金操作
理论篇主要阐述了支持量化投资的各种数学和计算机工具，这部分的内容对读者的数学功底有比较高的要求，一共有7 章，分别是人工智能、数据挖掘、小波分析、支持向量机、分形理论、随机过程和IT 技术。
投资理论 概 述
人工智能
人工智能主要是研究如何利用计算机技术模拟人的思维和解决问题的方式，包括机器学习、自动推理、专家系统、模式识别、人工神经网络和遗传算法。人工智能在量化投资中的应用，介绍了模式识别短线择时、RBF 神经网络股价预测和遗传算法股价预测3 个方法
数据挖掘
数据挖掘主要研究如何从海量、杂乱的数据中挖掘出有价值的模式和知识，主要内容包括分类与预测、关联规则和聚类分析。数据挖掘在量化投资中的应用，介绍了基于SOM 网络的股票聚类方法和基于关联规则的板块轮动研究2 个方法
小波分析
小波分析主要研究如何将一个函数分解为一系列简单基函数的表示方法，这个可以看成是傅里叶变换的升级版。小波分析的基础知识包括：连续小波变换、连续小波变换的离散化、多分辨分析和allat 算法。小波分析在量化投资中的应用，主要介绍了小波去噪和金融时序数据预测两个方法
支持向量机（SVM）
支持向量机主要用于分类分析，它由于具有分类效果好、学习算法简单的特点，得到了广泛应用。SVM 的内容包括：线性SVM、非线性SVM、SVM 分类器、模糊SVM 等。SVM 在量化投资中的应用阐述了复杂金融时序数据预测和趋势拐点预测两个方法
VI
续表
投资理论 概 述
分形理论
以它的简单有效成为近几年得到大量应用的一种新的数学工具，它主要是将复杂的世界抽象成简单分形的组合的一种研究方法。这部分内容包括：分形定义、典型分形、分形维数、L系统、IFS 系统等。分形理论在量化投资中的应用，阐述了大趋势分形预测和汇率预测这两个策略
随机过程
一组随机变量的变化规律。在研究随机过程时，人们透过表面的偶然性描述出必然的内在规律，并以概率的形式来描述这些规律。这部分内容包括：随机过程分布函数、数字特征、常见随机过程等。随机过程在量化投资中的应用，主要阐述了利用灰色马尔科夫链来预测股市的方法
IT 技术
这一章概要介绍了与量化投资相关的主要IT 技术，包括数据仓库技术、GPU 编程、MATLAB语言、C#语言。由于IT 技术的通用性，所以这里只是简单介绍，更详细的编程技术需要参阅
相关的参考书
在第17 章，我们介绍了一些主要的数据和工具，包括名策多因子模型、Multicharts 程序化交易平台、交易开拓者期货自动交易平台、大连交易所套利交易指令和MT5 外汇自动交易平台。
在本书的最后，阐述了笔者开发的D-Alpha 量化对冲交易系统，包括：系统构
架、策略分析流程、核心算法以及验证结果，从全球市场的验证结果显示，D-Alpha
系统具有稳健的收益率。
附录中是笔者开创性的“策略组合模型”理论，本理论从传统的资产资本定价模型的缺陷说起，引进了资金容量这个重要的参数，并且证明市场上存在一种低风险高收益的策略，但是容量是极为有限的，这对传统的CAPM 模型是一个重要的补充。本章提出了策略的定义及分类；然后讨论了策略的杠杆、资金容量问题，最后阐述了策略的筛选、组合，以及资金分配等问题。希望对未来的大类资产组合能起到一个理论架构的作用。
读者对象
本书适合于各种不同的投资者使用。对于专业量化投资者来说，书中的理论篇提供了基本的理论方法和算法，可以在此基础上开发出更高效、更精确的策略模型，提高自己的投资收益率和收益率的稳定性。
对于传统方法专业投资者来说，本书的策略篇中很多量化方法可以作为传统投资方法的补充和精化，在投资决策中数量模型的结果可以降低很多人为的误差和情
VII
绪影响，弥补传统投资决策的缺陷。
对于普通投资者来说，可能缺乏数据和模型方法的技巧，但是书中各种策略的思路和方法同样可以给他们以启迪和帮助，特别是在开阔思路、加强交易能力方面，量化投资是普通投资者的一件利器。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
