量化投資是金融市場一種新興的投資業(yè)務模式，其建立在數(shù)學與統(tǒng)計方法之上，同時需要利用計算機算法實現(xiàn)策略并進行交易執(zhí)行。本書是圍繞盤化投資教學編寫的教材，是“金融數(shù)學教學叢書”中的一本。本書是作者在北京大學和復旦大學連續(xù)多年講授雖化投資相關(guān)課程教學經(jīng)驗的總結(jié)，在本書中作者嘗試對量化投資的基本內(nèi)容、技術(shù)方法和實現(xiàn)過程進行較為全面的、從理論到實踐的介紹。本書的許多章節(jié)配備了基于中國市場數(shù)據(jù)的雖化投資策略案例分析，幫助讀者感受量化策略實現(xiàn)的具體步驟及真實表現(xiàn)�！禕R》本書共七章，前兩章為螢化投資基礎(chǔ)，隨后為雖化擇時和擇股，最后兩章為髙頻量化交易。本書以理論為起點，介紹雖化投資的基本方法，并利用案例分析來匯總理論知識，指導實踐操作。章末設(shè)有相關(guān)習題，供讀者學習鞏固之用，同時章末附有二維碼，讀者掃碼可看髙清彩圖。《BR》
更多科學出版社服務，請掃碼獲取。
目錄
叢書序
前言
第1章 量化投資和交易綜述 1
1.1 金融投資和量化投資 1
1.2 量化投資的主要資產(chǎn)標的 3
1.3 金融資產(chǎn)定價理論與量化投資 4
1.3.1 金融資產(chǎn)定價理論簡介 4
1.3.2 實證金融的研究工作 6
1.3.3 實證金融與量化投資策略 8
1.4 應用數(shù)學、統(tǒng)計和機器學習與量化投資 10
1.4.1 建模在量化投資中的作用 10
1.4.2 量化投資中的主要數(shù)學和統(tǒng)計方法 11
1.4.3 機器學習方法在資產(chǎn)價格預測中的應用研究 13
1.5 量化投資與量化交易 17
習題一 18
第2章 量化投資策略 19
2.1 投資標的 19
2.2 調(diào)倉頻率 20
2.3 數(shù)據(jù) 21
2.4 股票收益率特征性事實 23
2.5 投資信號建模 30
2.6 信號的疊加 31
2.7 策略評判標準 33
2.8 案例：兩資產(chǎn)等權(quán)重投資組合 38
習題二 42
第3章 量化擇時模型 44
3.1 均線 44
3.2常見趨勢型技術(shù)指標 46
3.3常見反轉(zhuǎn)型技術(shù)指標 49
3.4線性濾波 51
3.5線性回歸 54
3.6 HP濾波 56
3.7 L1濾波 58
3.8 Fourier濾波 59
3.9 Kalman濾波 63
3.10案例：螺紋鋼期貨主力合約分鐘頻率擇時 68
習題三 74
第4章 經(jīng)典資產(chǎn)定價模型及量化策略 75
4.1收益和風險度量 75
4.2現(xiàn)代資產(chǎn)組合理論 77
4.3資本資產(chǎn)定價模型和單因子模型 85
4.4套利定價理論和多因子模型 89
4.5案例：低beta擇股策略 97
習題四 105
第5章 多因子選股模型 106
5.1從單因子到多因子 106
5.2提取因子收益和因子暴露 108
5.3因子的類型 111
5.4因子的選取 115
5.5因子的剝離 118
5.6 因子的整合 123
5.7基準的選取 124
5.8建立多因子投資組合 127
5.9案例：滬深300指數(shù)增強策略 131
習題五 143
第6章 算法交易 144
6.1交易執(zhí)行的基本概念 144
6.1.1交易所與交易者 144
6.1.2交易指令 146
6.1.3訂單簿 147
6.1.4交易執(zhí)行的相關(guān)問題 149
6.2基于價格過程的最優(yōu)下單模型 149
6.2.1 Bertsimas-Lo最優(yōu)下單模型 151
6.2.2 Almgren-Chriss最優(yōu)下單模型 152
6.2.3 TWAP與VWAP 155
6.3基于訂單簿的最優(yōu)下單模型 156
習題六 162
第7章 高頻策略 163
7.1做市商交易模型 164
7.2 Avellaneda-Stoikov庫存模型 168
7.3高頻投資策略 170
7.3.1高頻數(shù)據(jù)特征 171
7.3.2高頻投資策略 172
7.3.3我國資本市場的高頻投資 179
7.4案例：滬深300股指期現(xiàn)高頻套利 179
習題七 188
參考文獻 189
書單推薦
