量化投资

策略篇
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
· · · · · · (更多)

策略篇
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
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SVM 433
13.1.2 非线性SVM 436
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
SVM 440
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-Alpha 535
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
表目录
表1 1 不同投资策略对比 8
表2 1 多因子选股模型候选因子 29
表2 2 多因子模型候选因子初步检验 30
表2 3 多因子模型中通过检验的有效因子 31
表2 4 多因子模型中剔除冗余后的因子 32
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 35
表2 7 夏普收益率基础投资风格鉴别 36
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 42
表2 10 大小盘风格轮动策略月收益率均值 45
表2 11 中国货币周期分段（2007—2011年） 48
表2 12 沪深300行业指数统计 49
表2 13 不同货币阶段不同行业的收益率 50
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 58
表2 16 资金流模型策略——沪深300 60
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 动量策略风险收益率分析 72
表2 21 反转策略风险收益率分析 72
表2 22 趋势追踪技术收益率 94
表2 23 筹码选股模型中单个指标的收益率情况对比 100
表3 1 MA 指标择时测试最好的20组参数及其表现 118
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 121
表3 4 自适应均线择时策略收益率分析 125
表3 5 市场情绪类别 127
表3 6 沪深300指数在不同情绪区域的当月收益率比较 130
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 130
表3 8 沪深300指数在不同情绪区域的次月收益率比较 131
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 131
表3 10 情绪指数择时收益率统计 133
表3-11 月度Tsharp择时模型统计结果 138
表3-12 预测Tsharp值（月度）对上证综指的预测作用 139
表3-13 季度Tsharp择时模型统计结果 140
表3-14 预测Tsharp值（季度）对上证综指的预测作用 141
表3-15 SVM择时模型的指标 157
表3-16 SVM模型样本外预测多空次数 158
表3-17 SVM模型样本外预测准确率 158
表3-18 SVM模型趋势交易策略评估 159
表3 19 噪声交易在熊市择时的收益率 172
表4 1 各种方法在不同股票数量下的跟踪误差（年化） 192
表4-2 股指期货多头跨期套利过程分析 201
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 213
表4 4 不同仓单持有期下的保证金覆盖比例 214
表6 1 2011年沪深300股票同一行业走势高度相关的组合（部分） 250
表6 2 残差的平稳性、自相关等检验 251
表6 3 在不同的阈值下建仓、平仓所能获得的平均收益 253
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 254
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（%） 255
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 257
表6 7 主成分配对交易在样本外的效果 257
表6 8 标准策略、延后开仓、提前平仓策略实证结果 263
表7 1 多头股票—期权套利综合分析表 286
表7 2 多头股票—股票期权套利案例损益分析表 287
表7 3 多头股票—指数期权套利案例损益分析表 288
表7 4 转换套利分析过程 289
表7 5 买入跨式套利综合分析表 292
表7 6 买入跨式套利交易细节 293
表7 7 卖出跨式套利综合分析表 294
表7 8 卖出跨式套利交易细节 295
表7 9 买入宽跨式套利综合分析表 296
表7 10 卖出宽跨式套利综合分析表 297
表7 11 买入蝶式套利综合分析表 299
表7 12 卖出蝶式套利综合分析表 301
表7 13 买入飞鹰套利综合分析表 303
表7 14 卖出飞鹰式套利综合分析表 304
表9 1 鹏华300 LOF两次正向套利的情况 341
表9 2 鹏华300 LOF两次反向套利的情况 342
表10 1 自动推理中连词系统 356
表10 2 模式识别短线择时样本数据分类 373
表10 3 RBF神经网络股价预测结果 379
表10 4 遗传算法新股预测参数设置 383
表10 5 遗传算法新股预测结果 384
表11 1 决策树数据表 393
表11 2 关联规则案例数据表 396
表11 3 SOM股票聚类分析结果 407
表11 4 21种股票板块指数布尔关系表数据片断 408
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 430
表12 2 不同分解层数的误差均方根值 431
表13 1 SVM沪深300指数预测误差情况 448
表13 2 SVM指数预测和神经网络预测的比较 448
表13 3 技术反转点定义与图型 451
表14 1 持续大涨前后分形各主要参数值 466
表14 2 持续大跌前后分形各主要参数值 467
表14 3 外汇R/ S 分析的各项指标 472
表14 4 V(R/S)曲线回归检验 473
表15 1 灰色马尔可夫链预测深证成指样本内（2005/1—2006/8） 486
表15 2 灰色马尔可夫链预测深证成指样本外（2006/9—2006/12） 487
表16-1 VaR算法GPU和CPU时间对比 499
表18-1 D-Alpha系统在全球市场收益率分析 541
· · · · · · (收起)

• 第2章 量化选股