量化投资的前世今生:多元化策略或是国内发展趋势_网易财经
量化投资的前世今生:多元化策略或是国内发展趋势
用微信扫码二维码
分享至好友和朋友圈
摘要：从1960年代世界上第一只量化投资基金的产生，到如今已有近50年的光景。近年来，量化投资在国内成为了一个热门词汇，频频见诸各种新闻媒体。量化投资大有成为主流投资方式的趋势。尽管如此，在大部分普通民众心目中，量化投资还是如云雾中的海市蜃楼一般，神秘莫测，遥不可及。为此，本文将简单梳理量化投资的基本概念，叙述量化投资基础理论的建立过程，回顾海外量化投资基金半个世纪的发展历程，介绍国内量化投资基金近10年来的发展状况，并进一步对国内量化投资未来的发展机遇和趋势做一些分析。希望能为大家拨开量化投资身上的迷雾。一、量化投资的基本概念量化投资通常指的是采用一定的数学模型并利用计算机技术去践行投资理念的投资方法。和传统主动型投资一样，量化投资也是一种主动性投资策略，建立在市场并不完全有效的假设上。&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&下图是量化投资和传统投资的对比分析。与传统投资相比，量化投资具有纪律性、系统性、及时性、准确性、分散化等优点。量化投资传统投资代表人物詹姆斯·西蒙斯分析方法依据模型依据人的经验和判断信息来源海量数据以及多层次多方面因素（定量分析）基本面及宏观经济（定性分析）投资风格投资周期偏向短期投资周期偏向长期投资标的分散化投资于某一只或少量股票风险处理完善的风险管理机制风险考虑不周全经过几十年的发展, 量化投资这一概念已经具备非常宽广的外延，按投资策略的特点进行分类，量化投资主要包括以下研究领域：量化选股、量化择时、统计套利、期货套利、期权套利、/LOF/分级基金套利、事件驱动套利、算法交易、高频交易等。一般来说，开发并实施量化投资策略的流程可分为如下图几个步骤。二、数量金融理论的发展是量化投资策略的基础量化投资的出现主要归功于三个方面：一是现代数量金融理论的发展，二是计算机技术的进步，三是交易费率的降低。其中现代数量金融理论的发展是导致量化投资出现的最重要原因。很多量化投资的理论、方法和技术都来源于数量金融学。数量金融学的理论是量化投资策略的基础。下面将介绍与量化投资最相关的一些数量金融理论的建立过程。1、1950年代至1960年代Markowitz&在1952年建立了以均值方差模型为基础的现代资产组合管理理论(PMT)。资产组合管理理论确立了金融学收益风险均衡的分析范式，标志着现代金融学的诞生。Sharpe，Litner，Mossin随后研究了资产价格的均衡结构，于、1966年分别独立地导出了资本资产定价模型(CAPM)。CAPM成为了度量金融投资绩效的理论基础。Samuelson&和&Fama在1965年提出了有效市场假说(EMH)。有效市场假说是对市场进行描述和理解的基础性理论，具有重要而深远的影响。2、1970年代至1980年代Black，Sholes&和&Morton&于1973年建立了期权定价模型(OPM)，为衍生品定价问题确立了分析范式。期权定价模型被迅速运用于金融实践，金融市场创新得到了空前的发展。Ross在1976年建立了无套利定价理论（APT）。无套利定价理论也叫多因素理论。多因素理论对资本资产定价模型进行了一般化推广，是量化选股的基础理论。3、1990年代至今1992年，Fama与其同事French提出了Fama-French三因子模型。三因子模型通过对美股实证研究发现，小盘价值股具有显著超额正收益。1993年G30集团提出了VAR(在险价值)风险管理方法，VAR方法由于其简洁直观、标准统一的特点，成为了现代风险管理最主流的方法。从1990年代以来，以Shiller和Staman为代表的金融学者发展了和有效市场理论相对应的行为金融学(BF)理论。行为金融学以人的有限理性和市场有限套利为基础，提供了描述和理解市场的新范式。三、海外量化投资基金的发展历程1、量化投资的产生(60年代)1969年，爱德华·索普利用他发明的"科学股票市场系统"（实际上是一种股票权证定价模型），成立了第一个量化投资基金——可转换对冲合伙基金，后改名为普林斯顿-纽波特合伙基金，主要从事可转换债券的套利。该基金成立后连续11年内没有出现年度亏损且持续跑赢标普指数。爱德华·索普被誉为量化投资的鼻祖，宽客之父。2、量化投资的兴起(70至80年代)1973年美国芝加哥期权交易所成立，以金融衍生品创新和定价为代表的量化投资革命拉开了序幕。1983年，格里·班伯格发明了配对交易策略。1988年，詹姆斯·西蒙斯成立了大奖章基金，从事高频交易和多策略交易。基金成立20多年来收益率达到了年化70%左右，除去报酬后达到40%以上。西蒙斯也因此被称为"量化对冲之王"。3、量化投资的繁荣(90年代)1991年，彼得·穆勒发明了alpha系统策略。1992年，克里夫·阿斯内斯发明了价值和动量策略(OAS)。1994年，约翰·梅里威瑟成立长期资本管理有限公司(LTCM)，创立期权定价模型(OPM)并获得了诺贝尔经济学奖的斯科尔斯和莫顿加入。该公司专长相对价值交易，搜寻价格偏离理论均衡水平的证券，并利用高杠杆放大收益。1998年，由于采用了过高的杠杆并遭遇了小概率事件，长期资本管理有限公司破产。4、量化投资在危机中前行(21世纪以来)2000年，互联网泡沫破灭，更多资金此后逐渐进入量化对冲基金。根据彭博数据显示，全球由管理的资金数量从2000年的400多亿美元增长到2008年金融危机前夕的1万多亿美元。2008年，由美国次级贷款引发的金融危机使得许多量化对冲基金受到重创，价值缩水，量化投资基金在此后3年的发展受到抑制。至2010年，全球量化投资基金的总规模停留在1万亿美元附近。2011年以来，量化投资基金再次受到热捧，截止当年全球由量化投资基金管理的资产约为2万5千亿美元。经过几年的快速发展，至2016年底，全球量化投资基金总规模已超过3万亿美元，占全球基金规模的比例接近30%，量化投资基金已经成为全球资产管理领域最重要的一支力量。随着规模的快速扩张， 近两年国际量化投资基金的平均业绩有所下滑。法兴银行近期报告称，2017年年初至2月， 量化基金的平均收益仅为0.04%，2016年则平均亏损1.07%。而相比之下，同期标普500指数上涨了5.9%，2016年则上涨了12%。摩根士丹利在近期研报中表示，和10-15年前相比，如今更严厉的监管以及激烈的竞争，令很多流行的量化投资策略不再有效，导致量化投资超额收益锐减。对投资者来说，或许使用单一策略和传统策略的做法已经难以为继， 混合策略和策略创新是量化投资未来的发展方向。四、国内量化投资基金的发展状况1、第一只国内量化基金诞生(2004年)相较于国外量化基金，中国由于金融发展较晚等特殊原因，量化基金出现较晚。根据CCTV证券资讯频道金融研究院数据库可以找到的最早的国内量化基金是华宝信托始2004年12月发行的“基金优选套利”。该产品发行规模为1535万元，当年实际盈利超过10%，同期大盘为下行趋势，收益表现较好。由于当时没有股指期货和ETF，因此该产品的主要策略是捕捉封闭式基金的大幅折价机会，进行优选套利。受限于金融市场政策制约，国内早期的量化产品大部分以套利策略为主。由于套利策略有着规模限制的先天缺陷，所以实际上在此后5年的时间内量化基金的发行一度长期处于空窗期。2、股指期货开启国内量化投资元年(2010年)时间来到2010年，沪深300股指期货上市，此时的量化基金终于具备了可行的对冲工具，各种量化投资策略如alpha策略、股指期货套利策略才真正有了大展拳脚的空间，可以说2010年是中国量化投资元年。大量从事量化基金研究的机构开始投入到量化策略的大潮中，一批海外量化投资人才也是在这个时期察觉到机会相继回国创业。他们认为，相对海外成熟市场，市场的发展历史较短，有效性偏弱，市场上被错误定价的股票相对较多，留给量化投资策略去发掘市场无效性的机会也更多、获取超额收益的潜力更大。3、牛市助推国内量化投资高速发展（2013年至2015年9月）年9月股指新政之前可以说是国内量化基金有史以来最风光的一段时期。2013年的牛市让alpha策略量化基金大赚不少，但是其中也隐藏了一些问题，比如同质化的问题和权重依赖创业板的问题，这些问题在后来创业板不再坚挺的时候就逐步暴露了出来。2014年基金业协会推行管理人和产品的登记备案制，推动了私募基金的全面阳光化，加速了私募的发行，其中自然也包括量化对冲型私募产品。从2014年年底至2015年6月，A股经历了大半年的火爆牛市行情，随后从2015年6月中旬至2015年8月，A股又经历了几轮惨烈的下跌。股民仿佛经历了一轮过山车，市场波动巨大。由于量化投资擅长赚市场波动的钱，所以在此期间，几乎所有的量化投资产品都取得了很好的收益，海外投资人员开始成批回归，国内量化投资机构成批涌现，国内量化投资高速发展，量化投资在公众中开始具备了较高的知名度。4、股指期货新政促使国内量化投资多元化发展（2015年9月至今）然而好景不长，&2015年6月至8月股灾期间，股指期货被很多人指认为"元凶"，所谓存在许多金融机构“恶意做空“股指期货。为了应对股灾，在日，中金所出台了严厉的股指期货日内交易限制措施，市场流动性趋于枯竭，大量Alpha策略量化基金转型相对价值复合策略。在此情境下，市场上已经聚集起来的比较有实力的量化团队开始逐步转型，一方面，从低收益低风险的套利对冲策略，逐步向多空策略、股票多头策略转变，另外一方面，从股票对冲向商品期货、国债期货等品种的CTA策略转变，然而当时看似被动的转型，实则开辟了量化投资的新时代。五、国内量化投资发展未来展望1、国内量化策略研究有待进一步发展对比中外量化策略的发展我们可以看到国内的量化策略起步时间要比国外晚至少40年以上，国外对量化策略的研究是一步一个脚印研究发展起来的，而目前国内的量化策略多是沿用国外过去使用过的策略。很多现在国内的量化经理曾经在国外的大型量化基金公司工作学习过，回国后对曾经用过的量化模型进行本土化修改后即投入使用。和国外相比，现在国内的量化策略研究还处于较为初级的阶段，市场上由国内金融领域专家编写的量化交易策略专著也比较稀缺，以从国外引进的译著居多。但我们也欣喜地看到，在国内不少著名高等院校，近年来量化投资和金融工程已经成为很受欢迎的研究方向，可以期待未来会有更多本土化的量化策略创新出现。2、国内量化基金市场规模相比美国占比较小2012年到2016年量化对冲策略管理的资金规模增长了20倍，管理期货策略更是增长了30倍，增长的速度是所有策略中最快的。相比美国量化基金发展历程，中国现在基本处于美国90年代至21世纪之间的阶段。截至2016年底根据HFR的数据显示，国际上对冲基金总规3.04万亿美金左右，国内证券私募基本上达到2.27万亿人民币。国际上对冲基金采用量化对冲策略的比重接近30%，国内比例大概在8%，乐观估计也不会超过12%，规模上与美国还有着较大的差距。3、多元化策略是国内量化投资发展趋势量化策略发展除了依靠量化策略技术的发展另一个至关重要的因素就是金融衍生工具的使用，美国曾经量化基金的兴起与繁荣就离不开各种新兴金融衍生品的辅助，这一点也同样发生在国内市场，例如2010年国内首次开启了股指期货交易，有了对冲工具的量化策略基金经理如鱼得水，量化策略也在国内迅速发展壮大。然而2015年的股灾后，股指期货被认定为股灾帮凶导致了股指期货受限，从而大大影响了国内Alpha策略的发展，为国内当时最主要的量化策略也着实为量化基金灭了一把火。不过塞翁失马焉知非福，这次股指期货受限导致量化策略的基金经理们开始寻找更多元化的量化策略投资，以防止这种突如其来的打击对公司的影响。实际上，以国外顶级的量化基金为参照，我们能够看到，多元化策略和策略创新确实是量化基金公司基业长青的根本所在。
本文来源：网易财经综合
作者：CCTV证券资讯频道金融研究院
责任编辑：黄云_NF5535
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈京 东 价：
[定价：￥]
PLUS会员专享价
您购买此商品可享受专属价
增值业务：
重　　量：
选择系列：
搭配赠品：
服务支持：
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
量化投资 策略与技术（典藏版）
商品介绍加载中...
扫一扫，精彩好书免费看
京东商城向您保证所售商品均为正品行货，京东自营商品开具机打发票或电子发票。
凭质保证书及京东商城发票，可享受全国联保服务（奢侈品、钟表除外；奢侈品、钟表由京东联系保修，享受法定三包售后服务），与您亲临商场选购的商品享受相同的质量保证。京东商城还为您提供具有竞争力的商品价格和，请您放心购买！
注：因厂家会在没有任何提前通知的情况下更改产品包装、产地或者一些附件，本司不能确保客户收到的货物与商城图片、产地、附件说明完全一致。只能确保为原厂正货！并且保证与当时市场上同样主流新品一致。若本商城没有及时更新，请大家谅解！
权利声明：京东上的所有商品信息、客户评价、商品咨询、网友讨论等内容，是京东重要的经营资源，未经许可，禁止非法转载使用。
注：本站商品信息均来自于合作方，其真实性、准确性和合法性由信息拥有者（合作方）负责。本站不提供任何保证，并不承担任何法律责任。
印刷版次不同，印刷时间和版次以实物为准。
价格说明：
京东价：京东价为商品的销售价，是您最终决定是否购买商品的依据。
划线价：商品展示的划横线价格为参考价，该价格可能是品牌专柜标价、商品吊牌价或由品牌供应商提供的正品零售价（如厂商指导价、建议零售价等）或该商品在京东平台上曾经展示过的销售价；由于地区、时间的差异性和市场行情波动，品牌专柜标价、商品吊牌价等可能会与您购物时展示的不一致，该价格仅供您参考。
折扣：如无特殊说明，折扣指销售商在原价、或划线价（如品牌专柜标价、商品吊牌价、厂商指导价、厂商建议零售价）等某一价格基础上计算出的优惠比例或优惠金额；如有疑问，您可在购买前联系销售商进行咨询。
异常问题：商品促销信息以商品详情页“促销”栏中的信息为准；商品的具体售价以订单结算页价格为准；如您发现活动商品售价或促销信息有异常，建议购买前先联系销售商咨询。
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
浏览了该商品的用户还浏览了
加载中，请稍候...
七日畅销榜
新书热卖榜
iframe(src='///ns.html?id=GTM-T947SH', height='0', width='0', style='display: visibility:')《量化投资：策略与技术》国内首本量化策略著作
《量化投资：策略与技术》国内首本量化策略著作
时间： 12:27:30 来源：期货中国
作 者：丁鹏　编著出 版 社：电子工业出版社出版时间：《量化投资：策略与技术（修订版）》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。本书适合基金经理、产品经理、证券分析师、投资总监及有志于从事金融投资的各界人士阅读。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。本书主要内容本书的内容分为：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。目录策略篇第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4.3.5 主要套利机会4.4 冲击成本4.4.1 主要指标4.4.2 实证案例：冲击成本4.5 保证金管理4.5.1 VaR方法4.5.2 VaR计算方法4.5.3 实证案例第5章 商品期货套利5.1 基本概念5.1.1 套利的条件5.1.2 套利基本模式5.1.3 套利准备工作5.1.4 常见套利组合5.2 期现套利5.2.1 基本原理5.2.2 操作流程5.2.3 增值税风险5.3 跨期套利5.3.1 套利策略5.3.2 实证案例：PVC跨期套利策略5.4 跨市场套利5.4.1 套利策略5.4.2 实证案例：伦铜-沪铜跨市场套利5.5 跨品种套利5.5.1 套利策略5.5.2 实证案例5.6 非常状态处理第6章 统计套利6.1 基本概念6.1.1 统计套利定义6.1.2 配对交易6.2 配对交易策略6.2.1 协整策略6.2.2 主成分策略6.2.3 行业（股票）轮动套利策略6.2.4 配对策略改进6.3 股指套利6.3.1 行业指数套利6.3.2 国家指数套利6.3.3 洲域指数套利6.3.4 全球指数套利6.4 融券套利6.4.1 股票-融券套利6.4.2 可转债-融券套利6.4.3 股指期货-融券套利6.4.4 封闭式基金-融券套利6.5 外汇套利6.5.1 利差套利6.5.2 货币对套利第7章 期权套利7.1 基本概念7.1.1 期权介绍7.1.2 期权交易7.1.3 牛熊证7.2 股票/期权套利7.2.1 股票-股票期权套利7.2.2 股票-指数期权套利7.3 转换套利与反向转换套利7.3.1 转换套利7.3.2 反向转换套利7.4 跨式套利7.4.1 买入跨式套利7.4.2 卖出跨式套利7.5 宽跨式套利7.5.1 买入宽跨式套利7.5.2 卖出宽跨式套利7.6 蝶式套利7.6.1 买入蝶式套利7.6.2 卖出蝶式套利7.7 飞鹰式套利7.7.1 买入飞鹰式套利7.7.2 卖出飞鹰式套利第8章 算法交易8.1 基本概念8.1.1 算法交易定义8.1.2 算法交易分类8.1.3 算法交易设计8.2 被动交易算法8.2.1 冲击成本8.2.2 等待风险8.2.3 常用被动型交易策略8.3 VWAP算法8.3.1 标准VWAP算法8.3.2 改进型VWAP算法第9章 另类套利策略9.1 封闭式基金套利9.1.1 基本概念9.1.2 模型策略9.1.3 实证案例9.2 ETF套利9.2.1 基本概念9.2.2 无风险套利9.2.3 其他套利9.3 LOF套利9.3.1 基本概念9.3.2 模型策略9.3.3 实证案例：LOF套利9.4 高频交易9.4.1 流动性回扣交易9.4.2 猎物算法交易9.4.3 自动做市商策略9.4.4 高频交易的发展理论篇第10章 人工智能10.1 主要内容10.1.1 机器学习10.1.2 自动推理10.1.3 专家系统10.1.4 模式识别10.1.5 人工神经网络10.1.6 遗传算法10.2 人工智能在量化投资中的应用10.2.1 模式识别短线择时10.2.2 RBF神经网络股价预测10.2.3 基于遗传算法新股预测第11章 数据挖掘11.1 基本概念11.1.1 主要模型11.1.2 典型方法11.2 主要内容11.2.1 分类与预测11.2.2 关联规则11.2.3 聚类分析11.3 数据挖掘在量化投资中的应用11.3.1 基于SOM.网络的股票聚类分析方法11.3.2 基于关联规则的板块轮动第12章 小波分析12.1 基本概念12.2 小波变换主要内容12.2.1 连续小波变换12.2.2 连续小波变换的离散化12.2.3 多分辨分析与Mallat算法12.3 小波分析在量化投资中的应用12.3.1 K线小波去噪12.3.2 金融时序数据预测第13章 支持向量机13.1 基本概念13.1.1 线性SVM13.1.2 非线性SVM13.1.3 SVM分类器参数选择13.1.4 SVM分类器从二类到多类的推广13.2 模糊支持向量机13.2.1 增加模糊后处理的SVM13.2.2 引入模糊因子的SVM训练算法13.3 SVM在量化投资中的应用13.3.1 复杂金融时序数据预测13.3.2 趋势拐点预测第14章 分形理论14.1 基本概念14.1.1 分形定义14.1.2 几种典型的分形14.1.3 分形理论的应用14.2 主要内容14.2.1 分形维数14.2.2 L系统14.2.3 IFS系统14.3 分形理论在量化投资中的应用14.3.1 大趋势预测14.3.2 汇率预测第15章 随机过程15.1 基本概念15.2 主要内容15.2.1 随机过程的分布函数15.2.2 随机过程的数字特征15.2.3 几种常见的随机过程15.2.4 平稳随机过程15.3 灰色马尔可夫链股市预测第16章 IT技术16.1 数据仓库技术16.1.1 从数据库到数据仓库16.1.2 数据仓库中的数据组织16.1.3 数据仓库的关键技术16.2 编程语言16.2.1 GPU算法交易16.2.2 MATLAB语言16.2.3 C#语言第17章 主要数据与工具17.1 名策数据：多因子分析平台17.2 Multicharts：程序化交易平台17.3 交易开拓者：期货自动交易平台17.4 大连交易所套利指令17.5 MT5：外汇自动交易平台第18章 对冲交易系统：D-Alpha18.1 系统架构18.2 策略分析流程18.3 核心算法18.4 验证结果参考文献表目录表1.1 不同投资策略对比表2.1 多因子选股模型候选因子表2.2 多因子模型候选因子初步检验表2.3 多因子模型中通过检验的有效因子表2.4 多因子模型中剔除冗余后的因子表2.5 多因子模型组合分段收益率表2.6 晨星市场风格判别法表2.7 夏普收益率基础投资风格鉴别表2.8 中信标普风格指数表2.9 风格动量策略组合月均收益率表2.10 大小盘风格轮动策略月收益率均值表2.11 中国货币周期分段（年）表2.12 沪深300行业指数统计表2.13 不同货币阶段不同行业的收益率表2.14 招商资金流模型（CMSMF）计算方法表2.15 招商资金流模型（CMSMF）选股指标定义表2.16 资金流模型策略--沪深300表2.17 资金流模型策略--全市场表2.18 动量组合相对基准的平均年化超额收益（部分）表2.19 反转组合相对基准的平均年化超额收益（部分）表2.20 动量策略风险收益率分析表2.21 反转策略风险收益率分析表2.22 趋势追踪技术收益率表2.23 筹码选股模型中单个指标的收益率情况对比表3.1 MA.指标择时测试最好的20组参数及其表现表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表3.4 自适应均线择时策略收益率分析表3.5 市场情绪类别表3.6 沪深300指数在不同情绪区域的当月收益率比较表3.7 沪深300指数在不同情绪变化区域的当月收益率比较表3.8 沪深300指数在不同情绪区域的次月收益率比较表3.9 沪深300指数在不同情绪变化区域的次月收益率比较表3.10 情绪指数择时收益率统计表3-11 月度Tsharp择时模型统计结果表3-12 预测Tsharp值（月度）对上证综指的预测作用表3-13 季度Tsharp择时模型统计结果表3-14 预测Tsharp值（季度）对上证综指的预测作用表3-15 SVM择时模型的指标表3-16 SVM模型样本外预测多空次数表3-17 SVM模型样本外预测准确率表3-18 SVM模型趋势交易策略评估表3.19 噪声交易在熊市择时的收益率表4.1 各种方法在不同股票数量下的跟踪误差（年化）表4-2 股指期货多头跨期套利过程分析表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表4.4 不同仓单持有期下的保证金覆盖比例表6.1 2011年沪深300股票同一行业走势高度相关的组合（部分）表6.2 残差的平稳性、自相关等检验表6.3 在不同的阈值下建仓、平仓所能获得的平均收益表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（%）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表6.7 主成分配对交易在样本外的效果表6.8 标准策略、延后开仓、提前平仓策略实证结果表7.1 多头股票-期权套利综合分析表表7.2 多头股票-股票期权套利案例损益分析表表7.3 多头股票-指数期权套利案例损益分析表表7.4 转换套利分析过程表7.5 买入跨式套利综合分析表表7.6 买入跨式套利交易细节表7.7 卖出跨式套利综合分析表表7.8 卖出跨式套利交易细节表7.9 买入宽跨式套利综合分析表表7.10 卖出宽跨式套利综合分析表表7.11 买入蝶式套利综合分析表表7.12 卖出蝶式套利综合分析表表7.13 买入飞鹰套利综合分析表表7.14 卖出飞鹰式套利综合分析表表9.1 鹏华300.LOF两次正向套利的情况表9.2 鹏华300.LOF两次反向套利的情况表10.1 自动推理中连词系统表10.2 模式识别短线择时样本数据分类表10.3 RBF神经网络股价预测结果表10.4 遗传算法新股预测参数设置表10.5 遗传算法新股预测结果表11.1 决策树数据表表11.2 关联规则案例数据表表11.3 SOM股票聚类分析结果表11.4 21种股票板块指数布尔关系表数据片断表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表12.2 不同分解层数的误差均方根值表13.1 SVM沪深300指数预测误差情况表13.2 SVM指数预测和神经网络预测的比较表13.3 技术反转点定义与图型表14.1 持续大涨前后分形各主要参数值表14.2 持续大跌前后分形各主要参数值表14.3 外汇R/.S.分析的各项指标表14.4 V（R/S）曲线回归检验表15.1 灰色马尔可夫链预测深证成指样本内（6/8）表15.2 灰色马尔可夫链预测深证成指样本外（6/12）表16-1 VaR算法GPU和CPU时间对比表18-1 D-Alpha系统在全球市场收益率分析部分书摘连续20年，每年赚60%，从来没有出现过亏损！这是量化投资大师西蒙斯教授给出的战绩，这个成绩将巴菲特和索罗斯远远地抛在身后，这已经成为华尔街顶尖对冲基金经理眼中的神话，一个让人瞠乎绝尘的神话！量化投资是最近十年来在国际投资界兴起的一个新方法，发展势头迅猛，和基本面分析、技术面分析并称为三大主流方法。基本面分析和技术面分析可以看做是传统的证券分析理论，而量化投资则是结合了现代数学理论和金融数据的一种全新的分析方式，是现代化的证券分析方法。和传统的基本面分析和技术面分析比较起来，量化投资最大的特点就是定量化和精确化。采用传统分析方法取得良好业绩的投资者首推巴菲特，连续40年，每年可以获得20%的复合稳定收益。而量化投资大师西蒙斯则连续20年为投资者获得超过35%的收益率，若包括业绩提成在内，则实际每年投资收益率超过60%，由此可见量化投资的巨大威力。2008年笔者去欧洲访问研究，和德意志银行、雷曼兄弟以及一家欧洲很大的对冲基金的研究员交流，2010年去香港和摩根斯坦利、美林证券以及野村证券的投资经理交流。给我最大的感受就是：这些国际顶级的投行在量化投资模型研究的深入与扎实。'一切用数据说话'，这是他们任何投资决策的基石。不知道有一天中国的金融市场全面开放后，国内的投资者能否抵挡华尔街金融大鳄们的冲击。于是决定写一本有关量化投资的书。当开始动笔写作本书时候，才发现这是一个极其艰难的工作。市面上没有任何一本谈论量化投资策略的书籍可供参考，故事书倒有几本，但关于策略的内容少之又少，而有关量化投资的研究报告也散落在网络的各个角落。经过3个多月的精心筛选，精选出60多个精华策略，形成了本书的主要内容。希望能起一个抛砖引玉的作用，让更多的投资者采用这种先进的分析方法，获取更高和更稳定的投资收益。
研究员：章水亮
【免责声明】本文仅代表作者本人观点，与本网站无关。本网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。
七禾网APP投资圈（安卓版） 七禾网APP投资圈（苹果版） 七禾网 金融茶馆
本网站凡是注明“来源：七禾网”的文章均为七禾网 版权所有，相关网站或媒体若要转载须经七禾网同意8，并注明出处。若本网站相关内容涉及到其他媒体或公司的版权，请联系8，我们将及时调整或删除。
七禾研究中心负责人: 沈良/刘健伟/翁建平电话：8Email：
七禾网总经理：章水亮电话：7Email：
七禾研究员:唐正璐/韩奕舒/傅旭鹏/李烨电话：8Email：
七禾网上海分部负责人：果圆、尚玮电话：、
七禾网宁波分部负责人：童斌电话：
七禾网深圳分部负责人：孙卫国电话：5、
七禾财富管理中心电话：
投资圈APP(安卓版)
投资圈APP(苹果版)
七禾网投顾平台
傅海棠自媒体
沈良自媒体
许哲自媒体
(C) 七禾网 浙ICP备网络信息服务许可证-浙B2- 七禾网通用网址证书号 84940 软件开发/网络推广营业注册号 984
中期协“期媒投教联盟”成员 、 中期协“互联网金融委员会”委员单位 七禾网是您的互联网私人银行，是个人投资和家族财富管理综合服务平台。