顶部
收藏

量化投资


作者:
刘宏志 编著
定价:
35.00元
ISBN:
978-7-04-065675-6
版面字数:
320.00千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2025-11-13
物料号:
65675-00
读者对象:
高等教育
一级分类:
经济
二级分类:
金融学
三级分类:
金融工程

本书覆盖量化投资的全过程,共分10章,主要内容分为三部分:第一部分(第1~4章)主要介绍量化投资的基本概念、理论发展、基本假设与基本原则,经典系统与策略,以及策略回测,让读者能够快速入门并进行实践;第二部分(第5~7章)主要介绍金融理论驱动的量化投资模型与策略,具体包括基础理论与资产配置、风险度量与模型、套利定价理论和多因子收益率模型;第三部分(第8~10章)主要介绍事件和智能算法驱动的量化投资模型与技术,具体包括基于信息的预测、交易成本与配置再平衡、事件驱动的量化投资策略。本书从应用需求出发,兼顾了相关金融理论与技术实践。

本书可作为高等学校金融科技、金融工程、计算金融、数据科学、人工智能、软件工程等专业相关课程教材,也可作为金融业从业人员的参考读物。

  • 前辅文
  • 第1章 绪论
    • 1.1 什么是投资
    • 1.2 为什么要投资
    • 1.3 什么是量化投资
      • 1.3.1 量化投资兴起的原因
      • 1.3.2 量化投资的定义和主要思想
      • 1.3.3 量化投资的特点
      • 1.3.4 量化投资的误区
    • 1.4 量化投资与传统投资
      • 1.4.1 传统投资经典案例
      • 1.4.2 分维度比较
    • 1.5 量化投资的主要内容
      • 1.5.1 量化选股
      • 1.5.2 量化择时
      • 1.5.3 资产配置
      • 1.5.4 风险管控
    • 1.6 量化投资的理论发展
      • 1.6.1 20世纪50至60年代
      • 1.6.2 20世纪70至80年代
      • 1.6.3 20世纪90年代
      • 1.6.4 20世纪90年代末至今
    • 1.7 量化投资相关学科与技术
    • 1.8 量化投资的代表性企业与人物
      • 1.8.1 代表性企业
      • 1.8.2 代表性人物
    • 习题
  • 第2章 基本假设与基本原则
    • 2.1 有效市场假说
    • 2.2 市场异象与行为金融学
      • 2.2.1 弱式有效市场异象
      • 2.2.2 半强式有效市场异象
      • 2.2.3 强式有效市场异象
      • 2.2.4 行为金融学
    • 2.3 量化投资的基本假设
      • 2.3.1 市场在大多数情况下是有效的
      • 2.3.2 量化分析能够创造统计套利机会
    • 2.4 量化投资的基本原则
      • 2.4.1 有效利用所有可得信息
      • 2.4.2 利用因果关系避免统计陷阱
    • 习题
  • 第3章 经典系统与策略
    • 3.1 欧奈尔选股系统
      • 3.1.1 基本思想
      • 3.1.2 系统设计
    • 3.2 神奇公式选股系统
      • 3.2.1 基本思想
      • 3.2.2 系统设计
    • 3.3 配对交易策略
      • 3.3.1 基本思想
      • 3.3.2 策略设计
      • 3.3.3 应用案例
    • 3.4 动量策略与反转策略
      • 3.4.1 理论基础
      • 3.4.2 策略设计
      • 3.4.3 应用案例
    • 3.5 行业轮动策略
      • 3.5.1 理论基础
      • 3.5.2 行业配置框架
      • 3.5.3 经济周期理论
    • 3.6 对冲套利策略
      • 3.6.1 基本思想
      • 3.6.2 策略设计
    • 习题
  • 第4章 策略回测
    • 4.1 动机与意义
    • 4.2 基本假设与一般流程
    • 4.3 回测平台与工具
      • 4.3.1 在线回测平台
      • 4.3.2 离线回测平台
      • 4.3.3 数据获取工具
    • 4.4 案例:神奇公式选股策略的实现与回测
    • 4.5 回测的陷阱
      • 4.5.1 信息泄露
      • 4.5.2 不可能成交的价格与份额
      • 4.5.3 过拟合
      • 4.5.4 幸存者偏差
      • 4.5.5 样本偏差
    • 习题
  • 第5章 基础理论与资产配置
    • 5.1 引言
    • 5.2 基于经验的资产配置
    • 5.3 基于马科维茨投资组合理论的资产配置
      • 5.3.1 马科维茨投资组合理论
      • 5.3.2 风险分散化原理
      • 5.3.3 最优投资组合配置策略
    • 5.4 基于CAPM的资产配置
      • 5.4.1 CAPM简介
      • 5.4.2 基于CAPM的资产配置步骤
      • 5.4.3 资本市场线
      • 5.4.4 证券市场线与CAPM方程
      • 5.4.5 贝塔系数的含义与数值估计
      • 5.4.6 特雷诺比率和夏普比率
      • 5.4.7 最优风险资产组合配置策略
    • 习题
  • 第6章 风险度量与模型
    • 6.1 风险的定义
      • 6.1.1 风险定义的条件
      • 6.1.2 风险定义的本质
    • 6.2 常用的风险度量指标
      • 6.2.1 方差
      • 6.2.2 标准差
      • 6.2.3 半方差与下行风险
      • 6.2.4 损失概率
      • 6.2.5 风险值
      • 6.2.6 最大回撤与最大回撤率
      • 6.2.7 统一表示与对比分析
    • 6.3 相对风险与年化风险
      • 6.3.1 相对风险
      • 6.3.2 年化风险
    • 6.4 风险模型
      • 6.4.1 风险模型的用途与目标
      • 6.4.2 历史数据模型
      • 6.4.3 CAPM风险模型
      • 6.4.4 结构化多因子风险模型
    • 习题
  • 第7章 套利定价理论与多因子收益率模型
    • 7.1 引言
    • 7.2 套利定价理论
      • 7.2.1 基本思想与理论假设
      • 7.2.2 经典实例
    • 7.3 多因子收益率模型概述
    • 7.4 基本面因子模型
      • 7.4.1 基本思想
      • 7.4.2 因子暴露
      • 7.4.3 因子溢价
    • 7.5 经济因子模型
      • 7.5.1 基本思想
      • 7.5.2 因子溢价与因子暴露
    • 7.6 混合因子模型
      • 7.6.1 基本思想
      • 7.6.2 因子暴露与因子溢价
    • 7.7 应用示例
      • 7.7.1 多因子收益率模型构建
      • 7.7.2 投资策略构建与回测结果
    • 习题
  • 第8章 基于信息的预测
    • 8.1 引言
      • 8.1.1 问题定义与基本假设
      • 8.1.2 预测模型的分类
    • 8.2 因子变换与选择
      • 8.2.1 因子变换
      • 8.2.2 因子选择
      • 8.2.3 案例:股票收益率预测
    • 8.3 经典机器学习模型
      • 8.3.1 k近邻算法
      • 8.3.2 逻辑斯谛回归
      • 8.3.3 人工神经网络
    • 8.4 时序预测模型
      • 8.4.1 ARIMA模型
      • 8.4.2 循环神经网络
      • 8.4.3 长短期记忆网络
      • 8.4.4 门控循环单元网络
      • 8.4.5 案例:ETF指数预测
    • 习题
  • 第9章 交易成本与配置再平衡
    • 9.1 引言
      • 9.1.1 资产配置再平衡的时机
      • 9.1.2 交易成本的影响
    • 9.2 股票交易的直接成本
      • 9.2.1 直接成本的组成
      • 9.2.2 直接成本的调整和变动
    • 9.3 股票交易的间接成本
      • 9.3.1 间接成本的组成
      • 9.3.2 间接成本的影响因素
    • 9.4 间接成本估计
      • 9.4.1 基于经验的估计方法
      • 9.4.2 基于量化模型的估计方法
      • 9.4.3 综合案例
    • 9.5 考虑交易成本的再平衡
      • 9.5.1 均值-方差模型
      • 9.5.2 再平衡机制
      • 9.5.3 案例:对冲套利
    • 习题
  • 第10章 事件驱动的量化投资策略
    • 10.1 策略研发的一般流程
    • 10.2 事件研究法
      • 10.2.1 基本假设与思想
      • 10.2.2 主要步骤
    • 10.3 事件的异常收益率
      • 10.3.1 定义与估算
      • 10.3.2 统计分析
    • 10.4 事件分类
      • 10.4.1 基于行为主体的事件分类
      • 10.4.2 基于发生时间的事件分类
      • 10.4.3 基于对股票异常收益率影响的事件分类
    • 10.5 事件驱动的量化投资策略构建
      • 10.5.1 单事件驱动的量化投资策略构建
      • 10.5.2 多事件驱动的量化投资策略构建
    • 10.6 案例:多事件驱动的量化投资策略
      • 10.6.1 策略假设
      • 10.6.2 数据获取与分析
      • 10.6.3 策略设计
      • 10.6.4 回测结果与分析
    • 习题
  • 参考文献