第一章 量化交易概述 1
第一节 量化交易的基本概念 2
一、认识量化交易 2
二、量化交易的研究对象 2
三、量化交易的主要参与者 4
第二节 量化交易的特点 7
一、量化交易的优势 7
二、量化交易的局限性 8
三、量化交易与传统交易的比较 9
四、量化交易对市场的影响 9
第三节 量化交易的发展 11
一、量化交易与现代金融理论 12
二、量化交易的发展背景 12
三、国外量化交易的发展 15
四、国内量化交易的发展 16
第二章 量化交易分类 21
第一节 统计套利 22
一、统计套利简介 22
二、统计套利的基本类型 23
三、套利的理论 24
四、ARCH模型与GARCH模型 27
第二节 高频交易 28
一、高频交易简介 28
二、高频交易理论 29
三、高频交易的技术特征 35
四、高频交易的利弊 36
第三节 程序化交易 38
一、程序化交易简介 38
二、程序化交易的特点 39
三、程序化交易的应用 39
第三章 量化交易建模方法 42
第一节 随机过程 43
一、基本理论 43
二、随机过程的类型 44
第二节 机器学习 45
一、机器学习系统的基本结构 45
二、学习策略分类 46
第三节 数据挖掘 47
一、数据挖掘模型 47
二、数据挖掘方法 48
三、实现方法 48
第四节 其他建模方法 49
一、小波分析 49
二、支持向量机 50
第四章 量化交易模型 53
第一节 数据处理 54
一、数据的作用 54
二、数据的类型 54
三、接收与存储 55
四、数据降噪 58
第二节 阿尔法模型——理论驱动 59
一、简介 59
二、趋势追踪策略 60
三、均值回归策略 61
四、多因子量化选股模型 62
第三节 阿尔法模型——数据驱动 65
一、简介 65
二、数据挖掘方法 66
三、文本处理模型 68
第四节 交易执行模型 71
一、电子交易与交易制度 71
二、交易成本与交易成本模型 74
三、执行交易的算法 80
第五节 量化分析工具 84
一、MATLAB 84
二、SPSS 87
三、SAS 89
第六节 编程语言 92
一、Python语言 92
二、R语言 93
第五章 量化交易模型评估 96
第一节 常用绩效评估指标 97
一、常用分析指标 97
二、模型运算指标 98
第二节 样本内绩效 99
一、样本内数据 99
二、历史回测 99
第三节 样本外绩效 101
一、样本外数据 101
二、样本内外匹配度 101
三、模型上线方法 103
第四节 模型优化 104
一、数据选择 104
二、参数优化 105
第六章 量化交易风险与监管 110
第一节 量化交易的风险 110
一、模型风险 111
二、技术风险 111
三、合规风险 112
四、操作风险 112
五、系统风险 112
第二节 量化交易的监管 113
一、监管手段 113
二、各国监管方法 115
第三节 量化交易风险案例剖析 116
一、美国“闪崩” 116
二、日本J-COM错误订单 118
三、光大乌龙指 119
第七章 简单量化交易模型实现 123
第一节 前期准备 123
一、了解自己 123
二、选择合适的市场 124
三、选择交易适合的平台 124
第二节 构建交易策略 125
一、模型的通用性 126
二、条件设置 126
三、模型适用的周期性 127
第三节 风险控制 129
一、止损策略 129
二、止盈策略 129
三、仓位控制 130
参考文献 133