量化投资技术分析实战

量化投资技术分析实战

解码股票与期货交易模型

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
8.612 评价豆瓣读书
免费试读
¥69.30¥34.99
今日特价截止至:2020-05-28 02:00:00了解详情

作品简介

全书一共5章,第1章介绍量化投资专家系统,起到提纲挈领、点明任务主题的作用。第2章介绍量化投资专家系统开发,需求是设计更是算法,通用性极强。第3章从PHP开发者的角度详细讲解代表性模块的开发与实现,从而达到举一反三的目的,加深读者的印象。第4章从基本面、技术面和高频方面分别列举了两个策略。第5章通过一些小案例提高读者的开发能力。第6章将在模型讲解的基础上,给出建模方法和绩效评估方法,并公开部分机构模型,指导投资者进一步钻研。作者计划为每个模型构建评级评分,展示绩效,并通过让读者扫描二维码,下载模型,构建纸媒和互联网的连接机制,构建稳定的读者群。

濮元恺,本科毕业于兰州财经大学,新闻学专业,任职于励京投资管理(北京)有限公司,且担任中国量化投资学会专家委员会委员。

作品目录

  1. 作者简介
  2. 推荐序
  3. 通向量化投资之路并不平坦
  4. 第1章 量化投资入门建议与行业概况
  5. 1.1 学习路线图与重要知识节点
  6. 1.2 稳步上升的资金曲线是否存在
  7. 1.3 有保留地相信回测结果
  8. 1.4 绩效评估常见指标和方法
  9. 1.5 部分可视化免编程量化分析平台
  10. 第2章 快速驾驭编程语言知识
  11. 2.1 TB基本编程——基础知识
  12. 2.2 TB基本编程——条件循环语句
  13. 2.3 Python语言比你想象中更简单
  14. 2.4 Python Numpy库常用操作解读
  15. 2.5 Python Pandas库常用操作解读
  16. 2.6 实战开始:在股票平台进行数据查询
  17. 第3章 股票期货择时交易模型
  18. 3.1 ETF二八择时法则,跑赢基础股票指数
  19. 3.2 Aberration系统,长期活跃于期货市场
  20. 3.3 低价股+逆向双均线模型,初步探索个股特征
  21. 3.4 CCI通道+自适应系统,驯服商品期货波动
  22. 3.5 AMA自适应均线系统捕捉价格启动机会
  23. 3.6 “海龟交易法则”辉煌战绩与实践
  24. 第4章 基本面和技术面交易模型
  25. 4.1 股票模型思路形成与常见问题
  26. 4.2 小市值二八过滤止损模型,A股明星以小为美
  27. 4.3 PEG价值选股模型,复制彼得·林奇投资路径
  28. 4.4 技术指标测试平台
  29. 4.5 动量效应和反转效应
  30. 4.6 换手率和资金流模型,主力和筹码盘根错节
  31. 4.7个股CTA策略尝试
  32. 4.8 高频因子低频交易,“聪明钱”因子模型
  33. 4.9 股息率高分红模型,与参数优化实践
  34. 第5章 更有效的期货交易模型构建
  35. 5.1 万变不离其宗,均线类模型本质剖析
  36. 5.2 逆势交易在期货市场的初步实践
  37. 5.3 大小周期双频率模型CTA实战
  38. 5.4 OpenRangeBreaker短线突破交易系统
  39. 第6章 股票多因子模型实战
  40. 6.1 理解回归问题的原理
  41. 6.2 基本的统计学知识补充
  42. 6.3 股票多因子模型的实质
  43. 6.4 股票收益50年探索历程
  44. 6.5 单因子分析方法
  45. 6.6 多因子选股模型:多元线性回归法
  46. 6.7 SVR机器学习多因子建模
  47. 第7章 模型与实盘投资难点
  48. 7.1 参与CTA市场的必要性和必然性
  49. 7.2 止损模块的重要意义与取舍
  50. 7.3 我们更加侧重的绩效评估理论
  51. 7.4 警惕隐藏的回撤幅度和回撤时间
  52. 结束语 不断失败和不断迭代
载入中

热门划线

  1. 路线图2 人
  2. 他们分别以基本面价值选股、程序化多品种趋势追踪交易、市场多维度信息量化分析作为自己的投资逻辑,通过选取合理的数据、精细加工、科学建模计算,得到了稳健的、可被验证有效的,特别是可被证伪的投资模型。2 人
  3. 所以通过阅读书本知识了解金融市场规则,然后通过实践了解股票、期货、外汇、数字货币等市场的不同波动特性,或者通过数学工具,抽取市场价量信息分析这些特性,是量化投资的第一步。2 人
  4. 尤其是针对个人投资者和量化投资爱好者,投资研发能力和信息获取能力不比机构投资者,但是我们能忍受的回撤期较长,没有固定开发成本(如高额的公司运营成本),资金属性也决定了个人的可承受回撤风险大于机构投资者(机构投资者多接受实业资本、保险资本等刚性兑付资本的资金,因此小幅度亏损也无法接受),所以我们可以用时间作为工具,通过时间长出投资的玫瑰。2 人
  5. 坚守自己的模型,保持强大的连续性和投资定力,这在一定程度上比开发更先进的模型更重要。2 人
  6. 《量化大类资产配置》一书,书中描述了大量的资产配置案例和量化处理方法。2 人
  7. 实盘和回测一定是有偏差的(当然我们都希望实盘比回测绩效更好,但是很遗憾这种情况很少出现)。2 人
  8. 我们的回测报告只是逼近模型在实盘阶段的表现,或者说近似说明该模型有哪些风险收益特征。相信回测并不等于死板地恪守,要看清回测的实质。2 人
  9. 量化投资的危险之处在于,目标函数在推动你从数据里挖出黄金,也在放大噪声的影响力,所以到了某个奇怪的交易规则设置临界点下,模型由噪声主导,得到的完全都是幸存者偏差。2 人
  10. 绩效指标也被称为风险指标,它们也是量化投资的基石,正因为有这些指标我们可以横向对比不同模型。首先以被模型开发者熟知的夏普比率开始介绍,Sharpe Ratio(夏普比率)目的是计算投资组合每承受一单位总风险,会产生多少的超额报酬。它的优点是不仅考虑收益,还考虑每次的波动率(回撤幅度),可以同时对策略的收益与风险进行综合考虑。夏普比率的计算公式是:夏普比率=策略年化收益率-无风险回报率 /策略回报率标准差。如果某股票型基金,过去一年上涨15%,1年期国债或者1年期定存的无风险回报是3%,基金净值的标准差是6%,那么用15%-3%,可以得出12%(这个12%是超出无风险投资的回报),再用12%÷6%=2,就是夏普比率。2 人

喜欢这本书的人也喜欢