量化投资 pdf下载

基本信息

• 商品名称：量化投资(交易模型开发与数据挖掘)/量化交易丛书
• 作者：韩焘
• 定价：99
• 出版社：电子工业
• 书号：9787121375866

其他参考信息（以实物为准）

• 出版时间：2020-01-01
• 印刷时间：2020-01-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：464
• 字数：600千字

内容提要

本书是一本针对想在股票、期货和期权等投资市 场上获取 多收益的初中级投资者的技术参考书。
     本书 ～4章主要讲解量化投资的入门知识，包 括量化投资的发展现状、量化投资的开发工具、策略 回测、择时与选股策略等内容；第5～7章主要讲解量 化对冲策略与数据挖掘，包括数据加载与收益分析、 量化投资中数据挖掘的使用等内容；第8～9章主要讲 解量化投资中的配置方法，包括资产配置和风险控制 ，以及量化投资中的仓位决策方法与技巧等内容；第 10～11章主要讲解人工智能技术在量化投资中的运用 ，包括机器学习与遗传算法、人工智能选股模型的使 用等内容。
     全书内容专业，案例丰富翔实，是作者近10年不 断在量化投资与人工智能技术领域探索的 结晶。
     本书不仅适合初入门的投资者，也适合有一定投 资经验且想深入掌握量化操作的投资者使用，还可以 作为私募投资机构和券商培训机构的参考教材。

目录

第1章 量化投资入门
1.1 量化投资及定义
1.2 量化投资与传统投资的比较
1.2.1 两种投资策略简介
1.2.2 量化投资相对于传统投资的主要优势
1.3 量化投资的国外发展现状及 投资市场未来展望
1.3.1 量化金融和理论的建立过程
1.3.2 国外量化投资基金的发展历史
1.3.3 量化投资基金的发展历史
1.3.4 投资市场未来展望
1.4 突发汇率、加息、商誉的应对方法
1.4.1 突发汇率变化和加息的应对方法
1.4.2 面对商誉减值的应对方法
第2章 量化投资策略的设计思路
2.1 量化投资策略的研发流程
2.2 量化投资策略的可行性研究
2.3 量化平台常用语言—Python
2.3.1 Python简介
2.3.2 量化基础语法及数据结构
2.3.3 量化中函数的定义及使用方法
2.3.4 面向对象编程OOP的定义及使用方法
2.3.5 itertools的使用方法
2.4 量化投资工具—Matplotlib
2.4.1 Matplotlib基础知识
2.4.2 Matplotlib可视化工具基础
2.4.3 Matplotlib子画布及loc的使用
2.5 Matplotlib绘制K线图的方法
2.5.1 安装财经数据接口包（Tushare）和绘图包（mpl_finance）
2.5.2 绘制K线图示例
第3章 量化投资策略回测
3.1 选择回测平台的技巧
3.1.1 根据个人特点选择回测平台
3.1.2 回测平台的使用方法与技巧
3.2 调用金融数据库中的数据
3.2.1 历史数据库的调取
3.2.2 数据库的分析方法与技巧
3.3 回测与实际业绩预期偏差的调试方法
3.4 设置回测参数
3.4.1 start和end回测起止时间
3.4.2 universe证券池
3.4.3 benchmark参考基准
3.4.4 freq和refresh_rate策略运行频率
3.5 账户设置
3.5.1 accounts账户配置
3.5.2 AccountConfig账户配置
3.6 策略基本方法
3.7 策略运行环境
3.7.1 now
3.7.2 current_date
3.7.3 previous_date
3.7.4 current_minute
3.7.5 current_price
3.7.6 get_account
3.7.7 get_universe
3.7.8 transfer_cash
3.8 获取和调用数据
3.8.1 history
3.8.2 get_symbol_history
3.8.3 get_attribute_history
3.8.4 DataAPI
3.9 账户相关属性
3.9.1 下单函数
3.9.2 获取账户信息
3.10 策略结果展示
3.11 批量回测
第4章 量化投资择时策略与选股策略的推进方法
4.1 多因子选股策略
4.1.1 多因子模型基本方法
4.1.2 单因子分析流程
4.1.3 多因子（对冲）策略逻辑
4.1.4 多因子（裸多）策略逻辑
4.2 多因子选股技巧
4.2.1 定义股票池
4.2.2 指标选股
4.2.3 指标排序
4.2.4 查看选股
4.2.5 交易配置
4.2.6 策略回测
4.3 择时—均线趋势策略
4.3.1 格兰维尔移动平均线八大法则
4.3.2 双均线交易系统
4.4 择时—移动平均线模型
4.4.1 MA模型的性质
4.4.2 MA的阶次判定
4.4.3 建模和预测
4.5 择时—自回归策略
4.5.1 AR（p）模型的特征根及平稳性检验
4.5.2 AR（p）模型的定阶
4.6 择时—均线混合策略
4.6.1 识别ARMA模型阶次
4.6.2 ARIMA模型
第5章 量化对冲策略
5.1 宏观对冲策略
5.1.1 美林时钟
5.1.2 宏观对冲策略特征
5.2 微观对冲策略：股票投资中的Alpha策略和配对交易
5.2.1 配对交易策略
5.2.2 配对交易策略之协整策略
5.2.3 市场中性Alpha策略简介
5.2.4 AlphaHorizon单因子分析模块
5.3 数据加载
5.3.1 uqer数据获取函数
5.3.2 通过uqer获取数据
5.3.3 因子数据简单处理
5.4 AlphaHorizon因子分析—数据格式化
5.5 收益分析
5.5.1 因子选股的分位数组合超额收益
5.5.2 等权做多多头分位、做空空头分位收益率分析策略
5.5.3 等权做多多头分位累计净值计算
5.5.4 多头分位组合实际净值走势图
5.5.5 以因子值加权构建组合
5.6 信息系数分析
5.6.1 因子信息系数时间序列
5.6.2 因子信息系数数据分布特征
5.6.3 因子信息系数月度热点图
5.6.4 因子信息系数衰减分析
5.7 换手率、因子自相关性分析
5.8 分类行业分析
5.9 总结性分析数据
5.10 AlphaHorizon完整分析模板
第6章 数据挖掘
6.1 数据挖掘分类模式
6.2 数据挖掘之神经网络
6.2.1 循环神经网络数据的准备和处理
6.2.2 获取因子的原始数据值和股价涨跌数据
6.2.3 对数据进行去极值、中性化、标准化处理
6.2.4 利用不同模型对因子进行合成
6.2.5 合成因子效果的分析和比较
6.2.6 投资组合的构建和回测
6.2.7 不同模型的回测指标比较
6.