▌內容簡介 ▌

★量化交易基礎，資產配置量化
☆阿爾法量化，貝塔量化，另類量化
★量化交易的策略及實戰，巴菲特的量化交易策略
☆量化交易策略的邏輯與設計
★因數建模，凱利公式與倉位計算，夏普比率，彼得·林奇多因數量化交易
☆米倫坎普量化交易策略
★量化交易策略的程式開發
☆監督學習，無監督學習，深度學習
★量化交易中的重要問題，低風險策略
☆GPT在量化交易中的應用

ChatGPT從天而降，這讓廣大投資者可以更加方便地使用各類程式設計工具。當工具的使用門檻迅速降低時，掌握量化交易的底層邏輯就成了重中之重。量化交易的世界裡，每位投資者選擇的交易策略是差別很大的，具體可以概括成5種交易策略：基本面量化、資產配置量化、阿爾法量化、貝塔量化和另類量化。本書將這5種交易策略都用實戰演練，我們可以看到世界級投資大師們留下的足跡。把投資當作「數學」來研究的時候，投資就不再是一門無法預測的藝術。市場變化的背後應當有其數學邏輯，這也是筆者一直強調的「在投資中，底層思維邏輯最重要，而具體的工具不重要」的原因。使用GPT及Python的結合，再加上五大量化交易策略，讀者們可以勇於嘗試不同的交易策略，看看哪個最適合自己，用時間來錢滾錢，才是達到財富自由的唯一道路。

▌目錄 ▌

第1 章 量化交易基礎入門
1.1 量化交易的基本定義
1.2 量化交易的研究對象
1.3 量化交易的發展歷程
1.3.1 量化交易的萌芽
1.3.2 量化交易的發展歷程
1.4 量化交易策略的主要分類
1.4.1 基本面量化交易策略
1.4.2 資產配置量化交易策略
1.4.3 阿爾法量化交易策略
1.4.4 貝塔量化交易策略
1.4.5 另類量化交易策略
1.5 量化交易的未來發展
1.5.1 量化交易的智慧化
1.5.2 量化交易的全球化
1.5.3 量化交易的機構化

第2 章 量化交易的策略及實戰案例
2.1 基本面量化交易策略
2.1.1 基本面量化交易策略的底層邏輯
2.1.2 基本面量化交易策略的代表人物及其投資邏輯
2.1.3 實戰案例：巴菲特的量化交易策略
2.1.4 基本面投資與基本面量化交易的區別
2.2 資產配置量化交易策略
2.2.1 資產配置量化交易策略的底層邏輯
2.2.2 資產配置量化交易策略的代表人物及其投資邏輯
2.2.3 實戰案例：橋水公司的全天候量化交易策略
2.2.4 實戰案例：個人養老金量化交易策略
2.3 貝塔量化交易策略
2.3.1 貝塔量化交易策略的底層邏輯
2.3.2 貝塔量化交易策略的代表人物及其投資邏輯
2.3.3 實戰案例：RSRS 擇時量化交易策略
2.3.4 實戰案例：打板量化交易策略
2.4 阿爾法量化交易策略
2.4.1 阿爾法量化交易策略的底層邏輯
2.4.2 阿爾法量化交易策略的代表人物及其投資邏輯
2.4.3 實戰案例：彼得‧ 林區多因數量化交易策略
2.5 另類量化交易策略
2.5.1 另類量化交易策略的底層邏輯
2.5.2 另類量化交易策略的代表人物及其投資邏輯
2.5.3 實戰案例：高頻交易策略
2.5.4 實戰案例：事件驅動量化交易策略

第3 章 量化交易策略的邏輯與設計
3.1 因數建模
3.1.1 如何理解量化交易策略中的因數
3.1.2 阿爾法101 因數建模範例解讀
3.2 邏輯與設計
3.2.1 什麼是思維導圖
3.2.2 思維導圖建構邏輯與設計的要點
3.2.3 止盈止損的常用方法
3.3 凱利公式與倉位計算
3.3.1 什麼是凱利公式
3.3.2 凱利公式所引發的思考
3.3.3 凱利公式的倉位計算
3.4 量化交易策略的有效性評估
3.4.1 未來函數
3.4.2 過度擬合
3.4.3 夏普比率
3.5 實戰案例：米倫坎普量化交易策略的邏輯與設計
3.5.1 米倫坎普簡介
3.5.2 米倫坎普的投資邏輯
3.5.3 米倫坎普量化交易策略在中國市場的適應情況
3.5.4 米倫坎普量化交易策略的改進想法
3.5.5 米倫坎普量化交易策略的實戰程式範例

第4 章 量化交易策略的程式開發與實戰
4.1 低程式開發
4.1.1 低程式開發量化交易策略指南
4.1.2 實戰案例：國信金太陽建構的模擬動量策略
4.1.3 實戰案例：在果仁網建構葛拉漢熊轉牛積極策略
4.2 有程式開發
4.2.1 有程式開發量化交易策略指南
4.2.2 實戰股票案例：彼得‧ 林區多因數量化交易策略進階
4.2.3 實戰期貨案例：經典的CTA 策略
4.2.4 實戰基金案例：FoF 策略
4.3 機器學習
4.3.1 監督學習在量化交易中的應用
4.3.2 無監督學習在量化交易中的應用
4.3.3 深度學習在量化交易中的應用

第5 章 量化交易中的重要問題
5.1 量化交易與哲學問題
5.1.1 哲學與量化交易
5.1.2 哲學三問對量化交易的啟示
5.1.3 量化交易中的哲學範例：「簡單」或「複雜」
5.2 演算法交易簡介
5.2.1 什麼是演算法交易
5.2.2 演算法交易的迭代
5.2.3 演算法交易的常用因數簡介
5.2.4 演算法交易實戰範例
5.3 低風險策略的研究方向
5.3.1 什麼是低風險策略
5.3.2 常用的低風險策略
5.3.3 低風險策略的利與弊
5.4 量化實戰策略最佳化的注意事項
5.4.1 避免過度擬合的方法
5.4.2 特別關注對出場條件的最佳化
5.4.3 關於最佳化的幾點說明
5.5 GPT 在量化交易中的應用
5.5.1 ChatGPT 的誕生是一次世界級的技術革命
5.5.2 從4 個維度理解GPT 系列大模型
5.5.3 GPT 可以幫助投資者更快速地入門量化交易
5.5.4 GPT 在量化交易中的具體應用範例
5.5.5 GPT 在資產配置量化交易策略的具體應用範例

後記 感謝「量化漫步」團隊的付出與貢獻

附錄A 進入量化行業的面試指南
附錄B 量化交易常用參考書與網站指南
B.1 Python 環境架設
B.2 Python 入門
B.3 量化交易策略研發
附錄C 量化交易常用的資料介面

▌作者簡介 ▌

羅勇，資深演算法策略師，哈爾濱工業大學金融智慧量化投資研究中心副主任。曾在哈爾濱工業大學開設16學時的「金融投資策略設計」本科課程；在哈爾濱金融學院開設51學時的「金融量化基礎」本科課程；在哈爾濱商業大學開設32學時的「電腦語言與量化投資」研究生課程。《波動率：實用期權理論》的譯者，《量化投資教程》的作者。20年實盤經驗，25年程式設計經驗，曾為國內多個團隊構建演算法交易模型；目前主要研究方向為HFT和貝塔策略。

盧洪波，世界經濟學博士，任職於國內某資產管理公司，國科創新發展研究院智庫專家，北京資訊產業協會、北京區塊鏈協會專家庫專家，高級經濟師，全球特許金融科技師，金融交易師、金融風險分析師，參加多項國家級重大專案，著有《中國元宇宙藍皮書》、《數字中國新機遇》、《行業元宇宙》等書，十多年期貨、證券交易實戰經驗，目前主要研究方向為全球宏觀對沖策略等。