量化投資與FOF投資：以MATLAB+Python為工具 ( 簡體 字) |
| 作者：李洋（Faruto) | 類別：1. -> 工程繪圖與工程計算 -> Matlab
2. -> 程式設計 -> Python |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 55918
詢問書籍請說出此書號！【有庫存】
NT售價： 890 元 |
| 出版日：6/1/2022 |
| 頁數：632 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121436352 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：寫在前面的話
《量化投資：以MATLAB為工具》一書于2014年出版，2016年進行修訂出版第2版。不知不覺，距離第1版面世已經有8年的時光了，我現在仍能收到很多讀者的郵件，真的由衷地感謝大家多年來持續的關注和支持。
我深知該書無法滿足所有層次的讀者朋友，我也知道該書有著諸多可以完善的地方，我還知道現在又有了新的知識點可以補充進書里，所以經過一番重新整合，希望這本書可以對在投資道路上探索的朋友有一點點啟發和幫助。
此次改版，主要是新增了Python語言和FOF投資的相關案例，從書籍的名字也可以看出來。
關于新增Python語言的相關案例，可能會引來“編程語言之爭”。我想說的是，不論是MATLAB語言、Python語言，還是R語言，都僅僅是個工具，對其進行純粹的效率對比或者語言對比沒有實際意義，而把工具用好，達到自己的目的則更為重要。就我個人而言，實際工作中MATLAB用得最多，畢竟是多年工作經驗的積累，其次Python也經常會用，所以在本書里新增了一些Python的案例，希望讀者朋友也能把自己提升成“多面手”。
關于新增FOF投資相關案例，是因為我在金融領域從業10年左右，先后在期貨公司、保險資管、公募基金、銀行理財、大型財富管理公司工作過，對各種金融業態和打法還算熟悉，核心的兩塊工作就是量化投資和FOF投資，所以想結合實際把量化投資與FOF投資結合在一起介紹給大家，以饗讀者。
本書內容框架
本書分為基礎篇和高級篇兩部分。
基礎篇采用了Q＆A的寫作方式，目的是想讓剛剛接觸的讀者能快速有效地了解MATLAB和Python。基礎篇內容來源多樣，既有來自各種官方的幫助文檔，又有我個人的一些總結，還有若干來自MATLAB技術論壇的討論。
高級篇介紹了MATLAB和Python結合具體量化投資及FOF投資的相關實踐案例，該部分可以幫助讀者通過具體量化投資及FOF投資案例掌握MATLAB和Python的相關應用與程序包。
本書既有復雜的模型（支持向量機相關模型）介紹，又有簡單的模型（品種簡單波動性模型）介紹。無論模型復雜與否，我想說的是投資本身更像一門藝術，并不是復雜的模型才是“好”模型，簡單的模型就是“差”模型，所有的回測都只是檢測模型的歷史表現，所有的模型都有其生命周期和適用條件，終極意義上的模型檢驗只能是“實戰”。
閱讀本書時，我建議讀者按照“先通讀章節內容，后調試程序，再精讀章節內容”的順序進行。本書的章節之間沒有特別的順序要求，讀者可以選擇任何感興趣的章節開始閱讀。如果您是一名量化投資和FOF投資的初學者，建議按照章節順序通讀全書。
面向讀者對象
● 經濟金融機構的研究人員和從業人員。
● 進行量化投資、FOF/MOM投資的從業者。
● 具有統計背景的科研工作者。
● 高等院校理工科、經濟金融學科等相關專業的本科生、研究生及教師。
勘誤和交流
由于筆者水平有限，書中難免會出現一些錯誤或不嚴謹的地方，懇請讀者批評指正。本書在MATLAB技術論壇的“讀書頻道”有專門的交流板塊，方便讀者與筆者進行溝通。如果您在閱讀過程中有任何疑問，可以在上述書籍交流板塊發帖留言，筆者會盡力為您提供最滿意的解答。本書的全部源代碼和測試數據也可以在上述書籍交流板塊下載。本書為黑白印刷，對于書中的測試和展示圖片，讀者可以運行源代碼得到彩色圖片進行查看。
如果您有什么寶貴意見，歡迎發郵件給筆者進行交流，期待能得到您真摯的反饋。
筆者郵箱
筆者微博
筆者博客
筆者微信公眾號
致謝
本書得到了筆者的朋友和同事的幫助，借本書出版之際，一并向他們表示真誠的感謝。
感謝電子工業出版社李冰、徐萍等編輯的支持與合作。
感謝我之前曾經共事過的量化投資和FOF投資團隊成員：張冰博士、錢文博士、陳星、宋騰；周劍博士、趙婉西、陳雪瑩；劉文希、伍侃、劉霽；謝鑫、白圭堯。在量化投資和FOF投資這條路上，我們要一直前行。
感謝MATLAB技術論壇的兄弟們：詹福宇博士、王小川博士、郁磊、吳鵬、謝中華和史峰，懷念自2008年開始一起走過的MATLAB歲月。
感謝連祥斌、伍侃、吳云峰、張琨、張馨元、彭安迅、張宇霖，該書部分章節由我邀請他們撰寫，最后修改完善而成，在此對他們表示由衷的感謝。
感謝我的家人尤其是我的妻子，感謝她對我工作上的支持和生活上的照顧！感謝我的兒子，希望他茁壯成長！
謹以此書獻給我最愛的家人、眾多量化投資和FOF投資的從業者！
李 洋
2022年4月于北京中關村 |
內容簡介：本書分為基礎篇和高級篇兩部分。基礎篇通過Q＆A的方式介紹MATLAB和Python的主要功能、基本命令、數據處理等內容，使讀者對MATLAB和Python有一個基本的了解。高級篇分為24章，介紹MATLAB和Python結合具體量化投資的相關案例，包括MATLAB處理優化問題和數據交互、繪制交易圖形、構建行情軟件和交易模型、基于MATLAB的BP神經網絡和廣義極值分布、基于MATLAB的正則表達式基礎教程、FQuantToolBox 股票期貨數據獲取＆量化回測工具箱的介紹與使用等內容，通過豐富的實例和圖形幫助讀者理解和運用MATLAB和Python作為量化投資的工具。本書的特色在于不僅能滿足理論學習的需要，還可以幫助讀者邊學邊練，做到理論與實踐相結合。 本書適合經濟金融機構的研究人員和從業人員、進行量化投資的交易員、具有統計背景的科研工作者、高等院校相關專業的教師和學生及對量化投資和MATLAB感興趣的人士閱讀。 |
目錄：基 礎 篇
第0章 N分鐘學會MATLAB（60＜N＜180） 1
0.1 引言 1
0.2 基礎知識 1
0.3 輸入/輸出 11
0.4 數據處理 13
0.5 數學運算 19
0.6 字符操作 27
0.7 日期時間 29
0.8 繪圖相關 30
0.9 數學、金融、統計相關 36
0.10 其他 50
第1章 Python快速入門與進階提高 53
1.1 快速入門 53
1.1.1 環境準備 53
1.1.2 開發工具 53
1.1.3 一張圖學Python 54
1.1.4 Jupyter Notebook啟動目錄 55
1.1.5 國內鏡像源 56
1.1.6 虛擬環境 56
1.1.7 包的安裝 57
1.1.8 TA-Lib安裝 57
1.1.9 Pandas顯示控制選項 57
1.1.10 Notebook顯示控制 58
1.2 進階提高 58
1.2.1 批處理中切換到虛擬環境 58
1.2.2 GitHub倉庫包的安裝 59
1.2.3 包的引入 59
1.2.4 在線平臺引入自定義包 60
1.2.5 pd.read_csv編碼 61
1.2.6 pd.read_csv中文路徑 61
1.2.7 pd.read_csv示例 62
1.2.8 pd.read_csv高級玩法 62
1.2.9 pickle技巧 63
1.2.10 MultiIndex多重索引的切片 63
1.2.11 星期 65
1.2.12 魔術命令 67
1.2.13 隱藏Notebook代碼區 67
1.2.14 完全屏蔽Jupter Notebook源代碼 67
1.2.15 Python源代碼保護 68
1.2.16 Python加速 69
1.2.17 多進程 69
1.2.18 繪圖內存泄露問題 70
1.2.19 ipynb轉html 70
1.2.20 TA-Lib中的EMA計算 71
1.2.21 績效指標計算 72
1.2.22 動態圖表 75
高 級 篇
第2章 基于Python的優化問題 76
2.1 數值優化 76
2.1.1 線性規劃 76
2.1.2 非線性優化 79
2.2 組合優化 80
2.2.1 風險預算 80
2.2.2 風險平價 84
2.2.3 bt庫風險平價示例 86
第3章 資產配置中如何分配資金 89
3.1 由分配獎金說起 89
3.2 整體框架 89
3.3 組合優化動物園 91
3.3.1 零輸入 91
3.3.2 價格外信息加權 93
3.3.3 方差協方差 94
3.3.4 均值-方差優化 99
3.4 其他 103
3.4.1 權重約束 103
3.4.2 方差協方差估計 103
3.4.3 多優化器 104
3.5 總結 105
第4章 K線圖及常用技術指標的MATLAB實現 106
4.1 K線圖的MATLAB實現 107
4.1.1 MATLAB內置函數candle實現 107
4.1.2 自己編寫函數實現 108
4.2 常用技術指標的MATLAB實現 113
4.2.1 簡單移動平均線（SMA）和指數移動平均線（EMA） 113
4.2.2 自適應移動平均線（AMA） 118
4.2.3 指數平滑異同移動平均線（MACD） 122
4.2.4 平均差（DMA） 125
第5章 基于MATLAB的行情軟件 128
5.1 基于MATLAB的行情軟件使用介紹 130
5.1.1 面板介紹 130
5.1.2 功能介紹 130
5.2 基于MATLAB的行情軟件建立過程 133
5.2.1 GUI版面布局設計 133
5.2.2 核心函數編寫 135
5.3 擴展閱讀 144
5.3.1 MATLAB通過網頁抓取從雅虎網站獲取股票歷史數據 145
5.3.2 MATLAB通過網頁抓取從新浪網站獲取股票實時數據 148
第6章 含衍生品的投資組合風險度量——基于嵌套隨機仿真方法 153
6.1 金融風險度量 153
6.1.1 常見的幾種金融風險度量 153
6.1.2 衍生品投資組合的損失及風險 155
6.2 嵌套隨機仿真方法 156
6.2.1 嵌套隨機仿真的框架 156
6.2.2 基于自助采樣法的計算量分配方法 159
第7章 基于MATLAB的風險管理 164
7.1 背景介紹 164
7.1.1 VaR模型 164
7.1.2 VaR計算方法 167
7.2 MATLAB實現 167
7.2.1 數據讀取 167
7.2.2 數據處理 177
7.2.3 歷史模擬法程序 179
7.2.4 參數模型法程序 181
7.2.5 蒙特卡羅模擬程序 182
7.2.6 計算結果比較 186
第8章 期權定價模型的MATLAB實現 187
8.1 概述 187
8.1.1 關于布萊克、斯科爾斯和莫頓的故事 187
8.1.2 Black-Scholes定價模型 188
8.2 Black-Scholes定價模型及希臘字母研究 189
8.2.1 Black-Scholes微分方程的推導 189
8.2.2 希臘字母研究及MATLAB仿真測試 195
8.3 二叉樹定價模型研究 214
8.3.1 期權定價的數值方法概述 214
8.3.2 二叉樹定價模型 216
8.3.3 二叉樹模型下的希臘字母計算和測試 221
8.3.4 美式期權與歐式期權的風險指標對比 225
8.4 BAW定價模型研究 229
8.4.1 美式期權定價模型方法概述 229
8.4.2 BAW定價模型 229
8.4.3 BAW定價模型仿真測試 233
第9章 基于MATLAB的支持向量機（SVM）在量化投資中的應用 235
9.1 背景介紹 235
9.1.1 SVM概述 235
9.1.2 LibSVM工具箱 237
9.2 上證指數開盤指數預測 239
9.2.1 模型建立 239
9.2.2 MATLAB實現 240
9.3 上證指數開盤指數變化趨勢和變化空間預測 247
9.3.1 信息粒化簡介 247
9.3.2 模型建立 250
9.3.3 MATLAB實現 251
9.4 基于C-SVM的期貨交易策略 256
9.4.1 引言 256
9.4.2 模型建立 257
9.4.3 MATLAB實現 258
9.5 擴展閱讀 273
9.5.1 MATLAB自帶的SVM實現函數與LibSVM的差別 273
9.5.2 關于SVM的學習資源匯總 273
第10章 MATLAB與其他金融平臺終端的通信 277
10.1 DataHouse平臺MATLAB接口介紹 277
10.1.1 DataHouse平臺簡介 277
10.1.2 MATLAB接口簡介 279
10.2 Wind平臺MATLAB接口介紹 294
10.2.1 Wind平臺簡介 294
10.2.2 MATLAB接口簡介 295
第11章 基于MATLAB的交易品種選擇分析 300
11.1 品種的流動性 300
11.2 品種的波動性 303
11.3 小結 307
第12章 基于MATLAB的交易品種相關性分析 308
12.1 背景介紹 308
12.2 MATLAB實現 311
12.2.1 計算相關性的時間長度和時間周期的選擇 312
12.2.2 不同交易品種（資產）的時間軸校正 314
12.2.3 全市場品種的相關性圖形展示 314
12.3 擴展閱讀 317
第13章 基于MATLAB的國內期貨證券交易解決方案 321
13.1 國內期貨柜臺系統介紹 321
13.2 MATLAB對接CTP的各種方式 323
13.3 開發前準備 324
13.3.1 文檔下載 324
13.3.2 MATLAB安裝 325
13.3.3 監控工具 325
13.3.4 開發工具 326
13.4 C# 版對接原理 326
13.5 XAPI版項目介紹 327
13.6 MATLAB對接期貨接口介紹（XAPI項目.NET版） 329
13.6.1 導入C# 庫 330
13.6.2 啟動行情連接 330
13.6.3 顯示連接狀態 334
13.6.4 訂閱行情 338
13.6.5 行情連接參數 338
13.6.6 啟動交易連接 338
13.6.7 交易的相關事件 339
13.6.8 下單 340
13.6.9 撤單 341
13.6.10 退出 342
13.6.11 改進 342
13.7 MATLAB對接期貨接口介紹（XAPI項目COM版） 343
13.7.1 COM組件注冊 343
13.7.2 COM組件運行 344
13.7.3 COM事件注冊 346
13.7.4 下單 348
13.8 MATLAB對接證券接口 349
13.9 MATLAB對接個股期權接口 350
第14章 構建基于MATLAB的 回測系統 352
14.1 基于MATLAB的量化回測平臺框架介紹 353
14.1.1 回測平臺實現細節思考 353
14.1.2 回測平臺框架 354
14.2 簡單均線系統的MATLAB實現 355
14.3 基于MATLAB的策略回測模板樣例 361
14.3.1 模板結構 361
14.3.2 相關回測變量和指標的定義 361
14.3.3 策略描述 363
14.3.4 數據準備 365
14.3.5 回測計算 366
14.3.6 策略評價 372
14.4 其他基于MATLAB的回測平臺展示 379
14.4.1 HTS1.0——基于MATLAB設計的回測平臺體驗版 379
14.4.2 GreenDragon期貨交易算法研發平臺 381
14.4.3 交易策略回測GUI（Trading Strategy Back Tester） 381
第15章 基于MATLAB的多因子選股模型的實現 383
15.1 多因子模型介紹 383
15.1.1 背景 383
15.1.2 因子種類 383
15.1.3 因子庫 384
15.1.4 全局參數 385
15.1.5 初始股票池 385
15.1.6 股票組合 386
15.1.7 情景分析 387
15.1.8 測試流程 387
15.1.9 評價體系 388
15.2 MATLAB實現 389
15.2.1 主腳本 389
15.2.2 提取數據 391
15.2.3 因子選股 393
15.2.4 回測 394
15.2.5 策略評價 398
15.3 總結 400
第16章 基于MATLAB和Wind的量化交易終端AsTradePlatform
介紹與使用 401
16.1 背景介紹 401
16.2 面板介紹 401
16.3 模塊介紹 403
16.3.1 前期準備 403
16.3.2 初始化 407
16.3.3 登錄/退出模塊 408
16.3.4 策略控制模塊 415
16.3.5 標的池模塊 442
16.3.6 策略監控模塊 452
16.3.7 賬戶信息模塊 462
16.3.8 手動交易 464
16.3.9 選股模型 465
16.4 總結與改進 469
第17章 基于MATLAB的BP神經網絡在量化投資中的應用 470
17.1 基礎簡介 470
17.1.1 BP神經網絡概述 470
17.1.2 基于MATLAB的BP神經網絡的非線性系統建模 477
17.2 基于MATLAB的BP神經網絡對股指連續收盤價進行預測 481
17.2.1 數據與指標選取 481
17.2.2 基于BP神經網絡的股指連續的預測實現 482
第18章 基于MATLAB的廣義極值分布在量化投資中的策略挖掘與回測 485
18.1 背景介紹 485
18.1.1 廣義極值分布 485
18.1.2 GEV分布與目標價格的突破概率 488
18.2 GEV策略與回測的MATLAB實現 494
18.2.1 策略準則 494
18.2.2 GEV策略構建 499
18.2.3 HS300回測 507
18.2.4 股指期貨5分鐘連續主力合約回測 511
第19章 基于MATLAB的正則 表達式基礎教程 516
19.1 引言 516
19.2 單個字符的匹配 517
19.2.1 句點符號 517
19.2.2 方括號符號 518
19.2.3 方括號中的連接符 518
19.2.4 特殊字符 519
19.2.5 類表達式 519
19.3 字符串的匹配 520
19.3.1 多次匹配 520
19.3.2 邏輯運算符 521
19.3.3 左顧右盼——利用上下文匹配 522
19.4 標記（tokens） 523
19.4.1 什么是標記 523
19.4.2 如何使用標記 524
19.5 多行字符串與多正則表達式 525
19.5.1 多個字符串與單個正則表達式匹配 525
19.5.2 多個字符串與多個正則表達式匹配 526
19.5.3 多字符串的替換 526
19.6 應用實例 526
第20章 FQuantToolBox股票期貨數據獲取＆量化回測工具箱的
介紹與使用 528
20.1 FQuantToolBox是做什么用的 528
20.2 FQuantToolBox工具箱內容簡介 529
20.3 行情數據和基本面數據獲取函數 530
20.4 工具箱各版本更新說明 556
第21章 雙動量模型在資產配置 中的作用 559
21.1 背景 559
21.2 他山之石 560
21.2.1 魯棒資產配置（Robust Asset Allocation） 561
21.2.2 中信大類資產趨勢策略指數（CSI CITIC Multi 562
Asset Trend Index） 562
21.2.3 全球戰術資產配置（Global Tactical Asset Allocation） 563
21.2.4 自適應資產配置策略（Adaptive Asset Allocation） 565
21.2.5 全球權益動量（Global Equities Momentum） 565
21.2.6 綜合雙動量模型（Composite Dual Momentum） 566
21.2.7 分散的雙動量模型（Diversified Dual Momentum） 567
21.2.8 加速雙動量（Accelerating Dual Momentum） 567
21.2.9 保護型資產配置（Protective Asset Allocation） 568
21.2.10 警惕型資產配置（Vigilant Asset Allocation） 569
21.2.11 防御型資產配置（Defensive Asset Allocation） 570
21.2.12 主動型混合資產配置（Active Combined Asset） 571
21.2.13 Mozaic指數 571
21.3 可以攻玉 572
21.3.1 數據 572
21.3.2 基本統計 573
21.3.3 橫截面動量 575
21.3.4 時間序列動量 576
21.3.5 雙動量 577
21.4 結論 578
第22章 基于低滯后均線在滬深300指數上的量化擇時模型 580
22.1 低滯后均線介紹 580
22.2 低滯后均線策略回測的MATLAB實現 583
第23章 從量化角度詳解美國ETF行業大獎的Buffer ETF創新產品 593
23.1 Buffer ETF基礎知識 593
23.2 Buffer ETF的投資策略 596
第24章 量化FOF組合構建和分析技術在基金投顧中的應用 600
24.1 基金研究 600
24.1.1 基金評價方法 600
24.1.2 基金經理評價方法 601
24.2 大類資產配置與FOF組合構建 602
24.2.1 大類資產配置方法 602
24.2.2 大類資產配置方法的Python實現 604
24.2.3 FOF組合構建策略 607
24.2.4 FOF組合策略的Python實現 608
24.3 FOF組合分析 609
24.3.1 FOF組合分析概述 609
24.3.2 FOF組合分析舉例 611
24.4 基金投顧與智能FOF 612
24.4.1 智能FOF 612
24.4.2 蘿卜理財 613 |
| 序： |
