量化投資：交易模型開發與數據挖掘

韓燾，現任北京風雲略投資管理有限公司基金經理。從1998年成功申購基金開元開始入市參與基金和股票投資，擁有20多年的A股投資經驗和10餘年的程序化交易模型開發經驗。 自2015年起，在私募、證券類基金公司擔任副總經理和基金經理，管理資產近10億元，擁有豐富的資產管理經驗。截至2019年4月，在私募排排網“私募基金排名”的“近半年”時間段內位居全國第24名，“今年來”時間段內位居全國第139名。 主要研究量化分析及模型選股交易，熟練使用C、Java與Python等編程語言。通過多年積累的實戰經驗提煉出獨有的高性能選股因子，設計開發了量化風控模型、量化交易與對沖模型，大大提升了交易成功率。

第1章 量化投資入門
1.1 量化投資及定義
1.2 量化投資與傳統投資的比較
1.2.1 兩種投資策略簡介
1.2.2 量化投資相對於傳統投資的主要優勢
1.3 量化投資的國外發展現狀及國內投資市場未來展望
1.3.1 量化金融和理論的建立過程
1.3.2 國外量化投資基金的發展歷史
1.3.3 國內量化投資基金的發展歷史
1.3.4 國內投資市場未來展望
1.4 突發匯率、加息、商譽的應對方法
1.4.1 突發匯率變化和加息的應對方法
1.4.2 面對商譽減值的應對方法
第2章 量化投資策略的設計思路
2.1 量化投資策略的研發流程
2.2 量化投資策略的可行性研究
2.3 量化平臺常用語言—Python
2.3.1 Python簡介
2.3.2 量化基礎語法及數據結構
2.3.3 量化中函數的定義及使用方法
2.3.4 面向對象編程OOP的定義及使用方法
2.3.5 itertools的使用方法
2.4 量化投資工具—Matplotlib
2.4.1 Matplotlib基礎知識
2.4.2 Matplotlib可視化工具基礎
2.4.3 Matplotlib子畫布及loc的使用
2.5 Matplotlib繪制K線圖的方法
2.5.1 安裝財經數據接口包（Tushare）和繪圖包（mpl_finance）
2.5.2 繪制K線圖示例
第3章 量化投資策略回測
3.1 選擇回測平臺的技巧
3.1.1 根據個人特點選擇回測平臺
3.1.2 回測平臺的使用方法與技巧
3.2 調用金融數據庫中的數據
3.2.1 歷史數據庫的調取
3.2.2 數據庫的分析方法與技巧
3.3 回測與實際業績預期偏差的調試方法
3.4 設置回測參數
3.4.1 start和end回測起止時間
3.4.2 universe證券池
3.4.3 benchmark參考基準
3.4.4 freq和refresh_rate策略運行頻率
3.5 賬戶設置
3.5.1 accounts賬戶配置
3.5.2 AccountConfig賬戶配置
3.6 策略基本方法
3.7 策略運行環境
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 獲取和調用數據
3.8.1 history
3.8.2 get_symbol_history
3.8.3 get_attribute_history
3.8.4 DataAPI
3.9 賬戶相關屬性
3.9.1 下單函數
3.9.2 獲取賬戶信息
3.10 策略結果展示
3.11 批量回測
第4章 量化投資擇時策略與選股策略的推進方法
4.1 多因子選股策略
4.1.1 多因子模型基本方法
4.1.2 單因子分析流程
4.1.3 多因子（對沖）策略邏輯
4.1.4 多因子（裸多）策略邏輯
4.2 多因子選股技巧
4.2.1 定義股票池
4.2.2 指標選股
4.2.3 指標排序
4.2.4 查看選股
4.2.5 交易配置
4.2.6 策略回測
4.3 擇時—均線趨勢策略
4.3.1 格蘭維爾移動平均線八大法則
4.3.2 雙均線交易系統
4.4 擇時—移動平均線模型
4.4.1 MA模型的性質
4.4.2 MA的階次判定
4.4.3 建模和預測
4.5 擇時—自回歸策略
4.5.1 AR（p）模型的特徵根及平穩性檢驗
4.5.2 AR（p）模型的定階
4.6 擇時—均線混合策略
4.6.1 識別ARMA模型階次
4.6.2 ARIMA模型
第5章 量化對沖策略
5.1 宏觀對沖策略
5.1.1 美林時鐘
5.1.2 宏觀對沖策略特徵
5.2 微觀對沖策略：股票投資中的Alpha策略和配對交易
5.2.1 配對交易策略
5.2.2 配對交易策略之協整策略
5.2.3 市場中性Alpha策略簡介
5.2.4 AlphaHorizon單因子分析模塊
5.3 數據加載
5.3.1 uqer數據獲取函數
5.3.2 通過uqer獲取數據
5.3.3 因子數據簡單處理
5.4 AlphaHorizon因子分析—數據格式化
5.5 收益分析
5.5.1 因子選股的分位數組合超額收益
5.5.2 等權做多多頭分位、做空空頭分位收益率分析策略
5.5.3 等權做多多頭分位累計凈值計算
5.5.4 多頭分位組合實際凈值走勢圖
5.5.5 以因子值加權構建組合
5.6 信息系數分析
5.6.1 因子信息系數時間序列
5.6.2 因子信息系數數據分佈特徵
5.6.3 因子信息系數月度熱點圖
5.6.4 因子信息系數衰減分析
5.7 換手率、因子自相關性分析
5.8 分類行業分析
5.9 總結性分析數據
5.10 AlphaHorizon完整分析模板
第6章 數據挖掘
6.1 數據挖掘分類模式
6.2 數據挖掘之神經網絡
6.2.1 循環神經網絡數據的準備和處理
6.2.2 獲取因子的原始數據值和股價漲跌數據
6.2.3 對數據進行去極值、中性化、標準化處理
6.2.4 利用不同模型對因子進行合成
6.2.5 合成因子效果的分析和比較
6.2.6 投資組合的構建和回測
6.2.7 不同模型的回測指標比較
6.