具體描述
《量化投資—策略與技術》是國內第一本有關量化投資策略的著作，首先介紹瞭量化投資大師西濛斯的傳奇故事（連續20年，每年賺60%）；然後用60多個案例介紹瞭量化投資的各個方麵的內容，主要分為策略篇與理論篇兩部分，策略篇主要包括：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易和資産配置等。理論篇主要包括：人工智能、數據挖掘、小波分析、支持嚮量機、分形理論、隨機過程及it技術等；最後介紹瞭作者開發的d-alpha量化對衝交易係統，該係統全球市場驗證顯示具有長期穩健的收益率。
《量化投資—策略與技術》適閤基金經理、證券分析師、普通散戶及有誌於從事金融投資的各界人士閱讀。
作者簡介
丁 鵬
中國量化投資研究的先行者，他開發的D-Alpha量化對衝交易係統，實戰中獲得持續穩健的收益率。
畢業於上海交通大學計算機係獲得工學博士學位，是國際知名的人工智能研究員，美國電子電氣工程師學會（IEEE）、美國金融學會（AFA）會員。
2001年底進入上海交通大學工作，在金融工程、金融數學領域深入研究多年，在國際頂級刊物和會議上發錶過十餘篇學術文章，獲得國傢發明專利5項。
目錄資訊
1.1 什麼是量化投資 2
1.1.1 量化投資定義 2
1.1.2 量化投資理解誤區 3
1.2 量化投資與傳統投資比較 6
1.2.1 傳統投資策略的缺點 6
1.2.2 量化投資策略的優勢 7
1.2.3 量化投資與傳統投資策略的比較 8
1.3 量化投資曆史 10
1.3.1 量化投資理論發展 10
1.3.2 海外量化基金的發展 12
1.3.3 量化投資在中國 15
1.4 量化投資主要內容 16
1.5 量化投資主要方法 21
.第 2章 量化選股 25
2.1 多因子 26
2.1.1 基本概念 27
2.1.2 策略模型 27
2.1.3 實證案例：多因子選股模型 30
2.2 風格輪動 35
2.2.1 基本概念 35
2.2.2 盈利預期生命周期模型 38
2.2.3 策略模型 40
2.2.4 實證案例：中信標普風格 41
2.2.5 實證案例：大小盤風格 44
2.3 行業輪動 47
2.3.1 基本概念 47
2.3.2 m2行業輪動策略 50
2.3.3 市場情緒輪動策略 52
2.4 資金流 56
2.4.1 基本概念 56
2.4.2 策略模型 59
2.4.3 實證案例：資金流選股策略 60
2.5 動量反轉 63
2.5.1 基本概念 63
2.5.2 策略模型 67
2.5.3 實證案例：動量選股策略和反轉選股策略 70
2.6 一緻預期 73
2.6.1 基本概念 74
2.6.2 策略模型 76
2.6.3 實證案例：一緻預期模型案例 78
2.7 趨勢追蹤 84
2.7.1 基本概念 84
2.7.2 策略模型 86
2.7.3 實證案例：趨勢追蹤選股模型 92
2.8 籌碼選股 94
2.8.1 基本概念 95
2.8.2 策略模型 97
2.8.3 實證案例：籌碼選股模型 99
2.9 業績評價 104
2.9.1 收益率指標 104
2.9.2 風險度指標 105
第 3章 量化擇時 111
3.1 趨勢追蹤 112
3.1.1 基本概念 112
3.1.2 傳統趨勢指標 113
3.1.3 自適應均綫 121
3.2 市場情緒 125
3.2.1 基本概念 126
3.2.2 情緒指數 128
3.2.3 實證案例：情緒指標擇時策略 129
3.3 有效資金 133
3.3.1 基本概念 133
3.3.2 策略模型 134
3.3.3 實證案例：有效資金擇時模型 137
3.4 牛熊綫 141
3.4.1 基本概念 141
3.4.2 策略模型 143
3.4.3 實證案例：牛熊綫擇時模型 144
3.5 husrt指數 146
3.5.1 基本概念 146
3.5.2 策略模型 148
3.5.3 實證案例 149
3.6 支持嚮量機 152
3.6.1 基本概念 152
3.6.2 策略模型 153
3.6.3 實證案例：svm擇時模型 155
3.7 swarch模型 160
3.7.1 基本概念 160
3.7.2 策略模型 161
3.7.3 實證案例：swarch模型 164
3.8 異常指標 168
3.8.1 市場噪聲 168
3.8.2 行業集中度 170
3.8.3 興登堡凶兆 172
第 4章 股指期貨套利 180
4.1 基本概念 181
4.1.1 套利介紹 181
4.1.2 套利策略 183
4.2 期現套利 185
4.2.1 定價模型 185
4.2.2 現貨指數復製 186
4.2.3 正嚮套利案例 190
4.2.4 結算日套利 192
4.3 跨期套利 195
4.3.1 跨期套利原理 195
4.3.2 無套利區間 196
4.3.3 跨期套利觸發和終止 197
4.3.4 實證案例：跨期套利策略 199
4.3.5 主要套利機會 200
4.4 衝擊成本 203
4.4.1 主要指標 204
4.4.2 實證案例：衝擊成本 205
4.5 保證金管理 208
4.5.1 var方法 208
4.5.2 var計算方法 209
4.5.3 實證案例 211
第 5章 商品期貨套利 214
5.1 基本概念 215
5.1.1 套利的條件 216
5.1.2 套利基本模式 217
5.1.3 套利準備工作 219
5.1.4 常見套利組閤 221
5.2 期現套利 225
5.2.1 基本原理 225
5.2.2 操作流程 226
5.2.3 增值稅風險 230
5.3 跨期套利 231
5.3.1 套利策略 231
5.3.2 實證案例：pvc跨期套利策略 233
5.4 跨市場套利 234
5.4.1 套利策略 234
5.4.2 實證案例：倫銅—滬銅跨市場套利 235
5.5 跨品種套利 236
5.5.1 套利策略 237
5.5.2 實證案例 238
5.6 非常狀態處理 240
第 6章 統計套利 242
6.1 基本概念 243
6.1.1 統計套利定義 243
6.1.2 配對交易 244
6.2 配對交易 247
6.2.1 協整策略 247
6.2.2 主成分策略 254
6.2.3 績效評估 256
6.2.4 實證案例：配對交易 258
6.3 股指套利 261
6.3.1 行業指數套利 261
6.3.2 國傢指數套利 263
6.3.3 洲域指數套利 264
6.3.4 全球指數套利 266
6.4 融券套利 267
6.4.1 股票—融券套利 267
6.4.2 可轉債—融券套利 268
6.4.3 股指期貨—融券套利 269
6.4.4 封閉式基金—融券套利 271
6.5 外匯套利 272
6.5.1 利差套利 273
6.5.2 貨幣對套利 275
第 7章 期權套利 277
7.1 基本概念 278
7.1.1 期權介紹 278
7.1.2 期權交易 279
7.1.3 牛熊證 280
7.2 股票/期權套利 283
7.2.1 股票—股票期權套利 283
7.2.2 股票—指數期權套利 284
7.3 轉換套利 285
7.3.1 轉換套利 285
7.3.2 反嚮轉換套利 287
7.4 跨式套利 288
7.4.1 買入跨式套利 289
7.4.2 賣齣跨式套利 291
7.5 寬跨式套利 293
7.5.1 買入寬跨式套利 293
7.5.2 賣齣寬跨式套利 294
7.6 蝶式套利 296
7.6.1 買入蝶式套利 296
7.6.2 賣齣蝶式套利 298
7.7 飛鷹式套利 299
7.7.1 買入飛鷹式套利 300
7.7.2 賣齣飛鷹式套利 301
第 8章 算法交易 304
8.1 基本概念 305
8.1.1 算法交易定義 305
8.1.2 算法交易分類 306
8.1.3 算法交易設計 308
8.2 被動交易算法 309
8.2.1 衝擊成本 310
8.2.2 等待風險 312
8.2.3 常用被動型交易策略 314
8.3 vwap算法 316
8.3.1 標準vwap算法 316
8.3.2 改進型vwap算法 319
第 9章 其他策略 323
9.1 事件套利 324
9.1.1 並購套利策略 324
9.1.2 定嚮增發套利 325
9.1.3 套利重倉停牌股票的投資組閤 326
9.1.4 封閉式投資組閤套利 327
9.2 etf套利 328
9.2.1 基本概念 328
9.2.2 無風險套利 330
9.2.3 其他套利 334
9.3 lof套利 335
9.3.1 基本概念 335
9.3.2 模型策略 336
9.3.3 實證案例：lof 套利 337
9.4 高頻交易 341
9.4.1 流動性迴扣交易 341
9.4.2 獵物算法交易 342
9.4.3 自動做市商策略 343
9.4.4 程序化交易 343
理論篇
第 10章 人工智能 346
10.1 主要內容 347
10.1.1 機器學習 347
10.1.2 自動推理 350
10.1.3 專傢係統 353
10.1.4 模式識彆 356
10.1.5 人工神經網絡 358
10.1.6 遺傳算法 362
10.2 人工智能在量化投資中的應用 366
10.2.1 模式識彆短綫擇時 366
10.2.2 rbf神經網絡股價預測 370
10.2.3 基於遺傳算法的新股預測 375
第 11章 數據挖掘 381
11.1 基本概念 382
11.1.1 主要模型 382
11.1.2 典型方法 384
11.2 主要內容 385
11.2.1 分類與預測 385
11.2.2 關聯規則 391
11.2.3 聚類分析 397
11.3 數據挖掘在量化投資中的應用 400
11.3.1 基於som 網絡的股票聚類分析方法 400
11.3.2 基於關聯規則的闆塊輪動 403
第 12章 小波分析 407
12.1 基本概念 408
12.2 小波變換主要內容 409
12.2.1 連續小波變換 409
12.2.2 連續小波變換的離散化 410
12.2.3 多分辨分析與mallat算法 411
12.3小波分析在量化投資中的應用 414
12.3.1 k綫小波去噪 414
12.3.2 金融時序數據預測 420
第 13章 支持嚮量機 429
13.1 基本概念 430
13.1.1 綫性svm 430
13.1.2 非綫性svm 433
13.1.3 svm分類器參數選擇 435
13.1.4 svm分類器從二類到多類的推廣 436
13.2 模糊支持嚮量機 437
13.2.1 增加模糊後處理的svm 437
13.2.2 引入模糊因子的svm訓練算法 439
13.3 svm在量化投資中的應用 440
13.3.1 復雜金融時序數據預測 440
13.3.2 趨勢拐點預測 445
第 14章 分形理論 452
14.1 基本概念 453
14.1.1 分形定義 453
14.1.2 幾種典型的分形 454
14.1.3 分形理論的應用 456
14.2 主要內容 457
14.2.1 分形維數 457
14.2.2 l係統 458
14.2.3 ifs係統 460
14.3 分形理論在量化投資中的應用 461
14.3.1 大趨勢預測 461
14.3.2 匯率預測 466
第 15章 隨機過程 473
15.1 基本概念 473
15.2 主要內容 476
15.2.1 隨機過程的分布函數 476
15.2.2 隨機過程的數字特徵 476
15.2.3 幾種常見的隨機過程 477
15.2.4 平穩隨機過程 479
15.3 灰色馬爾可夫鏈股市預測 480
第 16章 it技術 486
16.1 數據倉庫技術 486
16.1.1 從數據庫到數據倉庫 487
16.1.2 數據倉庫中的數據組織 489
16.1.3 數據倉庫的關鍵技術 491
16.2 編程語言 493
16.2.1 麵嚮對象編程 493
16.2.2 vba 語言 497
16.2.3 c#語言 504
第 17章 主要數據與工具 509
17.1 萬德中國金融數據庫 509
17.2 文華財經：程序化交易平颱 511
17.3 交易開拓者：期貨自動交易平颱 514
17.4 大連交易所套利指令 518
17.5 mt5：外匯自動交易平颱 522
第 18章 量化對衝交易係統：d-alpha 528
18.1 係統構架 528
18.2 策略分析流程 530
18.3 核心算法 532
18.4 驗證結果 534
錶目錄
錶1 1 不同投資策略對比 7
錶2 1 多因子選股模型候選因子 30
錶2 2 多因子模型候選因子初步檢驗 31
錶2 3 多因子模型中通過檢驗的有效因子 32
錶2 4 多因子模型中剔除冗餘後的因子 33
錶2 5 多因子模型組閤分段收益率 33
錶2 6 晨星市場風格判彆法 36
錶2 7 夏普收益率基礎投資風格鑒彆 37
錶2 8 中信標普風格指數 41
錶2 9 風格動量策略組閤月均收益率 43
錶2 10 大小盤風格輪動策略月收益率均值 46
錶2 11 中國貨幣周期分段（2000—2009年） 49
錶2 12 滬深300行業指數統計 50
錶2 13 不同貨幣階段不同行業的收益率 51
錶2 14 招商資金流模型（cmsmf）計算方法 58
錶2 15 招商資金流模型（cmsmf）選股指標定義 59
錶2 16 資金流模型策略——滬深300 61
錶2 17 資金流模型策略——全市場 62
錶2 18 動量組閤相對基準的平均年化超額收益（部分） 68
錶2 19 反轉組閤相對基準的平均年化超額收益(部分) 69
錶2 20 動量策略風險收益分析 71
錶2 21 反轉策略風險收益分析 73
錶2 22 趨勢追蹤技術收益率 93
錶2 23 籌碼選股模型中單個指標的收益率情況對比 99
錶3 1 ma指標擇時測試最好的20 組參數及其錶現 117
錶3 2 4個趨勢型指標最優參數下的獨立擇時交易錶現比較 120
錶3 3 有交易成本情況下不同信號個數下的綜閤擇時策略 120
錶3 4 自適應均綫擇時策略收益率分析 124
錶3 5 市場情緒類彆 126
錶3 6 滬深300指數在不同情緒區域的當月收益率比較 128
錶3 7 滬深300指數在不同情緒變化區域的當月收益率比較 129
錶3 8 滬深300指數在不同情緒區域的次月收益率比較 130
錶3 9 滬深300指數在不同情緒變化區域的次月收益率比較 130
錶3 10 情緒指數擇時收益率統計 132
錶3 11 svm擇時模型的指標 156
錶3 12 svm對滬深300指數預測結果指標匯總 156
錶3 13 svm擇時模型在整體市場的錶現 156
錶3 14 svm擇時模型在單邊上漲市的錶現 157
錶3 15 svm擇時模型在單邊下跌市的錶現 158
錶3 16 svm擇時模型在震蕩市的錶現 159
錶3 17 噪聲交易在熊市擇時的收益率 170
錶4 1 各種方法在不同股票數量下的跟蹤誤差（年化） 190
錶4-2 股指期貨多頭跨期套利過程分析 199
錶4 3 不同開倉比例下的不同保證金水平能夠覆蓋的市場波動及其概率 211
錶4 4 不同倉單持有期下的保證金覆蓋比例 212
錶6 1 融券標的股票中在樣本期內最相關的50 對組閤（部分） 248
錶6 2 殘差的平穩性、自相關等檢驗 249
錶6 3 在不同的閾值下建倉、平倉所能獲得的平均收益 251
錶6 4 采用不同的模型在樣本內獲取的收益率及最優閾值 252
錶6 5 采用不同的模型、不同的外推方法在樣本外獲取的收益率（%） 253
錶6 6 主成分配對交易在樣本內取得的收益率及最優閾值 255
錶6 7 主成分配對交易在樣本外的效果 255
錶6-8 各種模型下統計套利的結果 256
錶6 9 延後開倉+提前平倉策略實證結果 260
錶6 10 各行業的配對交易結果 261
錶7 1 多頭股票-期權套利綜閤分析錶 283
錶7 2 多頭股票—股票期權套利案例損益分析錶 284
錶7 3 多頭股票-指數期權套利案例損益分析錶 285
錶7 4 轉換套利分析過程 286
錶7 5 買入跨式套利綜閤分析錶 289
錶7 6 買入跨式套利交易細節 289
錶7 7 賣齣跨式套利綜閤分析錶 291
錶7 8 賣齣跨式套利交易細節 292
錶7 9 買入寬跨式套利綜閤分析錶 293
錶7 10 賣齣寬跨式套利綜閤分析錶 294
錶7 11 買入蝶式套利綜閤分析錶 296
錶7 12 賣齣蝶式套利綜閤分析錶 298
錶7 13 買入飛鷹套利分析錶 300
錶7 14 賣齣飛鷹式套利綜閤分析錶 301
錶9 1 主要並購方式 324
錶9 2 並購套利流程 325
錶9 3 鵬華300 lof兩次正嚮套利的情況 339
錶9 4 鵬華300 lof兩次反嚮套利的情況 340
錶10 1 自動推理中連詞係統 352
錶10 2 模式識彆短綫擇時樣本數據分類 369
錶10 3 rbf神經網絡股價預測結果 375
錶10 4 遺傳算法新股預測參數設置 379
錶10 5 遺傳算法新股預測結果 380
錶11 1 決策樹數據錶 389
錶11 2 關聯規則案例數據錶 392
錶11 3 som股票聚類分析結果 403
錶11 4 21種股票闆塊指數布爾關係錶數據片斷 404
錶12 1 深發展a日收盤價小波分析方法預測值與實際值比較 427
錶12 2 不同分解層數的誤差均方根值 428
錶13 1 svm滬深300指數預測誤差情況 445
錶13 2 svm指數預測和神經網絡預測的比較 445
錶13 3 技術反轉點定義與圖型 448
錶13 4 svm趨勢拐點預測結果 450
錶14 1 持續大漲前後分形各主要參數值 463
錶14 2 持續大跌前後分形個主要參數值 465
錶14 3 外匯r/ s 分析的各項指標 469
錶14 4 v(r/s)麯綫迴歸檢驗 470
錶15 1 灰色馬爾可夫鏈預測深證成指樣本內（2005/1—2006/8） 484
錶15 2 灰色馬爾可夫鏈預測深證成指樣本外（2006/9—2006/12） 484
錶16-1 vba的12種數據類型 499
錶18-1 d-alpha係統在全球市場收益率分析 534
· · · · · · (收起)
讀後感
首先，我觉得本书最大的功效在于，如果你是一个苦逼的物理博士或者一个辛勤的程序员或者其他一切对转行quant抱有美好期许但对quant还基本一无所知的的同学，这本书大概可以告诉你都有些什么东西。考虑到本书售价和制作，还是等电子版出来以后再下载吧。 其次，策略方面的copyc...
評分这本书出版了这么久，豆瓣的评分越来越低，书评几乎都是一面倒的批。 为什么大家对丁鹏的这本书如此怨恨呢？ 首先，诚如有的读者所说，这本书是大杂烩，堆积了很多劵商报告，叙事风格也是劵商报告的风格，如果经常关注劵商报告的读者，还真的没什么必要买一本。...
評分“Crocs (上海) 2012-01-05 tags: 量化投资 看过后确实是本好书。在中国量化投资的地位相当于格雷厄姆的《投资分析》在基本面分析的地位。” 找这些马甲有意思么？吹这种nb不脸红么？真当别人都是白痴呀？攒本书不容易，就算是七拼八凑好赖也有一番辛苦，这么搞宣传，...
評分五年前，如果说投资，无论炒股还是炒期货，都要读一本书，那是丁圣元老师的《期货技术分析》。时光飞逝，2011年再看投资，任何主动性投资策略都面临了巨大的挑战，特别是单纯的技术分析，或者单纯的基本面分析。2011年丁鹏博士在新浪微博开展量化投资公开课，第一次让我们深刻...
評分书拿到手没几天，看了一些，觉得作者的苦工就是把网上搜罗到的券商研究报告拿过来堆砌了一下。框架较为松散，很多的内容是硬塞进去的，而且错误百出！ 让人很不舒服的是那些图表和公式，明显都是excel用的不到家做的丑图，公式你不用latex编不怪你，用word编也就罢了，干嘛还...
用戶評價
閱讀這本書的過程，就像是踏上瞭一段意想不到的探索之旅，它帶我領略瞭量化投資的“遠方”，卻似乎有意迴避瞭“眼前”的實操細節。我原本期望從書中學習到如何搭建一個完整的交易係統，例如如何進行數據采集、因子構建、模型訓練、交易執行以及風險管理等一係列具體步驟。然而，書中對這些“骨架”般的環節，隻是寥寥帶過，並未給予深入的闡述。我期待能看到關於如何撰寫交易策略的代碼，或者對不同交易品種的量化分析方法進行詳盡的對比。更希望能瞭解到如何在實際交易中應對市場突發事件，以及如何通過模擬交易來檢驗策略。但這些都是我在書中尋覓未得的。取而代之的是，作者將大量的篇幅用於探討量化投資的“軟性”方麵，例如投資哲學的演變、市場微觀結構的奧秘，甚至是對“數據洪流”的批判性反思。書中反復強調瞭“獨立思考”的重要性，認為不應盲目追隨模型，而是要理解其背後的邏輯。這種“精神層麵”的引導，雖然引人深思，但對於期望獲得“技能裝備”的我來說，難免有些“空中樓閣”的感覺。
评分這本書以一種非常獨特的方式，巧妙地避開瞭我最感興趣的核心內容，但卻在其他方麵給我帶來瞭意想不到的啓發。我本來期待能深入瞭解量化交易的實際操作，比如如何構建一個多因子模型，或者在動態的市場環境中如何進行倉位管理。然而，這本書更像是一位睿智的導遊，帶領我領略瞭量化投資的宏觀圖景，從曆史的演進到理論的基石，再到哲學層麵的思考。它探討瞭數學、統計學、計算機科學乃至行為經濟學在投資決策中的作用，但並沒有深入到具體的代碼實現或算法細節。讀完之後，我感覺自己對量化投資的“是什麼”有瞭更深刻的理解，但對於“怎麼做”仍然感到有些模糊。盡管如此，書中對數據的重要性、模型的局限性以及人類情感在投資中的乾擾因素的討論，還是讓我受益匪淺。它促使我重新審視瞭自己對投資的認知，開始思考在追求技術手段的同時，是否也應該更多地關注投資的底層邏輯和心理素質的培養。這種“麯徑通幽”的講述方式，雖然與我最初的期望有所偏離，卻也為我打開瞭新的視角，讓我意識到量化投資並非僅僅是冰冷的數據和算法，其背後蘊含著深刻的科學與人性的交織。
评分我一直認為，一本好的投資書籍應該直指實戰，提供 actionable 的建議和可復製的策略。然而，這本書在這方麵錶現得有些“含蓄”，或者說，是以一種非常“跳躍”的方式來觸及的。它沒有給我關於具體交易信號的解析，也沒有關於如何挑選交易品種的詳細指南。相反，它更像是站在高處，描繪瞭一幅關於量化投資生態的宏大畫捲。書中穿插瞭大量對經典量化理論的介紹，比如一些我不太熟悉的學術模型和研究成果，並試圖解釋這些理論是如何被應用到實際投資中的。我期待能看到如何將理論轉化為實際操作的例子，比如如何通過迴測驗證策略的有效性，或者在實際交易中如何處理滑點和交易成本。然而，這些內容在書中齣現的篇幅相當有限。更讓我感到意外的是，書中花費瞭相當多的筆墨去探討“非量化”的領域，比如宏觀經濟分析、地緣政治對市場的影響，甚至是對人類非理性行為的洞察。我原本是想學習如何用機器來戰勝市場，但這本書卻反復強調人類判斷的不可替代性，以及技術工具的局限性。這種“迴歸人性”的論調，與我理解的量化投資的“冷酷理性”似乎有些齣入，讓我一時難以消化。
评分這本書的敘述方式相當彆緻，它仿佛在有意地引導讀者去探索那些“意料之外”的領域，而避開瞭我本想深入挖掘的那些“情理之中”的細節。我本寄希望於從這本書中學習到如何設計和實現一套完整的量化交易係統，包括如何進行因子挖掘、如何構建投資組閤、如何進行風險控製等等。然而，書中關於這些具體技術層麵的內容，顯得十分“點到為止”，更像是一種概括性的提及，而非深入的講解。我期待看到詳細的代碼示例，或者對常用量化交易平颱的介紹，甚至是如何進行數據清洗和預處理的技巧。可惜的是，這些是我在書中未能找到的。取而代之的是，作者似乎更傾嚮於從更廣闊的視角來審視量化投資，探討瞭諸如“數據挖掘的倫理問題”、“算法的黑箱效應”以及“市場有效性邊界”等哲學和理論層麵的議題。這些話題雖然發人深省，卻與我希望獲得的“硬核”技能存在一定的距離。書中反復強調瞭“理解市場本質”的重要性，認為這比單純掌握技術手段更為關鍵。這種“重道輕術”的傾嚮，雖然有其道理，但對於急於上手實操的我來說，不免有些“隔靴搔癢”之感。
评分這本書的風格極其獨特，它以一種“迂迴”的方式，讓我看到瞭量化投資的另一麵，雖然並非我最初設想的那種“正麵戰場”。我本以為會在這裏找到關於如何構建高頻交易策略、如何進行套利交易、或者如何利用機器學習來預測股價走勢的詳細講解。然而，書中對這些實操性的內容，僅僅是“蜻蜓點水”式地提及，並沒有深入到具體的實現細節。我期待能看到詳細的數學公式推導，或者對各種量化模型的優劣進行深入的對比分析，再者就是關於如何進行參數優化和策略迴測的實操指南。遺憾的是，這些是我在書中未曾尋獲的。取而代之的是，作者花費瞭大量篇幅去探討“人”的因素在量化投資中的角色，比如投資者情緒的影響、決策偏差的糾正，甚至是對“集體智慧”的解讀。我原本是想學習如何讓機器完全取代人的判斷，但這本書卻反復強調瞭人類經驗和直覺的價值，認為它們是量化模型無法完全替代的。這種“擁抱不確定性”的觀點，雖然有一定道理，但對於渴望掌握“確定性”方法的我來說，顯得有些“不閤時宜”。
评分抄得太多，沒自己的東西。技術篇的體係比較亂。至於實際操作細節描述不多，這個大概跟作者行業有關，可能有所保留。總體說來，不是好書，不用浪費時間。看樣子搞這個還得看原版書。
评分肚子裏有點貨，但是離抖齣來還差得遠。自己懂和能教彆人懂還是不同的。
评分全部都是抄的。。。真的！！我都對照過文獻看過瞭，我想作者應該很多不懂吧。哈哈！不過反而是文獻挺不錯的。。。尤其是Hurst指數策略和分形。。
评分量化投資大全，可以當做一本工具書
评分not bad
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2026 qciss.net All Rights Reserved. 小哈圖書下載中心 版权所有