包邮 量化投资 以MATLAB为工具(第二版)第2版 李洋 股票交易书籍 量化投资 量化 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

李洋（Faruto）郑志勇(Ariszheng) 著

图书标签:

• 量化投资
• MATLAB
• 股票交易
• 金融工程
• 李洋
• 第二版
• 量化交易
• 技术分析
• 投资策略
• 包邮

店铺： 布克专营店

出版社： 电子工业出版社

ISBN：9787121298486

商品编码：10966762201

包装：01

开本：04

商品参数

量化投资 以MATLAB为工具(第二版)
	定价	118.00
	出版社	电子工业出版社
	版次	第二版
	出版时间	2016年09月01日
	开本	16开
	作者	李洋 (Faruto)  郑志勇 (Ariszheng)
	装帧	平装
	页数	576页
	字数
	ISBN编码	9787121298486

内容介绍

本书分为基础篇和高级篇两大部分。基础篇通过Q＆A的方式介绍了MATLAB的主要功能、基本命令、数据处理等内容，使读者对

MATLAB有一个基本的了解。高级篇分为20章，介绍了MATLAB结合具体量化投资的相关案例，包括MATLAB处理优化问题和数据交

互、绘制交易图形、构建行情软件和交易模型、基于MATLAB的BP神经网络和广义极值分布、基于MATLAB的正则表达式基础教程、

FQuantToolBox股票期货数据获取＆量化回测工具箱的介绍与使用等内容，通过丰富的实例和图形帮助读者理解和运用MATLAB作

为量化投资的工具。本书的特色在于不仅仅满足理论学习的需要，更帮助读者边学边练，理论与实践并重。本书适合经济金融

机构的研究人员和从业人员、进行量化投资的交易员、具有统计背景的科研工作者、高等院校相关专业的教师和学生及对量化投

资和MATLAB感兴趣的人士阅读。

目录

基  础  篇

第0章  N分钟学会MATLAB（60＜N＜180） 1

0.1  引言 1

0.2  基础知识 1

0.3  输入/输出 10

0.4  数据处理 12

0.5  数学运算 18

0.6  字符操作 25

0.7  日期时间 27

0.8  绘图相关 28

0.9  数学、金融、统计相关 34

0.10  其他 47

高  级  篇

第1章  基于MATLAB的优化问题 51

1.1  基于MATLAB的线性优化 51

1.1.1  背景介绍 51

1.1.2  线性优化MATLAB求解 52

1.1.3  含参数线性规划 56

1.2  基于MATLAB的非线性优化 57

1.2.1  背景介绍 57

1.2.2  理论模型 58

1.2.3  MATLAB实现 60

1.2.4  扩展阅读 70

1.3  优化工具箱参数设置 73

1.3.1  优化工具箱参数说明 73

1.3.2  优化工具箱参数设置方法 78

1.3.3  参数设置实例演示 80

第2章  MATLAB与Excel的数据交互 81

2.1  数据交互函数 81

2.1.1  获取文件信息xlsfinfo函数 81

2.1.2  读取数据xlsread函数 82

2.1.3  写入数据xlswrite函数 84

2.1.4  交互界面uiimport函数 85

2.2  Excel-Link宏 87

2.2.1  加载Excel-Link宏 88

2.2.2  使用Excel-Link宏 89

2.2.3  Excel 2007加载与使用宏 91

2.3  交互实例 92

2.3.1  基金相关性的计算 92

2.3.2  多个文件的读取和写入 93

2.4  数据的平滑处理 94

2.4.1  smooth函数 94

2.4.2  smoothts函数 99

2.4.3  medfilt1函数 102

2.5  数据的变换 104

2.5.1  数据的标准化变换 105

2.5.2  数据的极差规格化变换 107

第3章  MATLAB与数据库的数据交互 110

3.1  MATLAB实现 110

3.1.1  Database工具箱简介 110

3.1.2  Database工具箱函数 111

3.1.3  数据库数据读取 112

3.1.4  数据库数据写入 117

3.2  系统数据源配置 119

第4章  K线图及常用技术指标的MATLAB实现 122

4.1  K线图的MATLAB实现 123

4.1.1  MATLAB内置函数candle实现 123

4.1.2  自己编写函数实现 124

4.2  常用技术指标的MATLAB实现 128

4.2.1  简单移动平均线（SMA）和指数移动平均线（EMA） 129

4.2.2  自适应移动平均线（AMA） 133

4.2.3  指数平滑异同移动平均线（MACD） 138

4.2.4  平均差（DMA） 140

第5章  基于MATLAB的行情软件 143

5.1  基于MATLAB的行情软件使用介绍 145

5.1.1  面板介绍 145

5.1.2  功能介绍 145

5.2  基于MATLAB的行情软件建立过程 148

5.2.1  GUI版面布局设计 148

5.2.2  核心函数编写 150

5.3  扩展阅读 159

5.3.1  MATLAB通过网页抓取从雅虎网站获取股票历史数据 159

5.3.2  MATLAB通过网页抓取从新浪获取股票实时数据 163

第6章  基于MATLAB的随机模拟 167

6.1  概率分布 167

6.1.1  概率分布的定义 167

6.1.2  几种常用的概率分布 167

6.1.3  概率密度、分布和逆概率分布函数值的计算 171

6.2  随机数与蒙特卡罗模拟 174

6.2.1  随机数的生成 174

6.2.2  蒙特卡罗模拟 178

6.3  随机价格序列 180

6.3.1  收益率服从正态分布的价格序列 180

6.3.2  具有相关性的随机序列 182

6.4  带约束的随机序列 184

第7章  基于MATLAB的风险管理 188

7.1  背景介绍 188

7.1.1  VaR模型 188

7.1.2  VaR计算方法 190

7.2  MATLAB实现 191

7.2.1  数据读取 191

7.2.2  数据处理 200

7.2.3  历史模拟法程序 201

7.2.4  参数模型法程序 203

7.2.5  蒙特卡罗模拟程序 205

7.2.6  计算结果比较 208

第8章  期权定价模型的MATLAB实现 209

8.1  概述 209

8.1.1  关于布莱克、斯科尔斯和莫顿的故事 209

8.1.2  Black-Scholes定价模型 210

8.2  Black-Scholes定价模型及希腊字母研究 211

8.2.1  Black-Scholes微分方程的推导 211

8.2.2  希腊字母研究及MATLAB仿真测试 217

8.3  二叉树定价模型研究 233

8.3.1  期权定价的数值方法概述 233

8.3.2  二叉树定价模型 235

8.3.3  二叉树模型下的希腊字母计算和测试 240

8.3.4  美式期权与欧式期权的风险指标对比 243

8.4  BAW定价模型研究 247

8.4.1  美式期权定价模型方法概述 247

8.4.2  BAW定价模型 247

8.4.3  BAW定价模型仿真测试 250

第9章  基于MATLAB的支持向量机（SVM）在量化投资中的应用 253

9.1  背景介绍 253

9.1.1  SVM概述 253

9.1.2  LIBSVM工具箱 255

9.2  上证指数开盘指数预测 257

9.2.1  模型建立 257

9.2.2  MATLAB实现 258

9.3  上证指数开盘指数变化趋势和变化空间预测 264

9.3.1  信息粒化简介 264

9.3.2  模型建立 267

9.3.3  MATLAB实现 267

9.4  基于C-SVM的期货交易策略 272

9.4.1  引言 272

9.4.2  模型建立 273

9.4.3  MATLAB实现 273

9.5  扩展阅读 287

9.5.1  MATLAB自带的SVM实现函数与LIBSVM的差别 287

9.5.2  关于SVM的学习资源汇总 288

第10章  MATLAB与其他金融平台终端的通信 291

10.1  DataHouse平台MATLAB接口介绍 291

10.1.1  DataHouse平台简介 291

10.1.2  MATLAB接口介绍 293

10.2  Wind平台MATLAB接口介绍 308

10.2.1  Wind平台简介 308

10.2.2  MATLAB接口介绍 309

第11章  基于MATLAB的交易品种选择分析 313

11.1  品种的流动性 313

11.2  品种的波动性 316

11.3  小结 320

第12章  基于MATLAB的交易品种相关性分析 321

12.1  背景介绍 321

12.2  MATLAB实现 324

12.2.1  计算相关性的时间长度和时间周期的选择 325

12.2.2  不同交易品种（资产）的时间轴校正 327

12.2.3  全市场品种的相关性图形展示 327

12.3  扩展阅读 329

第13章  基于MATLAB的国内期货证券交易解决方案 333

13.1  国内期货柜台系统介绍 333

13.2  MATLAB对接CTP的各种方式 335

13.3  开发前准备 336

13.3.1  文档下载 336

13.3.2  MATLAB安装 336

13.3.3  监控工具 337

13.3.4  开发工具 338

13.4  C#版对接原理 338

13.5  XAPI版项目介绍 339

13.6  MATLAB对接期货接口介绍（XAPI项目.NET版） 340

13.6.1  导入C#库 341

13.6.2  启动行情连接 341

13.6.3  显示连接状态 345

13.6.4  订阅行情 348

13.6.5  行情连接参数 349

13.6.6  启动交易连接 349

13.6.7  交易的相关事件 349

13.6.8  下单 350

13.6.9  撤单 352

13.6.10  退出 352

13.6.11  改进 352

13.7  MATLAB对接期货接口介绍（XAPI项目COM版） 353

13.7.1  COM组件注册 353

13.7.2  COM组件运行 354

13.7.3  COM事件注册 356

13.7.4  下单 357

13.8  MATLAB对接证券接口 358

13.9  MATLAB对接个股期权接口 360

第14章  构建基于MATLAB的回测系统 361

14.1  基于MATLAB的量化回测平台框架介绍 361

14.1.1  回测平台实现细节思考 361

14.1.2  回测平台框架 363

14.2  简单均线系统的MATLAB实现 364

14.3  基于MATLAB的策略回测模板样例 369

14.3.1  模板结构 369

14.3.2  相关回测变量和指标的定义 369

14.3.3  策略描述 370

14.3.4  数据准备 373

14.3.5  回测计算 374

14.3.6  策略评价 379

14.4  其他基于MATLAB的回测平台展示 385

14.4.1  HTS1.0——基于MATLAB设计的回测平台体验版 385

14.4.2  GreenDragon期货交易算法研发平台 387

14.4.3 

《量化交易策略与实战：基于Python的实现》 在瞬息万变的金融市场中，理性与数据成为投资者制胜的关键。本书深入浅出地探讨了量化交易的核心理念、策略构建以及实战应用，旨在帮助读者掌握一套系统性的量化交易方法论，并学会运用强大的Python工具将其付诸实践。 本书内容亮点： 量化投资基础理论梳理： 我们将从最基础的量化投资概念讲起，包括量化投资的定义、发展历程、优势与局限性。重点阐述量化交易与传统交易的区别，以及风险管理在量化投资中的重要性。您将了解如何建立一个量化的投资思维框架，理解数据在投资决策中的核心作用。 数据获取与预处理： 真实可用的数据是量化交易的基石。本书将详细介绍如何从各类金融数据源（如历史行情数据、财务报表数据、宏观经济数据等）获取数据，并提供一系列实用的Python库（如`pandas-datareader`、`yfinance`等）以及数据清洗、缺失值处理、异常值检测、特征工程等关键的数据预处理技术。确保您能够获得干净、准确的交易信号所需的数据。 经典量化交易策略解析： 本书精选了多种被广泛验证且具有代表性的量化交易策略，并对其背后的逻辑、数学模型和实现方法进行深度剖析。涵盖的策略类型包括但不限于： 均值回归策略： 详细讲解如何识别价格的均值回归信号，如布林带、均值回归模型等，并演示如何通过Python实现基于这些信号的交易系统。 动量反转策略： 探讨动量和反转的交易机会，如相对强弱指标（RSI）、MACD等技术指标的应用，以及如何构建和回测基于这些指标的交易模型。 统计套利策略： 深入理解协整、配对交易等统计套利方法，分析如何在多资产环境中寻找并利用价格偏差进行无风险套利，并提供Python实现框架。 因子投资策略： 介绍市值、价值、成长、质量、动量等经典因子，以及如何构建基于多因子模型的投资组合，并提供因子暴露度分析和策略构建的实操指导。 事件驱动策略： 讲解如何捕捉因特定市场事件（如财报发布、政策变动、并购重组等）引发的交易机会，并演示如何通过新闻数据、公告等信息构建事件驱动的交易信号。 策略回测与优化： 策略的有效性需要通过历史数据进行严格的回测和评估。本书将重点介绍回测引擎的设计与实现，包括如何处理交易成本、滑点，如何计算夏普比率、最大回撤、卡玛比率等关键绩效指标。同时，也将探讨参数优化、过拟合规避等策略改进的技术。 交易系统开发与实盘部署： 从策略到实盘，需要构建一个完整的交易系统。本书将指导读者如何搭建一个具备信号生成、订单管理、风险控制、绩效监控等功能的交易系统框架。我们将介绍如何连接到交易接口，进行模拟交易和逐步实盘部署。 风险管理与组合优化： 风险是量化交易不可回避的议题。本书将深入探讨各类风险，如市场风险、模型风险、流动性风险等，并提供量化的风险管理工具和技术，如VaR（风险价值）、CVaR（条件风险价值）、止损策略等。同时，也将介绍现代组合优化理论，如均值-方差优化、Black-Litterman模型等，帮助读者构建稳健的投资组合。 Python量化实战工具箱： 本书将贯穿使用Python这一强大且灵活的编程语言，并重点介绍一系列对量化投资至关重要的Python库，包括： NumPy & SciPy： 用于数值计算和科学计算的基础库。 Pandas： 用于数据处理和分析的强大工具，特别是其DataFrame对象。 Matplotlib & Seaborn： 用于数据可视化，绘制图表和分析结果。 Scikit-learn： 用于机器学习，可应用于因子挖掘、信号预测等领域。 Statsmodels： 用于统计建模和计量经济学分析。 Backtrader / Zipline / PyAlgoTrade： 介绍流行的量化回测框架，并演示如何利用它们快速实现和测试策略。 本书适合读者： 金融从业者： 希望提升投资决策的科学性和效率，探索新的投资模式的基金经理、交易员、分析师等。 程序开发者： 对金融市场感兴趣，希望将编程技能应用于金融领域的程序员。 在校学生： 金融、经济、计算机科学等相关专业的学生，希望学习前沿的量化投资知识。 个人投资者： 希望通过系统化、数据化的方法进行投资，提升投资回报的个人投资者。 通过阅读本书，您将不仅能够理解量化投资的精髓，更能掌握一套实用的工具和方法，在复杂的金融市场中构建属于自己的量化交易体系，并迈出成为一名成功量化交易者的坚实步伐。

评分☆☆☆☆☆

《量化投资：以MATLAB为工具（第二版）》这本书的写作风格非常严谨，但又不失生动。李洋教授善于运用图表和实例来阐释复杂的概念，让读者更容易理解。比如在讲解不同因子模型时，他会通过实际的数据图表来展示因子与收益之间的关系，并解释这些关系背后的经济意义。这不仅仅是技术层面的讲解，更是上升到了对市场本质的理解。我还特别喜欢书中关于风险管理的章节，作者强调了风险控制在量化投资中的重要性，并提供了多种风险管理工具和技术，这对于我这样一个容易冲动的投资者来说，非常有警醒作用。

评分☆☆☆☆☆

说实话，刚拿到这本书的时候，我其实对“量化投资”这个概念有些畏惧，觉得它离我这个普通散户太远了。但读了《量化投资：以MATLAB为工具（第二版）》之后，我发现事情并非如此。李洋用一种非常亲民的方式，把复杂的量化策略剖析开来。他分享了许多经典的量化策略，比如动量策略、均值回归策略，并且详细介绍了它们的构建思路、数学原理以及如何用MATLAB来实现。更重要的是，他还深入探讨了策略的优化和改进，以及如何应对策略失效的风险。这些内容让我看到了将量化思维应用到股票交易中的可能性，让我对自己的投资之路有了新的思考和方向。

评分☆☆☆☆☆

这本书给我的最大启发在于，它教会我如何用一种系统化的、数据驱动的方式去审视股票市场。在没有读这本书之前，我的交易更多是凭感觉或者一些零散的信息。但是，通过学习书中的量化模型和回测方法，我开始学会去寻找市场中的规律，去量化我的交易决策，并且用客观的指标来衡量我的交易表现。李洋还分享了如何构建一个完整的量化交易流程，从数据获取、信号生成、组合构建到风险管理，都有详细的指导。这让我明白，一个成功的量化交易系统，需要的是全方位的考量和严谨的执行，而这本书正好提供了这样一套完整的框架。

评分☆☆☆☆☆

这本书最让我印象深刻的是，它并没有停留在理论的层面，而是非常注重实操。每讲到一个概念，李洋都会立刻给出对应的MATLAB代码，并且对代码的每一部分都做了详细的注释。这真的太友好了！我可以直接复制代码，然后根据自己的想法去修改和运行，很快就能看到结果。这种“学以致用”的感觉，比光看书本知识要深刻得多。尤其是关于回测的部分，作者详细讲解了如何构建一个完整的交易回测框架，包括如何处理交易成本、滑点、以及如何评估回测结果的夏普比率、最大回撤等等。这些细节对于实际的投资决策至关重要，而书里却把它们讲得明明白白，让我少走了很多弯路。

评分☆☆☆☆☆

读完这本《量化投资：以MATLAB为工具（第二版）》之后，我最大的感受是，作者李洋真的把量化投资的门道给拆解开来，一点一点地呈现在我们面前。书的开篇就非常直观地引入了MATLAB在量化分析中的优势，从数据获取、清洗到初步的统计分析，都给出了非常实用的代码示例。这对于我这种对编程有点基础，但又觉得量化投资门槛很高的人来说，简直是福音。作者没有上来就抛出复杂的模型，而是循序渐进，从最基础的概念讲起，比如什么是阿尔法因子，什么是风险暴露，什么是回测的意义。他解释得很透彻，让我理解了这些抽象概念背后的逻辑，而不是死记硬背。