量化投資：以MATLAB為工具（第2版） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

李洋（Faruto) 著

圖書標籤:

• 量化投資
• MATLAB
• 金融工程
• 投資策略
• 算法交易
• 金融建模
• 時間序列分析
• 風險管理
• 投資分析
• 第2版

齣版社： 電子工業齣版社

ISBN：9787121298486

版次：1

商品編碼：12038750

包裝：平裝

叢書名： 大數據金融叢書

開本：16開

齣版時間：2016-10-01

用紙：膠版紙

頁數：576

字數：864000

正文語種：中文

産品特色

編輯推薦

適讀人群 ：本書適閤金融工程、金融建模、量化投資、程序化交易等金融領域的分析師及有誌於從事金融投資的各界人士閱讀。
　　本書在第1版廣受好評的基礎上，第2版修正第1版中的個彆錯誤和不嚴謹之處，還增加瞭更多量化投資的實際案例，包括但不限於基於MATLAB的多因子選股模型、基於MATLAB和Wind的量化交易終端、基於MATLAB的BP模型、基於MATLAB的廣義極值分布模型、基於MATLAB的正則錶達式簡介。本書最後詳細介紹瞭筆者在2015年開發的一個開源工具箱——FQuantToolBox股票期貨數據獲取&量化迴測工具箱，通過該工具箱可以免費獲取股票和期貨數據，方便讀者構建自己的迴測數據庫，進行相關策略的研發和測試。

內容簡介

　　本書分為基礎篇和高級篇兩大部分。基礎篇通過Q＆A的方式介紹瞭MATLAB的主要功能、基本命令、數據處理等內容，使讀者對MATLAB有一個基本的瞭解。高級篇分為20章，介紹瞭MATLAB結閤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、繪製交易圖形、構建行情軟件和交易模型、基於MATLAB的BP神經網絡和廣義極值分布、基於MATLAB的正則錶達式基礎教程、FQuantToolBox股票期貨數據獲取＆量化迴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作為量化投資的工具。本書的特色在於不僅僅滿足理論學習的需要，更幫助讀者邊學邊練，理論與實踐並重。本書適閤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。

作者簡介

　　李洋（Faruto），5年量化投資從業經驗，先後就職於期貨、保險、基金公司，從事量化投資相關工作。中國量化投資學會專傢委員會成員、中國量化投資學會MATLAB技術分會會長，MATLAB技術論壇聯閤創始人，北京師範大學應用數學學士、碩士。十餘年MATLAB編程經驗，Libsvm-MAT支持嚮量機加強版工具箱開發者，FQuantToolBox股票期貨數據獲取&量化迴測工具箱開發者，對量化對衝類策略、CTA類策略、套利類策略等有深入研究，且有多年量化投資實戰經驗，已齣版《量化投資：以MATLAB為工具》、《MATLAB神經網絡30個案例分析》和《MATLAB神經網絡43個案例分析》、翻譯《金融與經濟中的數值方法――基於MATLAB編程》等書籍。鄭誌勇（Ariszheng）中國量化投資學會專傢委員會成員，方正富邦基金産品總監，北京理工大學運籌學與控製論碩士，先後就職於中國銀河證券、銀華基金、方正富邦基金，從事金融産品研究與設計工作。十餘年MATLAB編程經驗，專注於産品設計、量化投資等相關領域的研究，尤其對於各種結構化産品、分級基金産品有著深入的研究，已齣版《量化投資：以MATLAB為工具》、《運籌學與*優化MATLAB編程》和《金融數量分析：基於MATLAB編程》、翻譯《金融與經濟中的數值方法――基於MATLAB編程》等書籍。

目錄

基 礎 篇
第0章 N分鍾學會MATLAB（60＜N＜180） 1
0．1 引言 1
0．2 基礎知識 1
0．3 輸入/輸齣 10
0．4 數據處理 12
0．5 數學運算 18
0．6 字符操作 25
0．7 日期時間 27
0．8 繪圖相關 28
0．9 數學、金融、統計相關 34
0．10 其他 47
高 級 篇
第1章 基於MATLAB的優化問題 51
1．1 基於MATLAB的綫性優化 51
1．1．1 背景介紹 51
1．1．2 綫性優化MATLAB求解 52
1．1．3 含參數綫性規劃 56
1．2 基於MATLAB的非綫性優化 57
1．2．1 背景介紹 57
1．2．2 理論模型 58
1．2．3 MATLAB實現 60
1．2．4 擴展閱讀 70
1．3 優化工具箱參數設置 73
1．3．1 優化工具箱參數說明 73
1．3．2 優化工具箱參數設置方法 78
1．3．3 參數設置實例演示 80
第2章 MATLAB與Excel的數據交互 81
2．1 數據交互函數 81
2．1．1 獲取文件信息xlsfinfo函數 81
2．1．2 讀取數據xlsread函數 82
2．1．3 寫入數據xlswrite函數 84
2．1．4 交互界麵uiimport函數 85
2．2 Excel-Link宏 87
2．2．1 加載Excel-Link宏 88
2．2．2 使用Excel-Link宏 89
2．2．3 Excel 2007加載與使用宏 91
2．3 交互實例 92
2．3．1 基金相關性的計算 92
2．3．2 多個文件的讀取和寫入 93
2．4 數據的平滑處理 94
2．4．1 smooth函數 94
2．4．2 smoothts函數 99
2．4．3 medfilt1函數 102
2．5 數據的變換 104
2．5．1 數據的標準化變換 105
2．5．2 數據的極差規格化變換 107
第3章 MATLAB與數據庫的數據交互 110
3．1 MATLAB實現 110
3．1．1 Database工具箱簡介 110
3．1．2 Database工具箱函數 111
3．1．3 數據庫數據讀取 112
3．1．4 數據庫數據寫入 117
3．2 係統數據源配置 119
第4章 K綫圖及常用技術指標的MATLAB實現 122
4．1 K綫圖的MATLAB實現 123
4．1．1 MATLAB內置函數candle實現 123
4．1．2 自己編寫函數實現 124
4．2 常用技術指標的MATLAB實現 128
4．2．1 簡單移動平均綫（SMA）和指數移動平均綫（EMA） 129
4．2．2 自適應移動平均綫（AMA） 133
4．2．3 指數平滑異同移動平均綫（MACD） 138
4．2．4 平均差（DMA） 140
第5章 基於MATLAB的行情軟件 143
5．1 基於MATLAB的行情軟件使用介紹 145
5．1．1 麵闆介紹 145
5．1．2 功能介紹 145
5．2 基於MATLAB的行情軟件建立過程 148
5．2．1 GUI版麵布局設計 148
5．2．2 核心函數編寫 150
5．3 擴展閱讀 159
5．3．1 MATLAB通過網頁抓取從雅虎網站獲取股票曆史數據 159
5．3．2 MATLAB通過網頁抓取從新浪獲取股票實時數據 163
第6章 基於MATLAB的隨機模擬 167
6．1 概率分布 167
6．1．1 概率分布的定義 167
6．1．2 幾種常用的概率分布 167
6．1．3 概率密度、分布和逆概率分布函數值的計算 171
6．2 隨機數與濛特卡羅模擬 174
6．2．1 隨機數的生成 174
6．2．2 濛特卡羅模擬 178
6．3 隨機價格序列 180
6．3．1 收益率服從正態分布的價格序列 180
6．3．2 具有相關性的隨機序列 182
6．4 帶約束的隨機序列 184
第7章 基於MATLAB的風險管理 188
7．1 背景介紹 188
7．1．1 VaR模型 188
7．1．2 VaR計算方法 190
7．2 MATLAB實現 191
7．2．1 數據讀取 191
7．2．2 數據處理 200
7．2．3 曆史模擬法程序 201
7．2．4 參數模型法程序 203
7．2．5 濛特卡羅模擬程序 205
7．2．6 計算結果比較 208
第8章 期權定價模型的MATLAB實現 209
8．1 概述 209
8．1．1 關於布萊剋、斯科爾斯和莫頓的故事 209
8．1．2 Black-Scholes定價模型 210
8．2 Black-Scholes定價模型及希臘字母研究 211
8．2．1 Black-Scholes微分方程的推導 211
8．2．2 希臘字母研究及MATLAB仿真測試 217
8．3 二叉樹定價模型研究 233
8．3．1 期權定價的數值方法概述 233
8．3．2 二叉樹定價模型 235
8．3．3 二叉樹模型下的希臘字母計算和測試 240
8．3．4 美式期權與歐式期權的風險指標對比 243
8．4 BAW定價模型研究 247
8．4．1 美式期權定價模型方法概述 247
8．4．2 BAW定價模型 247
8．4．3 BAW定價模型仿真測試 250
第9章 基於MATLAB的支持嚮量機（SVM）在量化投資中的應用 253
9．1 背景介紹 253
9．1．1 SVM概述 253
9．1．2 LIBSVM工具箱 255
9．2 上證指數開盤指數預測 257
9．2．1 模型建立 257
9．2．2 MATLAB實現 258
9．3 上證指數開盤指數變化趨勢和變化空間預測 264
9．3．1 信息粒化簡介 264
9．3．2 模型建立 267
9．3．3 MATLAB實現 267
9．4 基於C-SVM的期貨交易策略 272
9．4．1 引言 272
9．4．2 模型建立 273
9．4．3 MATLAB實現 273
9．5 擴展閱讀 287
9．5．1 MATLAB自帶的SVM實現函數與LIBSVM的差彆 287
9．5．2 關於SVM的學習資源匯總 288
第10章 MATLAB與其他金融平颱終端的通信 291
10．1 DataHouse平颱MATLAB接口介紹 291
10．1．1 DataHouse平颱簡介 291
10．1．2 MATLAB接口介紹 293
10．2 Wind平颱MATLAB接口介紹 308
10．2．1 Wind平颱簡介 308
10．2．2 MATLAB接口介紹 309
第11章 基於MATLAB的交易品種選擇分析 313
11．1 品種的流動性 313
11．2 品種的波動性 316
11．3 小結 320
第12章 基於MATLAB的交易品種相關性分析 321
12．1 背景介紹 321
12．2 MATLAB實現 324
12．2．1 計算相關性的時間長度和時間周期的選擇 325
12．2．2 不同交易品種（資産）的時間軸校正 327
12．2．3 全市場品種的相關性圖形展示 327
12．3 擴展閱讀 329
第13章 基於MATLAB的國內期貨證券交易解決方案 333
13．1 國內期貨櫃颱係統介紹 333
13．2 MATLAB對接CTP的各種方式 335
13．3 開發前準備 336
13．3．1 文檔下載 336
13．3．2 MATLAB安裝 336
13．3．3 監控工具 337
13．3．4 開發工具 338
13．4 C#版對接原理 338
13．5 XAPI版項目介紹 339
13．6 MATLAB對接期貨接口介紹（XAPI項目．NET版） 340
13．6．1 導入C#庫 341
13．6．2 啓動行情連接 341
13．6．3 顯示連接狀態 345
13．6．4 訂閱行情 348
13．6．5 行情連接參數 349
13．6．6 啓動交易連接 349
13．6．7 交易的相關事件 349
13．6．8 下單 350
13．6．9 撤單 352
13．6．10 退齣 352
13．6．11 改進 352
13．7 MATLAB對接期貨接口介紹（XAPI項目COM版） 353
13．7．1 COM組件注冊 353
13．7．2 COM組件運行 354
13．7．3 COM事件注冊 356
13．7．4 下單 357
13．8 MATLAB對接證券接口 358
13．9 MATLAB對接個股期權接口 360
第14章 構建基於MATLAB的迴測係統 361
14．1 基於MATLAB的量化迴測平颱框架介紹 361
14．1．1 迴測平颱實現細節思考 361
14．1．2 迴測平颱框架 363
14．2 簡單均綫係統的MATLAB實現 364
14．3 基於MATLAB的策略迴測模闆樣例 369
14．3．1 模闆結構 369
14．3．2 相關迴測變量和指標的定義 369
14．3．3 策略描述 370
14．3．4 數據準備 373
14．3．5 迴測計算 374
14．3．6 策略評價 379
14．4 其他基於MATLAB的迴測平颱展示 385
14．4．1 HTS1．0――基於MATLAB設計的迴測平颱體驗版 385
14．4．2 GreenDragon期貨交易算法研發平颱 387
14．4．3 交易策略迴測GUI [Trading strategy back tester] 388
第15章 基於MATLAB的多因子選股模型的實現 389
15．1 多因子模型介紹 389
15．1．1 背景 389
15．1．2 因子種類 389
15．1．3 因子庫 390
15．1．4 全局參數 390
15．1．5 初始股票池 391
15．1．6 股票組閤 392
15．1．7 情景分析 392
15．1．8 測試流程 393
15．1．9 評價體係 393
15．2 MATLAB實現 394
15．2．1 主腳本 394
15．2．2 提取數據 396
15．2．3 因子選股 398
15．2．4 迴測 399
15．2．5 策略評價 403
15．3 總結 405
第16章 基於MATLAB和Wind的量化交易終端AsTradePlatform介紹與使用 406
16．1 背景介紹 406
16．2 麵闆介紹 406
16．3 模塊介紹 408
16．3．1 前期準備 408
16．3．2 初始化 412
16．3．3 登錄/登齣模塊 413
16．3．4 策略控製模塊 419
16．3．5 標的池模塊 446
16．3．6 策略監控模塊 456
16．3．7 賬戶信息模塊 465
16．3．8 手動交易 467
16．3．9 選股模型 468
16．4 總結與改進 472
第17章 基於MATLAB的BP神經網絡在量化投資中的應用 473
17．1 基礎概述 473
17．1．1 BP神經網絡概述 473
17．1．2 基於MATLAB的BP神經網絡的非綫性係統建模 480
17．2 基於MATLAB的BP神經網絡對股指連續收盤價進行預測 484
17．2．1 數據與指標選取 484
17．2．2 基於BP神經網絡的股指連續的預測實現 484
第18章 基於MATLAB的廣義極值分布在量化投資中的策略挖掘與迴測 487
18．1 背景介紹 487
18．1．1 廣義極值分布 487
18．1．2 GEV分布與目標價格的突破概率 490
18．2 GEV策略與迴測的MATLAB實現 495
18．2．1 策略準則 495
18．2．2 GEV策略構建 500
18．2．3 HS300迴測 507
18．2．4 股指期貨5分鍾連續主力閤約迴測 511
第19章 基於MATLAB的正則錶達式基礎教程 517
19．1 引言 517
19．2 單個字符的匹配 518
19．2．1 句點符號 518
19．2．2 方括號符號 519
19．2．3 方括號中的連接符 519
19．2．4 特殊字符 519
19．2．5 類錶達式 520
19．3 字符串的匹配 521
19．3．1 多次匹配 521
19．3．2 邏輯運算符 522
19．3．3 左顧右盼――利用上下文匹配 523
19．4 標記（tokens） 523
19．4．1 什麼是標記 523
19．4．2 如何使用標記 524
19．5 多行字符串與多正則錶達式 525
19．5．1 多個字符串與單個正則錶達式匹配 525
19．5．2 多個字符串與多個正則錶達式匹配 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＆量化迴測工具箱的介紹與使用 528
20．1 FQuantToolBox是做什麼用的 528
20．2 FQuantToolBox工具箱內容簡介 529
20．3 行情數據和基本麵數據獲取函數 530
20．4 工具箱各版本更新說明 557

前言/序言

　　近年來，互聯網和人工智能技術的飛速發展，推動傳統金融大踏步前進，尤其是量化投資、互聯網金融、移動計算等領域，用一日韆裏來形容亦不為過。2015年年初，李剋強總理在《政府工作報告》中提齣製訂“互聯網+”行動計劃，推動移動互聯網、雲計算、大數據等與各行業的融閤發展。2015年9月，國務院又印發瞭《促進大數據發展行動綱要》，提齣“推動産業創新發展，培育數據應用新業態，積極推動大數據與其他行業的融閤，大力培育互聯網金融、數據服務、數據處理分析等新業態”。可見，大數據金融將會成為未來十年最閃亮的領域之一。2012年年初，中國量化投資學會聯閤中國工信齣版集團電子工業齣版社，共同策劃齣版瞭“量化投資與對衝基金叢書”，深受業內好評。在此基礎上，2016年我們再次重磅齣擊，整閤業內頂尖人纔，推齣“大數據金融叢書”，引領時代前沿，助力行業發展。
　　本書特點
　　李洋是最早加入本叢書的作者之一，他的第1版《量化投資：以MATLAB為工具》齣版後，深受好評，也奠定瞭他在該領域的領先地位。三年後，他再次大幅度升級改版，相信又會給業內讀者帶來更多的分享價值。與第1版相比，第2版以實戰策略為核心，闡述瞭MATLAB在量化投資中的方方麵麵。
　　第1章是關於MATLAB的優化問題，開發量化策略的迴測中無法避免的就是策略優化，MATLAB則提供瞭很多函數進行綫性優化及非綫性優化。
　　第2、3、5章主要講解數據交互如何解決，包括最常用的如何從Excel中交互數據，以及與數據庫之間的交互。行情的獲取也可以通過MATLAB的接口實現，並以圖形化的方式展示齣來，同時通過案例說明如何從雅虎和新浪獲取股票行情數據。
　　有關策略的MATLAB分析，在本書的第4、8、15章有詳細介紹。
　　第4章將技術分析的各種指標用MATLAB進行實現。傳統的技術指標在量化投資中有著廣泛的應用，但是需要結閤各自的品種進行相應的優化參數處理。
　　第8章介紹瞭期權定價問題。在我國的衍生品市場中，期權的交易規模尚處於初始階段，但是未來的發展空間巨大，這其中最核心的是定價問題，包括B-S模型、二叉樹模型等，都可以用MATLAB的函數實現。
　　第15章介紹瞭傳統的多因子選股模型。目前主流的Alpha策略采用的都是多因子選股，包括基本麵因子、統計類因子、輿情大數據因子等。
　　第9、17、19章闡述瞭人工智能理論在量化投資中的應用。
　　第9章介紹SVM（支持嚮量機）如何用於量化策略的開發。SVM主要用於構建分類模型，可以基於SVM的MATLAB函數構建金融市場的分類模型並進行預測。
　　除瞭SVM，另一個大量用於分類分析的是BP神經網絡，最近很熱門的深度學習，很多問題都是基於BP神經網絡構建的。第17章介紹瞭基於MATLAB的BP神經網絡在量化投資中的應用。
　　第19章介紹的正則錶達式則是人工智能中很傳統的一類方法，利用正則錶達式可以進行邏輯推理，這是專傢係統的重要理論基礎，MATLAB中也提供瞭對應的函數庫。
　　第6章是關於隨機模擬的問題。對於一些需要海量數據處理的問題，比如高頻交易、算法交易等，在沒有完整的數據集時，可以用隨機模擬的方式獲得大緻的概率分布，並且基於該隨機模擬進行算法分析，是一個不錯的選擇。
　　風險管理毫無疑問是量化投資中的核心問題，其一般用VaR模型來錶達，第7章針對這部分內容進行瞭闡述。
　　第10、13、14、20章全麵講述瞭MATLAB與其他係統之間的交互和實現問題。這是MATLAB一個相當強大的功能，可以充分利用其他係統的數據和結果。
　　本書幾乎涵蓋瞭MATLAB在量化投資的方方麵麵，是目前市麵上在該領域（無論是從深度還是從廣度上都處於領先地位的教材，特此推薦。
　　美好前景
　　中國經濟經過幾十年的高速發展，各行各業基本上已經定型，能夠讓年輕人成長的空間越來越小。未來十年，大數據金融領域是少有的幾個有著百倍、甚至韆倍成長空間的行業，在傳統的以人為主的分析逐步被數據和模型替代的過程中，從事數據處理、模型分析、交易實現、資産配置的核心人纔（我們稱之為寬客），將有廣闊的舞颱可以充分展示自己的纔華。在這個領域，將不再關心你的背景和資曆，無論學曆高低，無論有無經驗，隻要你勤奮、努力，腳踏實地地研究數據、研究模型、研究市場，實現財務自由並非遙不可及的夢想。對於寬客來說，除瞭你的纔華，其他一切都不重要！
　　丁 鵬 博士
　　中國量化投資學會理事長
　　《量化投資——策略與技術》作者
　　“大數據金融叢書”主編
　　2016.8 上海
　　前言
　　寫在前麵的話
　　光陰荏苒，歲月如梭，距離《量化投資：以MATLAB為工具》第1版的齣版已經有近兩年的時間瞭，期間通過各大電商的評論及郵件，我收到讀者各式各樣的反饋和評論，深知該書無法滿足所有層次讀者的需求，也有諸多需要完善和精細化的地方，僅希望能夠對在量化投資道路上探索的讀者有些許啓發和幫助。
　　相比於第1版，第2版除瞭修正個彆錯誤和不嚴謹之處，還增加瞭更多量化投資的實際案例，包括但不限於基於MATLAB的多因子選股模型、基於MATLAB和Wind的量化交易終端、基於MATLAB的BP模型、基於MATLAB的廣義極值分布模型、基於MATLAB的正則錶達式簡介。本書最後詳細介紹瞭筆者在2015年開發的一個開源工具箱——FQuantToolBox股票期貨數據獲取＆量化迴測工具箱，通過該工具箱可以免費獲取股票和期貨數據，方便讀者構建自己的迴測數據庫，進行相關策略的研發和測試。
　　本書內容框架
　　本書分為基礎篇和高級篇兩大部分。
　　基礎篇采用瞭Q＆A的寫作方式，目的是讓剛剛接觸MATLAB的讀者能快速有效地瞭解MATLAB。基礎篇內容來源多樣，既有來自MATLAB的官方幫助文檔，也有筆者個人的一些總結，還有若乾來自MATLAB技術論壇（http://www.matlabsky.com）的討論問題。
　　高級篇介紹瞭MATLAB結閤具體量化投資的相關案例，涉及的內容主要有：基於MATLAB的優化問題、MATLAB與Excel的數據交互、MATLAB與數據庫的數據交互、K綫圖及常用技術指標的MATLAB實現、基於MATLAB的行情軟件、基於MATLAB的隨機模擬、基於MATLAB的風險管理、期權定價模型的MATLAB實現、基於MATLAB的支持嚮量機（SVM）在量化投資中的應用、MATLAB與其他金融平颱終端的通信、基於MATLAB的交易品種選擇和相關性分析、基於MATLAB的國內期貨證券交易解決方案、構建基於MATLAB的迴測係統、基於MATLAB的多因子選股模型的實現、基於MATLAB和Wind的量化交易終端AsTradePlatform介紹與使用、基於MATLAB的BP神經網絡在量化投資中的應用、基於MATLAB的廣義極值分布在量化投資中的策略挖掘與迴測、基於MATLAB的正則錶達式基礎教程、FQuantToolBox股票期貨數據獲取＆量化迴測工具箱的介紹與使用。高級篇可以幫助讀者通過具體的量化投資案例掌握MATLAB的相關應用。
　　本書既有復雜模型（支持嚮量機相關模型）的介紹，也有簡單模型（品種簡單波動性模型）的分析，其實無論模型復雜與否，量化投資本身更像一門藝術，並不是復雜的模型纔是“好”模型，簡單的模型就是“差”模型。所有的迴測僅僅是檢測模型的曆史錶現，所有的模型也有其生命周期和適用條件，終極意義上的模型檢驗隻能是“實戰”。
　　使用MATLAB可以更加精細、自由地測試交易模型。作為一個投資工具，MATLAB的目的是幫助投資者快速構建模型進行測試來檢查某一模型的曆史錶現，工具本身並不能幫我們賺錢，量化投資的核心還是策略模型背後的交易邏輯。
　　閱讀本書時，建議讀者按照“先通讀章節內容，後調試程序，再精讀章節內容”的順序進行。本書程序建議在MATLAB R2012a及以上版本的環境下運行。本書的章節之間沒有特彆的順序要求，讀者可以選擇任何感興趣的章節開始閱讀。如果您是一名MATLAB和量化投資的初學者，則建議按照章節順序通讀全書。
　　麵嚮讀者對象
　　● 經濟金融機構的研究人員和從業人員。
　　● 進行量化投資的交易員。
　　● 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。
　　● 對量化投資和MATLAB感興趣的人士。
　　勘誤和交流
　　由於筆者水平有限，書中難免會齣現一些錯誤或不嚴謹之處，懇請讀者批評指正。本書在MATLAB技術論壇的“MATLAB讀書頻道”有專門的交流闆塊（http://www. matlabsky.com/forum-112-1.html），方便與讀者進行溝通。如果您在閱讀過程中有任何疑問，可以在上述書籍交流闆塊發帖留言，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闆塊進行下載。本書為黑白印刷，對於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。
　　如果您有什麼寶貴意見，歡迎發郵件進行交流，期待得到您真摯的反饋。
　　筆者郵箱：farutoliyang@foxmail.com
　　筆者微博：http://weibo.com/faruto
　　筆者博客：http://blog.sina.com.cn/faruto
　　筆者微信公眾號：FQuantStudio
　　緻謝
　　本書得到瞭筆者朋友和同事的幫助，藉本書齣版之際，一並嚮他們錶示真誠的感謝。
　　感謝丁鵬博士邀請我撰寫此書，沒有他的邀請就不會有該書的問世；感謝博文視點李冰等編輯的支持和閤作。
　　感謝我之前待過的兩支量化團隊成員：張冰博士、錢文博士、陳星、宋騰；周劍博士、趙婉西、陳雪瑩。感謝我現在所在的量化團隊成員：劉文希、伍侃、劉霽。Quant Never Sleeps！在量化之路上我們要一直前行。

好的，這是一份關於不包含《量化投資：以MATLAB為工具（第2版）》內容的圖書簡介，力求詳實、自然，並避免任何提及原書或AI生成痕跡的錶述。 --- 現代金融工程與算法交易實踐指南 探索金融市場的深層結構與數據驅動的決策藝術 本書旨在為那些渴望深入理解當代金融市場運行機製，並掌握尖端量化分析與交易策略的讀者，提供一套全麵、係統且高度實用的知識框架與技術路徑。它並非對既有工具的簡單復述，而是側重於構建一個完整的、從理論到實踐的現代金融分析生態係統，重點聚焦於前沿的統計套利模型、高頻交易基礎設施的構建，以及如何利用最新的計算工具和數據科學技術來發掘市場中的非隨機性。 第一部分：金融數據科學基礎與建模哲學 金融市場數據以其高噪聲、非平穩性和內在的復雜性而著稱。本書首先奠定瞭堅實的理論基礎，用以應對這些挑戰。我們不會停留在傳統的教科書模型，而是深入探討復雜性科學在金融領域中的應用，例如多重尺度分析（Multiscale Analysis）和信息熵理論如何幫助我們區分真正的信號與市場噪音。 數據預處理與清洗： 詳述從Level 1到Level 3的金融數據獲取、標準化與時間序列對齊的關鍵技術。重點介紹如何處理微觀結構噪聲（Market Microstructure Noise），包括到達率模型（Arrival Process Models）的應用，以及如何通過先進的濾波技術，如卡爾曼濾波（Kalman Filtering）的非綫性變種，來提純潛在的內在價值序列。 非綫性時間序列分析： 傳統綫性模型（如ARIMA）的局限性在波動性聚類和尖峰現象麵前暴露無遺。本書將重點介紹GARCH族模型（如EGARCH, GJR-GARCH）在波動率建模中的精細化應用，並引入狀態空間模型（State Space Models）處理隱性狀態下的資産定價問題。此外，對非參數方法（如核密度估計）在風險因子分布擬閤中的作用也將進行深入探討。 第二部分：高級統計套利與因子挖掘 本部分的核心在於揭示市場中的定價偏差和行為異象，並將其係統化、可重復地轉化為交易信號。 多因子模型的深度構建： 傳統的Fama-French模型是起點，但我們更關注如何利用機器學習技術來發現“隱藏的”或“交互式”的因子。探討主成分分析（PCA）在因子降維中的應用，以及LASSO/Ridge迴歸在因子選擇與正則化中的優勢。特彆關注風格因子（Style Factors）的構建、檢驗與時間衰減分析。 協整關係與配對交易（Pairs Trading）： 深入講解協整檢驗（Cointegration Tests）的穩健性，並超越基礎的布朗運動假設。介紹多元時間序列模型（如VAR/VECM）在識彆和維持套利組閤中的作用。重點講解動態頭寸調整策略，即如何根據殘差序列的波動率和均值迴歸速度，實時調整對衝比例（Hedge Ratio），以最大化夏普比率。 另類數據源整閤： 現代量化交易的製高點在於數據。本書詳細闡述瞭如何結構化處理文本數據（如新聞情感分析、監管公告）和衛星圖像數據，並將其轉化為可量化的交易信號。關鍵在於設計“注意力機製”，確保文本信息與市場價格信號的同步性與因果關係判斷的準確性。 第三部分：高頻交易與訂單簿動力學 高頻交易（HFT）要求對延遲和市場微觀結構有近乎完美的理解。本部分關注交易執行效率和市場衝擊成本的量化。 訂單簿建模與仿真： 詳細介紹LOB（Limit Order Book）的結構性特徵，包括最優買賣價差（Spread）的形成機製。利用代理人模型（Agent-Based Models）來模擬不同交易者（做市商、剝頭皮交易者）的行為，從而理解訂單流的驅動力。重點討論跳躍擴散過程（Jump-Diffusion Processes）在描述突發大額訂單時的適用性。 交易成本分析（TCA）與最優執行： 我們超越簡單的滑點計算，深入研究市場衝擊模型（Market Impact Models），如Almgren-Chriss模型在動態環境下的擴展應用。講解如何利用強化學習（Reinforcement Learning, RL）來訓練最優執行智能體，使其能夠在特定時間窗口內，以最小化價格影響的方式完成大額委托。 低延遲係統架構概念： 雖然本書不直接提供編程語言特定的底層代碼實現，但會詳細闡述構建高性能交易係統的邏輯架構，包括事件驅動模型（Event-Driven Architecture）的設計原則、時間戳同步的重要性，以及如何對交易路徑進行延遲剖析（Latency Profiling）。 第四部分：風險管理與模型驗證的嚴謹性 一個成功的量化策略，其生命力在於其穩健的風險控製和嚴格的驗證過程。 壓力測試與尾部風險： 僅僅依賴曆史迴測是危險的。本書引入條件風險價值（CVaR）和極值理論（Extreme Value Theory, EVT）來量化和管理極端損失事件。講解濛特卡洛模擬（Monte Carlo Simulation）在壓力情景下的構建與參數敏感性分析。 策略的穩健性與過擬閤檢驗： 強調區分“真實信號”與“數據擬閤”的界限。詳細介紹前嚮測試（Walk-Forward Optimization）的正確實施流程，以及樣本內/樣本外（In-Sample/Out-of-Sample）測試的嚴格分離標準。探討信息比率（Information Ratio）與夏普比率在評估策略績效時的優缺點，並引入迴撤恢復時間（Drawdown Recovery Time）作為新的績效指標。 監管與閤規考量（概念層麵）： 討論量化模型在麵臨快速變化的市場結構和監管環境時，如何保持適應性，包括模型可解釋性（Explainability）在閤規審查中的重要性。 --- 本書的目標讀者群包括：希望從統計學、經濟學或計算機科學背景轉型至量化分析的專業人士；已經在實踐中但尋求深化理論基礎與拓寬技術視野的量化研究員；以及對現代金融工程領域前沿技術感興趣的金融機構高管與研究人員。閱讀本書後，您將掌握的不是一套固定的公式，而是一種係統化、數據驅動的量化思維體係。

評分☆☆☆☆☆

這本書在結構組織上的精妙之處，在於它成功地平衡瞭廣度和深度。它並沒有僅僅局限於某一個單一的量化領域，而是像一張地圖一樣，將量化投資的各個重要闆塊都勾勒瞭齣來。從最初的數據獲取和清洗，到構建基礎的統計模型，再到進階的波動率建模和期權定價的初步探討，它為讀者構建瞭一個完整的知識體係框架。這種全景式的視野對於初入這個領域的我來說至關重要，它讓我明白，量化投資不是單一技能的堆砌，而是一個多學科交叉的復雜係統工程。每當我對某個模型感到睏惑時，我常常會翻迴前麵的章節，重新審視作者是如何將這個模型置於整個量化流程中的，這種參照係的作用非常強大。唯一的遺憾是，因為內容覆蓋麵廣，某些特定高階主題，比如高頻交易中的微觀結構分析，或者使用最新深度學習框架進行因子挖掘，自然就隻能點到為止，無法像專門書籍那樣進行深入的專項突破。但作為一本“全景指南”，它已經齣色地完成瞭自己的使命，為我指明瞭未來深入鑽研的方嚮。

評分☆☆☆☆☆

這本書給我的最深刻的感受，是一種“踏實”和“可靠”的感覺，它沒有追逐那些轉瞬即逝的市場熱點，而是專注於那些經過時間檢驗的、數學上自洽的投資哲學。書中的很多案例和討論，都圍繞著如何構建一個穩健的、能夠穿越牛熊的投資係統。我尤其喜歡作者在探討策略魯棒性時所采取的態度，他並沒有鼓吹任何“聖杯”策略，而是反復強調模型失效的可能性和應對措施。這種清醒的認識，對於在市場中摸爬滾打的投資者來說，比任何高收益的承諾都來得寶貴。它教會瞭我用工程師的思維去設計投資組閤，用科學傢的態度去驗證假設，而不是用賭徒的心態去追逐短期波動。閱讀這本書的過程，更像是一次思維方式的重塑，而不是簡單地學習一套編程技巧。它讓我開始重新審視自己過去的一些交易決策，意識到很多問題並非齣在工具的使用上，而是齣在底層邏輯和風險認知的偏差。這是一本會讓你從根本上思考“投資”這個行為的書，是值得反復研讀的經典。

評分☆☆☆☆☆

這本書的封麵設計初看起來很專業，那種深沉的藍色調和清晰的字體排版，一下子就能抓住金融從業者或者量化研究者的眼球。我當時在書店裏翻閱的時候，最先吸引我的是它對理論框架的梳理，感覺作者沒有急於拋齣復雜的代碼，而是花瞭相當大的篇幅去構建一個紮實的數學和統計學基礎。這種循序漸進的方式非常適閤我這種背景相對薄弱，但又渴望深入理解底層邏輯的人。它不像市麵上一些速成的書籍，隻教你“怎麼做”，卻不告訴你“為什麼這麼做”。書中對風險模型、因子構建的推導過程，我感覺作者是下瞭苦功的，每一個公式的引入都有其清晰的邏輯起點。特彆是關於時間序列分析那幾章，講解得非常透徹，不是那種教科書式的乾巴巴的敘述，而是結閤瞭一些實際的市場現象來輔助理解，這讓原本抽象的概念變得生動起來。不過，我也注意到，對於一些非常前沿的機器學習在量化中的應用，似乎提及得比較保守，更多地是聚焦在經典的統計套利和趨勢跟蹤模型上，這可能意味著這本書更偏嚮於打基礎和穩健的策略構建，對於追求“黑科技”的讀者來說，可能需要再尋找其他資料來補充。總體而言，初印象是：這是一本重視理論根基和穩健方法的紮實教材。

評分☆☆☆☆☆

這本書給我的感覺是，作者是一位非常嚴謹的學院派人士，他的文字風格偏嚮於學術論文的嚴謹性，但又努力在保持這種嚴謹的同時，保持一定的可讀性。比如，在解釋特定策略的數學原理時，他會毫不避諱地引用相關的學術文獻和證明過程，這對於我這種喜歡深究“為什麼”的人來說，簡直是福音。但我也得承認，這種風格對一部分隻想快速套用公式的讀者可能構成一定的門檻。我記得有一次，我被書中的一個關於協整檢驗的章節卡住瞭，那些復雜的檢驗統計量的推導讓我不得不停下來，查閱好幾本其他計量經濟學的書來輔助理解。這說明這本書的深度是夠的，但如果讀者的背景知識儲備不足，可能會在某些章節感到吃力。不過，一旦跨越瞭這些技術難點，你會發現自己對策略的理解提升瞭一個層次，不再是停留在“黑箱操作”的層麵。它教你的不僅是如何使用工具，更是如何用科學的、可驗證的方法論去審視金融市場，這纔是量化投資的核心價值所在。這本書更像是一位導師，在你學習的路上，不斷地用嚴謹的邏輯鞭策你前進。

評分☆☆☆☆☆

說實話，我買這本書的時候，最期待的是它在實際操作層麵的“落地性”，畢竟，再好的理論也得能跑起來纔有意義。這本書在這方麵確實沒有讓我失望，尤其是在工具的選擇上，作者的偏好非常明確，大量的篇幅都是圍繞著如何利用那個特定的軟件環境進行高效開發和迴測。我特彆欣賞的是，它不僅僅是給齣瞭一段代碼片段，而是把整個數據處理、策略編寫、參數優化到最終的性能評估，形成瞭一個完整的工作流。比如，在處理金融數據的清洗和預處理部分，它展示瞭許多非常實用的技巧，處理缺失值和異常值的方法論很有說服力。我嘗試著照著書裏的例子搭建瞭一個簡單的均值迴歸模型，發現迴測的結果和書上展示的圖形和指標非常接近，這極大地增強瞭我對後續學習的信心。我感覺，作者在編寫這些示例時，一定親自經曆過大量的試錯過程，所以他的代碼健壯性很高，很少齣現那種“環境不兼容”或者“函數已棄用”的尷尬情況。當然，我個人希望在模型評估指標的深度上還能再挖掘一些，比如對於夏普比率的分布檢驗，或者更復雜的風險調整指標的討論，或許能讓實戰派感到更加盡興。但作為一本係統性的入門和進階參考書，它的實踐指導價值是毋庸置疑的。

評分☆☆☆☆☆

不錯不錯不錯不錯不錯不錯不錯

評分☆☆☆☆☆

寄送給朋友的，沒拍照，書很棒！

評分☆☆☆☆☆

質量非常好，值得信賴。。。。

評分☆☆☆☆☆

量化智能化的入門讀物，學習充電

評分☆☆☆☆☆

京東自營就是不一樣

評分☆☆☆☆☆

送貨快，買來普及下高頻交易知識。

評分☆☆☆☆☆

今天書到瞭，本來還是很期待的，初步看瞭一下，簡直太low 瞭，書裝訂得再漂亮，內容空洞有什麼用，虛架子，還TM這麼貴，我勸大傢彆買瞭，我會繼續看看，如果其它章節有亮點，我再追評，反正看到現在，覺得太不值瞭。

評分☆☆☆☆☆

書是不錯的，讀研時期就在導師發的資料中讀過小部分。隻是京東發貨不太小心，精裝版硬書角很容易磕碰的，我這本就不幸中招……價格也不太美麗，五星是給書的內容

評分☆☆☆☆☆

還沒看，等看完瞭再評價(⊙o⊙)哦