ChatGPT的横空出世，使得量化交易编程工具的使用门槛迅速降低，掌握量化交易的底层逻辑就成了重中之重。本书着重介绍量化交易模型的底层逻辑和技术实践，梳理了基本面量化、资产配置量化、贝塔量化、阿尔法量化和另类量化这5种量化交易第略，并给出了相应的实战案例及代码，初步探索了运用GPT来实现其逻辑的技术路径，从理论到实践，助你轻松上手量化交易。
本书适合对量化交易感兴趣的广大投资者，尤其适合希望转型量化交易的程序员参考阅读。

罗勇，哈尔滨工业大学金融智能量化投资研究中心副主任，哈尔滨工业大学管理学院会计硕士校外授课专家，哈尔滨金融学院特聘专家，哈尔滨金融学院投资学、金融工程专业建设顾问委员；在哈尔滨金融学院开设了51学时的“金融量化基础”本科课程，在哈尔滨商业大学开设了32学时的“计算机语言与量化投资”研究生课程，亚当·伊克巴勒博士《波动率，实用期权理论》一书的译者。

第1章 量化交易基础入门
1.1 量化交易的基本定义
1.2 量化交易的研究对象
1.3 量化交易的发展历程
1.3.1 量化交易的萌芽
1.3.2 量化交易的发展历程
1.4 量化交易策略的主要分类
1.4.1 基本面量化交易策略
1.4.2 资产配置量化交易策略
1.4.3 阿尔法量化交易策略
1.4.4 贝塔量化交易策略
1.4.5 另类量化交易策略
1.5 量化交易的未来发展
1.5.1 量化交易的智能化
1.5.2 量化交易的全球化
1.5.3 量化交易的机构化
第2章 量化交易的策略及实战案例
2.1 基本面量化交易策略
2.1.1 基本面量化交易策略的底层逻辑
2.1.2 基本面量化交易策略的代表人物及其投资逻辑
2.1.3 实战案例：巴菲特的量化交易策略
2.1.4 基本面投资与基本面量化交易的区别
2.2 资产配置量化交易策略
2.2.1 资产配置量化交易策略的底层逻辑
2.2.2 资产配置量化交易策略的代表人物及其投资逻辑
2.2.3 实战案例：桥水公司的全天候量化交易策略
2.2.4 实战案例：个人养老金量化交易策略
2.3 贝塔量化交易策略
2.3.1 贝塔量化交易策略的底层逻辑
2.3.2 贝塔量化交易策略的代表人物及其投资逻辑
2.3.3 实战案例：RSRS择时量化交易策略
2.3.4 实战案例：打板量化交易策略
2.4 阿尔法量化交易策略
2.4.1 阿尔法量化交易策略的底层逻辑
2.4.2 阿尔法量化交易策略的代表人物及其投资逻辑
2.4.3 实战案例：彼得·林奇多因子量化交易策略
2.5 另类量化交易策略
2.5.1 另类量化交易策略的底层逻辑
2.5.2 另类量化交易策略的代表人物及其投资逻辑
2.5.3 实战案例：高频交易策略
2.5.4 实战案例：事件驱动量化交易策略
第3章 量化交易策略的逻辑与设计
3.1 因子建模
3.1.1 如何理解量化交易策略中的因子
3.1.2 阿尔法101因子建模示例解读
3.2 逻辑与设计
3.2.1 什么是思维导图
3.2.2 思维导图构建逻辑与设计的要点
3.2.3 止盈止损的常用方法
3.3 凯利公式与仓位计算
3.3.1 什么是凯利公式
3.3.2 凯利公式所引发的思考
3.3.3 凯利公式的仓位计算
3.4 量化交易策略的有效性评估
3.4.1 未来函数
3.4.2 过度拟合
3.4.3 夏普比率
3.5 实战案例：米伦坎普量化交易策略的逻辑与设计
3.5.1 米伦坎普简介
3.5.2 米伦坎普的投资逻辑
3.5.3 米伦坎普量化交易策略在中国市场的适应情况
3.5.4 米伦坎普量化交易策略的改进思路
3.5.5 米伦坎普量化交易策略的实战代码示例
第4章 量化交易策略的代码开发与实战
4.1 低代码开发
4.1.1 低代码开发量化交易策略指南
4.1.2 实战案例：国信金太阳构建的模拟动量策略
4.1.3 实战案例：在果仁网构建格雷厄姆熊转牛积极策略
4.2 有代码开发
4.2.1 有代码开发量化交易策略指南
4.2.2 实战股票案例：彼得·林奇多因子量化交易策略进阶
4.2.3 实战期货案例：经典的CTA策略
4.2.4 实战基金案例：FoF策略
4.3 机器学习
4.3.1 监督学习在量化交易中的应用
4.3.2 无监督学习在量化交易中的应用
4.3.3 深度学习在量化交易中的应用
第5章 量化交易中的重要问题
5.1 量化交易与哲学问题
5.1.1 哲学与量化交易
5.1.2 哲学三问对量化交易的启示
5.1.3 量化交易中的哲学示例：“简单”或“复杂”
5.2 算法交易简介
5.2.1 什么是算法交易
5.2.2 算法交易的迭代
5.2.3 算法交易的常用因子简介
5.2.4 算法交易实战示例
5.3 低风险策略的研究方向
5.3.1 什么是低风险策略
5.3.2 常用的低风险策略
5.3.3 低风险策略的利与弊
5.4 量化实战策略优化的注意事项
5.4.1 从5个维度上避免过度拟合
5.4.2 特别关注对出场条件的优化
5.4.3 关于优化的几点说明
5.5 GPT在量化交易中的应用
5.5.1 ChatGPT的诞生是一次世界级的技术革命
5.5.2 从4个维度理解GPT系列大模型
5.5.3 GPT可以帮助投资者更快速地入门量化交易
5.5.4 GPT在量化交易中的具体应用示例
5.5.5 GPT在资产配置量化交易策略的具体应用示例
后记 感谢“量化漫步”团队的付出与贡献
附录A 进入量化行业的面试指南
附录B 量化交易常用参考书与网站指南
附录C 量化交易常用的数据接口

万物皆可量化
德国哲学家恩格斯说：“
任何一门科学的真正完善在
于数学工具的广泛应用。”
换句话说，任何一门学科，
只有能用数学来描述，才是
科学的。故而，有了“万物
皆可量化”的底层认知。基
于此，30年来，我一直坚信
“数学”是拨开投资迷雾的必
由之路。
当我们把投资当作“数学
”来研究的时候，投资就不
再是一门无法预测的艺术。
市场变化的背后应当有其数
学逻辑，这也是我一直强调
的“在投资中，底层思维逻
辑最重要，而具体的工具不
重要”的原因。没想到，技
术进步很快让这句话变成了
现实。
在写书的过程中，
ChatGPT横空出世，这让广
大投资者可以更加方便地使
用各类编程工具。当工具的
使用门槛迅速降低时，掌握
量化交易的底层逻辑就成了
重中之重。而在当下的图书
市场中，讲量化交易编程工
具的书很多，但讲量化交易
模型底层逻辑的书很少。
无巧不成书，2022年，
我在互联网上做了10节量化
交易直播课，主要针对的是
全国想转型量化交易的程序
员，因此课程的重点就放在
了量化交易的底层逻辑而非
编程实现上。没想到，这个
课程很受大家欢迎，再加上
出版社约稿，于是就有了这
本书，而本书的重点就是量
化交易的底层逻辑。
尤其让我感动的是，课
程的很多学员主动参与了本
书的写作和修订。他们有的
是金融行业的领军人物，有
的是大厂的资深程序员，还
有的是纵横市场多年的实战
者。在大家的帮助下，本书
的内容获得了极大的丰富和
深化，出乎我的意料。
在量化交易的世界里，
每位投资者选择的交易策略
是千差万别的，具体可以概
括成5种交易策略：基本面
量化、资产配置量化、阿尔
法量化、贝塔量化和另类量
化。在每种交易策略上，我
们都可以看到世界级投资大
师们留下的足迹。本书没有
偏向任何一种量化交易策略
，而是将选择权交给读者，
我相信总有一种量化交易策
略会与你的人生观和认知观
相匹配。
在写书的过程中，中国
市场迎来了巨大的变化，全
面注册制让股票市场的慢牛
开始酝酿成熟，个人养老金
的推出也让更多机构开始寻
找量化交易模型进行长期投
资。再过10年，我相信在“
万物皆可量化”的路上，会
有更多的投资者与我们同行
。
罗勇
2023年8月