丁鹏编著的这本《量化投资——策略与技术》是国内第一本有关量化投资策略的著作，内容分为：策略篇和理论篇。策略篇中阐述了各种量化投资的策略与方法，理论篇则详细介绍了支持量化投资的各种数学工具。本书适合基金经理、证券分析师、普通散户及有志于从事金融投资的各界人士阅读。

《量化投资——策略与技术》是国内第一本有关量化投资策略的著作，首先介绍了量化投资大师西蒙斯的传奇故事(连续20年，每年赚60％)；然后用60多个案例介绍了量化投资的各个方面的内容，主要分为策略篇与理论篇两部分，策略篇主要包括：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易和资产配置等。理论篇主要包括：人工智能、数据挖掘、小波分析、支持向量机、分形理论、随机过程及IT技术等；最后介绍了作者丁鹏开发的D-Alpha量化对冲交易系统，该系统全球市场验证显示具有长期稳健的收益率。

《量化投资——策略与技术》适合基金经理、证券分析师、普通散户及有志于从事金融投资的各界人士阅读。

第1章 量化投资概念/1

 1.1 什么是量化投资/1

1.1.1 量化投资定义/1

1.1.2 量化投资理解误区/2

 1.2 量化投资与传统投资比较/5

1.2.1 传统投资策略的缺点/5

1.2.2 量化投资策略的优势/6

1.2.3 量化投资与传统投资策略的比较/7

 1.3 量化投资历史/9

1.3.1 量化投资理论发展/9

1.3.2 海外量化基金的发展/11

1.3.3 量化投资在中国/14

 1.4 量化投资主要内容/16

 1.5 量化投资主要方法/20策略篇

第2章 量化选股/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 实证案例：多因子选股模型/30

 2.2 风格轮动/35

2.2.1 基本概念/35

2.2.2 盈利预期生命周期模型/38

2.2.3 策略模型/40

2.2.4 实证案例：中信标普风格/41

2.2.5 实证案例：大小盘风格/44

 2.3 行业轮动/47

2.3.1 基本概念/47

2.3.2 M2行业轮动策略/50

2.3.3 市场情绪轮动策略/52

 2.4 资金流/56

2.4.1 基本概念/56

2.4.2 策略模型/59

2.4.3 实证案例：资金流选股策略/60

 2.5 动量反转/63

2.5.1 基本概念/63

2.5.2 策略模型/67

2.5.3 实证案例：动量选股策略和反转选股策略/70

 2.6 一致预期/73

2.6.1 基本概念/74

2.6.2 策略模型/76

2.6.3 实证案例：一致预期模型案例/78

 2.7 趋势追踪/84

2.7.1 基本概念/84

2.7.2 策略模型/86

2.7.3 实证案例：趋势追踪选股模型/92

 2.8 筹码选股/94

2.8.1 基本概念/95

2.8.2 策略模型/97

2.8.3 实证案例：筹码选股模型/99

 2.9 业绩评价/104

2.9.1 收益率指标/104

2.9.2 风险度指标/105

第3章 量化择时/111

 3.1 趋势追踪/112

3.1.1 基本概念/112

3.1.2 传统趋势指标/113

3.1.3 自适应均线/121

 3.2 市场情绪/125

3.2.1 基本概念/126

3.2.2 情绪指数/128

3.2.3 实证案例：情绪指标择时策略/129

3.3 有效资金/133

3.3.1 基本概念/133

3.3.2 策略模型/134

3.3.3 实证案例：有效资金择时模型/137

 3.4 牛熊线/141

3.4.1 基本概念/141

3.4.2 策略模型/143

3.4.3 实证案例：牛熊线择时模型/144

 3.5 Husrt指数/146

3.5.1 基本概念/146

3.5.2 策略模型/148

3.5.3 实证案例/149

 3.6 支持向量机/152

3.6.1 基本概念/152

3.6.2 策略模型/153

3.6.3 实证案例：SVM择时模型/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 实证案例：SWARCH模型/165

 3.8 异常指标/168

3.8.1 市场噪声/169

3.8.2 行业集中度/171

3.8.3 兴登堡凶兆/173

第4章 股指期货套利/180

 4.1 基本概念/181

4.1.1 套利介绍/181

4.1.2 套利策略/183

 4.2 期现套利/185

4.2.1 定价模型/185

4.2.2 现货指数复制/186

4.2.3 正向套利案例/190

4.2.4 结算日套利/192

 4.3 跨期套利/195

4.3.1 跨期套利原理/195

4.3.2 无套利区间/196

4.3.3 跨期套利触发和终止/197

4.3.4 实证案例/199

4.3.5 主要套利机会/200

 4.4 冲击成本/203

4.4.1 主要指标/204

4.4.2 实证案例：冲击成本/205

 4.5 保证金管理/208

4.5.1 VaR方法/208

4.5.2 VaR计算方法/209

4.5.3 实证案例/211

第5章 商品期货套利/214

 5.1 基本概念/215

5.1.1 套利的条件/216

5.1.2 套利基本模式/217

5.1.3 套利准备工作/219

5.1.4 常见套利组合/221

 5.2 期现套利/225

5.2.1 基本原理/225

5.2.2 操作流程/226

5.2.3 增值税风险：PVC跨期套利策略/230

 5.3 跨期套利/231

5.3.1 套利策略/231

5.3.2 实证案例/233

 5.4 跨市场套利/234

5.4.1 套利策略/234

5.4.2 实证案例：伦铜—沪铜跨市场套利/235

 5.5 跨品种套利/236

5.5.1 套利策略/237

5.5.2 实证案例/238

 5.6 非常状态处理/240

第6章 统计套利/242

 6.1 基本概念/243

6.1.1 统计套利定义/243

6.1.2 配对交易/244

 6.2 配对交易/247

6.2.1 协整策略/247

6.2.2 主成分策略/254

6.2.3 绩效评估/256

6.2.4 实证案例：配对交易/258

 6.3 股指套利/261

6.3.1 行业指数套利/261

6.3.2 国家指数套利/263

6.3.3 洲域指数套利/264

6.3.4 全球指数套利/266

 6.4 融券套利/267

6.4.1 股票—融券套利/267

6.4.2 可转债—融券套利/268

6.4.3 股指期货—融券套利/269

6.4.4 封闭式基金—融券套利/271

 6.5 外汇套利/272

6.5.1 利差套利/273

6.5.2 货币对套利/275

第7章 期权套利/277

 7.1 基本概念/278

7.1.1 期权介绍/278

7.1.2 期权交易/279

7.1.3 牛熊证/280

 7.2 股票/期权套利/283

7.2.1 股票—股票期权套利/283

7.2.2 股票—指数期权套利/284

 7.3 转换套利/285

7.3.1 转换套利/285

7.3.2 反向转换套利/287

 7.4 跨式套利/288

7.4.1 买入跨式套利/289

7.4.2 卖出跨式套利/291

 7.5 宽跨式套利/293

7.5.1 买入宽跨式套利/293

7.5.2 卖出宽跨式套利/294

 7.6 蝶式套利/296

7.6.1 买入蝶式套利/296

7.6.2 卖出蝶式套利/298

 7.7 飞鹰式套利/299

7.7.1 买入飞鹰式套利/300

7.7.2 卖出飞鹰式套利/301

第8章 算法交易/304

 8.1 基本概念/305

8.1.1 算法交易定义/305

8.1.2 算法交易分类/306

8.1.3 算法交易设计/308

 8.2 被动交易算法/309

8.2.1 冲击成本/310

8.2.2 等待风险/312

8.2.3 常用被动型交易策略/314

 8.3 VWAP算法/316

8.3.1 标准VWAP算法/316

8.3.2 改进型VWAP算法/319

第9章 其他策略/323

 9.1 事件套利/324

9.1.1 并购套利策略/324

9.1.2 定向增发套利/325

9.1.3 套利重仓停牌股票的投资组合/326

9.1.4 封闭式投资组合套利/327

 9.2 ETF套利/328

9.2.1 基本概念/328

9.2.2 无风险套利/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 实证案例：LOF套利/337

 9.4 高频交易/341

9.4.1 流动性回扣交易/341

9.4.2 猎物算法交易/342

9.4.3 自动做市商策略/343

9.4.4 程序化交易/343

第10章 人工智能/346

 10.1 主要内容/347

10.1.1 机器学习/347

10.1.2 自动推理/350

10.1.3 专家系统/353

10.1.4 模式识别/356

10.1.5 人工神经网络/358

10.1.6 遗传算法/362

 10.2 人工智能在量化投资中的应用/366

10.2.1 模式识别短线择时/366

10.2.2 RBF神经网络股价预测/370

10.2.3 基于遗传算法新股预测/375

第11章 数据挖掘/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 主要内容/385

11.2.1 分类与预测/385

11.2.2 关联规则/391

11.2.3 聚类分析/397

 11.3 数据挖掘在量化投资中的应用/400

11.3.1 基于SOM 网络的股票聚类分析方法/400

11.3.2 基于关联规则的板块轮动/403

第12章 小波分析/407

 12.1 基本概念/408

 12.2 小波变换主要内容/409

12.2.1 连续小波变换/409

12.2.2 连续小波变换的离散化/410

12.2.3 多分辨分析与Mallat算法/411

 12.3 小波分析在量化投资中的应用/414

12.3.1 K线小波去噪/414

12.3.2 金融时序数据预测/420

第13章 支持向量机/429

 13.1 基本概念/430

13.1.1 线性SVM/430

13.1.2 非线性SVM/433

13.1.3 SVM分类器参数选择/435

13.1.4 SVM分类器从二类到多类的推广/436

 13.2 模糊支持向量机/437

13.2.1 增加模糊后处理的SVM/437

13.2.2 引入模糊因子的SVM训练算法/439

 13.3 SVM在量化投资中的应用/440

13.3.1 复杂金融时序数据预测/440

13.3.2 趋势拐点预测/445

第14章 分形理论/452

 14.1 基本概念/453

14.1.1 分形定义/453

14.1.2 几种典型的分形/454

14.1.3 分形理论的应用/456

 14.2 主要内容/457

14.2.1 分形维数/457

14.2.2 L系统/458

14.2.3 IFS系统/460

 14.3 分形理论在量化投资中的应用/461

14.3.1 大趋势预测/461

14.3.2 汇率预测/466

第15章 随机过程/473

 15.1 基本概念/473

 15.2 主要内容/476

15.2.1 随机过程的分布函数/476

15.2.2 随机过程的数字特征/476

15.2.3 几种常见的随机过程/477

15.2.4 平稳随机过程/479

 15.3 灰色马尔可夫链股市预测/480

第16章 IT技术/486

 16.1 数据仓库技术/486

16.1.1 从数据库到数据仓库/487

16.1.2 数据仓库中的数据组织/489

16.1.3 数据仓库的关键技术/491

 16.2 编程语言/493

16.2.1 面向对象编程/493

16.2.2 VBA 语言/497

16.2.3 C#语言/504

第17章 主要数据与工具/509

 17.1 万德中国金融数据库/509

 17.2 文华财经：程序化交易平台/511

 17.3 交易开拓者：期货自动交易平台/514

 17.4 大连交易所套利指令/518

 17.5 MT5：外汇自动交易平台/522

第18章 冲交易系统——D-ALAPH/528

 18.1 系统构架/528

 18.2 策略分析流程/530

 18.3 核心算法/532

 18.4 验证结果/534