《解读量化投资之秘》作者何诚颖将美国新兴的投资方式——量化投资，向读者作了详细的介绍。量化投资就是借助数学模型进行投资决策、利用计算机进行交易的投资方式，与传统的基本面分析和技术分析投资方式。编者在通读全稿的基础上，对书稿做了少量文字修改，也按中国财政经济出版社惯例统一了全书体例。

《解读量化投资之秘》(作者何诚颖)通过一系列深入浅出的投资策略讲解，将原来很复杂深奥的选股、量化投资、投资哲学，以及资本市场运作中的最重要的风险管理理论与实践知识呈现在读者面前，丛书语言生动，逻辑性强，有较好的可读性。《解读量化投资之秘》由何诚颖等撰写，并向我社提出出版要求。

第一篇

 投资理念篇

 第一章 市场有效性与量化投资

第一节 引言

第二节 有效市场假说

第三节 行为金融学的解释

第四节 适应性市场假说

第五节 适应性市场假说对投资的指导意义

第六节 小结

 第二章 著名量化投资者的交易经验

第一节 引言

第二节 系统性的交易策略开发

第三节 利用资金管理提升业绩

第四节 在投资领域引入科学精神

第五节 交易基础资产

第六节 数据挖掘技术的应用

第七节 小结

本章 附录 西蒙斯和巴菲特的投资回报率数据

 第三章 资本资产定价模型简介

第一节 引言

第二节 资本资产定价模型的假设及其扩展

第三节 CAPM的应用

第四节 小结

 第四章 基于Black—IAtterman模型构建投资组合

第一节 引言

第二节 投资组合理论与实践

第三节 Black—Litterman投资组合理论的分析框架

第四节 Black—Litterman模型与Markowitz均值一方差模型的

比较

第五节 结论与投资建议

第二篇

 市场运行篇

 第五章 基于贝叶斯向量自回归模型的宏观经济变量预测

第一节 引言

第二节 贝叶斯向量自回归模型(BVAR)和参数估计

第三节 模型预测能力的稳健性分析

第四节 经济如何软着陆

第五节 主要结论与投资建议

 第六章 利用状态空间模型捕捉市场风格转换

第一节 引言

第二节 风格轮动的解释

第三节 模型设定

第四节 数据及实证结果

第五节 结论与投资建议

 第七章 基于时变Levy过程分析我国股市收益率波动

第一节 引言

第二节 利用时变Levy过程捕捉各类波动

第三节 参数模型设定

第四节 模型计量估计方法

第五节 数据与实证分析

第六节结论

 第八章 成交量与股市周期波动关系研究

第一节 引言

第二节 交易量与股市波动的关联分析

第三节 交易量与股市波动关系的实证检验

第四节 交易量波动的趋势与股市投资策略分析

第五节结论

 第九章 中国股市价格与成交量的多分形特性分析

第一节 引言

第二节 研究方法

第三节 数据描述

第四节 实证结果

第五节 结论与建议

 第十章 基差变化与沪深300指数和股指期货的波动性——基于马可夫状态转换模型的考察

第一节 引言

第二节 模型与方法

第三节 数据来源与变量选取

第四节 实证结果与分析

第五节 结论与建议

第三篇

 交易策略上篇

 第十一章 A+H股配对交易研究

第一节 引言

第二节 套利原理

第三节 配对交易套利步骤

第四节 A+H配对套利分析

第五节结论

 第十二章 沪深300指数期货在动态组合保险中的应用研究

第一节 引言

第二节 组合保险技术主要策略回顾

第三节 基于股指期货的投资组合保险策略的改进研究

第四节 实证检验与分析

第五节 小结

 第十三章 基于股指期货主力持仓数据的市场趋势预测指数模型研究

第一节 引言

第二节 股指期货主力持仓数据预测能力的理论分析

第三节 股指期货主力会员持仓数据的特征分析

第四节 期指主力持仓数据预测能力的实证分析

第五节 基于期指主力持仓的股指运行的动力模型

第六节 股市运行动力模型的非线性建模

第七节 小结

 第十四章 DEA方法在量化投资中的应用

第一节 生产效率分析基本原理

第二节 数据包络分析基本模型ccR

第三节 数据包络分析扩展模型

第四节 考虑价格因素时的DEA模型

第五节 DEA方法在LED行业投资中的运用

第六节 LED行业竞争力分析

第七节 小结

 第十五章 基于状态空间模型的动态Alpha识别

第一节 引言

第二节 获取Alpha收益的理论方法以及其实践

第三节 捕捉动态Alpha的状态空间模型设定

第四节 数据及实证结果

第五节 结论与投资建议

 第十六章 对数周期幂律在A股市场中的应用

第一节 引言

第二节 LPPL模型及优化目标函数

第三节 反弹与负泡沫

第四节 结论

第四篇

 交易策略中篇

 第十七章 Fama—French模型在中国股票市场的应用

第一节 引言

第二节 数据处理

第三节 数据分析

第四节 结论

 第十八章 动量模型及其应用

第一节 引言

第二节 数据与方法

第三节 动量效应的实证分析

第四节 规模、交易量与动量策略

 第十九章 因子模型的投资策略分析

第一节 弓1言

第二节 分析方法

第三节 实证结果

第四节 结论

 第二十章 因子模型的扩展及应用

第一节 多因子模型的样本内解释能力

第二节 多因子模型的样本外预测能力 

第五篇

 交易策略下篇

第二十一章 基于市场结构的序贯学习模型

第一节 引言

第二节 G10sten—Milgrom信息模型及其推广

第三节 EKOP模型及其发展

第四节 模型实现与实证分析

第五节 结论与建议

 第二十二章 基于二阶段模型的中国股市资金流向研究

第一节 引言

第二节 资金流向理论模型

第三节 中国股市资金流向实证分析

第四节 结论

 第二十三章 基于峰度和偏度的投资组合策略及其在A股市场上的应用

第一节 引言

第二节 基于高阶矩的投资组合构造

第三节 基于已实现矩策略的收益率

第四节 结论

第六篇

 策略检验篇

 第二十四章 趋势交易策略稳健性检验

第一节 趋势交易策略及其实证文献

第二节 趋势交易策略的构建

第三节 实证分析

第四节 结论及投资建议

 第二十五章 量化交易策略的评价与回溯检验

第一节 引言

第二节 交易策略的回溯检验与预测性指标构建-

第三节结论

参考文献

后记

任何一种交易策略被大量模仿时，它就不再具有获利能力。这就是交易策略的自毁性。当大部分掌握信息的人希望同时进行交易时，他们将无法找到足够的交易对象。例如，交易者们发现一个技术形态预测市场将在下星期一上涨，预测到这一点的人们将在星期五蜂拥购买股票，因此星期五股价就已上涨从而消除了该形态的盈利性。问题是：一些市场异象在公开研究论文出版很久后还存在，如动量和反转效应；而另一些市场异象在公开研究论文出版之后很快就消失了。这曾经使很多人疑惑不解。

AMH认为，市场异象消失与否取决于具体利用某些策略的种群的行为。如果种群很庞大，无疑相应策略的有效性很快会消失；如果种群很小，则相应策略的营利性会持续很长时间。多样化的物种使得对有限资源的竞争更为有效，而种群庞大的规模会带来物种内部的充分竞争。这都会有效消除获利机会。

以前文所说的巴菲特为例。他的投资策略为何未因被模仿从而失效？事实上，有些基金的确试图复制巴菲特的策略，如‘rempleton成长基金等。但是价值投资策略要求投资者有极大的耐心，耐心捕捉投资机遇的到来。而基金的投资者常常没有耐心，对基金的投资绩效有着苛刻的要求。这样就迫使这些基金的操作偏离巴菲特的策略。例如，为了提升绩效就满仓入市，一旦遇到2008年的大熊市就会因现金缺乏而抗跌性不足。也就是说，一些外在约束限制了种群的数量，这就给巴菲特一个非常舒适的小环境安享丰厚的投资收益。

四、如何观察交易策略的有效性

观察市场生态系统有助于判断交易策略的有效性。有两项观察特别有价值：

1．市场上各物种间的整体竞争情况；

2．使用某规则的物种间的内部竞争情况。

如果考察1的结论是市场上物种多样性很高，或各物种间竞争很激烈，那市场很可能有效程度较高，就不必费力设计交易策略了。在考察1的基础上再考察2，如果使用某条交易策略的种群很庞大，那也不必再使用它了。因为种群内部的竞争也将消除交易策略的盈利性。

事实上，对市场进行观察的重要性再强调也不为过。著名的道氏理论实际上就是一种市场观察技术。利用道氏理论，汉密尔顿(w．R．Hamilton)就曾在1929年的股市大崩溃前两天准确预告崩盘的到来。无论道氏理论是否适用今天的市场，观察市场的精神是值得提倡的。今天的市场上很多观察市场的新方法与手段，例如对指令册和指令流的分析，实质上和道氏理论的精髓是相通的。

五、创新交易策略的价值

市场总是回馈那些领先于别人想到交易策略的人。如果某个交易策略只有一小部分人在用，来自种群内部的竞争就不会很激烈。极端情况下，如果只有一个人在用的话，那就相当于一个人构成了一个种群。K线技术的发明人本间宗久在日本米市交易中获得了长期连胜的辉煌战绩，因为他是第一个使用这项技术的人。汉密尔顿能在1929年股市崩盘之前预测到崩盘的到来，因为他是道氏理论的创始人之一。由此巴菲特、西蒙斯等人的优异投资记录也不难解释：他们都是创新投资技术的始作俑者。

六、对交易策略设计的启示

金融市场上每时每刻都有大量的交易发生。潜在的获利机会可通过分析这些数据得到。因此，各种数据挖掘方法就有了用武之地。具体来说，就是通过数据来反映市场上不同物种的行为方式，观察所处的种群的情况，以此为基础判断投资策略的有效性。当前随着高频数据越来越普遍，以往很少被注意到的更短时间尺度上的异象有可能被观察到，并形成新的获利机会。各个物种的行为特征也能够观察得更精细，从而佐证交易策略的有效性。同时，小时间尺度对模型的稳健型要求较低，因而模型更容易开发，也更容易应用。事实上，很多量化基金采用的就是这种交易方式。P11-12

从20世纪90年代至今的二十多年里，量化投资风靡美国和欧洲，同时也造就了一个又一个的财富神话。未来二十年中国将超越美国成为全球第一大经济体，中国的资本市场将成为全球最主要的资本市场，中国的量化投资将开创新的历史，中国的量化投资领域也必将谱写新的财富神话。机会总是留给有准备的人，心怀财富梦想的年轻人，你们准备好了吗？

最后要说明，本书由我牵头策划，卢宗辉审校，石建辉统稿，参与写作的还有张龙斌、刘英、徐清振、杨高宇、石建辉、陈锐、尚震字、王占海、蓝海平、张帅等。在写作过程中，我们得到了许多领导和专家的大力关怀和支持，在此谨向他们表达诚挚的感谢。

何诚颖

2014年2月于深圳

本书写作之余，笔者不禁对量化投资研究中数学模型的作用有了一点感悟，那就是量化投资研究中数学知识必不可少，但并非高不可攀l

引起笔者共鸣的是，近日，哈佛大学退休教授、生物学家、蚂蚁研究权威E．0．威尔森在《华尔街日报》撰文指出，世界上大多数最成功的科学家在数学上与初学者没多少差别。威尔森教授自己就直到大一才开始学代数，32岁在哈佛获得终身教授时才抽出时间学微积分，他所在班级的同学多数人年龄只有他的一半大，甚至还有他的学生。但他克服自己的骄傲，学会了微积分。

威尔森教授告诫后学者，科学界的先驱很少是从纯数学中汲取创意作出伟大发现的，科学的灵感来源于艰苦的工作和专注。如果一位科学家在研究中遇到了难以克服的障碍，他们可以去寻找合作者。从数学家和统计学家中寻找到合适的合作伙伴要比数学家和统计学家寻找到能利用他们方程式的科学家简单得多。威尔森教授还以牛顿和达尔文的例子来佐证自己的观点：牛顿发明微积分是为了将想象化为现实，而达尔文的数学能力几近于无，但通过积累大量数据他能找到应用数学的地方。成为一位有抱负的科学家，关键的第一步是找到一个他们感兴趣的主题然后投入进去。

威尔森教授披露的自己在数学学习上的心路历程，以及阐释的数学能力与伟大发现之间的关系，真可谓是金玉良言。有趣的是，在投资领域中，也可以看到类似的情况，很多投资大家的数学能力也不敢恭维。

很多人认为量化投资成功的关键是高深的数学模型，这是一种似是而非的见解。投资第一位的是策略逻辑，好的投资策咯应该三言两语就能说清楚。当然了，现代投资科学经历了数十年的发展，对于21世纪的交易者来说，掌握必要的数学、统计学以及计算机程序语言是必要的，但不一定需要达到多么高深的程度，更重要的是投资理念的形成，要善于思考、富有想象力。正如号称“量化投资之王”的詹姆斯-西蒙斯所说， “在复兴技术公司，我们用的数学工具也挺复杂的，但是高深就谈不上了，不过我们用的统计学技巧就可能非常复杂。我所需要的研究人员的确要懂得一定的数学，这样他能很熟练地使用我们所用的各种研究工具，但是更重要的是他应该对事情的根源很好奇，富有想象力，而且有恒心去揭示这些根源。”笔者大胆猜测一番，西蒙斯所要求的投资的数学能力，可能像威尔森教授那样沉下心来学上一番必能掌握。

另一方面，市场演进的历史表明，很多高深复杂的数学模型最终都被市场淘汰了。它们失足落水的地方，可能正是投资逻辑的欠缺，忽略了复杂的市场中投资者间的互动关系。1987年10月19日“黑色星期一”股灾，淘汰了当时风行的“投资组合保险”投资者，1997—1998年“亚洲金融危机”令从事套利交易的长期资本公司折戟沉沙，2007—2008年的“次贷危机”使得雷曼兄弟倒闭。这些人使用的都是当时第一流的量化模型，但是最终都失败了。

所以说，威尔森教授的启示很关键，数学不是伟大科学家的决定性能力，当然也不是量化投资成功的关键。关键的第一步是找到一个感兴趣的主题然后投入进去，这一点也适用于量化投资领域。

本书不是一幅财富的藏宝图，也不是一张路线图。笔者宁可读者将其视为财富的拼图。至于拼出什么样的美丽图案，“运用之妙，存乎一心”，取决于读者您自己。

我们真诚希望本书能为读者进入量化投资领域清除不必要的路障。

何诚颖

2014年2月于深圳