复兴科技公司是由詹姆斯·西蒙斯成立的一家世界知名对冲基金公司，它的大奖章基金从1988年3月成立至1999年12月年回报率平均为35.6％，基金累计回报率达到2478.6％，比当期排名第二的索罗斯旗下的量子基金1710.1％的回报率高出了近50％。《解密复兴科技：基于隐蔽马尔科夫模型的时序分析方法》作者刘振亚、邓磊通过近三十年的研究，认为复兴科技公司使用的投资方法是基于HMM理论的，并在书中详细介绍了复兴科技的发展，对复兴科技投资方法的分析，并从易到难详细介绍了HMM方法及应用。

　　“量化之王”数学家西蒙斯领导的复兴科技公司旗下规模为50亿美金的大奖章基金在1988—2008年创造了年均收益超过35％的奇迹。不仅于此，该基金面对多次金融危机和政策波动都有杰出的表现：1994年，美联储连续6次加息，它净赚了71％；2000年科技股股灾，标普指数下跌了10％，它更是大获丰收，净回报98.5％；2008年，全球金融危机，各类资产价格下滑，大部分对冲基金都亏损，而它赚了80％。

刘振亚、邓磊主编的《解密复兴科技：基于隐蔽马尔科夫模型的时序分析方法》从介绍复兴科技公司着手，深入介绍了HMM模型参数估计、预测与解码问题、隐蔽状态的估计问题、模型选择和模型检验、序列不相关和自相关的马尔科夫状态转换模型，以及MS-AR模型的估计方法等问题，并给出了将HMM模型应用于宏观经济分析和股市波动分析的实例。

前言

引言 解密复兴科技

 第一节 西蒙斯与复兴科技

 第二节 复兴科技中的元老们

 第三节 复兴科技中的主要研究方法

 第四节 什么是HMM？

 第五节 HMM举例

 第六节 股价收益分布与HMM

 第七节 HMM与交易策略设计

 第八节 基于HMM的交易策略

 第九节 交易策略的评价问题

 第十节 科技与投资

 第十一节 复兴科技的核心竞争力

第一部分 基础知识

第一章 极大似然估计法简介

 第一节 线性模型的极大似然估计量

 第二节 极大似然估计法的几个重点问题

第二章 贝叶斯分析

 第一节 统计学历史发展简介

 第二节 贝叶斯分析简介

第三章 马尔科夫链

 第一节 有两种状态的马尔科夫链

 第二节 转移函数和初始分布

 第三节 马尔科夫链的一些性质

 第四节 转移矩阵的估计问题

第二部分 隐蔽马尔科夫模型

第四章 混合分布和隐蔽马尔科夫模型

 第一节 状态序列相互独立的混合分布模型

 第二节 状态相互独立混合分布的参数估计

 第三节 简单隐蔽马尔科夫模型

 第四节 隐蔽马尔科夫模型的极大似然函数

第五章 隐蔽马尔科夫模型似然函数估计方法

 第一节 数值算法

 第二节 EM算法

第六章 隐蔽马尔科夫模型应用与模型选择

 第一节 条件分布

 第二节 预测分布

 第三节 解码

 第四节 状态预测

 第五节 模型选择标准

第三部分 马尔科夫状态转换模型

第七章 序列不相关数据的马尔科夫状态转换模型

 第一节 序列不相关状态相互独立的转换模型

 第二节 序列不相关马尔科夫状态转换模型

第八章 序列自相关的马尔科夫状态转换模型

 第一节 序列自相关状态可观测的马尔科夫状态转换模型

 第二节 序列自相关和状态不可观测的马尔科夫状态转换模型

 第三节 滤波过程

 第四节 平滑过程

 第五节 马尔科夫转换模型中的St状态的持续期

第九章 MS-AR模型的估计方法

 第一节 MS-AR模型参数估计初步

 第二节 MS-AR模型参数的EM算法

 第三节 MS-AR（1）模型的详细计算过程：Excel应用

第四部分 HMM和MS-AR模型应用

第十章 MS-AR模型在宏观分经济析中的应用

 第一节 简单MS-AR（1）经济波动模型

 第二节 Hamiltion（1989）和Kim，Nelson（1999）MS-AR（4）经济的波动模型

 第三节 Kim，Nelson（1999）加入虚拟变量的MS-AR（4）模型

第十一章 HMM和SWARCH模型在股市中的应用

 第一节 股指收益率与HMM

 第二节 股指波动性与SWARCH模型

参考文献