本书脉络遵循王振营《交易经济学基础》的基本经济学背景，力求给读者展现一个有经济和社会学基础、综合最新市场认知和建模理念的市场建模系统，供大家参考。第1章主要介绍了交易市场组织概念和内涵，包括单边定价、双边定价和多边定价的含义，市场的定义，市场存在的原因，金融市场的定义和交易产品，以及金融市场存在的风险等。第2章分别介绍了单边定价机制下的市场均衡、推荐系统和多边定价机制中的客户生态及相关模型，从而让我们从”人”或者说参与者的角度对市场有一个认识。第3章主要介绍了市场微观结构的知识。这部分是本书理论最复杂的章节，集中介绍了测度论、贝叶斯学习、博弈论、DSGE等基础知识，并用最简洁的数学模型介绍了四个微观结构模型。第4章主要介绍流动性，流动性是竞价市场的生命线，也是交易者最关注的市场特性。第5章介绍了主流的市场价格描述模型--随机微分方程以及其在障碍期权定价中的应用。第6章讲解了市场内生风险及其重要来源--行为金融学以及锁相环理论，并给出一个度量风险累计的模型--VPIN。第7章则讲解了风险跨市场传导、多市场价格发现和价格溢出效应。第8章则给出两类前沿理论--随机矩阵理论和机器学习理论的模型和应用。第9章概要介绍了目前交易所和基金的技术系统及其对交易带来的影响，并介绍了前沿技术--FPGA和GPU技术的应用。

路冠平博士，2001—2005年就读于南京邮电学院(现南京邮电大学)信息与计算科学专业，2012年在清华大学电子工程系获得工学博士学位，毕业后在上海贝尔Bell Labs(中国区)、上海交通大学从事信息领域的研究工作；后在创业公司和大型互联网证券公司承担大数据产品负责人、机器学习架构师工作；目前在上海黄金交易所从事计算金融领域的研究工作，工作领域包括高维统计基础研究、金融机器学习研究和金融市场监管科技。曾主持国家自然科学基金一项，并累计在国际会议和期刊发表论文20余篇，获得多项专利。

第1章 交易市场组织
1.1 金融市场基础
1.1.1 市场分类介绍
1.1.2 交易中的定价机制介绍
1.1.3 我国金融市场简介
1.2 市场结构概述
1.2.1 金融市场参与者讨论
1.2.2 交易品种与市场模式的匹配
1.3 交易所与竞价市场
1.3.1 交易所定义及其在经济中的作用
1.3.2 哪些产品适合竞价市场
1.3.3 衍生品体系简介
1.4 竞价市场建设需考虑的风险
1.4.1 政策法律风险
1.4.2 信用风险
1.4.3 流动性风险
1.4.4 交易系统运行风险
1.4.5 市场内生风险
1.4.6 外生的系统性风险和行业固有风险
1.5 交易所反洗钱
第2章 交易主体行为和量化识别
2.1 交易生态系统与交易网络
2.2 单边定价下的均衡：普惠金融案例
2.2.1 软信息：降低贷款成本的关键
2.2.2 基于软信息的客户——产品匹配模型
2.3 基于机器学习的推荐算法
2.3.1 基于内容的推荐
2.3.2 协同过滤算法
2.3.3 基于标签的推荐算法
2.3.4 推荐系统的评价指标
2.4 竞价市场的客户分析
2.4.1 分类介绍
2.4.2 分类方法
2.4.3 客户自动识别结果
2.4.4 客户结构与市场行情的互相影响
2.5 客户适当性
2.5.1 客户适当性的定义
2.5.2 客户适当性的执行法则
第3章 市场微观结构概论
3.1 市场微观结构简介
3.1.1 市场微观结构综述
3.1.2 微观结构学科特点
3.2 市场微观结构中的数学基础
3.2.1 概率和测度论基本知识
3.2.2 贝叶斯决策理论
3.3 竞价市场中的博弈论
3.3.1 瓦尔拉斯均衡
3.3.2 纳什均衡
3.3.3 贝叶斯均衡
3.3.4 完美贝叶斯均衡和序贯均衡
3.3.5 动态随机一般均衡模型
3.4 微观结构中的经典模型
3.4.1 demsetz的交易成本理论
3.4.2 Glosten and Milgrom模型
3.4.3 Kyle模型
3.4.4 Easly—O'Hara模型
第4章 市场流动性
4.1 交易市场流动性理论
4.1.1 流动性的定义
4.1.2 流动性的度量
4.1.3 市场宽度指标
4.1.4 基于交易量的指标
4.1.5 市场弹性指标
4.2 黄金现货市场的流动性研究概述
4.2.1 数据选择和建模方法
4.2.2 实证结果和分析
4.2.3 实证研究的结论
4.3 股票市场的日内价差分布
第5章 市场运行的基本假设和应用
5.1 金融数据基本建模
5.1.1 泊松分布
5.1.2 伊藤理论和随机积分
5.1.3 统计微分方程对价格的刻画
5.1.4 常用资产价格的描述
5.2 基于随机过程的合约设计
5.2.1 经纪商收取的交易手续费分析
5.2.2 最小价格变动设计
第6章 内生风险感知和态势分析
6.1 研究背景
6.1.1 研究综述
6.1.2 风险的来源和描述模型
6.2 基于VPIN的实时监控技术
6.2.1 VPIN技术用于监测内生风险
6.2.2 黄金市场基于VPIN的交易毒性判断实证研究
6.2.3 美国市场中VPIN的预测性能
6.2.4 中国股票市场在2015年前后的VPIN表现
6.2.5 下一步工作方向
第7章 价格发现和风险跨市场价格传导
7.1 研究基础模型
7.1.1 交叉相关函数
7.1.2 延时相关
7.1.3 VAR模型
7.1.4 方差分解和溢出模型
7.1.5 VECM下的信息份额
7.2 黄金市场的高频跨市场传导研究
7.2.1 数据描述
7.2.2 CCF分析
7.2.3 延时相关性
7.2.4 收益率的脉冲响应函数
7.2.5 信息溢出度量
7.2.6 信息份额
第8章 大数据背景下的市场微观结构前沿技术
8.1 高维矩阵、凸优化和深度学习理论介绍
8.1.1 高维随机矩阵的Macl-1erlko—PastLjr Law
8.1.2 凸优化和拉格朗日乘子法
8.1.3 卷积神经网络：AlexNet
8.1.4 传统基于因子的监督学习方法
8.1.5 机器学习的工作步骤
8.2 随机矩阵及其在金融中的应用
8.2.1 VaR中的矩阵清洗
8.2.2 基于随机矩阵的引导(1ead—lag)分析
8.3 机器学习案例
8.3.1 有监督学习：高频交易中的机器学习框架
8.3.2 卷积神经网络在指数开发中的应用
第9章 系统技术前沿及对市场的影响
9.1 当前的技术趋势
9.1.1 基于大数据的业务体系使单边定价市场效率提高
9.1.2 交易领域技术的快速迭代使交易市场效率迅速提高
9.2 现代交易所系统架构
9.2.1 交易核心系统
9.2.2 期货和期权交易的风控系统
9.2.3 交易所信息和数据监管
9.3 三级系统系统架构
9.3.1 现代交易系统的云架构
9.3.2 三级系统交易系统架构
9.3.3 基于微服务的数据架构
9.4 GPU和FPGA在量化中的应用及VaR快速算法
9.4.1 FPGA技术及应用
9.4.2 GPLJ技术简介
9.5 交易技术发展对市场的影响