目錄

基  礎  篇
第0章  N分鐘學會MATLAB（60＜N＜180） 1
0.1  引言 1
0.2  基礎知識 1
0.3  輸入/輸出 10
0.4  數據處理 12
0.5  數學運算 18
0.6  字符操作 25
0.7  日期時間 27
0.8  繪圖相關 28
0.9  數學、金融、統計相關 34
0.10  其他 47
高  級  篇
第1章  基於MATLAB的優化問題 51
1.1  基於MATLAB的線性優化 51
1.1.1  背景介紹 51
1.1.2  線性優化MATLAB求解 52
1.1.3  含參數線性規劃 56
1.2  基於MATLAB的非線性優化 57
1.2.1  背景介紹 57
1.2.2  理論模型 58
1.2.3  MATLAB實現 60
1.2.4  擴展閱讀 70
1.3  優化工具箱參數設置 73
1.3.1  優化工具箱參數說明 73
1.3.2  優化工具箱參數設置方法 78
1.3.3  參數設置實例演示 80
第2章  MATLAB與Excel的數據交互 81
2.1  數據交互函數 81
2.1.1  獲取文件信息xlsfinfo函數 81
2.1.2  讀取數據xlsread函數 82
2.1.3  寫入數據xlswrite函數 84
2.1.4  交互界面uiimport函數 85
2.2  Excel-Link宏 87
2.2.1  加載Excel-Link宏 88
2.2.2  使用Excel-Link宏 89
2.2.3  Excel 2007加載與使用宏 91
2.3  交互實例 92
2.3.1  基金相關性的計算 92
2.3.2  多個文件的讀取和寫入 93
2.4  數據的平滑處理 94
2.4.1  smooth函數 94
2.4.2  smoothts函數 99
2.4.3  medfilt1函數 102
2.5  數據的變換 104
2.5.1  數據的標準化變換 105
2.5.2  數據的極差規格化變換 107
第3章  MATLAB與數據庫的數據交互 110
3.1  MATLAB實現 110
3.1.1  Database工具箱簡介 110
3.1.2  Database工具箱函數 111
3.1.3  數據庫數據讀取 112
3.1.4  數據庫數據寫入 117
3.2  繫統數據源配置 119
第4章  K線圖及常用技術指標的MATLAB實現 122
4.1  K線圖的MATLAB實現 123
4.1.1  MATLAB內置函數candle實現 123
4.1.2  自己編寫函數實現 124
4.2  常用技術指標的MATLAB實現 128
4.2.1  簡單移動平均線（SMA）和指數移動平均線（EMA） 129
4.2.2  自適應移動平均線（AMA） 133
4.2.3  指數平滑異同移動平均線（MACD） 138
4.2.4  平均差（DMA） 140
第5章  基於MATLAB的行情軟件 143
5.1  基於MATLAB的行情軟件使用介紹 145
5.1.1  面板介紹 145
5.1.2  功能介紹 145
5.2  基於MATLAB的行情軟件建立過程 148
5.2.1  GUI版面布局設計 148
5.2.2  核心函數編寫 150
5.3  擴展閱讀 159
5.3.1  MATLAB通過網頁抓取從雅虎網站獲取股票歷史數據 159
5.3.2  MATLAB通過網頁抓取從新浪獲取股票實時數據 163
第6章  基於MATLAB的隨機模擬 167
6.1  概率分布 167
6.1.1  概率分布的定義 167
6.1.2  幾種常用的概率分布 167
6.1.3  概率密度、分布和逆概率分布函數值的計算 171
6.2  隨機數與蒙特卡羅模擬 174
6.2.1  隨機數的生成 174
6.2.2  蒙特卡羅模擬 178
6.3  隨機價格序列 180
6.3.1  收益率服從正態分布的價格序列 180
6.3.2  具有相關性的隨機序列 182
6.4  帶約束的隨機序列 184
第7章  基於MATLAB的風險管理 188
7.1  背景介紹 188
7.1.1  VaR模型 188
7.1.2  VaR計算方法 190
7.2  MATLAB實現 191
7.2.1  數據讀取 191
7.2.2  數據處理 200
7.2.3  歷史模擬法程序 201
7.2.4  參數模型法程序 203
7.2.5  蒙特卡羅模擬程序 205
7.2.6  計算結果比較 208
第8章  期權定價模型的MATLAB實現 209
8.1  概述 209
8.1.1  關於布萊克、斯科爾斯和莫頓的故事 209
8.1.2  Black-Scholes定價模型 210
8.2  Black-Scholes定價模型及希臘字母研究 211
8.2.1  Black-Scholes微分方程的推導 211
8.2.2  希臘字母研究及MATLAB仿真測試 217
8.3  二叉樹定價模型研究 233
8.3.1  期權定價的數值方法概述 233
8.3.2  二叉樹定價模型 235
8.3.3  二叉樹模型下的希臘字母計算和測試 240
8.3.4  美式期權與歐式期權的風險指標對比 243
8.4  BAW定價模型研究 247
8.4.1  美式期權定價模型方法概述 247
8.4.2  BAW定價模型 247
8.4.3  BAW定價模型仿真測試 250
第9章  基於MATLAB的支持向量機（SVM）在量化投資中的應用 253
9.1  背景介紹 253
9.1.1  SVM概述 253
9.1.2  LIBSVM工具箱 255
9.2  上證指數開盤指數預測 257
9.2.1  模型建立 257
9.2.2  MATLAB實現 258
9.3  上證指數開盤指數變化趨勢和變化空間預測 264
9.3.1  信息粒化簡介 264
9.3.2  模型建立 267
9.3.3  MATLAB實現 267
9.4  基於C-SVM的期貨交易策略 272
9.4.1  引言 272
9.4.2  模型建立 273
9.4.3  MATLAB實現 273
9.5  擴展閱讀 287
9.5.1  MATLAB自帶的SVM實現函數與LIBSVM的差別 287
9.5.2  關於SVM的學習資源彙總 288
第10章  MATLAB與其他金融平臺終端的通信 291
10.1  DataHouse平臺MATLAB接口介紹 291
10.1.1  DataHouse平臺簡介 291
10.1.2  MATLAB接口介紹 293
10.2  Wind平臺MATLAB接口介紹 308
10.2.1  Wind平臺簡介 308
10.2.2  MATLAB接口介紹 309
第11章  基於MATLAB的交易品種選擇分析 313
11.1  品種的流動性 313
11.2  品種的波動性 316
11.3  小結 320
第12章  基於MATLAB的交易品種相關性分析 321
12.1  背景介紹 321
12.2  MATLAB實現 324
12.2.1  計算相關性的時間長度和時間周期的選擇 325
12.2.2  不同交易品種（資產）的時間軸校正 327
12.2.3  全市場品種的相關性圖形展示 327
12.3  擴展閱讀 329

第13章  基於MATLAB的國內期貨證券交易解決方案 333
13.1  國內期貨櫃臺繫統介紹 333
13.2  MATLAB對接CTP的各種方式 335
13.3  開發前準備 336
13.3.1  文檔下載 336
13.3.2  MATLAB安裝 336
13.3.3  監控工具 337
13.3.4  開發工具 338
13.4  C#版對接原理 338
13.5  XAPI版項目介紹 339
13.6  MATLAB對接期貨接口介紹（XAPI項目.NET版） 340
13.6.1  導入C#庫 341
13.6.2  啟動行情連接 341
13.6.3  顯示連接狀態 345
13.6.4  訂閱行情 348
13.6.5  行情連接參數 349
13.6.6  啟動交易連接 349
13.6.7  交易的相關事件 349
13.6.8  下單 350
13.6.9  撤單 352
13.6.10  退出 352
13.6.11  改進 352
13.7  MATLAB對接期貨接口介紹（XAPI項目COM版） 353
13.7.1  COM組件注冊 353
13.7.2  COM組件運行 354
13.7.3  COM事件注冊 356
13.7.4  下單 357
13.8  MATLAB對接證券接口 358
13.9  MATLAB對接個股期權接口 360
第14章  構建基於MATLAB的回測繫統 361
14.1  基於MATLAB的量化回測平臺框架介紹 361
14.1.1  回測平臺實現細節思考 361
14.1.2  回測平臺框架 363
14.2  簡單均線繫統的MATLAB實現 364
14.3  基於MATLAB的策略回測模板樣例 369
14.3.1  模板結構 369
14.3.2  相關回測變量和指標的定義 369
14.3.3  策略描述 370
14.3.4  數據準備 373
14.3.5  回測計算 374
14.3.6  策略評價 379
14.4  其他基於MATLAB的回測平臺展示 385
14.4.1  HTS1.0——基於MATLAB設計的回測平臺體驗版 385
14.4.2  GreenDragon期貨交易算法研發平臺 387
14.4.3 

近年來，互聯網和人工智能技術的飛速發展，推動傳統金融大踏步前進，尤其是量化投資、互聯網金融、移動計算等領域，用一日千裡來形容亦不為過。2015年年初，總理在《政府工作報告》中提出制訂“互聯網 ”行動計劃，推動移動互聯網、雲計算、大數據等與各行業的融合發展。2015年9月，國務院又印發了《促進大數據發展行動綱要》，提出“推動產業創新發展，培育數據應用新業態，積極推動大數據與其他行業的融合，大力培育互聯網金融、數據服務、數據處理分析等新業態”。可見，大數據金融將會成為未來十年閃亮的領域之一。2012年年初，中國量化投資學會聯合中國工信出版集團電子工業出版社，共同策劃出版了“量化投資與對衝基金叢書”，深受業內好評。在此基礎上，2016年我們再次重磅出擊，整合業內人纔，推出“大數據金融叢書”，引領時代前沿，助力行業發展。
本書特點
李洋是早加入本叢書的作者之一，他的第1版《量化投資：以MATLAB為工具》出版後，深受好評，也奠定了他在該領域的領先地位。三年後，他再次大幅度升級改版，相信又會給業內讀者帶來更多的分享價值。與第1版相比，第2版以實戰策略為核心，闡述了MATLAB在量化投資中的方方面面。
第1章是關於MATLAB的優化問題，開發量化策略的回測中無法避免的就是策略優化，MATLAB則提供了很多函數進行線性優化及非線性優化。
第2、3、5章主要講解數據交互如何解決，包括常用的如何從Excel中交互數據，以及與數據庫之間的交互。行情的獲取也可以通過MATLAB的接口實現，並以圖形化的方式展示出來，同時通過案例說明如何從雅虎和新浪獲取股票行情數據。
有關策略的MATLAB分析，在本書的第4、8、15章有詳細介紹。
第4章將技術分析的各種指標用MATLAB進行實現。傳統的技術指標在量化投資中有著廣泛的應用，但是需要結合各自的品種進行相應的優化參數處理。
第8章介紹了期權定價問題。在我國的衍生品市場中，期權的交易規模尚處於初始階段，但是未來的發展空間巨大，這其中核心的是定價問題，包括B-S模型、二叉樹模型等，都可以用MATLAB的函數實現。
第15章介紹了傳統的多因子選股模型。目前主流的Alpha策略采用的都是多因子選股，包括基本面因子、統計類因子、輿情大數據因子等。
第9、17、19章闡述了人工智能理論在量化投資中的應用。
第9章介紹SVM（支持向量機）如何用於量化策略的開發。SVM主要用於構建分類模型，可以基於SVM的MATLAB函數構建金融市場的分類模型並進行預測。
除了SVM，另一個大量用於分類分析的是BP神經網絡，近很熱門的深度學習，很多問題都是基於BP神經網絡構建的。第17章介紹了基於MATLAB的BP神經網絡在量化投資中的應用。
第19章介紹的正則表達式則是人工智能中很傳統的一類方法，利用正則表達式可以進行邏輯推理，這是專家繫統的重要理論基礎，MATLAB中也提供了對應的函數庫。
第6章是關於隨機模擬的問題。對於一些需要海量數據處理的問題，比如高頻交易、算法交易等，在沒有完整的數據集時，可以用隨機模擬的方式獲得大致的概率分布，並且基於該隨機模擬進行算法分析，是一個不錯的選擇。
風險管理毫無疑問是量化投資中的核心問題，其一般用VaR模型來表達，第7章針對這部分內容進行了闡述。
第10、13、14、20章全面講述了MATLAB與其他繫統之間的交互和實現問題。這是MATLAB一個相當強大的功能，可以充分利用其他繫統的數據和結果。
本書幾乎涵蓋了MATLAB在量化投資的方方面面，是目前市面上在該領域（無論是從深度還是從廣度上都處於領先地位的教材，特此推薦。
美好前景
中國經濟經過幾十年的高速發展，各行各業基本上已經定型，能夠讓年輕人成長的空間越來越小。未來十年，大數據金融領域是少有的幾個有著百倍、甚至千倍成長空間的行業，在傳統的以人為主的分析逐步被數據和模型替代的過程中，從事數據處理、模型分析、交易實現、資產配置的核心人纔（我們稱之為寬客），將有廣闊的舞臺可以充分展示自己的纔華。在這個領域，將不再關心你的背景和資歷，無論學歷高低，無論有無經驗，隻要你勤奮、努力，腳踏實地地研究數據、研究模型、研究市場，實現財務自由並非遙不可及的夢想。對於寬客來說，除了你的纔華，其他一切都不重要！

丁  鵬  博士      
中國量化投資學會理事長  
《量化投資——策略與技術》作者
“大數據金融叢書”主編   
2016.8  上海      

前言

寫在前面的話
光陰荏苒，歲月如梭，距離《量化投資：以MATLAB為工具》第1版的出版已經有近兩年的時間了，期間通過各大電商的評論及郵件，我收到讀者各式各樣的反饋和評論，深知該書無法滿足所有層次讀者的需求，也有諸多需要完善和精細化的地方，僅希望能夠對在量化投資道路上探索的讀者有些許啟發和幫助。
相比於第1版，第2版除了修正個別錯誤和不嚴謹之處，還增加了更多量化投資的實際案例，包括但不限於基於MATLAB的多因子選股模型、基於MATLAB和Wind的量化交易終端、基於MATLAB的BP模型、基於MATLAB的廣義極值分布模型、基於MATLAB的正則表達式簡介。本書後詳細介紹了筆者在2015年開發的一個開源工具箱——FQuantToolBox股票期貨數據獲取＆量化回測工具箱，通過該工具箱可以免費獲取股票和期貨數據，方便讀者構建自己的回測數據庫，進行相關策略的研發和測試。
本書內容框架
本書分為基礎篇和高級篇兩大部分。
基礎篇采用了Q＆A的寫作方式，目的是讓剛剛接觸MATLAB的讀者能快速有效地了解MATLAB。基礎篇內容來源多樣，既有來自MATLAB的官方幫助文檔，也有筆者個人的一些總結，還有若干來自MATLAB技術論壇（）的討論問題。
高級篇介紹了MATLAB結合具體量化投資的相關案例，涉及的內容主要有：基於MATLAB的優化問題、MATLAB與Excel的數據交互、MATLAB與數據庫的數據交互、K線圖及常用技術指標的MATLAB實現、基於MATLAB的行情軟件、基於MATLAB的隨機模擬、基於MATLAB的風險管理、期權定價模型的MATLAB實現、基於MATLAB的支持向量機（SVM）在量化投資中的應用、MATLAB與其他金融平臺終端的通信、基於MATLAB的交易品種選擇和相關性分析、基於MATLAB的國內期貨證券交易解決方案、構建基於MATLAB的回測繫統、基於MATLAB的多因子選股模型的實現、基於MATLAB和Wind的量化交易終端AsTradePlatform介紹與使用、基於MATLAB的BP神經網絡在量化投資中的應用、基於MATLAB的廣義極值分布在量化投資中的策略挖掘與回測、基於MATLAB的正則表達式基礎教程、FQuantToolBox股票期貨數據獲取＆量化回測工具箱的介紹與使用。高級篇可以幫助讀者通過具體的量化投資案例掌握MATLAB的相關應用。
本書既有復雜模型（支持向量機相關模型）的介紹，也有簡單模型（品種簡單波動性模型）的分析，其實無論模型復雜與否，量化投資本身更像一門藝術，並不是復雜的模型纔是“好”模型，簡單的模型就是“差”模型。所有的回測僅僅是檢測模型的歷史表現，所有的模型也有其生命周期和適用條件，終極意義上的模型檢驗隻能是“實戰”。
使用MATLAB可以更加精細、自由地測試交易模型。作為一個投資工具，MATLAB的目的是幫助投資者快速構建模型進行測試來檢查某一模型的歷史表現，工具本身並不能幫我們賺錢，量化投資的核心還是策略模型背後的交易邏輯。
閱讀本書時，建議讀者按照“先通讀章節內容，後調試程序，再精讀章節內容”的順序進行。本書程序建議在MATLAB R2012a及以上版本的環境下運行。本書的章節之間沒有特別的順序要求，讀者可以選擇任何感興趣的章節開始閱讀。如果您是一名MATLAB和量化投資的初學者，則建議按照章節順序通讀全書。
面向讀者對像
● 經濟金融機構的研究人員和從業人員。
● 進行量化投資的交易員。
● 具有統計背景的科研工作者。
● 高等院校理工科、經濟金融學科等相關專業的本科生、研究生及教師。
● 對量化投資和MATLAB感興趣的人士。
勘誤和交流
由於筆者水平有限，書中難免會出現一些錯誤或不嚴謹之處，懇請讀者批評指正。本書在MATLAB技術論壇的“MATLAB讀書頻道”有專門的交流板塊（. matlabsky.com/forum-112-1.html），方便與讀者進行溝通。如果您在閱讀過程中有任何疑問，可以在上述書籍交流板塊發帖留言，筆者會盡力為您提供滿意的解答。本書的全部源代碼和測試數據也可以在上述書籍交流板塊進行下載。本書為黑白印刷，對於書中的測試和展示圖片，讀者可以運行源代碼得到彩色圖片進行查看。
如果您有什麼寶貴意見，歡迎發郵件進行交流，期待得到您真摯的反饋。
筆者郵箱：
筆者微博：
筆者博客：
筆者微信公眾號：FQuantStudio
致謝
本書得到了筆者朋友和同事的幫助，借本書出版之際，一並向他們表示真誠的感謝。
感謝丁鵬博士邀請我撰寫此書，沒有他的邀請就不會有該書的問世；感謝博文視點李冰等編輯的支持和合作。
感謝我之前待過的兩支量化團隊成員：張冰博士、錢文博士、陳星、宋騰；周劍博士、趙婉西、陳雪瑩。感謝我現在所在的量化團隊成員：劉文希、伍侃、劉霽。Quant Never Sleeps！在量化之路上我們要一直前行。
感謝MATLAB技術論壇的兄弟們：詹福宇（dynamic）博士、王小川（yaksa）博士、郁磊（yangzijiang）、吳鵬（rocwoods）、謝中華（xiezhh）和史峰（mat