本書圍繞股票多因子模型展開，深入淺出介紹模型中每一個部分的構建與實現的意義，並給出核心實現代碼，核心代碼部分都以Python代碼的形式給出，方便讀者理解和實現。

●目 錄第1章 量化投資概述11.1 什麼是量化投資11.1.1 股票多因子21.1.2 量化CTA31.1.3 套利41.1.4 高頻41.2 股票多因子模型框架51.2.1 因子與因子思維51.2.2 多因子模型的數學語言71.2.3 多因子模型的實踐框架91.3 量化的基本問題121.3.1 幸存者偏差131.3.2 未來信息131.3.3 過度擬合與欠擬合141.3.4 因果性與相關性151.3.5 其他問題16第2章 量化的Python基礎172.1 Python的安裝與基本環境172.1.1 下載與安裝172.1.2 Jupyter的使用182.2 基本數據類型和變量222.2.1 整型222.2.2 浮點型232.2.3 字符串242.2.4 布爾型252.2.5 變量272.3 Python的容器282.3.1 列表282.3.組312.3.3 字典312.4 Python的基本語法332.4.1 if判斷332.4.2 for循環352.4.3 函數362.4.4 模塊的使用392.5 數據處理入門412.5.1 NumPy科學計算庫412.5.2 Matplotlib可視化庫442.6 Pandas462.6.1 數據表462.6.2 Series與DataFrame472.6.3 Pandas的輸入與輸出502.6.4 DataFrame的數據選取532.6.5 Pandas的排序592.6.6 統計描述與分組612.6.7 Pandas的數據可視化642.6.8 多個DataFrame處理68第3章 量化的概率統計基礎723.1 分布的四個“矩”743.1.1 期望743.1.2 方差743.1.3 偏度763.1.4 峰度773.2 正態分布783.2.1 正態分布的定義783.2.2 正態分布的特點813.3 線性回歸823.3.1線性回歸833.3.2線性回歸913.3.3 啞變量993.4 業績評價指標1013.4.1 年化收益率1013.4.2 夏普比率1033.4.3 信息比率104第4章 單因子測試1054.1 因子的來源1054.1.1 財務因子1064.1.2 分析師一致預期因子1074.1.3 技術因子1104.1.4 其他因子1104.2 大小盤因子1114.2.1 大小盤因子的定義1114.2.2 大小盤因子的計算1134.2.3 大小盤因子的處理流程1154.2.4 去極值與異常值1154.2.5 標準化1194.2.6 中性化1214.3 ROE 因子1274.3.1 ROE因子概述1274.3.2 ROE因子的計算1284.3.3 市值中性化1324.4 RSI因子1344.4.1 RSI指標計算1344.4.2 RSI因子的定義與計算1354.5 其他因子的計算1384.5.1 BTOP因子1384.5.2 ROE穩定性因子1394.5.3 EPS一致預期變動率因子1394.5.4 輿論因子1404.6 單因子的測試分析1404.6.1 單因子測試的基本邏輯1404.6.2 Alphalens簡介1474.6.3 因子IC分析1564.6.4 收益率分析1634.6.5 換手率1714.7 常見因子的測試結果1754.7.1 ROE測試結果1764.7.2 銷售淨利率1784.7.3 MAC101804.7.4 BTOP因子182第5章 因子合成1845.1 經典加權方法1855.1.1 等權1855.1.2 滾動IC與IC_IR1875.1.3 合成因子測試結果1915.1.4 其他加權方法1965.2 情景配置1975.2.1 市值因子的分析1985.2.2 ROE因子的擇時201第6章 組合構建2036.1 一般方法2036.1.1 等權加權2036.1.2 市值加權2056.2 均值-方差組合2066.2.1 優化器的使用2076.2.2 “均值-方差”效用函數218

本書深入淺出地介紹股票多因子模型的原理與構建方式，從基礎知識、單因子測試、因子合成、股票組合構建等多方面進行介紹。本書共6章：第1章對量化投資進行概述，引出多因子模型的底層邏輯與實踐框架；第2章和第3章分別介紹多因子模型的Python編程基礎與概率統計基礎；第4章介紹單因子的計算過程和處理過程，以及單因子的測試和測試結果的分析方法，是較為核心的一章；第5章介紹單因子如何進行因子合成；第6章介紹簡單的組合構建方法和利用組合理論構建組合的方法。

陸一瀟 著