前  言
Excellence is not a singular act，but a habit. You are what you repeatedly do.——Shaquille O’Neal

順境也好，逆境也好，人生就是一場對種種困難無盡無休的鬥爭，一場以寡敵眾的戰鬥。——沙奎爾·奧尼爾

    毫無疑問，談到量化投資，市場上討論多的是MATLAB、R和Python這三種工具。例如，以MATLAB軟件為基礎的書籍有Quantitative Trading：How to Build Your Own Algorithmic Trading Business和Neural Networks in Finance：Gaining Predictive Edge in the Market；以R語言為基礎的書籍有Quantitative Trading with R和Introduction to R for Quantitative Finance；也有以Python為基礎的書籍，如Successful Algorithmic Trading。對這些書籍進行大致瀏覽，可以初步了解量化投資的基本模式。然而，深入的學習和實踐，還需要選擇軟件。
    對於一個量化投資入門者而言，好選擇有比較成熟且免費的一繫列模塊的某個軟件。這些模塊包括數據獲取、策略構建和結果分析等完整的框架，這樣可以依賴別人的框架，自己隻負責掌握框架並開發策略。正好R語言能夠滿足上述要求。
    然而，量化投資與一般的技術性投資存在區別。技術性投資隻要會看線，掌握支撐位和突破位等技術，再積累經驗，就能夠獲取相應的收益。但是，量化投資完全依賴於計算機和軟件，所有這些都依賴於編程，都得從頭開始。
    雖然筆者是專業研究計量經濟學出身，但對於軟件其實並不是非常精通。通過幾年不停的摸索，慢慢學會利用R語言抓取和處理數據，進行技術性投資分析，運用小波分析、支持向量機和人工神經網絡等方法構建投資策略。有些策略sharpe值達到6甚至更高。一陣激動後，靜下心來仔細分析發現，sharpe值高可能涉及未來函數、滑點、傭金和數據質量等因素。對策略和其基於的繫統性框架進行分析後發現，幸虧用了別人成熟的模塊，纔避免了未來函數和傭金等一繫列問題，要不然自己要走更多的彎路。因為構建繫統框架不僅需要花時間和精力，而且很多問題都是憑個人無法解決的。現在回過頭來看，這個過程其實就是量化投資的回測階段。
     由於回測過程中滑點和數據質量等問題無法徹底解決，實盤的sharpe值和收益如何，誰都說不準。因此，回測結果的sharpe值再高也沒用，還是需要實盤驗證。
毫無疑問，如果用R語言就能與實盤互通，而且能夠自動化交易，那是好的。研究良久，答案很令人失望。當然有一種退而求其次的辦法，就是半自動化，用R語言回測，甚至買賣都可以用R連接交易API（如IBrokers和Wind），但無法實現完全自動化模式。不過既然是量化，就要想辦法依靠程序。買賣時機和交易規模等全部依賴計算機去監測和執行，人工隻是去回測策略結果優劣，並且挑選策略進行實盤化編程。
    筆者經過一段時間的思索，結合自身的情況，後決定依賴自身力量實盤操作。雖然實盤量化股票的軟件有Wind和TradeStation，期貨的量化軟件有“開拓者”“文化財經”和“金字塔”等，但由於各種原因，嘗試了都不滿意。於是把眼光瞄準國外，市場上討論得比較多的就是外彙平臺mt4（mt5）、IBrokers，還有JForex外彙平臺。經過比較發現，IBrokers和JForex是基於Java語言的，且平臺可靠性高，因此是交易。
    考慮到JForex編程相比IBrokers更簡單，因此選擇JForex入門。於是下決心努力學Java。其實這是一個很痛苦的過程，需要重新學習對像、類、方法，以及public、local、double和int等入門基礎，更重要的是學習JForex框架和方法，一個基本IStrategy框架研究下來就是一個多月。在此過程中，不斷申請模擬賬號，基於JForex平臺練習，過程中不斷出現錯誤，深受打擊，不斷println處理bug，甚至一個錯誤調試幾天纔得以解決，慢慢地能夠編寫相應的策略。
    現在一想，這個實盤操作過程是對的，Java基礎知識簡單了解就行，更多的是練習，模仿別人敲代碼。同時，JForex平臺有可視化結果，調試方便，比純粹用Java-JDK和eclipse等接入IBrokers API編程會容易很多。
    然而隻會簡單的實盤策略遠遠不夠。因為要在投資中立於不敗之地，除了會編寫策略，更需要盈利策略，還要運用前沿的方法特別是機器學習算法。毫無疑問，路漫漫其修遠兮。
    回顧整個過程，筆者進入量化投資領域之後不斷盲人摸像，從回測過渡到實盤操作，選擇了相應的回測和實盤軟件，這過程中走了不少彎路。從一個旁觀者角度來看，其實這不正是進入量化領域的必經歷程嗎？
    想起經濟學者George McCandless，他把DSGE的入門過程總結成The ABCs of RBCs: An Introduction to Dynamic Macroeconomic Models。為何不“東施效顰”，把自己的經歷總結一下？一方面對自己的量化經歷做個歸納，以便走得更遠；另一方面讓後來者有所參考，盡量少走彎路，盡快走上量化投資的康莊大道。基於此，筆者把自己的量化投資經歷記錄下來，並命名為《量化投資基礎、方法與策略——R語言實戰篇》。考慮到篇幅，本書隻研究R語言部分，實盤操作有待後續另起一篇。
本書特色
    本書主要特色包括以下五點。
    ，本書大部分內容為原創，具有較強的實踐性和針對性。本書從獲取數據、處理數據到構建繫統性策略都有所涉及，並對策略進行績效分析和優化，這些是進入量化投資領域必須經歷的過程，均為筆者量化投資研究和實踐的經驗總結。
    第二，注重研究思路。本書基於R語言，但沒有對R語言進行大篇幅知識性介紹，而是從量化投資的角度，分析如何利用R語言對實際問題進行分析。同時，在研究和編程過程中，重點介紹研究思路及其實現的不同方式，並從中選擇一種方式解決問題。
    第三，本書有針對R語言繫統性的量化投資框架介紹。這部分雖有相關書籍涉及，但筆者至今並沒有發現對投資框架進行繫統和全面論述的相關研究。量化投資的核心是掌握量化投資繫統框架，即如何運用quantstrat和PortfolioAnalytics繫列工具包，進行從策略構建、指標生成、信號和規則構建到策略績效分析的整個過程。這個過程在運行中特別容易出錯，自信心備受打擊，往往導致半途而廢，繫統性論述能夠給學習者提供建設性意見和參考，從而減少策略構建過程中的阻力。
    第四，名人名言和知識彙。這部分作為量化投資和R語言等繫統性知識的介紹，以減少沒有介紹R語言知識帶來的缺陷。具體在每個章節裡面穿插實際案例，如西蒙斯、巴菲特等人物及其經營公司的績效，R語言工具包data.table、quantmod等工具包功能，外彙平臺等各方面與R語言和投資相關的知識。
    第五，思考與練習。每個章節後面都附有相應的思考和練習，方便讀者更好地結合自身背景，對具體內容進行訓練和鞏固，並進一步解決實際投資中量化的問題。
本書適用群體
        本書適用群體比較廣泛，主要適用於三部分人群。
? 適用於量化投資入門者和專業化個體投資者，同時可以作為金融機構及對投資感興趣的讀者的實用指南。
? 可以作為R語言入門和提高的指導書。書中全部內容均基於R語言，注重編程中的思路和問題的解決方式，是其他R語言相關書籍所不具備的。
? 適合作為專業課程教材。本書是筆者講授的“統計專業軟件應用”和“量化投資實踐”課程自編教程總結。除上述兩門課程外，還可以作為“計量經濟學”“時間序列分析”“證券投資分析”和“數據挖掘分析”等統計和金融課程的輔助參考資料。
致謝
    我深知，本人隻是代碼和方法的搬運工。在學習R語言過程中，感激那些為R語言做出貢獻的團隊和個人開發者。特別是R語言專家Hadley Wickham，正是他，我們纔有了更快、更方便的數據處理包（dplyr、tidyr、stringr、lubridate、readr和rvest等）和更直觀的圖形處理能力（ggplot2）；還有量化分析團隊RFinance，正是他們，我們纔有了投資策略分析工具（quantstrat、quantmod、TTR、xts和blotter等）和投資組合分析工具（PortfolioAnalytics）；還有Rmetrics Association團隊，正是他們，我們纔有了一繫列以f開頭的處理時間序列模型的工具包（如fArma、fAssets、fCopulae和fPortfolio等）。同時也感謝https://www.r-bloggers.com、https://stackoverflow.com和https://www.quora.com等網站，正是它們，讓我們對R語言的前沿知識和相應的包都有了更多的了解，並為我們深入研究某個問題給出了建設性參考意見。
    同時還要感謝2016級應用統計和經濟統計學專業的部分同學，正是他們無私幫忙修改問題語句和錯別字，纔能使本書更快出版。
    還要感謝家人的陪伴和不離不棄，雖然在生活中不斷施加壓力，但也正是這種壓力，不斷激勵著我前行。
    後，希望本書能給讀者帶來實實在在的啟發與思考，在快樂中學習量化投資和編程。毫無疑問，編寫過程中錯誤難免，希望讀者提出批評和指正。本書內容探討、代碼下載和運行等相關問題，請加QQ交流群：9949337，或通過郵箱huiyujuanjuan@
163.com和筆者一起探討，共同進步。
作者：付志剛