●第一章 期貨基本策略概要
1.1 股指日內策略
1.2 商品趨勢策略
1.3 高頻交易策略
1.4 本節介紹
1.5 未來展望
1.6 本章小結
第二章 數據處理
2.1 期貨分筆數據
2.2 合成5分鐘數據
2.3 異常處理
2.4 本章小結
第三章 預測因子
3.1 技術指標來源
3.2 因變量的選擇
3.3 高頻因子
3.4 本章小結
第四章 基礎統計模型
4.1 線性回歸
4.2 帶約束的線性回歸
4.3 模型選擇
4.4 本章小結
第五章 復雜統計模型與機器學習
5.1 復雜統計模型
5.2 跨品種因子
5.3 高頻數據建模
5.4 本章小結
第六章 從預測到交易
6.1 落實到交易纔有意義
6.2 開平倉閾值
6.3 策略篩選
6.4 本章小結
第七章 策略模型深化
7.1 優化提速
7.2 策略更新
7.3 計算因子的技巧
7.4 本章小結
第八章 投資組合優化
8.1 馬科維茨均值-方差模型
8.2 簡單分配的情況
8.3 本章小結
第九章 投資組合優化深入研究
9.1 風險平價策略
9.2 動態投資組合優化
9.3 近似動態規劃(增強學習)
9.4 本章小結
第十章 C++實現策略
10.1 關於期貨程序化接口
10.2 從R到C++
10.3 本章小結
第十一章 實盤交易管理
11.1 模擬交易
11.2 風險管理
11.3 資金曲線管理
11.4 人工主觀干預
11.5 心態管理
11.6 本章小結
第十二章 套利交易
12.1 策略介紹
12.2 跨期套利深入研究
12.3 跨期套利策略
12.4 跨品種套利
12.5 本章小結
第十三章 求職與工作
13.1 對在校學生的建議
13.2 工作初期
13.3 投資經理
13.4 業內交流
13.5 本章小結
後記
本書主要介紹如何運用統計分析和機器學習等方法對中國期貨市場量化交易進行建模分析。不僅覆蓋了很基礎的數據獲取、數據清理、因子提取、模型構造以及很後的動態投資組合優化、C++編程實現等方面,而且有豐富的代碼方便讀者臨摹學習和修改提升。本書中的數據首先是交易所很原始的期貨分筆數據,在此基礎上整合成5分鐘K線,然後再計算預測因子,很後套入統計預測模型。在交易層面,采用嚴謹的滾動優化方式,充分考慮了滑點和手續費,嚴格測試。另外本書還覆蓋了中低頻的趨勢策略以及高頻的短趨勢策略,很後也詳細介紹了跨期套利策略,以及對讀者擇業就業的建議。
本書內容的廣度和深度都是靠前市場上少見的,適合相關專業人士和感興趣的投資愛好者閱讀,如高校數理類和經管類師生及證券、期貨、私募證券、公募基金等量化交易相關從業人員,以及對機器學習在金融方面運用的相關人士和對量化交易感興趣的各行各業人士。