打开量化投资黑箱 程序交易必读书籍 清晰版

股票学习站

	【资料名称】:打开量化投资的黑箱     【资料描述】: 　　华尔街顶级数量金融专家首度揭秘量化投资 　　进入量化投资领域的必读之书 　　宏源证券首席经济学家房四海，明达投资董事长刘明达，南开大学商学院副院长王永进金融量化怪才彼得·穆勒及众多基金经理一致推荐阅读内容简介 　　量化交易策略被投资大众称为“黑箱”，以难以理解并且难以描述而得名。尽管这种投资方法具有一定的复杂度，但如果得到很好的指导，您同样可以顺利进入这个领域，领略到其中的奥妙。 　　《打开量化投资的黑箱》作者里什·纳兰是一位专业基金经理，在本书中他站在一个非纯粹技术性的视角介绍了量化交易策略，用生动的文笔带领读者游历整个“黑箱”。 　　本书的写作翔实生动，涉猎了金融界丰富的真实案例和市场趣闻，富于智慧地描绘了华尔街的数量金融奇才们是如何工作的。 　　阅读本书的过程，是您掀开量化交易神秘面纱的过程，是您慢慢理解数量金融大师及其投资策略的过程，也可能是您对量化交易越来越感兴趣的过程。 　　作者简介 　　里什·纳兰（Rishi K.Narang），华尔街顶级数量金融投资专家、资深对冲基金经理。 　　作者纳兰1996年进入对冲基金行业，一直关注量化交易策略。现为特勒西斯资本有限责任公司（Telesis Capital LLC）的主要合伙人，这家公司主要采用量化交易策略进行投资。此前，他是圣巴巴拉阿尔法策略投资公司的基金经理。纳兰还曾与他人合作创立了Tradeworx 公司并担任总裁，这家公司在1999～2002年管理着数只量化对冲基金。 　　目录 　　打开量化投资的黑箱 　　译者序 　　前言 　　致谢 　　第一部分 量化交易的世界 　　第1章 我们为何关注量化交易 　　深度分析的好处 　　风险的准确度量和错误度量 　　严格遵守纪律 　　小结 　　第2章 量化交易简介 　　何为宽客 　　量化交易系统的典型构造 　　小结 　　第二部分 打开黑箱 　　第3章 阿尔法模型：宽客如何赚钱 　　阿尔法模型的类别：理论驱动和数据驱动 　　理论驱动模型 　　基于价格相关数据的策略 　　基于基本面数据的策略 　　数据驱动模型 　　策略的实施 　　预测目标 　　投资期限 　　投注结构 　　投资范围 　　模型设置 　　运行频率 　　策略选择上丰富的多样性 　　混合型模型 　　小结 　　第4章 风险控制模型 　　限制风险的大小 　　通过约束或者惩罚来限制 　　度量风险的大小 　　限制可以应用在哪里 　　限制风险的类型 　　理论驱动型风险控制模型 　　经验型风险控制模型 　　宽客怎样选择风险控制模型 　　小结 　　第5章 交易成本模型 　　交易成本的定义 　　佣金和费用 　　滑点 　　市场冲击 　　交易成本模型的类型 　　常数交易成本模型 　　线性交易成本模型 　　分段线性交易成本模型 　　二次型交易成本模型 　　小结 　　第6章 投资组合构建模型 　　基于规则的投资组合构建模型 　　相等头寸权重 　　相等风险权重 　　阿尔法驱动的权重 　　决策树模型 　　基于规则的投资组合构建模型小结 　　投资组合最优化工具 　　最优化工具的输入 　　最优化技术 　　关于最优化问题的最后思考 　　投资组合构建模型的输出 　　宽客如何选择投资组合构建模型 　　小结 　　第7章 执行模型 　　订单执行算法 　　积极主动和消极被动 　　大订单和小订单 　　明订单和暗订单 　　何处下单 　　撤销和重置订单 　　高频交易：阿尔法模型和执行模型之间的模糊界限交易基础设施 　　小结 　　第8章 数据 　　数据的重要性 　　数据的类型 　　数据的来源 　　数据整理 　　数据储存 　　小结 　　第9章 研究 　　研究范围：科学的方法 　　思想的生成 　　检验 　　样本内检验、训练 　　好模型包括哪些 　　过度拟合 　　样本外检验 　　检验的假设 　　小结 　　第三部分 量化交易策略的投资指引 　　第10章 量化交易策略的固有风险 　　模型风险 　　建模的不适宜性 　　模型的错误设置 　　执行错误 　　市场逻辑变更风险 　　外部冲击风险 　　扩散风险或者同质投资者风险 　　宽客如何监测风险 　　小结 　　第11章 对量化交易的批评：确保如实记录 　　交易是一门艺术，而非科学 　　由于低估风险，宽客引发了更多的市场动荡 　　2008年的市场动荡 　　宽客无法处理市场行情中的非常规事件以及快速的变化宽客们拥有相同的交易行为 　　长期中仅有少数规模庞大的量化投资基金才能兴旺发展量化投资中存在数据挖掘过失 　　小结 　　第12章 评价宽客和量化交易策略 　　收集信息 　　评价量化交易策略 　　评价宽客的才能 　　优势 　　评价宽客的诚信 　　量化交易怎样适应投资组合 　　阿尔法投资组合 　　投注结构 　　投资期限的多样化 　　对投资组合思考的综述 　　小结 　　第13章 展望量化交易的未来 　　媒体评论 　　★作者向我们展示了量化投资全面而深刻的视野，无论是希望采用量化投资策略配置资产的投资者，还是有兴趣从事量化投资的专业人士，都将从中获益无穷。作者是一名经验丰富的宽客，他在业界深厚的人脉关系也给本书带来了丰富而实用的真实案例。 　　金融量化怪才彼得·穆勒，摩根士丹利公司程序化交易部门总经理★本书给量化交易领域带来了必须的洞见，而关于这个领域的书籍曾是那么匮乏。本书提供的框架和指引，对于已经投资于此和将要投资于此的投资者来说，都极有价值，宽客也能从本书有所获益。 　　前言 　　精彩书摘 　　学会像智者一样思考，才能像智者一样行事。 　　──马可·奥勒留，《沉思录》 　　约翰是一个中等规模对冲基金的宽客（量化交易者，quant trader）。他于20世纪90年代初获得了一流大学的数学和计算机专业本科学士学位之后，就开始在华尔街的交易平台工作。他希望将自己的数量化知识背景变成财富。在各个与数量有关的岗位上经过七年之久的历练，并且物色好负责业务和运营的合作伙伴之后，约翰成立了自己的对冲基金。这只对冲基金由约翰负责量化交易策略的设计，目前每天的股票交易规模已经超过15亿美元。不过对他的投资者而言，更吸引人的地方在于，这只对冲基金在60%的交易日和85%的交易月份里都能赚钱，这个成绩令人印象深刻。 　　尽管每天数十亿美元的交易量，可是在约翰的对冲基金办公室里，既听不到大声的讨价还价，也看不到有人通过电话来发出交易订单，空气中丝毫看不到一丁点忙碌的气氛。在这里，我们唯一能看到的是一些平板显示屏，上面呈现着当天交易策略的表现及其交易量，而他就是在这样安静的环境中完成交易的。在交易时段，约翰可不能像讲有趣故事那样，告诉你为何他的策略是买入某只股票而卖出另一只，因为一旦有某些需要特别关注的事件发生时，他需要全神贯注地跟踪数以千计的股票。当然，在绝大多数时间，约翰可以让他设计的自动化交易策略去完成这些艰苦工作，而他自己则只需监测这些策略的稳健性和市场环境的影响，尤其当市场环境发生变化，并且将可能对策略产生影响时，约翰更需要努力工作，研究出调整模型的方案以适应市场变化。 　　坐在约翰旁边的是马克，他最近因为在高频交易（high-frequency trading）方面的研究成果而加盟了这只基金。相比基金前面的策略只能在六成交易日里赚钱，马克和约翰正在开发的高频交易策略更具有野心，其目标是希望每天捕捉到日内发生的规模稍小的赚钱机会。虽然他们的工作目前已经做到近乎在95%的时间里赢利，但他们为这个高频交易策略设定的目标更为远大，希望像一些非常成功的高频交易策略那样，做到每个小时甚至每一分钟都赚钱。不过需要说明的是，因为高频交易策略捕捉的赚钱机会规模比较小且转瞬即逝，所以这种策略并不适合大规模的投资。即使这样，约翰和马克仍然期望他们的高频交易策略能够获得每年不低于200%的回报率。 　　在投资行业，有很多像约翰和马克的对冲基金这样的量化交易型投资公司，规模不大，默默无闻，但它们都能在一段很长的时间里保持着骄人的投资业绩。比如，弗吉尼亚州的夏洛茨维尔量化投资管理公司（Quantitative Investment Management of Charlottesville）2002～2008年获得了平均20%的年回报率，这个纪录令很多主观判断型基金经理（discretionary manager）羡慕不已。1在量化投资的基金群落中，比这些小公司更出名的是那些大型的量化投资巨人。在众多令人瞩目的成功的量化型基金中，最为出众且广为人知的莫过于文艺复兴科技公司（Renaissance Technologies）。这家公司自1990年以来为投资者贡献了平均35%的年回报率，并且这是扣除了高昂的基金管理费用和控制在极低风险之下的业绩。即使在众多对冲基金惨淡经营的2008年，该公司旗下的旗舰产品──大奖章基金（Medallion Fund）仍然获得80%的回报。2我本人对这只基金的业绩记录非常熟悉，并且觉得它以后还会更好。即使面对越来越多的竞争对手，该基金的模型也不会丧失竞争力。 【下载地址隐藏】：                    点：回复可见地址 游客，如果您要查看本帖隐藏内容请回复