量化投资四维逻辑PDF|Epub|txt|kindle电子书版本下载

量化投资四维逻辑PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 量化选股策略篇3

1.量化选股策略概述3

1.1 量化选股的收益来源3

1.2 量化选股策略的框架4

2.单指标策略5

2.1 单指标／因子策略方法概述5

2.2 资金流向策略15

2.3 动量与反转策略74

3.多因子模型及策略128

3.1 多因子策略方法概述128

3.2 基于风险指标的多因子模型投资策略分析136

3.3 基于指标被动筛选的多因子模型策略143

3.4 多因子模型因子加权方法研究154

4.风险模型及其应用166

4.1 风险模型概述166

4.2 中国A股市场风险模型的行业因子优化172

4.3 中国A股市场风险模型的应用186

5.投资组合构建195

5.1 投资组合构建方法概述195

5.2 基于规模暴露控制的投资组合构建199

5.3 基于稳健优化的投资组合构建216

6.绩效归因与评价225

6.1 绩效归因与评价概述225

6.2 多因子策略的绩效评价228

第二篇 量化择时策略篇243

7.量化择时策略概述243

7.1 量化择时的理论基础——有效市场假说243

7.2 量化择时策略的类型244

8.动量择时模型246

8.1 均线择时系统：简单易行，最为常用的趋势交易246

8.2 LLT模型：高阶过滤，降低信号延迟263

8.3 基于参数优化的Dual-Thrust交易策略：过滤震荡行情抓趋势273

8.4 指数收益率奇数阶矩预测：放大价格波动抓趋势282

8.5 海龟交易系统：完整的交易系统290

9.反转择时模型296

9.1 DeMark Combo策略：累计能量，逆市操作296

9.2 抛物线拟合策略：寻找拐点，右侧交易305

9.3 对数周期幂律模型及其基本应用：阶段性“顶”和“底”的预测312

9.4 对数周期幂律模型的概率预测325

9.5 对数周期幂律模型的相关检验334

9.6 对数周期幂律模型的窗口初始点选择342

第三篇 机器学习量化策略357

10.机器学习算法简介357

10.1 机器学习的定义和学科定位358

10.2 机器学习方法的核心概念359

10.3 机器学习方法的分类361

11.机器学习策略开发流程363

11.1 机器学习算法的应用363

11.2 机器学习策略的流程：以GB决策树为例365

11.3 机器学习策略的预测能力366

12.GB决策树模型368

12.1 决策树模型介绍368

12.2 决策树模型选股策略的参数选择与拟合效果371

12.3 基于GB决策树的市值策略及其比较378

12.4 结论383

13.长短期记忆神经网络模型385

13.1 LSTM的机理与优势385

13.2 长短期记忆模型量化策略392

13.3 结论396

14.随机森林模型398

14.1 模型介绍398

14.2 随机森林量化投资策略403

14.3 结论408

15.简单决策树模型410

15.1 决策树的概念及其实例410

15.2 基于历史涨跌来预测未来涨跌411

15.3 基于技术指标预测股指未来涨跌415

15.4 多空策略及表现418

15.5 结论422

16.临近取样模型424

16.1 临近取样算法简介424

16.2 策略描述425

16.3 策略表现426

16.4 结论431

第四篇 资产配置篇435

17.资产配置概述435

17.1 投资组合管理过程435

17.2 资产配置决策436

17.3 资产配置策略436

17.4 结论与展望439

18.基于风险平价方法的资产配置策略440

18.1 风险平价策略的数学模型443

18.2 基于风险平价策略的股债配置445

18.3 结论与展望449

19.基于风险预算方法的资产配置策略451

19.1 风险预算配置方法452

19.2 基于风险预算方法的股债配置实证分析454

19.3 结论与展望461

20.基于风险平价方法的行业配置策略462

20.1 行业组合配置方法462

20.2 基于风险平价方法的A股行业配置实证分析465

20.3 结论与展望474

21.基于Black-Litterman模型的行业配置策略476

21.1 Black-Litterman模型477

21.2 Black-Litterman模型在我国股市行业配置中的应用482

21.3 结论与展望487

后记489