投資精英都是技術控(教你玩轉量化交易)

張聰，中國科學院計算技術研究所碩士，先是在銀行業從事系統開發工作，後轉入金融市場部，通過CFA、FRM考試。多年來深耕量化交易領域，特別是因子投資與人工智能的結合，積累了豐富的理論知識和實踐經驗，運營“至簡量化”公眾號，致力於用前沿科技探尋投資新路徑，得到了很多朋友的支持與認可，期待與更多同道中人交流共進。

第1章 股市量化投資之路
1.1 股票量化交易簡介
1.1.1 概念
1.1.2 特點
1.2 量化交易的基本流程
1.2.1 數據獲取
1.2.2 數據預處理
1.2.3 策略構建
1.2.4 回測
1.2.5 模擬交易
1.2.6 實盤交易
1.3 量化交易的常見陷阱及應對
1.3.1 幸存者偏差
1.3.2 前視偏差
1.3.3 數據遷就偏差
1.3.4 交易成本估計不足
1.3.5 偷價
1.4 國內主流股票量化交易策略
1.4.1 市場中性策略
1.4.2 量化多頭策略
1.4.3 策略Alpha來源
1.5 如何走上自己的量化交易之路
1.5.1 應該學習哪些基礎知識
1.5.2 怎麼找到適合自己的策略
1.5.3 如何選擇策略回測和實盤平臺
第2章 技術面量化交易
2.1 技術分析簡介
2.2 技術分析與量化交易
2.2.1 圖表形態
2.2.2 技術指標
2.3 對股票價格走勢的再認識
2.3.1 行為金融學解釋
2.3.2 統計檢驗
2.4 技術分析量化策略示例——海龜交易系統
2.4.1 原理
2.4.2 策略實現
第3章 基本面量化交易
3.1 基本面分析簡介
3.1.1 概念
3.1.2 分析方法
3.1.3 基本面分析的優劣
3.2 宏觀經濟基本面與股市
3.2.1 格蘭傑因果關系檢驗
3.2.2 用宏觀經濟指標做股指擇時
3.3 行業基本面分析
3.3.1 行業分類
3.3.2 行業分析的基礎框架
3.3.3 行業估值分析
3.3.4 行業輪動
3.4 公司基本面分析
3.4.1 財務報告簡介
3.4.2 主要公司基本面指標
3.4.3 公司估值方法
3.5 神奇公式選股策略實現
第4章 因子投資
4.1 因子模型基礎知識
4.1.1 因子模型
4.1.2 時間序列因子
4.1.3 橫截面因子
4.2 單因子測試流程
4.2.1 數據獲取
4.2.2 數據處理
4.2.3 單因子測試
4.3 因子選擇
4.3.1 用方差膨脹因子判斷多重共線性
4.3.2 逐步回歸
4.4 因子正交
4.4.1 施密特正交
4.4.2 規範正交
4.4.3 對稱正交
4.4.4 對比總結
4.5 因子合成
4.5.1 估值因子計算
4.5.2 最大化IC_IR加權法
4.5.3 最大化IC法
4.5.4 主成分分析（PCA）法
4.6 因子擇時
4.6.1 外生變量擇時
4.6.2 內生變量擇時
第5章 從因子投資到人工智能
5.1 將人工智能用於因子投資
5.1.1 機器學習因子投資的基本流程
5.1.2 機器學習因子投資的局限性
5.2 數據預處理
5.2.1 特征工程
5.2.2 標簽設置
5.2.3 特征與標簽的結合
5.3 常用監督學習模型
5.3.1 廣義線性回歸
5.3.2 樹模型
5.3.3 支持向量機
5.3.4 神經網絡
5.4 訓練和驗證
5.4.1 模型評估
5.4.2 模型選擇
第6章 機器學習因子選股策略實踐
6.1 基礎機器學習模型
6.1.1 線性回歸
6.1.2 邏輯回歸
6.1.3 支持向量機
6.1.4 決策樹
6.2 集成學習方法
6.2.1 投票法
6.2.2 裝袋法
6.2.3 提升法
6.2.4 堆疊法
6.3 深度學習模型初探
6.3.1 多層感知器
6.3.2 卷積神經網絡
6.3.3 TabNet
6.4 模型優化
6.4.1 特征選擇
6.4.2 另類標簽設置及合成
6.4.3 超參數調優
6.4.4 非平衡數據集處理
6.5 組合優化
6.5.1 采樣頻率及調倉周期
6.5.2 組合優化模型
第7章 前沿技術在量化投資中的應用
7.1 圖神經網絡
7.1.1 圖神經網絡基本原理
7.1.2 圖神經網絡代表模型
7.1.3 圖神經網絡在投資中的應用
7.2 語言模型
7.2.1 語言模型發展歷程
7.2.2 Transformer簡介
7.2.3 現階段代表模型
7.2.4 LLM在投資中的應用
參考文獻