量化投資是最近十年來在國際投資界興起的一個(gè)新方法，發(fā)展勢(shì)頭迅猛鞭执，和基本面分析、技術(shù)面分析并稱為三大主流方法⌒址模基本面分析和技術(shù)性分析可以看做是傳統(tǒng)的證券分析理論大溜，而量化投資則是結(jié)合了現(xiàn)代數(shù)學(xué)理論和金融數(shù)據(jù)的一種全新的分析方式，是現(xiàn)代化的證券分析放法囤热。
和傳統(tǒng)的基本面分析和技術(shù)面分析比較起來猎提，量化投資最大的特點(diǎn)就是定量化和精確化。
投資策略：
- 量化選股：量化投資最重要的策略旁蔼，主要是研究如何利用各種方法選出最佳的股票組合锨苏，使得該股票組合的收益率盡可能高的同時(shí)，保持盡可能的穩(wěn)定性棺聊。例如多因子模型伞租、風(fēng)格輪動(dòng)模型、行業(yè)輪動(dòng)模型限佩、黃金流模型葵诈、動(dòng)量反轉(zhuǎn)模型、一致預(yù)期模型祟同、趨勢(shì)追蹤模型和籌碼選股模型作喘。
- 量化擇時(shí):量化投資中最難的，也是受益率最高的一種策略晕城，主要研究大盤及個(gè)股走勢(shì)泞坦，并進(jìn)行相應(yīng)的高拋低吸操作。如果能夠正確判斷大盤砖顷，則收益率會(huì)比單純的買入-持有策略收益要高很多贰锁。8種擇時(shí)模型，趨勢(shì)擇時(shí)滤蝠、市場(chǎng)情緒擇時(shí)豌熄、時(shí)變夏普率模型、牛熊線模型物咳、Hurst指數(shù)模型锣险、SVM模型、SWARCH模型和異常指標(biāo)擇時(shí)所森。
- 股指期貨套利：由于擇時(shí)操作存在巨大風(fēng)險(xiǎn)囱持，而對(duì)于文件性的資金，則希望尋找一種能夠穩(wěn)定收益的交易策略焕济。股指期貨套利研究的是如何利用股指期貨和現(xiàn)貨組合的對(duì)沖纷妆，去掉系統(tǒng)性風(fēng)險(xiǎn)后，獲得無風(fēng)險(xiǎn)收益晴弃。有關(guān)股指期貨套利的一些方法掩幢，包括期現(xiàn)套利逊拍、跨期套利、沖擊成本际邻、保證金管理等芯丧。
- 商品期貨套利：與股指期貨類似的是在商品期貨市場(chǎng)從事套利交易，商品期貨市場(chǎng)波動(dòng)更大世曾，機(jī)會(huì)更多缨恒，當(dāng)然風(fēng)險(xiǎn)也更大。這章主要包括：期現(xiàn)套利轮听、跨期套利骗露、跨市場(chǎng)套利和跨品種套利。
- 統(tǒng)計(jì)套利：利用不同投資品種之間的相關(guān)性進(jìn)行投資的一種方式血巍，當(dāng)兩個(gè)品種的價(jià)格差拉大到正常邊界時(shí)萧锉，進(jìn)行多空間同時(shí)建倉的操作，當(dāng)恢復(fù)到正常的時(shí)候再雙向平倉述寡，從而可以避免系統(tǒng)性風(fēng)險(xiǎn)柿隙。本章主要內(nèi)容有：配對(duì)交易、股指對(duì)沖鲫凶、融券對(duì)沖和外匯對(duì)沖4個(gè)方面的內(nèi)容禀崖。
- 期權(quán)套利：期權(quán)套利研究的是利用看漲看跌期權(quán)或者牛熊證進(jìn)行各種配對(duì)后，規(guī)避系統(tǒng)性風(fēng)險(xiǎn)后賺取波動(dòng)差的投資方式螟炫。由于期貨的高杠桿性帆焕，期權(quán)套利可以獲得比其他套利方式更高的收益率。這章包括：股票-期權(quán)對(duì)沖不恭、轉(zhuǎn)換套利、跨式套利财饥、寬跨式套利换吧、跌勢(shì)套利、飛鷹式套利钥星。
- 算法套利：算法交易是研究如何利用各種下單方法沾瓦，盡可能降低沖擊成本的交易策略。分為主動(dòng)式交易和被動(dòng)式交易兩類谦炒。本章主要研究被動(dòng)交易算法（VWAP）贯莺。
- 另類套利:討論了封閉式基金套利、ETF套利宁改、LOF套利和高頻交易4中策略缕探。這四種并不是投資的主流方式，但是在不同的市場(chǎng)環(huán)境下还蹲，往往存在無風(fēng)險(xiǎn)套利機(jī)會(huì)爹耗，比較適合于追求穩(wěn)健的大資金操作耙考。
理論篇：
- 人工智能：主要利用計(jì)算機(jī)技術(shù)模擬人的思維和解決問題的方式，包括機(jī)器學(xué)習(xí)潭兽、自動(dòng)推理倦始、專家系統(tǒng)、模式識(shí)別山卦、人工神經(jīng)網(wǎng)絡(luò)和遺傳算法鞋邑。人工智能在量化投資中的應(yīng)用，介紹了模式識(shí)別短線擇時(shí)账蓉、RBF 神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)和遺傳算法股價(jià)預(yù)測(cè)枚碗。
- 數(shù)據(jù)挖掘：主要研究如何從海量、雜亂的數(shù)據(jù)中挖掘出有價(jià)值的模式和知識(shí)剔猿，主要內(nèi)容包括分類與預(yù)測(cè)视译、關(guān)聯(lián)規(guī)則和聚類分析。數(shù)據(jù)挖掘在量化投資中的應(yīng)用归敬，介紹了基于SOM網(wǎng)絡(luò)的股票聚類方法和基于關(guān)聯(lián)規(guī)則的板塊輪動(dòng)研究2個(gè)方法酷含。
- 小波分析：主要研究如何將一個(gè)函數(shù)分解為一系列簡(jiǎn)單基函數(shù)的表示方法，這個(gè)可以看成是傅里葉變換的升級(jí)版汪茧。小波分析的基礎(chǔ)知識(shí)包括：連續(xù)小波變換椅亚、連續(xù)小波變換的離散化、多分辨分析和Mallat 算法舱污。小波分析在量化投資中的應(yīng)用呀舔，主要介紹了小波去燥和金融時(shí)序數(shù)據(jù)預(yù)測(cè)兩個(gè)方法。
- 支持向量機(jī)（SVM）：主要用于分類扩灯，它由于具有分類效果好媚赖、學(xué)習(xí)算法簡(jiǎn)單的特點(diǎn)，得到了廣泛的應(yīng)用珠插。SVM的內(nèi)容包括：線性SVM惧磺、非線性SVM、SVM分類器捻撑、模糊SVM等磨隘。SVM在量化投資中的應(yīng)用闡述了復(fù)雜金融時(shí)許數(shù)據(jù)預(yù)測(cè)和趨勢(shì)拐點(diǎn)預(yù)測(cè)兩個(gè)方法。
- 分形理論：以它的簡(jiǎn)單有效成為近幾年得到大量應(yīng)用的一種新的數(shù)學(xué)工具顾患，它主要是將復(fù)雜的世界抽象成簡(jiǎn)單分形的組合的一種研究方法番捂。這部分內(nèi)容包括：分形定義、典型分形江解、分形維數(shù)设预、L系數(shù)、IFS系統(tǒng)等膘流。分形理論在量化投資中的應(yīng)用絮缅，闡述了大趨勢(shì)分形預(yù)測(cè)和匯率預(yù)測(cè)這兩個(gè)策略鲁沥。
- 隨機(jī)過程：一組隨機(jī)變化的變化規(guī)律。在研究隨機(jī)過程時(shí)耕魄，人們透過表面的偶然性描述出必然的內(nèi)在規(guī)律画恰，并以概率的形式來描述這些規(guī)律。這部分內(nèi)容包括：隨機(jī)過程分布函數(shù)吸奴、數(shù)字特征允扇、常見隨機(jī)過程等。隨機(jī)過程在量化投資中的應(yīng)用则奥，主要闡述了利用灰色馬爾科夫鏈來預(yù)測(cè)股市的方法考润。
