《量化投资：交易模型开发与数据挖掘》内容简介

本书是一本利用Python技术，结合人工智能、神经网络和机器学习、遗传算法等互联网技术进行相应行业模型开发的技术图书。本书第1～4章主要讲解了利用Python软件分析模型开发的入门知识，包括开发工具的使用、测试技术难点等内容；第5～7章主要讲解了利用人工智能中的神经网络技术进行技术研发，利用数据挖掘技术完善行业技术模型的数据加载与分析等内容；第8～9章主要讲解了利用大数据进行技术配置和风险控制等内容；第10～11章主要讲解了利用机器学习与遗传算法进行相应模型开发等内容。全书内容专业，案例丰富翔实，是作者多年来利用开发软件和人工智能结合进行相关领域软件开发与探索的最佳结晶。本书不仅适合想利用Python进行软件开发的用户，也适合有一定经验但想深入掌握人工智能、机器学习技术进行行业应用的用户使用，还可以作为机构培训的优秀教材。
韩焘 现任北京风云略投资管理有限公司基金经理。
从1998年成功申购基金开元开始入市参与基金和股票投资，拥有20多年的A股投资经验和10余年的程序化交易模型开发经验。
自2015年起，在私募、证券类基金公司担任副总经理和基金经理，管理资产近10亿元，拥有丰富的资产管理经验。截至2019年4月，在私募排排网“私募基金排名”的“近半年”时间段内位居全国第24名，“今年来”时间段内位居全国第139名。
主要研究量化分析及模型选股交易，熟练使用C、Java与Python等编程语言。通过多年积累的实战经验提炼出独有的高性能选股因子，设计开发了量化风控模型、量化交易与对冲模型，大大提升了交易成功率。

作品目录

推荐序一
推荐序二
推荐序三
第1章：量化投资入门
1.1、量化投资概述
1.2、量化投资与传统投资的比较
1.3、量化投资的国外发展现状及国内投资市场未来展望
1.4、突发汇率、加息、商誉的应对方法
第2章：量化投资策略的设计思路
2.1、量化投资策略的研发流程
2.2、量化投资策略的可行性研究
2.3、量化平台常用语言——Python
2.4、量化投资工具——Matplotlib
2.5、Matplotlib绘制K线图的方法
第3章：量化投资策略回测
3.1、选择回测平台的技巧
3.2、调用金融数据库中的数据
3.3、回测与实际业绩预期偏差的调试方法
3.4、设置回测参数
3.5、账户设置
3.6、策略基本方法
3.7、策略运行环境
3.8、获取和调用数据
3.9、账户相关属性
3.10、策略结果展示
3.11、批量回测
第4章：量化投资择时策略与选股策略的推进方法
4.1、多因子选股策略
4.2、多因子选股技巧
4.3、择时——均线趋势策略
4.4、择时——移动平均线模型
4.5、择时——自回归策略
4.6、择时——均线混合策略
第5章：量化对冲策略
5.1、宏观对冲策略
5.2、微观对冲策略：股票投资中的Alpha策略和配对交易
5.3、数据加载
5.4、AlphaHorizon
因子分析——数据格式化
5.5、收益分析
5.6、信息系数分析
5.7、换手率、因子自相关性分析
5.8、分类行业分析
5.9、总结性分析数据
5.10、AlphaHorizon完整分析模板
第6章：数据挖掘
6.1、数据挖掘分类模式
6.2、数据挖掘之神经网络
6.3、决策树
6.4、联机分析处理
6.5、数据可视化
第7章：量化投资中数据挖掘的使用方法
7.1、SOM神经网络
7.2、SOM神经网络结构
7.3、利用SOM模型对股票进行分析的方法
第8章：量化投资的资产配置和风险控制
8.1、资产配置的定义及分类
8.2、资产配置杠杆的使用
8.3、资产配置策略
8.4、风险平价配置方法的理论与实践
8.5、资产风险的来源
8.6、风险管理细则风险控制的4种基本方法
8.7、做好主观止损的技巧
第9章：量化仓位决策
9.1、凯利公式基本概念
9.2、凯利公式实验验证
9.3、等价鞅策略与反等价鞅策略
9.4、购买股指期货IF1905被套心理分析及应对策略
9.5、期货趋势策略仓位管理方法
9.6、海龟交易法操作商品期货策略
第10章：机器学习与遗传算法
10.1、机器学习系统及策略
10.2、演绎推理及归纳推理规则
10.3、专家系统体系结构
10.4、遗传算法基本原理及应用
10.5、使用遗传算法筛选内嵌因子
第11章：人工智能在量化投资策略中的应用
11.1、人工智能选股Boosting
模型使用方法
11.2、Boosting模型因子合成
11.3、因子测试
致谢