书籍详情
量化投资与FOF投资：以MATLAB+Python为工具
作者：李洋（Faruto)
出版社：电子工业出版社
出版时间：2022-06-01
ISBN：9787121436352
定价：¥178.00
购买这本书可以去
内容简介
本书分为基础篇和高级篇两部分。基础篇通过Q＆A的方式介绍MATLAB和Python的主要功能、基本命令、数据处理等内容，使读者对MATLAB和Python有一个基本的了解。高级篇分为24章，介绍MATLAB和Python结合具体量化投资的相关案例，包括MATLAB处理优化问题和数据交互、绘制交易图形、构建行情软件和交易模型、基于MATLAB的BP神经网络和广义极值分布、基于MATLAB的正则表达式基础教程、FQuantToolBox 股票期货数据获取＆量化回测工具箱的介绍与使用等内容，通过丰富的实例和图形帮助读者理解和运用MATLAB和Python作为量化投资的工具。本书的特色在于不仅能满足理论学习的需要，还可以帮助读者边学边练，做到理论与实践相结合。本书适合经济金融机构的研究人员和从业人员、进行量化投资的交易员、具有统计背景的科研工作者、高等院校相关专业的教师和学生及对量化投资和MATLAB感兴趣的人士阅读。
作者简介
李洋（Faruto）十余年资管行业从业经验，先后就职于期货公司、保险资管、公募基金、国有大行理财子公司、大型公募基金财富管理子公司，从事量化投资以及资产配置相关工作。北京师范大学应用数学学士、硕士。18年MATLAB编程经验，Libsvm-MAT支持向量机加强版工具箱开发者，FQuantToolBox股票期货数据获取&量化回测工具箱开发者，对量化对冲类策略、CTA类策略、套利类策略以及FOF/MOM投资等有深入研究，且有多年投资实战经验，已出版《量化投资：以MATLAB为工具》（第1版、第2版）、《MATLAB神经网络30个案例分析》和《MATLAB神经网络43个案例分析》、翻译《金融与经济中的数值方法-基于MATLAB编程》、《MATLAB机器学习》等书籍。
目录
基 础 篇
第0章 N分钟学会MATLAB（60＜N＜180） 1
0.1 引言 1
0.2 基础知识 1
0.3 输入/输出 11
0.4 数据处理 13
0.5 数学运算 19
0.6 字符操作 27
0.7 日期时间 29
0.8 绘图相关 30
0.9 数学、金融、统计相关 36
0.10 其他 50
第1章 Python快速入门与进阶提高 53
1.1 快速入门 53
1.1.1 环境准备 53
1.1.2 开发工具 53
1.1.3 一张图学Python 54
1.1.4 Jupyter Notebook启动目录 55
1.1.5 国内镜像源 56
1.1.6 虚拟环境 56
1.1.7 包的安装 57
1.1.8 TA-Lib安装 57
1.1.9 Pandas显示控制选项 57
1.1.10 Notebook显示控制 58
1.2 进阶提高 58
1.2.1 批处理中切换到虚拟环境 58
1.2.2 GitHub仓库包的安装 59
1.2.3 包的引入 59
1.2.4 在线平台引入自定义包 60
1.2.5 pd.read_csv编码 61
1.2.6 pd.read_csv中文路径 61
1.2.7 pd.read_csv示例 62
1.2.8 pd.read_csv高级玩法 62
1.2.9 pickle技巧 63
1.2.10 MultiIndex多重索引的切片 63
1.2.11 星期 65
1.2.12 魔术命令 67
1.2.13 隐藏Notebook代码区 67
1.2.14 完全屏蔽Jupter Notebook源代码 67
1.2.15 Python源代码保护 68
1.2.16 Python加速 69
1.2.17 多进程 69
1.2.18 绘图内存泄露问题 70
1.2.19 ipynb转html 70
1.2.20 TA-Lib中的EMA计算 71
1.2.21 绩效指标计算 72
1.2.22 动态图表 75
高 级 篇
第2章 基于Python的优化问题 76
2.1 数值优化 76
2.1.1 线性规划 76
2.1.2 非线性优化 79
2.2 组合优化 80
2.2.1 风险预算 80
2.2.2 风险平价 84
2.2.3 bt库风险平价示例 86
第3章 资产配置中如何分配资金 89
3.1 由分配奖金说起 89
3.2 整体框架 89
3.3 组合优化动物园 91
3.3.1 零输入 91
3.3.2 价格外信息加权 93
3.3.3 方差协方差 94
3.3.4 均值-方差优化 99
3.4 其他 103
3.4.1 权重约束 103
3.4.2 方差协方差估计 103
3.4.3 多优化器 104
3.5 总结 105
第4章 K线图及常用技术指标的MATLAB实现 106
4.1 K线图的MATLAB实现 107
4.1.1 MATLAB内置函数candle实现 107
4.1.2 自己编写函数实现 108
4.2 常用技术指标的MATLAB实现 113
4.2.1 简单移动平均线（SMA）和指数移动平均线（EMA） 113
4.2.2 自适应移动平均线（AMA） 118
4.2.3 指数平滑异同移动平均线（MACD） 122
4.2.4 平均差（DMA） 125
第5章 基于MATLAB的行情软件 128
5.1 基于MATLAB的行情软件使用介绍 130
5.1.1 面板介绍 130
5.1.2 功能介绍 130
5.2 基于MATLAB的行情软件建立过程 133
5.2.1 GUI版面布局设计 133
5.2.2 核心函数编写 135
5.3 扩展阅读 144
5.3.1 MATLAB通过网页抓取从雅虎网站获取股票历史数据 145
5.3.2 MATLAB通过网页抓取从新浪网站获取股票实时数据 148
第6章 含衍生品的投资组合风险度量——基于嵌套随机仿真方法 153
6.1 金融风险度量 153
6.1.1 常见的几种金融风险度量 153
6.1.2 衍生品投资组合的损失及风险 155
6.2 嵌套随机仿真方法 156
6.2.1 嵌套随机仿真的框架 156
6.2.2 基于自助采样法的计算量分配方法 159
第7章 基于MATLAB的风险管理 164
7.1 背景介绍 164
7.1.1 VaR模型 164
7.1.2 VaR计算方法 167
7.2 MATLAB实现 167
7.2.1 数据读取 167
7.2.2 数据处理 177
7.2.3 历史模拟法程序 179
7.2.4 参数模型法程序 181
7.2.5 蒙特卡罗模拟程序 182
7.2.6 计算结果比较 186
第8章 期权定价模型的MATLAB实现 187
8.1 概述 187
8.1.1 关于布莱克、斯科尔斯和莫顿的故事 187
8.1.2 Black-Scholes定价模型 188
8.2 Black-Scholes定价模型及希腊字母研究 189
8.2.1 Black-Scholes微分方程的推导 189
8.2.2 希腊字母研究及MATLAB仿真测试 195
8.3 二叉树定价模型研究 214
8.3.1 期权定价的数值方法概述 214
8.3.2 二叉树定价模型 216
8.3.3 二叉树模型下的希腊字母计算和测试 221
8.3.4 美式期权与欧式期权的风险指标对比 225
8.4 BAW定价模型研究 229
8.4.1 美式期权定价模型方法概述 229
8.4.2 BAW定价模型 229
8.4.3 BAW定价模型仿真测试 233
第9章 基于MATLAB的支持向量机（SVM）在量化投资中的应用 235
9.1 背景介绍 235
9.1.1 SVM概述 235
9.1.2 LibSVM工具箱 237
9.2 上证指数开盘指数预测 239
9.2.1 模型建立 239
9.2.2 MATLAB实现 240
9.3 上证指数开盘指数变化趋势和变化空间预测 247
9.3.1 信息粒化简介 247
9.3.2 模型建立 250
9.3.3 MATLAB实现 251
9.4 基于C-SVM的期货交易策略 256
9.4.1 引言 256
9.4.2 模型建立 257
9.4.3 MATLAB实现 258
9.5 扩展阅读 273
9.5.1 MATLAB自带的SVM实现函数与LibSVM的差别 273
9.5.2 关于SVM的学习资源汇总 273
第10章 MATLAB与其他金融平台终端的通信 277
10.1 DataHouse平台MATLAB接口介绍 277
10.1.1 DataHouse平台简介 277
10.1.2 MATLAB接口简介 279
10.2 Wind平台MATLAB接口介绍 294
10.2.1 Wind平台简介 294
10.2.2 MATLAB接口简介 295
第11章 基于MATLAB的交易品种选择分析 300
11.1 品种的流动性 300
11.2 品种的波动性 303
11.3 小结 307
第12章 基于MATLAB的交易品种相关性分析 308
12.1 背景介绍 308
12.2 MATLAB实现 311
12.2.1 计算相关性的时间长度和时间周期的选择 312
12.2.2 不同交易品种（资产）的时间轴校正 314
12.2.3 全市场品种的相关性图形展示 314
12.3 扩展阅读 317
第13章 基于MATLAB的国内期货证券交易解决方案 321
13.1 国内期货柜台系统介绍 321
13.2 MATLAB对接CTP的各种方式 323
13.3 开发前准备 324
13.3.1 文档下载 324
13.3.2 MATLAB安装 325
13.3.3 监控工具 325
13.3.4 开发工具 326
13.4 C# 版对接原理 326
13.5 XAPI版项目介绍 327
13.6 MATLAB对接期货接口介绍（XAPI项目.NET版） 329
13.6.1 导入C# 库 330
13.6.2 启动行情连接 330
13.6.3 显示连接状态 334
13.6.4 订阅行情 338
13.6.5 行情连接参数 338
13.6.6 启动交易连接 338
13.6.7 交易的相关事件 339
13.6.8 下单 340
13.6.9 撤单 341
13.6.10 退出 342
13.6.11 改进 342
13.7 MATLAB对接期货接口介绍（XAPI项目COM版） 343
13.7.1 COM组件注册 343
13.7.2 COM组件运行 344
13.7.3 COM事件注册 346
13.7.4 下单 348
13.8 MATLAB对接证券接口 349
13.9 MATLAB对接个股期权接口 350
第14章 构建基于MATLAB的 回测系统 352
14.1 基于MATLAB的量化回测平台框架介绍 353
14.1.1 回测平台实现细节思考 353
14.1.2 回测平台框架 354
14.2 简单均线系统的MATLAB实现 355
14.3 基于MATLAB的策略回测模板样例 361
14.3.1 模板结构 361
14.3.2 相关回测变量和指标的定义 361
14.3.3 策略描述 363
14.3.4 数据准备 365
14.3.5 回测计算 366
14.3.6 策略评价 372
14.4 其他基于MATLAB的回测平台展示 379
14.4.1 HTS1.0——基于MATLAB设计的回测平台体验版 379
14.4.2 GreenDragon期货交易算法研发平台 381
14.4.3 交易策略回测GUI（Trading Strategy Back Tester） 381
第15章 基于MATLAB的多因子选股模型的实现 383
15.1 多因子模型介绍 383
15.1.1 背景 383
15.1.2 因子种类 383
15.1.3 因子库 384
15.1.4 全局参数 385
15.1.5 初始股票池 385
15.1.6 股票组合 386
15.1.7 情景分析 387
15.1.8 测试流程 387
15.1.9 评价体系 388
15.2 MATLAB实现 389
15.2.1 主脚本 389
15.2.2 提取数据 391
15.2.3 因子选股 393
15.2.4 回测 394
15.2.5 策略评价 398
15.3 总结 400
第16章 基于MATLAB和Wind的量化交易终端AsTradePlatform
介绍与使用 401
16.1 背景介绍 401
16.2 面板介绍 401
16.3 模块介绍 403
16.3.1 前期准备 403
16.3.2 初始化 407
16.3.3 登录/退出模块 408
16.3.4 策略控制模块 415
16.3.5 标的池模块 442
16.3.6 策略监控模块 452
16.3.7 账户信息模块 462
16.3.8 手动交易 464
16.3.9 选股模型 465
16.4 总结与改进 469
第17章 基于MATLAB的BP神经网络在量化投资中的应用 470
17.1 基础简介 470
17.1.1 BP神经网络概述 470
17.1.2 基于MATLAB的BP神经网络的非线性系统建模 477
17.2 基于MATLAB的BP神经网络对股指连续收盘价进行预测 481
17.2.1 数据与指标选取 481
17.2.2 基于BP神经网络的股指连续的预测实现 482
第18章 基于MATLAB的广义极值分布在量化投资中的策略挖掘与回测 485
18.1 背景介绍 485
18.1.1 广义极值分布 485
18.1.2 GEV分布与目标价格的突破概率 488
18.2 GEV策略与回测的MATLAB实现 494
18.2.1 策略准则 494
18.2.2 GEV策略构建 499
18.2.3 HS300回测 507
18.2.4 股指期货5分钟连续主力合约回测 511
第19章 基于MATLAB的正则 1
第0章 N分钟学会MATLAB（60＜N＜180） 1
0.1 引言 1
0.2 基础知识 1
0.3 输入/输出 11
0.4 数据处理 13
0.5 数学运算 19
0.6 字符操作 27
0.7 日期时间 29
0.8 绘图相关 30
0.9 数学、金融、统计相关 36
0.10 其他 50
第1章 Python快速入门与进阶提高 53
1.1 快速入门 53
1.1.1 环境准备 53
1.1.2 开发工具 53
1.1.3 一张图学Python 54
1.1.4 Jupyter Notebook启动目录 55
1.1.5 国内镜像源 56
1.1.6 虚拟环境 56
1.1.7 包的安装 57
1.1.8 TA-Lib安装 57
1.1.9 Pandas显示控制选项 57
1.1.10 Notebook显示控制 58
1.2 进阶提高 58
1.2.1 批处理中切换到虚拟环境 58
1.2.2 GitHub仓库包的安装 59
1.2.3 包的引入 59
1.2.4 在线平台引入自定义包 60
1.2.5 pd.read_csv编码 61
1.2.6 pd.read_csv中文路径 61
1.2.7 pd.read_csv示例 62
1.2.8 pd.read_csv高级玩法 62
1.2.9 pickle技巧 63
1.2.10 MultiIndex多重索引的切片 63
1.2.11 星期 65
1.2.12 魔术命令 67
1.2.13 隐藏Notebook代码区 67
1.2.14 完全屏蔽Jupter Notebook源代码 67
1.2.15 Python源代码保护 68
1.2.16 Python加速 69
1.2.17 多进程 69
1.2.18 绘图内存泄露问题 70
1.2.19 ipynb转html 70
1.2.20 TA-Lib中的EMA计算 71
1.2.21 绩效指标计算 72
1.2.22 动态图表 75
高 级 篇
第2章 基于Python的优化问题 76
2.1 数值优化 76
2.1.1 线性规划 76
2.1.2 非线性优化 79
2.2 组合优化 80
2.2.1 风险预算 80
2.2.2 风险平价 84
2.2.3 bt库风险平价示例 86
第3章 资产配置中如何分配资金 89
3.1 由分配奖金说起 89
3.2 整体框架 89
3.3 组合优化动物园 91
3.3.1 零输入 91
3.3.2 价格外信息加权 93
3.3.3 方差协方差 94
3.3.4 均值-方差优化 99
3.4 其他 103
3.4.1 权重约束 103
3.4.2 方差协方差估计 103
3.4.3 多优化器 104
3.5 总结 105
第4章 K线图及常用技术指标的MATLAB实现 106
4.1 K线图的MATLAB实现 107
4.1.1 MATLAB内置函数candle实现 107
4.1.2 自己编写函数实现 108
4.2 常用技术指标的MATLAB实现 113
4.2.1 简单移动平均线（SMA）和指数移动平均线（EMA） 113
4.2.2 自适应移动平均线（AMA） 118
4.2.3 指数平滑异同移动平均线（MACD） 122
4.2.4 平均差（DMA） 125
第5章 基于MATLAB的行情软件 128
5.1 基于MATLAB的行情软件使用介绍 130
5.1.1 面板介绍 130
5.1.2 功能介绍 130
5.2 基于MATLAB的行情软件建立过程 133
5.2.1 GUI版面布局设计 133
5.2.2 核心函数编写 135
5.3 扩展阅读 144
5.3.1 MATLAB通过网页抓取从雅虎网站获取股票历史数据 145
5.3.2 MATLAB通过网页抓取从新浪网站获取股票实时数据 148
第6章 含衍生品的投资组合风险度量——基于嵌套随机仿真方法 153
6.1 金融风险度量 153
6.1.1 常见的几种金融风险度量 153
6.1.2 衍生品投资组合的损失及风险 155
6.2 嵌套随机仿真方法 156
6.2.1 嵌套随机仿真的框架 156
6.2.2 基于自助采样法的计算量分配方法 159
第7章 基于MATLAB的风险管理 164
7.1 背景介绍 164
7.1.1 VaR模型 164
7.1.2 VaR计算方法 167
7.2 MATLAB实现 167
7.2.1 数据读取 167
7.2.2 数据处理 177
7.2.3 历史模拟法程序 179
7.2.4 参数模型法程序 181
7.2.5 蒙特卡罗模拟程序 182
7.2.6 计算结果比较 186
第8章 期权定价模型的MATLAB实现 187
8.1 概述 187
8.1.1 关于布莱克、斯科尔斯和莫顿的故事 187
8.1.2 Black-Scholes定价模型 188
8.2 Black-Scholes定价模型及希腊字母研究 189
8.2.1 Black-Scholes微分方程的推导 189
8.2.2 希腊字母研究及MATLAB仿真测试 195
8.3 二叉树定价模型研究 214
8.3.1 期权定价的数值方法概述 214
8.3.2 二叉树定价模型 216
8.3.3 二叉树模型下的希腊字母计算和测试 221
8.3.4 美式期权与欧式期权的风险指标对比 225
8.4 BAW定价模型研究 229
8.4.1 美式期权定价模型方法概述 229
8.4.2 BAW定价模型 229
8.4.3 BAW定价模型仿真测试 233
第9章 基于MATLAB的支持向量机（SVM）在量化投资中的应用 235
9.1 背景介绍 235
9.1.1 SVM概述 235
9.1.2 LibSVM工具箱 237
9.2 上证指数开盘指数预测 239
9.2.1 模型建立 239
9.2.2 MATLAB实现 240
9.3 上证指数开盘指数变化趋势和变化空间预测 247
9.3.1 信息粒化简介 247
9.3.2 模型建立 250
9.3.3 MATLAB实现 251
9.4 基于C-SVM的期货交易策略 256
9.4.1 引言 256
9.4.2 模型建立 257
9.4.3 MATLAB实现 258
9.5 扩展阅读 273
9.5.1 MATLAB自带的SVM实现函数与LibSVM的差别 273
9.5.2 关于SVM的学习资源汇总 273
第10章 MATLAB与其他金融平台终端的通信 277
10.1 DataHouse平台MATLAB接口介绍 277
10.1.1 DataHouse平台简介 277
10.1.2 MATLAB接口简介 279
10.2 Wind平台MATLAB接口介绍 294
10.2.1 Wind平台简介 294
10.2.2 MATLAB接口简介 295
第11章 基于MATLAB的交易品种选择分析 300
11.1 品种的流动性 300
11.2 品种的波动性 303
11.3 小结 307
第12章 基于MATLAB的交易品种相关性分析 308
12.1 背景介绍 308
12.2 MATLAB实现 311
12.2.1 计算相关性的时间长度和时间周期的选择 312
12.2.2 不同交易品种（资产）的时间轴校正 314
12.2.3 全市场品种的相关性图形展示 314
12.3 扩展阅读 317
第13章 基于MATLAB的国内期货证券交易解决方案 321
13.1 国内期货柜台系统介绍 321
13.2 MATLAB对接CTP的各种方式 323
13.3 开发前准备 324
13.3.1 文档下载 324
13.3.2 MATLAB安装 325
13.3.3 监控工具 325
13.3.4 开发工具 326
13.4 C# 版对接原理 326
13.5 XAPI版项目介绍 327
13.6 MATLAB对接期货接口介绍（XAPI项目.NET版） 329
13.6.1 导入C# 库 330
13.6.2 启动行情连接 330
13.6.3 显示连接状态 334
13.6.4 订阅行情 338
13.6.5 行情连接参数 338
13.6.6 启动交易连接 338
13.6.7 交易的相关事件 339
13.6.8 下单 340
13.6.9 撤单 341
13.6.10 退出 342
13.6.11 改进 342
13.7 MATLAB对接期货接口介绍（XAPI项目COM版） 343
13.7.1 COM组件注册 343
13.7.2 COM组件运行 344
13.7.3 COM事件注册 346
13.7.4 下单 348
13.8 MATLAB对接证券接口 349
13.9 MATLAB对接个股期权接口 350
第14章 构建基于MATLAB的 回测系统 352
14.1 基于MATLAB的量化回测平台框架介绍 353
14.1.1 回测平台实现细节思考 353
14.1.2 回测平台框架 354
14.2 简单均线系统的MATLAB实现 355
14.3 基于MATLAB的策略回测模板样例 361
14.3.1 模板结构 361
14.3.2 相关回测变量和指标的定义 361
14.3.3 策略描述 363
14.3.4 数据准备 365
14.3.5 回测计算 366
14.3.6 策略评价 372
14.4 其他基于MATLAB的回测平台展示 379
14.4.1 HTS1.0——基于MATLAB设计的回测平台体验版 379
14.4.2 GreenDragon期货交易算法研发平台 381
14.4.3 交易策略回测GUI（Trading Strategy Back Tester） 381
第15章 基于MATLAB的多因子选股模型的实现 383
15.1 多因子模型介绍 383
15.1.1 背景 383
15.1.2 因子种类 383
15.1.3 因子库 384
15.1.4 全局参数 385
15.1.5 初始股票池 385
15.1.6 股票组合 386
15.1.7 情景分析 387
15.1.8 测试流程 387
15.1.9 评价体系 388
15.2 MATLAB实现 389
15.2.1 主脚本 389
15.2.2 提取数据 391
15.2.3 因子选股 393
15.2.4 回测 394
15.2.5 策略评价 398
15.3 总结 400
第16章 基于MATLAB和Wind的量化交易终端AsTradePlatform
介绍与使用 401
16.1 背景介绍 401
16.2 面板介绍 401
16.3 模块介绍 403
16.3.1 前期准备 403
16.3.2 初始化 407
16.3.3 登录/退出模块 408
16.3.4 策略控制模块 415
16.3.5 标的池模块 442
16.3.6 策略监控模块 452
16.3.7 账户信息模块 462
16.3.8 手动交易 464
16.3.9 选股模型 465
16.4 总结与改进 469
第17章 基于MATLAB的BP神经网络在量化投资中的应用 470
17.1 基础简介 470
17.1.1 BP神经网络概述 470
17.1.2 基于MATLAB的BP神经网络的非线性系统建模 477
17.2 基于MATLAB的BP神经网络对股指连续收盘价进行预测 481
17.2.1 数据与指标选取 481
17.2.2 基于BP神经网络的股指连续的预测实现 482
第18章 基于MATLAB的广义极值分布在量化投资中的策略挖掘与回测 485
18.1 背景介绍 485
18.1.1 广义极值分布 485
18.1.2 GEV分布与目标价格的突破概率 488
18.2 GEV策略与回测的MATLAB实现 494
18.2.1 策略准则 494
18.2.2 GEV策略构建 499
18.2.3 HS300回测 507
18.2.4 股指期货5分钟连续主力合约回测 511
第19章 基于MATLAB的正则 1
猜您喜欢
