量化投资是美国等发达国家在证券投资中运用十分广泛的一种技术。特别是近十年，信息化技术与金融交易结合更加紧密，这种以数学理论、金融市场数据与信息技术三者结合的方法，充分发挥出了量化投资的系统、准确、高效、客观等特点，极大的提高了投资决策的效率和效果。在这样的大背景下，研究量化投资交易在完善中国金融市场建设、拓宽投资渠道、促进市场发展等方面都具有十分重要的意义。
本书共15章，内容涵盖世界观、市场的统计特性、编程语言选择、量化研究工具、通用策略评价体系和开发流程、数据清洗、回测过拟研究、风控体系，以及趋势策略、资产配置、统计套利策略、高频策略、监督/无监督机器学习策略框架的具体实现。书中涉及的代码已经开源，读者可自行验证效果。
谨以此书献给所有与“随机性”战斗着的人们
体系完备：囊括市场认知、量化工具选择、数据预处理、策略评价体系、
资金管理、建模实践等量化研究的全流程
代码开源：相关章节的代码及参考论文已上传到GitHub
近年来，量化投资在美国等发达国家已逐渐成为证券投资中应用十分广泛的一种技术。特别是在近十年，信息化技术与金融交易的结合更加紧密，这种结合数学理论、金融市场数据与信息技术的方法，充分发挥出了量化投资的系统、准确、高效、客观等特点，极大地提高了投资决策的效率和效果。在这样的大背景下，研究量化投资交易对于完善中国金融市场建设、拓宽投资渠道、促进市场发展等方面都具有十分重要的意义。
时至今日，市面上与量化投资相关的图书可谓琳琅满目。随便打开一个电商的网站，输入“量化”这个词，就能找到为数众多的这类图书。但是，在这片繁荣之中，笔者也发现了一个有趣的现象：现有的图书往往以编程语言启蒙、交易系统搭建为主，对于量化交易中的核心问题——量化策略如何开发，却往往一笔带过，甚至避而不谈。偶尔有涉猎这方面的书，内容也往往围绕技术指标、海龟交易等老生常谈的内容，鲜有新意。是这方面的内容不重要吗？当然不是，因为买方不说话。和大多数事情一样，看不到的，往往是最重要的。
作家冯唐说：文学的标准的确很难量化，但是文学的确有一条金线，一部作品达到了就是达到了，没达到就是没达到，对于门外人，若隐若现，对于明眼人，一清二楚，洞若观火。量化研究，亦复如是。对于量化研究来说，支撑这条“金线”的，不仅是技术的积累、知识的储备，还有更深层次的对交易的理解，对市场的认识乃至对世界的认识。要在一本书中讲好这些，确实很难。
笔者入行多年，深知量化研究之难，也深知研究伊始“不得其门而入”之苦。之所以写这本书，是因为笔者希望这本书能让后来者在量化研究的道路上少走一些弯路，同时也在这个领域不让外国的专家专美于前。事先申明：本书不会有可以直接拿来盈利的策略，但是会紧紧围绕策略开发这条主线，尝试将市面上一些量化书籍不敢讲、不愿讲、不能讲的部分尽可能讲深、讲透。
本书共分三个部分，即基础篇、进阶篇、实战篇。第1~4章为基础篇，涉及的内容有关于交易和市场乃至世界的基本认识、各编程语言的特性以及常见的策略评价体系；第5~8章为进阶篇，涉及的内容有策略开发常用算法工具介绍、数据预处理算法介绍、风控概念初步介绍以及回测框架介绍，并在此基础上提出了一套合理的策略开发流程；后7章为实战篇，综合运用前面章节学到的知识，并且以公开论文为框架，讲解如何从一个想法一步步扩展成合理的量化策略，同时在模型的选择方面尽可能覆盖更多读者的需求，构建不同类型的策略。
阅读本书时，建议读者按照章节的顺序进行，同时采用“先通读章节内容，后调试程序，再精读章节内容”的方法。
由于笔者水平有限，书中难免会出现一些不严谨之处，恳请读者批评指正。本书各章涉及的源代码放在GitHub（https://github.com/HanLi123/book）上。读者在阅读过程中有任何疑问，均可在上述网站留言，或者发邮件至邮箱booksaga@126.com（主题为“量化交易核心策略开发：从建模到实战”）。
计算机\程序设计
量化投资是结合数学理论、金融市场数据与信息技术的一种新技术，在证券投资中的应用十分广泛。特别是近年来，信息化技术与金融交易的结合更加紧密，量化投资极大地提高了投资决策的效率和效果。
本书共15章，内容涵盖市场的统计特性、编程语言选择、量化研究工具、通用策略评价体系和开发流程、数据清洗、回测过度拟合研究、风控体系、趋势策略、资产配置、统计套利策略、高频策略、监督/无监督机器学习策略框架的具体实现等。书中涉及的代码已经开源，读者可自行验证效果。
本书特色：
1. 体系完整，包含量化策略开发从入门到精通需要面对的所有主题。
2. 重点明确，沿着量化策略开发这条主线开枝散叶。
本书读者对象：
本书可作为量化投资技术初学者、证券从业人员、金融投资人员的自学用书，也可作为金融机构的培训用书，还可作为高等院校相关专业师生的教学参考书。
推荐序（一）
李涵是吸引子科技科学家团队的开创者，他拿着iPAD阅读各大期刊最新学术论文的神态，就像老先生一边喝茶一边翻阅地方小报一样地轻松自如。他经常会拿着关于复杂系统动力学全世界最新的研究成果来跟我讨论，我只是递给他一个金融市场的万花筒，让他自由探索金融系统。我们的科学家团队就像蓝精灵一样自由地生活在传说之地，他们的发现常常是突破常规的惊人，而在传统的金融机构中，这样的团队是不可能生存的。在这本书中你也能看到这种极为特殊环境中成长的创造力。
通过本书，你不仅能看到量化策略的研发过程，还会看到一名物理学者对市场本质特征的思考，这样追求动力学机制的思辨，恰恰是传统唯象的量化策略最需要的补充。
“量化投资”其实并不是一个很好的分类名称，当人们把研究工具作为名称时很容易发生混肴。实际上，未来的投资方法大部分都是可以量化的，而其中的“世界观”大不相同：有从基本面出发做量化研究的，有从技术分析角度做量化研究的，还有从动力学机制入手做量化研究的。
金融市场作为一个复杂系统，常常处于有序混沌状态。当在一个准稳态“吸引子”附近时市场是可以被预测的，某个量化投资模型常常可以捕捉到这样的机会。市场一旦从这个准稳态进入到混沌状态，就变得不可预测了，于是原来的优化参数便全部失效。量化策略净值明显回撤时，整个模型会失效，即使优化参数也是无济于事的。实证模拟检验表明，历史时间序列自回归预测在混沌市场中的预测残差无结构，使预测者无法发现模型误设的问题，只能不断地调参寻优，预测错了也只能归结为运气不好，导致预测模型成为一种谜之信仰。这就是“在混沌中学会信仰”。大部分量化投资模型无法持续盈利实际上都源于此。
本书不但把主流量化策略和前沿的研究方法做到了工具书一般详尽的介绍，更可贵的是从市场本质特征出发，对各类量化策略做出了思辨和实证测试。本书指出：有效市场或者半有效市场并不是市场的本质特征，对环境的“适应性”才是市场的本质特征。因此，量化策略应该与不断变化的环境相结合，才能找到真正可靠的实践出路。
这是一本实践导向的量化策略攻略，从市场基础到策略前沿，从认知到实践，从反省到思辨，适合想对量化投资一探究竟而不盲从的你。
吸引子科技董事长：石磊
2019年9月21日
推荐序（二）
2019年，在以4G为主要技术背景的移动互联网浪潮中，一个从未接触过金融的小胖子—李涵加入了我们。
李涵是一个有思想、很刻苦的人，同时也是一个现实生活里懒于运动的人，大家从他编写的这本书中还会发现，他是一个充满浓郁价值观的人。
作为李涵的同事，很荣幸被邀请给他的处女作写推荐序。其实，我心里也有点小嫉妒，自己写了这么多年的专栏，却让这个小理想主义者先拔头筹。不过，我也很欣慰，这说明在我们的公司里，可以给有理想的年轻人一个框架和自由并存的空间。虽然大家每天忙碌在理想与现实的拼博中，但是我们团队里的同事们起码还在为理想而苦读冥想，这是值得我们欣慰和学习的。
这本书很好。它好在有世界观，有历史验证，有背景环境，有建设性意见。这是一本不常见的充满真实的对理想发力的书。我感觉，这只是一个开始。
嘉澳量化投资创始人
吸引子科技合伙人
乔嘉
推荐序（三）
很荣幸提前拜读了李涵先生这本量化交易方面的书稿。
量化交易和互联网行业虽然用着相似的数学、统计、优化技术，但是由于业务性质的区别，二者的行业生态很不一样。互联网行业的公司为了增加其影响力，往往会把源代码开源，让更多的人使用，这样能够以较低成本纠正其代码的错误，让更多人参与到开发和测试的工作中。然而，量化交易传统上认为是赚取超额收益的行业。既然有人赚取了超额收益，就会有人承担了超额亏损，本质上是个零和博弈的过程。因此，人们更倾向于把自己赚钱的法宝尽可能隐藏，避免吸引他人的目光。
恰恰相反，李涵先生会告知你交易的法则。这本书不仅有着扎实的数学理论基础，还提供了丰富的实证程序和图表说明，既适合量化金融的从业者，也适合高校的师生、研究人员学习。书中用例包含了MATLAB、Python等代码，方便读者学习和验证。
量化交易最担心的是过度拟合历史行情，这本书也提供了检验过度拟合的标准，更侧重于预测策略参数空间之间的相对关系，而不是策略的绝对表现，因为绝对表现与行情高度相关。事实上，如果样本内的最优参数，在样本外的表现不低于样本外中位数水平，可以认为没有过度拟合。很多时候，样本内赚钱和样本外亏钱不代表过度拟合，因为很可能所有参数在样本外都是亏钱。
对短期的盈亏没必要过分看重，毕竟板凳要坐十年冷，做量化要舍得投入时间和金钱，不能急功近利。所以，推荐李涵先生这本书，它值得大家花时间好好学习。
李尉
推荐序（一）
推荐序（二）
推荐序（三）
前言
第1章 交易是概率的游戏 1
1.1 从赌徒破产理论说起 1
1.2 大数定律与中心极限定理 3
1.3 最大熵原理 6
1.4 本章小结 7
第2章 关于市场的基本认知 8
2.1 从EMH到AMH 8
2.2 我们不能击败所有的猴子 9
2.2.1 让我们从基准指数开始 9
2.2.2 构建随机组合 10
2.2.3 结论 15
2.3 市场真的是随机的吗 15
2.3.1 金融图灵测试 15
2.3.2 算法意义上的随机性 17
2.3.3 NIST随机性检验 18
2.3.4 结果分析 38
2.4 为什么机器学习会失败 40
2.4.1 从债券和股票说起 40
2.4.2 如何处理时变的市场 43
2.5 本章小结 44
2.6 参考文献 44
第3章 编程语言的选择 47
3.1 各编程语言介绍 47
3.2 金融计算 49
3.3 语言特性 49
3.4 运行速度 50
3.5 数据处理 51
3.6 库支持 51
3.7 易用性 52
3.8 应用多语言合作开发实例 52
3.9 本章小结 54
第4章 策略开发基础 55
4.1 常见的策略类型介绍 55
4.1.1 基于预测模型的策略 55
4.1.2 不基于预测模型的交易策略 57
4.2 常见的策略评价指标 58
4.3 策略开发流程 60
4.4 策略开发常见问题 64
4.5 使用TqSdk进行策略开发和回测 65
4.6 本章小结 68
4.7 参考文献 68
第5章 量化工具介绍 70
5.1 利用yalmip解决凸优化问题 70
5.1.1 yalmip介绍 70
5.1.2 yalmip语法 71
5.1.3 应用实例1：组合优化 73
5.1.4 应用实例2：构建具有均值回复特性的组合 76
5.2 利用DE算法解决非凸优化问题 80
5.2.1 DE算法介绍 80
5.2.2 应用实例1：求解非凸Eggholder函数的全局最小值 82
5.2.3 应用实例2：股票内幕交易监测 87
5.3 本章小结 92
第6章 数据预处理 93
6.1 各类复权算法介绍 93
6.1.1 股票复权介绍 93
6.1.2 股票复权算法分类 94
6.1.3 期货连续化处理 96
6.2 各连续化处理对策略影响 97
6.3 股票全收益计算 98
6.3.1 全收益的定义 98
6.3.2 全收益率计算的具体思路与假设 99
6.3.3 以万科为例探讨全收益与后复权收益间的差异 100
6.3.4 结论 107
6.4 本章小结 108
第7章 风险控制 109
7.1 风险敞口决定了收益 109
7.2 策略收益分布与风格 112
7.3 组合：承担你想要的风险 113
7.4 超越风险平价 115
7.4.1 最小扭转赌注 116
7.4.2 实证分析 117
7.5 回撤控制：基于最优控制的视角 122
7.6 本章小结 124
第8章 过度拟合：发光的不一定是金子 125
8.1 回测过度拟合风险的测算框架 126
8.1.1 介绍 126
8.1.2 框架 126
8.1.3 应用举例 129
8.1.4 参考文献 132
8.2 Bootstrap 检验 132
8.2.1 原理介绍 132
8.2.2 应用流程 133
8.2.3 应用举例 133
8.3 Monte Carlo置换检验 136
8.3.1 原理介绍 136
8.3.2 应用流程 137
8.3.3 应用举例 138
8.4 本章小结 140
第9章 基于在线资产组合选择的交易策略 141
9.1 背景介绍 141
9.2 算法原理及代码实现 142
9.2.1 问题的提出 142
9.2.2 在线移动平均回归算法原理 142
9.2.3 在线移动平均回归代码实现 143
9.3 结果检验 146
9.4 应用于中国市场实例 146
9.4.1 基于申万一级行业指数的轮动策略 147
9.4.2 基于因子指数的因子配置策略 153
9.4.3 结论 155
9.5 本章小结 155
9.6 参考文献 155
第10章 基于模式识别的择时策略 157
10.1 背景介绍 157
10.2 策略原理及代码实现 157
10.2.1 策略概述 157
10.2.2 策略流程及代码实现 158
10.3 策略结果检验 162
10.3.1 在标普500股票上的结果 162
10.3.2 在罗素2000股票上的结果 163
10.4 应用于中国市场实例 164
10.4.1 策略说明 164
10.4.2 策略实现 165
10.4.3 结果检验 167
10.4.4 策略改进 168
10.4.5 结论 169
10.5 本章小结 169
10.6 参考文献 169
第11章 基于隐源模型的策略 171
11.1 背景介绍 171
11.2 算法原理及代码实现 171
11.2.1 问题的提出 171
11.2.2 隐源模型原理 172
11.2.3 基于隐源模型的比特币交易 173
11.2.4 论文结果 174
11.2.5 策略的代码实现及结果改进 176
11.3 应用于中国市场实例 185
11.4 本章小结 191
11.5 参考文献 191
第12章 基于随机最优控制的套利交易 192
12.1 背景介绍 192
12.2 算法原理及代码实现 192
12.2.1 问题的提出 193
12.2.2 最优控制视角的解决方案 194
12.2.3 模拟检验 196
12.3 应用于中国市场实例 200
12.3.1 应用于股票市场实例 200
12.3.2 应用于商品期货市场实例 202
12.4 本章小结 208
12.5 参考文献 208
第13章 基于模糊理论的趋势交易 209
13.1 背景介绍 209
13.1.1 模糊理论简单介绍 209
13.1.2 将模糊理论应用于股票研究 209
13.1.3 一个例子：基于移动均线的模糊建模 210
13.2 策略原理及代码实现 213
13.2.1 基于大买家和大卖家的模糊建模 213
13.2.2 策略构建 217
13.2.3 参数估计算法以及模拟验证 218
13.3 结果检验 222
13.3.1 香港市场应用实例 222
13.3.2 国内市场应用实例 227
13.4 本章小结 228
13.5 参考文献 229
第14章 基于分层隐马尔可夫模型的高频交易 230
14.1 背景介绍 230
14.2 理论基础 230
14.2.1 贝叶斯网络 231
14.2.2 动态贝叶斯网络 232
14.2.3 隐马尔可夫模型 233
14.2.4 分层隐马尔可夫模型 234
14.2.5 用HMM表达HHMM 235
14.3 基于RStan的HMM推理及参数估计 236
14.3.1 推理 236
14.3.2 参数估计 241
14.4 基于HHMM的量价建模 243
14.4.1 数据特征提取 243
14.4.2 HHMM建模 247
14.5 结果检验 252
14.5.1 基于论文的结果复现 252
14.5.2 改进 259
14.5.3 应用于中国市场实例 262
14.6 本章小结 266
14.7 参考文献 266
第15章 基于连续贝叶斯分类器的价格预测 268
15.1 背景介绍 268
15.2 理论基础 269
15.2.1 马尔可夫过程 269
15.2.2 连续时间贝叶斯网络 271
15.2.3 连续时间贝叶斯网络分类器 273
15.3 CTBNCToolkit说明 276
15.3.1 安装 276
15.3.2 命令 277
15.4 模型应用 278
15.4.1 外汇市场 278
15.4.2 国内商品期货市场 284
15.4.3 结论 291
15.5 本章小结 292
15.6 参考文献 292
