圖書信息
量化投資——策略與技術
ISBN 978-7-121-14997-9
2012年1月出版
定價：88.00元
16開
560頁
學習富可敵國的華爾街對沖基金的賺錢秘訣
深度解讀金融大鱷的核心投資策略
內容簡介
本書是國內第一本有關量化投資策略的著作，首先介紹了量化投資大師西蒙斯的傳奇故事（連續20年，每年賺60%）；然後用60多個案例介紹了量化投資的各個方面的內容，主要分為策略篇與理論篇兩部分，策略篇主要包括：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易和資產配置等。理論篇主要包括：人工智慧、數據挖掘、小波分析、支持向量機、分形理論、隨機過程及IT技術等；最後介紹了作者開發的D-Alpha量化對沖交易系統，該系統全球市場驗證顯示具有長期穩健的收益率。
本書適合基金經理、證券分析師、普通散戶及有志於從事金融投資的各界人士閱讀。
作者簡介
丁 鵬
中國量化投資研究的先行者，他開發的D-Alpha量化對沖交易系統，實戰中獲得持續穩健的收益率。
畢業於上海交通大學計算機系獲得工學博士學位，是國際知名的人工智慧研究員，美國電子電氣工程師學會（IEEE）、美國金融學會（AFA）會員。
2001年底進入上海交通大學工作，在金融工程、金融數學領域深入研究多年，在國際頂級刊物和會議上發表過十餘篇學術文章，獲得國家發明專利5項。
2008年進入東方證券股份有限公司工作，從事量化投資研究，在量化選股、量化擇時、統計套利、對沖交易等方面開發了多個策略模型，實戰中取得良好的業績效果。
前 言
連續20年，每年賺60%，從來沒有出現過虧損！
這是量化投資大師西蒙斯教授給出的戰績，這個成績將巴菲特和索羅斯遠遠地拋在身後，這已經成為華爾街頂尖對沖基金經理眼中的神話，一個讓人瞠乎絕塵的神話！
量化投資是最近十年來在國際投資界興起的一個新方法，發展勢頭迅猛，和基本面分析、技術面分析並稱為三大主流方法。基本面分析和技術面分析可以看做是傳統的證券分析理論，而量化投資則是結合了現代數學理論和金融數據的一種全新的分析方式，是現代化的證券分析方法。
和傳統的基本面分析和技術面分析比較起來，量化投資最大的特點就是定量化和精確化。
採用傳統分析方法取得良好業績的投資者首推巴菲特，連續40年，每年可以獲得20%的複合穩定收益。而量化投資大師西蒙斯則連續20年為投資者獲得超過35%的收益率，若包括業績提成在內，則實際每年投資收益率超過60%，由此可見量化投資的巨大威力。
2008年筆者去歐洲訪問研究，和德意志銀行、雷曼兄弟以及一家歐洲很大的對沖基金的研究員交流，2010年去香港和摩根斯坦利、美林證券以及野村證券的投資經理交流。給我最大的感受就是：這些國際頂級的投行在量化投資模型研究的深入與紮實。‘一切用數據說話’，這是他們任何投資決策的基石。
不知道有一天中國的金融市場全面開放後，國內的投資者能否抵擋華爾街金融大鱷們的衝擊。於是決定寫一本有關量化投資的書。
當開始動筆寫作本書時候，才發現這是一個極其艱難的工作。市面上沒有任何一本談論量化投資策略的書籍可供參考，故事書倒有幾本，但關於策略的內容少之又少，而有關量化投資的研究報告也散落在網路的各個角落。經過3個多月的精心篩選，精選出60多個精華策略，形成了本書的主要內容。希望能起一個拋磚引玉的作用，讓更多的投資者採用這種先進的分析方法，獲取更高和更穩定的投資收益。
本書特色
第一，實戰性。書中的案例絕大多數來自於實際的市場數據，只有很少一部分是純理論的分析。尤其是策略篇中的內容大部分來自於專業投資機構的研究報告，具有極強的實戰價值。
第二，基於中國市場。與量化投資最接近的書籍當屬“金融工程”，但目前金融工程中絕大多數的案例都來自於國外市場，很多策略在國內市場還不具備投資條件。本書中的案例基本上都是對國內市場（股票、期貨等）中的實際交易數據的分析，特別適合國內的投資者。
第三，理論性。量化投資離不開最新的數學和計算機理論的支持，本書用了將近一半的篇幅來闡述與量化投資有關的基礎理論，並用了很多案例來說明這些理論的套用方法。避免了一般投資策略書籍重技術而忽視理論的缺點，從而使量化投資更加科學化。
本書主要內容
本書的內容分為：策略篇和理論篇。策略篇中闡述了各種量化投資的策略與方法，理論篇則詳細介紹了支持量化投資的各種數學工具。
策略篇一共介紹了8個方面的投資策略，分別是量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易及其他策略。
投資策略 概述
量化選股 量化投資最重要的策略，主要是研究如何利用各種方法選出最佳的股票組合，使得該股票組合的收益率儘可能高的同時，保持儘可能的穩定性。量化選股一章闡述了8種不同角度的策略，分別為多因子模型、風格輪動模型、行業輪動模型、資金流模型、動量反轉模型、一致預期模型、趨勢追蹤模型和籌碼選股模型
量化擇時 量化投資中最難的，也是收益率最高的一種策略，主要研究大盤及個股走勢，並進行相應的高拋低吸操作。如果能夠正確判斷大盤，則收益率會比單純的買入-持有策略收益要高很多。這一章主要闡述了8種擇時模型，分別是趨勢擇時、市場情緒擇時、有效資金模型、牛熊線模型、Hurst指數模型、SVM模型、SWARCH模型和異常指標擇時
投資策略 概述
股指期貨套利 由於擇時操作存在巨大風險，而對於穩健性的資金，則希望尋找一種能夠穩定收益的交易策略。股指期貨套利研究的是如何利用股指期貨和現貨組合的對沖，去掉系統性風險後，獲得無風險收益。這一章闡述了有關股指期貨套利的一些主要方法，包括期現套利、跨期套利、衝擊成本、保證金管理等
商品期貨套利 與股指期貨類似的是在商品期貨市場從事套利交易，商品期貨市場波動更大，機會更多，當然風險也更大。這一章的內容包括：期現套利、跨期套利、跨市場套利和跨品種套利4個部分
統計套利 利用不同投資品種之間的相關性進行投資的一種方式，當兩個品種的價格差拉大到正常邊界時，進行多空同時建倉的操作，當恢復到正常的時候再雙向平倉，從而可以規避系統性風險。本章的內容主要有：配對交易、股指對沖、融券對沖和外匯對沖4個方面的內容
期權套利 期權套利一章研究的是利用看漲看跌期權或者牛熊證進行各種配對後，規避系統性風險後賺取波動差的投資方式。由於期權的高槓桿性，期權套利可以獲得比其他套利方式更高的收益率。這一章內容包括：股票-期權對沖、轉換套利、跨式套利、寬跨式套利、蝶式套利、飛鷹式套利
算法交易 算法交易是研究如何利用各種下單方法，儘可能降低衝擊成本的交易策略。一般分為主動式交易和被動式交易兩類，本章中主要研究的是被動交易算法（VWAP）
其他策略 討論了事件套利、ETF套利、LOF套利和高頻交易4種策略。這4種策略並不是投資的主流方法，但是在不同的市場環境下，往往存在無風險套利機會，比較適合於追求穩健的大資金操作
理論篇主要闡述了支持量化投資的各種數學和計算機工具，這部分的內容對讀者的數學功底有比較高的要求，一共有7章，分別是人工智慧、數據挖掘、小波分析、支持向量機、分形理論、隨機過程和IT技術。
投資理論 概述
人工智慧 主要是研究如何利用計算機技術模擬人的思維和解決問題的方式，包括機器學習、自動推理、專家系統、模式識別、人工神經網路和遺傳算法。人工智慧在量化投資中的套用，介紹了模式識別短線擇時、RBF神經網路股價預測和遺傳算法股價預測3個方法
投資理論 概述
數據挖掘 主要研究的是如何從海量、雜亂的數據中挖掘出有價值的模式和知識，主要內容包括分類與預測、關聯規則和聚類分析。數據挖掘在量化投資中的套用，介紹了基於SOM網路的股票聚類方法和基於關聯規則的板塊輪動研究2個方法
小波分析 主要是研究如何將一個函式分解為一系列簡單基函式的表示方法，這個可以看成是傅立葉變換的升級版。小波分析的基礎知識包括：連續小波變換、連續小波變換的離散化、多分辨分析和Mallat算法。小波分析在量化投資中的套用，主要介紹了小波去噪和金融時序數據預測兩個方法
支持向量機（SVM） 主要用於分類分析，它由於具有分類效果好、學習算法簡單的特點，得到了廣泛套用。SVM的內容包括：線性SVM、非線性SVM、SVM分類器、模糊SVM等。SVM在量化投資中的套用闡述了複雜金融時序數據預測和趨勢拐點預測兩個方法
分形理論 以它的簡單有效成為近幾年得到大量套用的一種新的數學工具，它主要是將複雜的世界抽象成簡單分形的組合的一種研究方法。這部分內容包括：分形定義、典型分形、分形維數、L系統、IFS系統等。分形理論在量化投資中的套用，闡述了大趨勢分形預測和匯率預測這兩個策略
隨機過程研究 一組隨機變數的變化規律。在研究隨機過程時，人們透過表面的偶然性描述出必然的內在規律，並以機率的形式來描述這些規律。這部分內容包括：隨機過程分布函式、數字特徵、常見隨機過程等。隨機過程在量化投資中的套用，主要闡述了利用灰色馬爾科夫鏈來預測股市的方法
IT技術 這一章概要介紹了與量化投資相關的主要IT技術，包括數據倉庫技術、面向對象編程、VBA語言、C#語言。由於IT技術的通用性，所以這裡只是簡單介紹，更詳細的編程技術需要參閱相關的參考書
在第18章，我們介紹了一些主要的數據和工具，包括萬德中國金融資料庫、文華財經程式化交易平台、交易開拓者期貨自動交易平台、大連交易所套利交易指令和MT5外匯自動交易平台。
在本書的最後，闡述了筆者開發的D-Alpha量化對沖交易系統，包括：系統構架、策略分析流程、核心算法以及驗證結果，從全球市場的驗證結果顯示，D-Alpha系統具有穩健的收益率。
讀者對象
本書適合於各種不同的投資者使用。對於專業量化投資者來說，書中的理論篇提供了基本的理論方法和算法，可以在此基礎上開發出更高效，更精確的策略模型，提高自己的投資收益率和收益率的穩定性。
對於傳統方法專業投資者來說，本書的策略篇中很多量化方法可以作為傳統投資方法的補充和精化，在投資決策中數量模型的結果可以降低很多人為的誤差和情緒影響，彌補傳統投資決策的缺陷。
對於普通投資者來說，可能缺乏數據和模型方法的技巧，但是書中各種策略的思路和方法同樣可以給他們以啟迪和幫助，特別是在開闊思路，加強交易能力方面，量化投資是普通投資者的一件利器。
致謝
在本書的寫作過程中，得到了業界同仁的大力協助。其中陳晨碩士校對了全書的第1~3章的內容，梁冠群博士校對了第4~9章的內容，翟樹新博士校對了第10~13章的內容，李心潔碩士校對了第14~17章的內容，戴蔡凌和陸運天協助做了封面設計，對他們的貢獻表示誠摯的感謝。
曾經猶豫是否要出版此書，因為有業內的朋友告誡我：“你將策略模型說出去，自己賺不到錢了”，我不同意他的觀點，因為策略模型是在不斷深化中發展的。沒有一個公司可以靠一個產品包打天下，我們做寬客的也不可能只靠一個模型吃一輩子。只有更多的人來研究量化投資，才能開發出更多更穩定的投資模型，才能促進中國整體對沖基金的發展。人類現代科技的基石就是“分享”，不是嗎？
由於自己才疏學淺，此書只能起著拋磚引玉的作用，希望將來有更多更好的研究書籍問世，也希望中國能湧現自己的量化投資大師，給投資者帶來持續穩定的收益。
經常有年輕的寬客問我“中國量化投資的未來有希望嗎？”我的回答是“美國對沖基金2萬億美金，中國還不到100億人民幣。美國最聰明的人都在華爾街做對沖基金，你說中國的量化投資會不會有未來？”
相信自己，是成功的第一步！
今天是2011年九月十九，九九歸一，真是好日子。自2001年底上海交大畢業留校做計算金融研究算起，到現在正好過去整整十年，好快啊，就以此書作為自己十年研究工作的一個總結吧。
窗外起風了，
天涼好個秋！
目 錄
策略篇
第 1章 量化投資概念 2
1.1 什麼是量化投資 2
1.1.1 量化投資定義 2
1.1.2 量化投資理解誤區 3
1.2 量化投資與傳統投資比較 6
1.2.1 傳統投資策略的缺點 6
1.2.2 量化投資策略的優勢 7
1.2.3 量化投資與傳統投資策略的比較 8
1.3 量化投資歷史 10
1.3.1 量化投資理論發展 10
1.3.2 海外量化基金的發展 12
1.3.3 量化投資在中國 15
1.4 量化投資主要內容 16
1.5 量化投資主要方法 21
第 2章 量化選股 25
2.1 多因子 26
2.1.1 基本概念 27
2.1.2 策略模型 27
2.1.3 實證案例：多因子選股模型 30
2.2 風格輪動 35
2.2.1 基本概念 35
2.2.2 盈利預期生命周期模型 38
2.2.3 策略模型 40
2.2.4 實證案例：中信標普風格 41
2.2.5 實證案例：大小盤風格 44
2.3 行業輪動 47
2.3.1 基本概念 47
2.3.2 M2行業輪動策略 50
2.3.3 市場情緒輪動策略 52
2.4 資金流 56
2.4.1 基本概念 56
2.4.2 策略模型 59
2.4.3 實證案例：資金流選股策略 60
2.5 動量反轉 63
2.5.1 基本概念 63
2.5.2 策略模型 67
2.5.3 實證案例：動量選股策略和反轉選股策略 70
2.6 一致預期 73
2.6.1 基本概念 74
2.6.2 策略模型 76
2.6.3 實證案例：一致預期模型案例 78
2.7 趨勢追蹤 84
2.7.1 基本概念 84
2.7.2 策略模型 86
2.7.3 實證案例：趨勢追蹤選股模型 92
2.8 籌碼選股 94
2.8.1 基本概念 95
2.8.2 策略模型 97
2.8.3 實證案例：籌碼選股模型 99
2.9 業績評價 104
2.9.1 收益率指標 104
2.9.2 風險度指標 105
第 3章 量化擇時 111
3.1 趨勢追蹤 112
3.1.1 基本概念 112
3.1.2 傳統趨勢指標 113
3.1.3 自適應均線 121
3.2 市場情緒 125
3.2.1 基本概念 126
3.2.2 情緒指數 128
3.2.3 實證案例：情緒指標擇時策略 129
3.3 有效資金 133
3.3.1 基本概念 133
3.3.2 策略模型 134
3.3.3 實證案例：有效資金擇時模型 137
3.4 牛熊線 141
3.4.1 基本概念 141
3.4.2 策略模型 143
3.4.3 實證案例：牛熊線擇時模型 144
3.5 HUSRT指數 146
3.5.1 基本概念 146
3.5.2 策略模型 148
3.5.3 實證案例 149
3.6 支持向量機 152
3.6.1 基本概念 152
3.6.2 策略模型 153
3.6.3 實證案例：SVM擇時模型 155
3.7 SWARCH模型 160
3.7.1 基本概念 160
3.7.2 策略模型 161
3.7.3 實證案例：SWARCH模型 164
3.8 異常指標 168
3.8.1 市場噪聲 168
3.8.2 行業集中度 170
3.8.3 興登堡凶兆 172
第 4章 股指期貨套利 180
4.1 基本概念 181
4.1.1 套利介紹 181
4.1.2 套利策略 183
4.2 期現套利 185
4.2.1 定價模型 185
4.2.2 現貨指數複製 186
4.2.3 正向套利案例 190
4.2.4 結算日套利 192
4.3 跨期套利 195
4.3.1 跨期套利原理 195
4.3.2 無套利區間 196
4.3.3 跨期套利觸發和終止 197
4.3.4 實證案例：跨期套利策略 199
4.3.5 主要套利機會 200
4.4 衝擊成本 203
4.4.1 主要指標 204
4.4.2 實證案例：衝擊成本 205
4.5 保證金管理 208
4.5.1 VaR方法 208
4.5.2 VaR計算方法 209
4.5.3 實證案例 211
第 5章 商品期貨套利 214
5.1 基本概念 215
5.1.1 套利的條件 216
5.1.2 套利基本模式 217
5.1.3 套利準備工作 219
5.1.4 常見套利組合 221
5.2 期現套利 225
5.2.1 基本原理 225
5.2.2 操作流程 226
5.2.3 增值稅風險 230
5.3 跨期套利 231
5.3.1 套利策略 231
5.3.2 實證案例：PVC跨期套利策略 233
5.4 跨市場套利 234
5.4.1 套利策略 234
5.4.2 實證案例：倫銅—滬銅跨市場套利 235
5.5 跨品種套利 236
5.5.1 套利策略 237
5.5.2 實證案例 238
5.6 非常狀態處理 240
第 6章 統計套利 242
6.1 基本概念 243
6.1.1 統計套利定義 243
6.1.2 配對交易 244
6.2 配對交易 247
6.2.1 協整策略 247
6.2.2 主成分策略 254
6.2.3 績效評估 256
6.2.4 實證案例：配對交易 258
6.3 股指套利 261
6.3.1 行業指數套利 261
6.3.2 國家指數套利 263
6.3.3 洲域指數套利 264
6.3.4 全球指數套利 266
6.4 融券套利 267
6.4.1 股票—融券套利 267
6.4.2 可轉債—融券套利 268
6.4.3 股指期貨—融券套利 269
6.4.4 封閉式基金—融券套利 271
6.5 外匯套利 272
6.5.1 利差套利 273
6.5.2 貨幣對套利 275
第 7章 期權套利 277
7.1 基本概念 278
7.1.1 期權介紹 278
7.1.2 期權交易 279
7.1.3 牛熊證 280
7.2 股票/期權套利 283
7.2.1 股票—股票期權套利 283
7.2.2 股票—指數期權套利 284
7.3 轉換套利 285
7.3.1 轉換套利 285
7.3.2 反向轉換套利 287
7.4 跨式套利 288
7.4.1 買入跨式套利 289
7.4.2 賣出跨式套利 291
7.5 寬跨式套利 293
7.5.1 買入寬跨式套利 293
7.5.2 賣出寬跨式套利 294
7.6 蝶式套利 296
7.6.1 買入蝶式套利 296
7.6.2 賣出蝶式套利 298
7.7 飛鷹式套利 299
7.7.1 買入飛鷹式套利 300
7.7.2 賣出飛鷹式套利 301
第 8章 算法交易 304
8.1 基本概念 305
8.1.1 算法交易定義 305
8.1.2 算法交易分類 306
8.1.3 算法交易設計 308
8.2 被動交易算法 309
8.2.1 衝擊成本 310
8.2.2 等待風險 312
8.2.3 常用被動型交易策略 314
8.3 VWAP算法 316
8.3.1 標準VWAP算法 316
8.3.2 改進型VWAP算法 319
第 9章 其他策略 323
9.1 事件套利 324
9.1.1 併購套利策略 324
9.1.2 定向增發套利 325
9.1.3 套利重倉停牌股票的投資組合 326
9.1.4 封閉式投資組合套利 327
9.2 ETF套利 328
9.2.1 基本概念 328
9.2.2 無風險套利 330
9.2.3 其他套利 334
9.3 LOF套利 335
9.3.1 基本概念 335
9.3.2 模型策略 336
9.3.3 實證案例：LOF套利 337
9.4 高頻交易 341
9.4.1 流動性回扣交易 341
9.4.2 獵物算法交易 342
9.4.3 自動做市商策略 343
9.4.4 程式化交易 343
理論篇
第 10章 人工智慧 346
10.1 主要內容 347
10.1.1 機器學習 347
10.1.2 自動推理 350
10.1.3 專家系統 353
10.1.4 模式識別 356
10.1.5 人工神經網路 358
10.1.6 遺傳算法 362
10.2 人工智慧在量化投資中的套用 366
10.2.1 模式識別短線擇時 366
10.2.2 RBF神經網路股價預測 370
10.2.3 基於遺傳算法新股預測 375
第 11章 數據挖掘 381
11.1 基本概念 382
11.1.1 主要模型 382
11.1.2 典型方法 384
11.2 主要內容 385
11.2.1 分類與預測 385
11.2.2 關聯規則 391
11.2.3 聚類分析 397
11.3 數據挖掘在量化投資中的套用 400
11.3.1 基於SOM 網路的股票聚類分析方法 400
11.3.2 基於關聯規則的板塊輪動 403
第 12章 小波分析 407
12.1 基本概念 408
12.2 小波變換主要內容 409
12.2.1 連續小波變換 409
12.2.2 連續小波變換的離散化 410
12.2.3 多分辨分析與Mallat算法 411
12.3小波分析在量化投資中的套用 414
12.3.1 K線小波去噪 414
12.3.2 金融時序數據預測 420
第 13章 支持向量機 429
13.1 基本概念 430
13.1.1 線性SVM 430
13.1.2 非線性SVM 433
13.1.3 SVM分類器參數選擇 435
13.1.4 SVM分類器從二類到多類的推廣 436
13.2 模糊支持向量機 437
13.2.1 增加模糊後處理的SVM 437
13.2.2 引入模糊因子的SVM訓練算法 439
13.3 SVM在量化投資中的套用 440
13.3.1 複雜金融時序數據預測 440
13.3.2 趨勢拐點預測 445
第 14章 分形理論 452
14.1 基本概念 453
14.1.1 分形定義 453
14.1.2 幾種典型的分形 454
14.1.3 分形理論的套用 456
14.2 主要內容 457
14.2.1 分形維數 457
14.2.2 L系統 458
14.2.3 IFS系統 460
14.3 分形理論在量化投資中的套用 461
14.3.1 大趨勢預測 461
14.3.2 匯率預測 466
第 15章 隨機過程 473
15.1 基本概念 473
15.2 主要內容 476
15.2.1 隨機過程的分布函式 476
15.2.2 隨機過程的數字特徵 476
15.2.3 幾種常見的隨機過程 477
15.2.4 平穩隨機過程 479
15.3 灰色馬爾可夫鏈股市預測 480
第 16章 IT技術 486
16.1 數據倉庫技術 486
16.1.1 從資料庫到數據倉庫 487
16.1.2 數據倉庫中的數據組織 489
16.1.3 數據倉庫的關鍵技術 491
16.2 程式語言 493
16.2.1 面向對象編程 493
16.2.2 VBA 語言 497
16.2.3 C#語言 504
第 17章 主要數據與工具 509
17.1 萬德中國金融資料庫 509
17.2 文華財經：程式化交易平台 511
17.3 交易開拓者：期貨自動交易平台 514
17.4 大連交易所套利指令 518
17.5 MT5：外匯自動交易平台 522
第 18章 量化對沖交易系統：
D-Alpha 528
18.1 系統構架 528
18.2 策略分析流程 530
18.3 核心算法 532
18.4 驗證結果 534
表 目 錄
表1 1 不同投資策略對比 7
表2 1 多因子選股模型候選因子 30
表2 2 多因子模型候選因子初步檢驗 31
表2 3 多因子模型中通過檢驗的有效因子 32
表2 4 多因子模型中剔除冗餘後的因子 33
表2 5 多因子模型組合分段收益率 33
表2 6 晨星市場風格判別法 36
表2 7 夏普收益率基礎投資風格鑑別 37
表2 8 中信標普風格指數 41
表2 9 風格動量策略組合月均收益率 43
表2 10 大小盤風格輪動策略月收益率均值 46
表2 11 中國貨幣周期分段（2000—2009年） 49
表2 12 滬深300行業指數統計 50
表2 13 不同貨幣階段不同行業的收益率 51
表2 14 招商資金流模型（CMSMF）計算方法 58
表2 15 招商資金流模型（CMSMF）選股指標定義 59
表2 16 資金流模型策略——滬深300 61
表2 17 資金流模型策略——全市場 62
表2 18 動量組合相對基準的平均年化超額收益（部分） 68
表2 19 反轉組合相對基準的平均年化超額收益(部分) 69
表2 20 動量策略風險收益分析 71
表2 21 反轉策略風險收益分析 73
表2 22 趨勢追蹤技術收益率 93
表2 23 籌碼選股模型中單個指標的收益率情況對比 99
表3 1 MA指標擇時測試最好的20 組參數及其表現 117
表3 2 4個趨勢型指標最優參數下的獨立擇時交易表現比較 120
表3 3 有交易成本情況下不同信號個數下的綜合擇時策略 120
表3 4 自適應均線擇時策略收益率分析 124
表3 5 市場情緒類別 126
表3 6 滬深300指數在不同情緒區域的當月收益率比較 128
表3 7 滬深300指數在不同情緒變化區域的當月收益率比較 129
表3 8 滬深300指數在不同情緒區域的次月收益率比較 130
表3 9 滬深300指數在不同情緒變化區域的次月收益率比較 130
表3 10 情緒指數擇時收益率統計 132
表3 11 SVM擇時模型的指標 156
表3 12 SVM對滬深300指數預測結果指標匯總 156
表3 13 SVM擇時模型在整體市場的表現 156
表3 14 SVM擇時模型在單邊上漲市的表現 157
表3 15 SVM擇時模型在單邊下跌市的表現 158
表3 16 SVM擇時模型在震盪市的表現 159
表3 17 噪聲交易在熊市擇時的收益率 170
表4 1 各種方法在不同股票數量下的跟蹤誤差（年化） 190
表4-2 股指期貨多頭跨期套利過程分析 199
表4 3 不同開倉比例下的不同保證金水平能夠覆蓋的市場波動及其機率 211
表4 4 不同倉單持有期下的保證金覆蓋比例 212
表6 1 融券標的股票中在樣本期內最相關的50 對組合（部分） 248
表6 2 殘差的平穩性、自相關等檢驗 249
表6 3 在不同的閾值下建倉、平倉所能獲得的平均收益 251
表6 4 採用不同的模型在樣本內獲取的收益率及最優閾值 252
表6 5 採用不同的模型、不同的外推方法在樣本外獲取的收益率（%） 253
表6 6 主成分配對交易在樣本內取得的收益率及最優閾值 255
表6 7 主成分配對交易在樣本外的效果 255
表6-8 各種模型下統計套利的結果 256
表6 9 延後開倉+提前平倉策略實證結果 260
表6 10 各行業的配對交易結果 261
表7 1 多頭股票-期權套利綜合分析表 283
表7 2 多頭股票—股票期權套利案例損益分析表 284
表7 3 多頭股票-指數期權套利案例損益分析表 285
表7 4 轉換套利分析過程 286
表7 5 買入跨式套利綜合分析表 289
表7 6 買入跨式套利交易細節 289
表7 7 賣出跨式套利綜合分析表 291
表7 8 賣出跨式套利交易細節 292
表7 9 買入寬跨式套利綜合分析表 293
表7 10 賣出寬跨式套利綜合分析表 294
表7 11 買入蝶式套利綜合分析表 296
表7 12 賣出蝶式套利綜合分析表 298
表7 13 買入飛鷹套利分析表 300
表7 14 賣出飛鷹式套利綜合分析表 301
表9 1 主要併購方式 324
表9 2 併購套利流程 325
表9 3 鵬華300 LOF兩次正向套利的情況 339
表9 4 鵬華300 LOF兩次反向套利的情況 340
表10 1 自動推理中連詞系統 352
表10 2 模式識別短線擇時樣本數據分類 369
表10 3 RBF神經網路股價預測結果 375
表10 4 遺傳算法新股預測參數設定 379
表10 5 遺傳算法新股預測結果 380
表11 1 決策樹數據表 389
表11 2 關聯規則案例數據表 392
表11 3 SOM股票聚類分析結果 403
表11 4 21種股票板塊指數布爾關係表數據片斷 404
表12 1 深發展A日收盤價小波分析方法預測值與實際值比較 427
表12 2 不同分解層數的誤差均方根值 428
表13 1 SVM滬深300指數預測誤差情況 445
表13 2 SVM指數預測和神經網路預測的比較 445
表13 3 技術反轉點定義與圖型 448
表13 4 SVM趨勢拐點預測結果 450
表14 1 持續大漲前後分形各主要參數值 463
表14 2 持續大跌前後分形個主要參數值 465
表14 3 外匯R/ S 分析的各項指標 469
表14 4 V(R/S)曲線回歸檢驗 470
表15 1 灰色馬爾可夫鏈預測深證成指樣本內（2005/1—2006/8） 484
表15 2 灰色馬爾可夫鏈預測深證成指樣本外（2006/9—2006/12） 484
表16-1 VBA的12種數據類型 499
表18-1 D-Alpha系統在全球市場收益率分析 534
