量化投资与FOF投资:以MATLAB+Python为工具电子书

内容简介

作者简介

前言

基础篇

第0章　N分钟学会MATLAB（60＜N＜180）

0.1　引言

0.2　基础知识

0.3　输入/输出

0.4　数据处理

0.5　数学运算

0.6　字符操作

0.7　日期时间

0.8　绘图相关

0.9　数学、金融、统计相关

0.10　其他

第1章　Python快速入门与进阶提高

1.1　快速入门

1.1.1　环境准备

1.1.2　开发工具

1.1.3　一张图学Python

1.1.4　Jupyter Notebook启动目录

1.1.5　国内镜像源

1.1.6　虚拟环境

1.1.7　包的安装

1.1.8　TA-Lib安装

1.1.9　Pandas显示控制选项

1.1.10　Notebook显示控制

1.2　进阶提高

1.2.1　批处理中切换到虚拟环境

1.2.2　GitHub仓库包的安装

1.2.3　包的引入

1.2.4　在线平台引入自定义包

1.2.5　pd.read_csv编码

1.2.6　pd.read_csv中文路径

1.2.7　pd.read_csv示例

1.2.8　pd.read_csv高级玩法

1.2.9　pickle技巧

1.2.10　MultiIndex多重索引的切片

1.2.11　星期

1.2.12　魔术命令

1.2.13　隐藏Notebook代码区

1.2.14　完全屏蔽Jupter Notebook源代码

1.2.15　Python源代码保护

1.2.16　Python加速

1.2.17　多进程

1.2.18　绘图内存泄露问题

1.2.19　ipynb转html

1.2.20　TA-Lib中的EMA计算

1.2.21　绩效指标计算

1.2.22　动态图表

高级篇

第2章　基于Python的优化问题

2.1　数值优化

2.1.1　线性规划

2.1.2　非线性优化

2.2　组合优化

2.2.1　风险预算

2.2.2　风险平价

2.2.3　bt库风险平价示例

第3章　资产配置中如何分配资金

3.1　由分配奖金说起

3.2　整体框架

3.3　组合优化动物园

3.3.1　零输入

3.3.2　价格外信息加权

3.3.3　方差协方差

3.3.4　均值-方差优化

3.4　其他

3.4.1　权重约束

3.4.2　方差协方差估计

3.4.3　多优化器

3.5　总结

第4章　K线图及常用技术指标的MATLAB实现

4.1　K线图的MATLAB实现

4.1.1　MATLAB内置函数candle实现

4.1.2　自己编写函数实现

4.2　常用技术指标的MATLAB实现

4.2.1　简单移动平均线（SMA）和指数移动平均线（EMA）

4.2.2　自适应移动平均线（AMA）

4.2.3　指数平滑异同移动平均线（MACD）

4.2.4　平均差（DMA）

第5章　基于MATLAB的行情软件

5.1　基于MATLAB的行情软件使用介绍

5.1.1　面板介绍

5.1.2　功能介绍

5.2　基于MATLAB的行情软件建立过程

5.2.1　GUI版面布局设计

5.2.2　核心函数编写

5.3　扩展阅读

5.3.1　MATLAB通过网页抓取从雅虎网站获取股票历史数据

5.3.2　MATLAB通过网页抓取从新浪网站获取股票实时数据

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

6.1　金融风险度量

6.1.1　常见的几种金融风险度量

6.1.2　衍生品投资组合的损失及风险

6.2　嵌套随机仿真方法

6.2.1　嵌套随机仿真的框架

6.2.2　基于自助采样法的计算量分配方法

第7章　基于MATLAB的风险管理

7.1　背景介绍

7.1.1　VaR模型

7.1.2　VaR计算方法

7.2　MATLAB实现

7.2.1　数据读取

7.2.2　数据处理

7.2.3　历史模拟法程序

7.2.4　参数模型法程序

7.2.5　蒙特卡罗模拟程序

7.2.6　计算结果比较

第8章　期权定价模型的MATLAB实现

8.1　概述

8.1.1　关于布莱克、斯科尔斯和莫顿的故事

8.1.2　Black-Scholes定价模型

8.2　Black-Scholes定价模型及希腊字母研究

8.2.1　Black-Scholes微分方程的推导

8.2.2　希腊字母研究及MATLAB仿真测试

8.3　二叉树定价模型研究

8.3.1　期权定价的数值方法概述

8.3.2　二叉树定价模型

8.3.3　二叉树模型下的希腊字母计算和测试

8.3.4　美式期权与欧式期权的风险指标对比

8.4　BAW定价模型研究

8.4.1　美式期权定价模型方法概述

8.4.2　BAW定价模型

8.4.3　BAW定价模型仿真测试

第9章　基于MATLAB的支持向量机（SVM）在量化投资中的应用

9.1　背景介绍

9.1.1　SVM概述

9.1.2　LibSVM工具箱

9.2　上证指数开盘指数预测

9.2.1　模型建立

9.2.2　MATLAB实现

9.3　上证指数开盘指数变化趋势和变化空间预测

9.3.1　信息粒化简介

9.3.2　模型建立

9.3.3　MATLAB实现

9.4　基于C-SVM的期货交易策略

9.4.1　引言

9.4.2　模型建立

9.4.3　MATLAB实现

9.5　扩展阅读

9.5.1　MATLAB自带的SVM实现函数与LibSVM的差别

9.5.2　关于SVM的学习资源汇总

第10章　MATLAB与其他金融平台终端的通信

10.1　DataHouse平台MATLAB接口介绍

10.1.1　DataHouse平台简介

10.1.2　MATLAB接口简介

10.2　Wind平台MATLAB接口介绍

10.2.1　Wind平台简介

10.2.2　MATLAB接口简介

第11章　基于MATLAB的交易品种选择分析

11.1　品种的流动性

11.2　品种的波动性

11.3　小结

第12章　基于MATLAB的交易品种相关性分析

12.1　背景介绍

12.2　MATLAB实现

12.2.1　计算相关性的时间长度和时间周期的选择

12.2.2　不同交易品种（资产）的时间轴校正

12.2.3　全市场品种的相关性图形展示

12.3　扩展阅读

第13章　基于MATLAB的国内期货证券交易解决方案

13.1　国内期货柜台系统介绍

13.2　MATLAB对接CTP的各种方式

13.3　开发前准备

13.3.1　文档下载

13.3.2　MATLAB安装

13.3.3　监控工具

13.3.4　开发工具

13.4　C# 版对接原理

13.5　XAPI版项目介绍

13.6　MATLAB对接期货接口介绍（XAPI项目.NET版）

13.6.1　导入C# 库

13.6.2　启动行情连接

13.6.3　显示连接状态

13.6.4　订阅行情

13.6.5　行情连接参数

13.6.6　启动交易连接

13.6.7　交易的相关事件

13.6.8　下单

13.6.9　撤单

13.6.10　退出

13.6.11　改进

13.7　MATLAB对接期货接口介绍（XAPI项目COM版）

13.7.1　COM组件注册

13.7.2　COM组件运行

13.7.3　COM事件注册

13.7.4　下单

13.8　MATLAB对接证券接口

13.9　MATLAB对接个股期权接口

第14章　构建基于MATLAB的回测系统

14.1　基于MATLAB的量化回测平台框架介绍

14.1.1　回测平台实现细节思考

14.1.2　回测平台框架

14.2　简单均线系统的MATLAB实现

14.3　基于MATLAB的策略回测模板样例

14.3.1　模板结构

14.3.2　相关回测变量和指标的定义

14.3.3　策略描述

14.3.4　数据准备

14.3.5　回测计算

14.3.6　策略评价

14.4　其他基于MATLAB的回测平台展示

14.4.1　HTS1.0——基于MATLAB设计的回测平台体验版

14.4.2　GreenDragon期货交易算法研发平台

14.4.3　交易策略回测GUI（Trading Strategy Back Tester）

第15章　基于MATLAB的多因子选股模型的实现

15.1　多因子模型介绍

15.1.1　背景

15.1.2　因子种类

15.1.3　因子库

15.1.4　全局参数

15.1.5　初始股票池

15.1.6　股票组合

15.1.7　情景分析

15.1.8　测试流程

15.1.9　评价体系

15.2　MATLAB实现

15.2.1　主脚本

15.2.2　提取数据

15.2.3　因子选股

15.2.4　回测

15.2.5　策略评价

15.3　总结

第16章　基于MATLAB和Wind的量化交易终端AsTradePlatform介绍与使用

16.1　背景介绍

16.2　面板介绍

16.3　模块介绍

16.3.1　前期准备

16.3.2　初始化

16.3.3　登录/退出模块

16.3.4　策略控制模块

16.3.5　标的池模块

16.3.6　策略监控模块

16.3.7　账户信息模块

16.3.8　手动交易

16.3.9　选股模型

16.4　总结与改进

第17章　基于MATLAB的BP神经网络在量化投资中的应用

17.1　基础简介

17.1.1　BP神经网络概述

17.1.2　基于MATLAB的BP神经网络的非线性系统建模

17.2　基于MATLAB的BP神经网络对股指连续收盘价进行预测

17.2.1　数据与指标选取

17.2.2　基于BP神经网络的股指连续的预测实现

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

18.1　背景介绍

18.1.1　广义极值分布

18.1.2　GEV分布与目标价格的突破概率

18.2　GEV策略与回测的MATLAB实现

18.2.1　策略准则

18.2.2　GEV策略构建

18.2.3　HS300回测

18.2.4　股指期货5分钟连续主力合约回测

第19章　基于MATLAB的正则表达式基础教程

19.1　引言

19.2　单个字符的匹配

19.2.1　句点符号

19.2.2　方括号符号

19.2.3　方括号中的连接符

19.2.4　特殊字符

19.2.5　类表达式

19.3　字符串的匹配

19.3.1　多次匹配

19.3.2　逻辑运算符

19.3.3　左顾右盼——利用上下文匹配

19.4　标记（tokens）

19.4.1　什么是标记

19.4.2　如何使用标记

19.5　多行字符串与多正则表达式

19.5.1　多个字符串与单个正则表达式匹配

19.5.2　多个字符串与多个正则表达式匹配

19.5.3　多字符串的替换

19.6　应用实例

第20章　FQuantToolBox股票期货数据获取&量化回测工具箱的介绍与使用

20.1　FQuantToolBox是做什么用的

20.2　FQuantToolBox工具箱内容简介

20.3　行情数据和基本面数据获取函数

20.4　工具箱各版本更新说明

第21章　双动量模型在资产配置中的作用

21.1　背景

21.2　他山之石

21.2.1　鲁棒资产配置（Robust Asset Allocation）

21.2.2　中信大类资产趋势策略指数（CSI CITIC Multi Asset Trend Index）

21.2.3　全球战术资产配置（Global Tactical Asset Allocation）

21.2.4　自适应资产配置策略（Adaptive Asset Allocation）

21.2.5　全球权益动量（Global Equities Momentum）

21.2.6　综合双动量模型（Composite Dual Momentum）

21.2.7　分散的双动量模型（Diversified Dual Momentum）

21.2.8　加速双动量（Accelerating Dual Momentum）

21.2.9　保护型资产配置（Protective Asset Allocation）

21.2.10　警惕型资产配置（Vigilant Asset Allocation）

21.2.11　防御型资产配置（Defensive Asset Allocation）

21.2.12　主动型混合资产配置（Active Combined Asset）

21.2.13　Mozaic指数

21.3　可以攻玉

21.3.1　数据

21.3.2　基本统计

21.3.3　横截面动量

21.3.4　时间序列动量

21.3.5　双动量

21.4　结论

第22章　基于低滞后均线在沪深300指数上的量化择时模型

22.1　低滞后均线介绍

22.2　低滞后均线策略回测的MATLAB实现

第23章　从量化角度详解美国ETF行业大奖的Buffer ETF创新产品

23.1　Buffer ETF基础知识

23.2　Buffer ETF的投资策略

第24章　量化FOF组合构建和分析技术在基金投顾中的应用

24.1　基金研究

24.1.1　基金评价方法

24.1.2　基金经理评价方法

24.2　大类资产配置与FOF组合构建

24.2.1　大类资产配置方法

24.2.2　大类资产配置方法的Python实现

24.2.3　FOF组合构建策略

24.2.4　FOF组合策略的Python实现

24.3　FOF组合分析

24.3.1　FOF组合分析概述

24.3.2　FOF组合分析举例

24.4　基金投顾与智能FOF

24.4.1　智能FOF

24.4.2　萝卜理财