《量化投資四維邏輯》，讓不可思議變為現實

書名：《量化投資四維邏輯》

出版單位：中國財政經濟出版社

ＩＳＢＮ ９７８ －７ －５０９５ －8534 －4

出版日期：2018年10月

定價：88.00元

（一）

格雷厄姆曾說：“市場短期是投票器，長期是稱重機。”在中國價值投資理念已經開始起步、市場格局向機構主導的成熟轉型過程中，經過市場檢驗、契合市場風格的量化價值產品正逢其時。

正是認識到這種發展趨勢，本書基于大數據的人工智能量化策略研究，從以下三個視角進行突破：

第一，利用人工智能，將非結構化大數據運用到量化投資策略上。

第二，借助人工智能的算法突破線性建模的限制。

第三，加強對強化學習算法的研究。

毋庸置疑，市場是激烈競爭的，過去的市場異象會成為當前的隨機噪音，投資者只有不斷尋找新的指標、模型與應用方法才能持續獲取超額收益。而量化交易利用公開數據，利用數據挖掘技術、統計技術、計算方法等處理數據,可以得到最優的投資組合和投資機會，大大降低了投資者對市場的人為干預，擺脫人性的弱點，不僅提高了效率，也加快了策略更新。

（二）

為了更加清晰、立體、系統地闡釋量化投資的邏輯，本書特別選擇了選股、擇時、機器學習和資產配置四個維度來分析。

? 量化選股，主要分析了標的的指標信號。

由于市場的激烈競爭及利益驅動市場機制的存在，投資者只能不斷尋找下一個指標信號來戰勝市場，一旦新的指標信號被證明有用，其收益最終都將會被套走，市場將變得越來越有效。因此真正的能獲取超額收益的指標很稀缺，持續戰勝市場也很困難，量化選股則能不斷尋找新的指標信號來持續獲取超額收益。

? 量化擇時則利用某種時序分析方法來判斷市場未來的走勢情況。

基于判斷的結果來制定相應的策略，主要包括動量和反轉兩個方面。前者主要通過跟蹤市場持續的方向，認為未來會繼續按照該趨勢運行，因而可以通過過去的趨勢制定策略；后者的核心思想是超漲或超跌的股票價格會出現反轉，因而可以通過挖掘價格拐點構建策略。

? 機器學習是人工智能中最能體現人類智慧的技術。

在量化投資領域的應用通?？梢越Y合傳統的量化投資策略。投資者可以通過機器學習量化投資策略平臺，將數據、算法、算力有效結合，構造具備獨特性和完備性等特征的機器學習策略。

? 資產配置是將其財產在不同國家和不同資產類別中進行分配。

作為投資管理過程中的關鍵一環，每種資產配置策略都有其適用范圍，取決于投資者的目標及約束條件的變化，以及投資組合管理者對資本市場歷史與未來關系的理解。投資組合管理者必須隨時注意到投資者和資本市場的重要變化，并及時調整資產配置比例。

（三）

在美國，量化投資的發展已經到了相當成熟的階段。而國內量化投資的起步比美國市場晚了30多年。

在量化投資這個領域，做得好的人往往守口如瓶，做得不太好的人卻到處高談闊論。這給新入行的量化投資人帶來極大的困擾。其實，中國的量化投資人不應亦步亦趨，而是應該以成熟的美國量化投資策略為基礎，結合中國股票市場的投資者結構和市場特征進行本土化改造。于是，本書率先作出嘗試，構建本土化的量化投資策略，為廣大量化投資人建立一個全新的分析框架。

“第一篇 量化選股策略”，概述了量化選股策略的收益來源及其框架，并對量化策略整個流程中的單指標分析、多因子收益模型、風險模型、投資組合構建和績效歸因與評價進行了實證研究與展示，得出了科學的結論。

“第二篇 量化擇時策略篇”，主要論述了動量擇時模型與反轉擇時模型，前者包括均線擇時系統、指數收益率奇數階矩等方法，后者包括DeMark Combo策略、LPPL模型等方法。

“第三篇 機器學習量化策略”，闡述了機器學習的相關概念及其策略開發流程，并給出了主流的機器學習算法——簡單決策樹、GB決策樹、隨機森林、長短期記憶模型、臨近取樣算法的實證結果與分析結論。

“第四篇 資產配置篇”，就資產配置決策、資產配置策略、綜合型資產配置、戰略型資產配置、戰術型資產配置、保障型資產配置等進行了論述，并就基于風險平價、風險預算、Black-Litterman模型的資產配置和行業配置進行了實證分析。