首页 > 中国财政经济出版社 > 精品评价 > 正文

《量化投资四维逻辑》,让不可思议变为现实

核心提示: 格雷厄姆曾说:“市场短期是投票器,长期是称重机。”在中国价值投资理念已经开始起步、市场格局向机构主导的成熟转型过程中,经过市场检验、契合市场风格的量化价值产品正逢其时。

量子

书名:《量化投资四维逻辑》

出版单位:中国财政经济出版社

ISBN 978 -7 -5095 -8534 -4

出版日期:2018年10月

定价:88.00元

(一)

格雷厄姆曾说:“市场短期是投票器,长期是称重机。”在中国价值投资理念已经开始起步、市场格局向机构主导的成熟转型过程中,经过市场检验、契合市场风格的量化价值产品正逢其时。

正是认识到这种发展趋势,本书基于大数据的人工智能量化策略研究,从以下三个视角进行突破:

第一,利用人工智能,将非结构化大数据运用到量化投资策略上。

第二,借助人工智能的算法突破线性建模的限制。

第三,加强对强化学习算法的研究。

毋庸置疑,市场是激烈竞争的,过去的市场异象会成为当前的随机噪音,投资者只有不断寻找新的指标、模型与应用方法才能持续获取超额收益。而量化交易利用公开数据,利用数据挖掘技术、统计技术、计算方法等处理数据,可以得到最优的投资组合和投资机会,大大降低了投资者对市场的人为干预,摆脱人性的弱点,不仅提高了效率,也加快了策略更新。

 

(二)

为了更加清晰、立体、系统地阐释量化投资的逻辑,本书特别选择了选股、择时、机器学习和资产配置四个维度来分析。

○ 量化选股,主要分析了标的的指标信号。

由于市场的激烈竞争及利益驱动市场机制的存在,投资者只能不断寻找下一个指标信号来战胜市场,一旦新的指标信号被证明有用,其收益最终都将会被套走,市场将变得越来越有效。因此真正的能获取超额收益的指标很稀缺,持续战胜市场也很困难,量化选股则能不断寻找新的指标信号来持续获取超额收益。

○ 量化择时则利用某种时序分析方法来判断市场未来的走势情况。

基于判断的结果来制定相应的策略,主要包括动量和反转两个方面。前者主要通过跟踪市场持续的方向,认为未来会继续按照该趋势运行,因而可以通过过去的趋势制定策略;后者的核心思想是超涨或超跌的股票价格会出现反转,因而可以通过挖掘价格拐点构建策略。

○ 机器学习是人工智能中最能体现人类智慧的技术。

在量化投资领域的应用通常可以结合传统的量化投资策略。投资者可以通过机器学习量化投资策略平台,将数据、算法、算力有效结合,构造具备独特性和完备性等特征的机器学习策略。

○ 资产配置是将其财产在不同国家和不同资产类别中进行分配。

作为投资管理过程中的关键一环,每种资产配置策略都有其适用范围,取决于投资者的目标及约束条件的变化,以及投资组合管理者对资本市场历史与未来关系的理解。投资组合管理者必须随时注意到投资者和资本市场的重要变化,并及时调整资产配置比例。

 

(三)

在美国,量化投资的发展已经到了相当成熟的阶段。而国内量化投资的起步比美国市场晚了30多年。

在量化投资这个领域,做得好的人往往守口如瓶,做得不太好的人却到处高谈阔论。这给新入行的量化投资人带来极大的困扰。其实,中国的量化投资人不应亦步亦趋,而是应该以成熟的美国量化投资策略为基础,结合中国股票市场的投资者结构和市场特征进行本土化改造。于是,本书率先作出尝试,构建本土化的量化投资策略,为广大量化投资人建立一个全新的分析框架。

“第一篇 量化选股策略”,概述了量化选股策略的收益来源及其框架,并对量化策略整个流程中的单指标分析、多因子收益模型、风险模型、投资组合构建和绩效归因与评价进行了实证研究与展示,得出了科学的结论。

“第二篇 量化择时策略篇”,主要论述了动量择时模型与反转择时模型,前者包括均线择时系统、指数收益率奇数阶矩等方法,后者包括DeMark Combo策略、LPPL模型等方法。

“第三篇 机器学习量化策略”,阐述了机器学习的相关概念及其策略开发流程,并给出了主流的机器学习算法——简单决策树、GB决策树、随机森林、长短期记忆模型、临近取样算法的实证结果与分析结论。

“第四篇 资产配置篇”,就资产配置决策、资产配置策略、综合型资产配置、战略型资产配置、战术型资产配置、保障型资产配置等进行了论述,并就基于风险平价、风险预算、Black-Litterman模型的资产配置和行业配置进行了实证分析。