目录



教学课件（PPT）




本书源码




第1章AI量化投资简介与本书导读(36min)

1.1量化投资简介

1.1.1量化投资定义

1.1.2量化投资特点

1.1.3量化投资优势

1.1.4量化投资发展历程

1.2AI简介

1.2.1AI发展简介

1.2.2人工智能算法简介

1.2.3AI应用现状

1.2.4ChatGPT演进历程与金融应用

1.3研究背景及意义

1.3.1普通投资者业绩现状

1.3.2普通投资者如何改变现状

1.3.3AI驱动加速量化策略研发

1.4量化人的知识结构

1.5配套的资料

第2章量化投研平台搭建(14min)

2.1量化投研平台简介

2.2投研平台常用模块简介

2.2.1数据库模块简介

2.2.2常用在线数据库

2.2.3常用本地数据库

2.2.4策略构建模块简介

2.2.5策略回测模块简介

2.3投研平台实例： BigQuant

2.3.1量化数据库模块实例

2.3.2策略构建模块实例

2.4常见投研平台与开源框架介绍

2.4.1常见投研平台

2.4.2常见开源框架

第3章人工智能时代下的量化策略开发(25min)

3.1证券交易发展历程

3.2AI时代的量化策略开发与传统量化策略开发比较

3.2.1传统策略开发的问题

3.2.2AI驱动量化策略开发的特点

3.2.3策略开发流程异同

3.3AI技术在量化开发场景下的应用

3.3.1策略灵感来源

3.3.2策略解读与编码

3.3.3数据获取

3.3.4数据表征与模型构建

3.3.5策略调优

3.3.6业绩归因分析

3.4AI驱动下的知识库搭建

3.4.1LangChain简介

3.4.2建立向量数据库

3.4.3寻找高质量论文并下载

3.4.4利用ChatGPT进行批量论文粗读

3.4.5利用ChatPDF进行论文精读

3.4.6建立私有知识库并进行交互

第4章常见量化策略的分类与介绍(14min)

4.1量化策略分类方式

4.2经典策略类型概述

4.2.1CTA策略概述

4.2.2套利策略概述

4.2.3做市策略概述

4.2.4多因子策略概述

第5章做市策略(31min)

5.1做市的基本概念

5.2高频做市策略

5.3做市策略的收益来源

5.4经典做市策略AS模型

5.4.1模型推导

5.4.2AS模型通俗解读与应用

5.4.3AS模型工程化实现

5.5经典做市策略GP模型

5.5.1马尔可夫链

5.5.2马尔可夫链的性质

5.5.3泊松过程与Cox过程

5.5.4鞅参考价格

5.5.5列维过程

5.5.6GP模型通俗解读

5.5.7基于动态规划方法的高频做市策略模型GP模型

5.6订单簿的泊松过程建模

5.6.1文献综述

5.6.2问题引入

5.6.3限价订单簿随机过程模型

5.6.4泊松过程模型的应用效果

5.7订单簿信息作为交易信号

5.7.1开仓逻辑

5.7.2平仓逻辑

5.7.3回测结果

5.7.4订单流与消息面的关系

5.8订单簿的机器学习模型

5.8.1订单簿的DeepLOB模型

5.8.2模型的应用

5.8.3模型的效果

5.9强化学习

5.9.1强化学习简介

5.9.2强化学习基本概念

5.9.3马尔可夫决策过程

5.9.4贝尔曼方程

5.9.5贝尔曼最优方程

5.10模型介绍

5.10.1数据准备

5.10.2特征工程

5.10.3模型准备

5.10.4模型训练

第6章套利策略(18min)

6.1套利策略概述

6.2标的筛选

6.2.1距离法

6.2.2协整法

6.2.3收益率相关性

6.2.4聚类

6.2.5PCA

6.3预测择时

6.3.1时间序列法

6.3.2强化学习法

6.4Copula法

6.4.1Copula简介

6.4.2Copula的理论概述

6.4.3常见的Copula类型

6.4.4交易策略构建

6.5风险管理

6.6总结

第7章CTA策略(22min)

7.1CTA策略简介

7.1.1CTA的定义

7.1.2CTA策略的投资标的

7.1.3CTA主流操盘策略介绍

7.2CTA策略的重要性

7.2.1CTA策略的危机Alpha属性

7.2.2CTA策略的灵活性与高回报性

7.2.3CTA策略的缺点

7.3CTA策略的业绩表现

7.3.1海外CTA基金规模

7.3.2国内CTA基金发展现状

7.3.3国内CTA基金业绩表现

7.4趋势跟踪策略

7.4.1趋势跟踪策略的逻辑

7.4.2趋势跟踪策略模型

7.4.3经典趋势跟踪策略

7.4.4案例： 趋势跟踪策略

7.5TALib金融量化技术分析库介绍

7.5.1TALib简要介绍

7.5.2常用的技术指标及解释

7.5.3使用TALib库实现技术指标

7.6期货截面多因子策略

7.6.1期货截面多因子策略的逻辑

7.6.2八大类期货截面因子

7.6.3期货多因子策略案例

7.7网格策略介绍

7.7.1网格策略的逻辑

7.7.2网格交易的收益来源

7.7.3网格交易法步骤

7.7.4网格交易的问题

7.7.5动态网格设置

7.7.6网格交易仓位管理

7.7.7网格策略案例

7.7.8笔者寄语

7.8风险管理和资金分配

7.8.1品种选择

7.8.2杠杆控制

7.8.3资金分配

7.8.4风险控制

7.9使用Optuna+Vectorbt调优交易策略

7.9.1Optuna基础

7.9.2Vectorbt基础

7.9.3Optuna 案例分析

7.9.4使用Vectorbt进行回测

7.9.5使用Optuna进行交易策略优化

第8章多因子选股策略(21min)

8.1中国股市简介

8.2选股策略概述

8.2.1资本性资产定价模型

8.2.2FamaFrench三因子模型

8.2.3Barra因子模型

8.2.4模型关联

8.3经典选股因子

8.3.1市场因子

8.3.2财务因子

8.3.3行业因子

8.3.4技术因子

8.3.5情绪因子

8.4因子组合方法

8.4.1相关定义

8.4.2等权法

8.4.3历史因子收益率(半衰)加权法

8.4.4历史因子半衰加权法

8.4.5最大化 IC_IR 加权法

8.4.6最大化 IC 加权法

8.4.7主成分分析法

8.4.8机器学习法

8.5案例： 多因子选股

8.5.1因子挖掘概述

8.5.2单因子测试体系

8.5.3市场风格与因子监测体系

8.5.4收益因子基本模块与性质

8.5.5因子挖掘基本方法

8.5.6量价因子挖掘案例

8.5.7高频因子挖掘案例

8.5.8基本面因子挖掘案例

第9章量化回测(12min)

9.1量化回测简介

9.1.1量化回测的定义

9.1.2量化回测的目的和意义

9.2量化回测的准备工作

9.3回测平台选择

9.4量化回测

9.4.1回测引擎介绍

9.4.2策略回测架构

9.4.3常见对象说明

9.4.4回测引擎API

9.4.5重要API介绍

9.5量化回测结果分析

9.5.1收益概况

9.5.2绩效分析

9.5.3交易及持仓

9.6量化回测经典案例

9.6.1买入并持有策略

9.6.2基金双均线策略

9.6.3可转债双低策略

9.6.4AS模型做市策略

9.6.5跨期套利策略

9.6.6期货海龟交易策略

9.6.7期货布林带趋势策略

9.6.8基于小市值的因子选股策略

9.7量化回测注意事项

9.7.1理解回测的目的和意义

9.7.2数据准备和清洗

9.7.3策略参数优化

9.7.4交易成本、滑点、实盘一致性处理

9.7.5其他量化回测中常见的坑

9.7.6风险控制与资金管理

第10章实盘准备(20min)

10.1了解交易市场

10.2了解交易所的规则

10.2.1中国股票市场交易规则

10.2.2中国期货市场交易规则

10.3经纪商的选择

10.3.1股票经纪商

10.3.2期货经纪商

10.4选择交易标的

10.4.1股票交易标的选择

10.4.2期货交易标的选择

10.5交易平台的选择

10.6交易柜台的选择

10.7交易网络的选择

10.8服务器的选择

10.9高频交易的终极选择

10.10交易中的风险控制

10.11了解你自己

10.12总结与展望

10.12.1总结

10.12.2展望

10.12.3寄语

参考文献