AI驱动下的量化策略构建 微课视频版 江建武,季枫,梁举 编 专业科技 文轩网

第1章 AI量化投资简介与本书导读(36min) 1
1.1 量化投资简介 1
1.1.1 量化投资定义 1
1.1.2 量化投资特点 1
1.1.3 量化投资优势 2
1.1.4 量化投资发展历程 3
1.2 AI简介 5
1.2.1 AI发展简介 6
1.2.2 人工智能算法简介 8
1.2.3 AI应用现状 10
1.2.4 ChatGPT 演进历程与金融应用 14
1.3 研究背景及意义 17
1.3.1 普通投资者业绩现状 17
1.3.2 普通投资者如何改变现状 19
1.3.3 AI驱动加速量化策略研发 21
1.4 量化人的知识结构 22
1.5 配套的资料 23
第2章 量化投研平台搭建(14min) 24
2.1 量化投研平台简介 24
2.2 投研平台常用模块简介 25
2.2.1 数据库模块简介 25
2.2.2 常用在线数据库 26
2.2.3 常用本地数据库 27
2.2.4 策略构建模块简介 27
2.2.5 策略回测模块简介 27
2.3 投研平台实例:BigQuant 28
2.3.1 量化数据库模块实例 28
2.3.2 策略构建模块实例 29
2.4 常见投研平台与开源框架介绍 29
2.4.1 常见投研平台 30
2.4.2 常见开源框架 31
第3章 人工智能时代下的量化策略开发(25min) 33
3.1 证券交易发展历程 34
3.2 AI时代的量化策略开发与传统量化策略开发比较 35
3.2.1 传统策略开发的问题 35
3.2.2 AI驱动量化策略开发的特点 36
3.2.3 策略开发流程异同 37
3.3 AI技术在量化开发场景下的应用 39
3.3.1 策略灵感来源 39
3.3.2 策略解读与编码 39
3.3.3 数据获取 40
3.3.4 数据表征与模型构建 41
3.3.5 策略调优 42
3.3.6 业绩归因分析 43
3.4 AI驱动下的知识库搭建 43
3.4.1 LangChain简介 44
3.4.2 建立向量数据库 45
3.4.3 寻找高质量论文并下载 47
3.4.4 利用 ChatGPT 进行批量论文粗读 47
3.4.5 利用 ChatPDF进行论文精读 50
3.4.6 建立私有知识库并进行交互 51
第4章 常见量化策略的分类与介绍(14min) 53
4.1 量化策略分类方式 53
4.2 经典策略类型概述 55
4.2.1 CTA 策略概述 55
4.2.2 套利策略概述 56
4.2.3 做市策略概述 57
4.2.4 多因子策略概述 58
第5章 做市策略(31min) 59
5.1 做市的基本概念 59
5.2 高频做市策略 59
5.3 做市策略的收益来源 60
5.4 经典做市策略 AS模型 61
5.4.1 模型推导 61
5.4.2 AS模型通俗解读与应用 64
5.4.3 AS模型工程化实现 67
5.5 经典做市策略 GP模型 71
5.5.1 马尔可夫链 71
5.5.2 马尔可夫链的性质 75
5.5.3 泊松过程与 Cox过程 77
5.5.4 鞅参考价格 81
5.5.5 列维过程 85
5.5.6 GP模型通俗解读 85
5.5.7 基于动态规划方法的高频做市策略模型 GP模型 88
5.6 订单簿的泊松过程建模 97
5.6.1 文献综述 97
5.6.2 问题引入 98
5.6.3 限价订单簿随机过程模型 98
5.6.4 泊松过程模型的应用效果 105
5.7 订单簿信息作为交易信号 106
5.7.1 开仓逻辑 107
5.7.2 平仓逻辑 108
5.7.3 回测结果 108
5.7.4 订单流与消息面的关系 108
5.8 订单簿的机器学习模型 109
5.8.1 订单簿的 DeepLOB模型 109
5.8.2 模型的应用 111
5.8.3 模型的效果 112
5.9 强化学习 113
5.9.1 强化学习简介 113
5.9.2 强化学习基本概念 113
5.9.3 马尔可夫决策过程 120
5.9.4 贝尔曼方程 121
5.9.5 贝尔曼很优方程 129
5.10 模型介绍 130
5.10.1 数据准备 131
5.10.2 特征工程 132
5.10.3 模型准备 137
5.10.4 模型训练 157
第6章 套利策略(18min) 165
6.1 套利策略概述 165
6.2 标的筛选 166
6.2.1 距离法 166
6.2.2 协整法 167
6.2.3 收益率相关性 174
6.2.4 聚类 175
6.2.5 PCA 182
6.3 预测择时 182
6.3.1 时间序列法 182
6.3.2 强化学习法 187
6.4 Copula法 198
6.4.1 Copula简介 198
6.4.2 Copula的理论概述 199
6.4.3 常见的 Copula类型 201
6.4.4 交易策略构建 210
6.5 风险管理 217
6.6 总结 218
第7章 CTA策略(22min) 220
7.1 CTA 策略简介 220
7.1.1 CTA 的定义 220
7.1.2 CTA 策略的投资标的 220
7.1.3 CTA 主流操盘策略介绍 221
7.2 CTA 策略的重要性 221
7.2.1 CTA 策略的危机 Alpha属性 221
7.2.2 CTA 策略的灵活性与高回报性 224
7.2.3 CTA 策略的缺点 225
7.3 CTA 策略的业绩表现 225
7.3.1 海外 CTA 基金规模 225
7.3.2 国内 CTA 基金发展现状 226
7.3.3 国内 CTA 基金业绩表现 226
7.4 趋势跟踪策略 227
7.4.1 趋势跟踪策略的逻辑 228
7.4.2 趋势跟踪策略模型 230
7.4.3 经典趋势跟踪策略 232
7.4.4 案例:趋势跟踪策略 238
7.5 TA-Lib金融量化技术分析库介绍 240
7.5.1 TA-Lib简要介绍 240
7.5.2 常用的技术指标及解释 241
7.5.3 使用 TA-Lib库实现技术指标 245
7.6 期货截面多因子策略 251
7.6.1 期货截面多因子策略的逻辑 251
7.6.2 八大类期货截面因子 252
7.6.3 期货多因子策略案例 255
7.7 网格策略介绍 269
7.7.1 网格策略的逻辑 269
7.7.2 网格交易的收益来源 269
7.7.3 网格交易法步骤 271
7.7.4 网格交易的问题 272
7.7.5 动态网格设置 273
7.7.6 网格交易仓位管理 274
7.7.7 网格策略案例 274
7.7.8 笔者寄语 277
7.8 风险管理和资金分配 277
7.8.1 品种选择 277
7.8.2 杠杆控制 278
7.8.3 资金分配 279
7.8.4 风险控制 281
7.9 使用 Optuna+Vectorbt调优交易策略 283
7.9.1 Optuna基础 283
7.9.2 Vectorbt基础 284
7.9.3 Optuna案例分析 284
7.9.4 使用 Vectorbt进行回测 288
7.9.5 使用 Optuna进行交易策略优化 290
第8章 多因子选股策略(21min) 298
8.1 中国股市简介 298
8.2 选股策略概述 300
8.2.1 资本性资产定价模型 300
8.2.2 Fama-French三因子模型 301
8.2.3 Barra因子模型 302
8.2.4 模型关联 302
8.3 经典选股因子 303
8.3.1 市场因子 303
8.3.2 财务因子 303
8.3.3 行业因子 304
8.3.4 技术因子 304
8.3.5 情绪因子 305
8.4 因子组合方法 306
8.4.1 相关定义 306
8.4.2 等权法 306
8.4.3 历史因子收益率(半衰)加权法 306
8.4.4 历史因子半衰加权法 306
8.4.5 优选化IC_IR 加权法 307
8.4.6 优选化IC 加权法 308
8.4.7 主成分分析法 308
8.4.8 机器学习法 309
8.5 案例:多因子选股 310
8.5.1 因子挖掘概述 310
8.5.2 单因子测试体系 311
8.5.3 市场风格与因子监测体系 321
8.5.4 收益因子基本模块与性质 322
8.5.5 因子挖掘基本方法 324
8.5.6 量价因子挖掘案例 325
8.5.7 高频因子挖掘案例 332
8.5.8 基本面因子挖掘案例 337
第9章 量化回测(12min) 339
9.1 量化回测简介 339
9.1.1 量化回测的定义 339
9.1.2 量化回测的目的和意义 339
9.2 量化回测的准备工作 340
9.3 回测平台选择 341
9.4 量化回测 342
9.4.1 回测引擎介绍 342
9.4.2 策略回测架构 343
9.4.3 常见对象说明 345
9.4.4 回测引擎 API 349
9.4.5 重要 API介绍 358
9.5 量化回测结果分析 363
9.5.1 收益概况 365
9.5.2 绩效分析 365
9.5.3 交易及持仓 367
9.6 量化回测经典案例 368
9.6.1 买入并持有策略 368
9.6.2 基金双均线策略 370
9.6.3 可转债双低策略 372
9.6.4 AS模型做市策略 375
9.6.5 跨期套利策略 380
9.6.6 期货海龟交易策略 385
9.6.7 期货布林带趋势策略 388
9.6.8 基于小市值的因子选股策略 390
9.7 量化回测注意事项 394
9.7.1 理解回测的目的和意义 394
9.7.2 数据准备和清洗 395
9.7.3 策略参数优化 397
9.7.4 交易成本、滑点、实盘一致性处理 400
9.7.5 其他量化回测中常见的坑 401
9.7.6 风险控制与资金管理 402
第10章 实盘准备(20min) 405
10.1 了解交易市场 405
10.2 了解交易所的规则 406
10.2.1 中国股票市场交易规则 406
10.2.2 中国期货市场交易规则 410
10.3 经纪商的选择 424
10.3.1 股票经纪商 425
10.3.2 期货经纪商 426
10.4 选择交易标的 430
10.4.1 股票交易标的选择 430
10.4.2 期货交易标的选择 431
10.5 交易平台的选择 432
10.6 交易柜台的选择 432
10.7 交易网络的选择 434
10.8 服务器的选择 434
10.9 高频交易的终极选择 435
10.10 交易中的风险控制 436
10.11 了解你自己 437
10.12 总结与展望 438
10.12.1 总结 438
10.12.2 展望 439
10.12.3 寄语 440
参考文献 441