本书覆盖量化投资的全过程，共分10章，主要内容分为三部分：第一部分（第1～4章）主要介绍量化投资的基本概念、理论发展、基本假设与基本原则，经典系统与策略，以及策略回测，让读者能够快速入门并进行实践；第二部分（第5～7章）主要介绍金融理论驱动的量化投资模型与策略，具体包括基础理论与资产配置、风险度量与模型、套利定价理论和多因子收益率模型；第三部分（第8～10章）主要介绍事件和智能算法驱动的量化投资模型与技术，具体包括基于信息的预测、交易成本与配置再平衡、事件驱动的量化投资策略。本书从应用需求出发，兼顾了相关金融理论与技术实践。

本书可作为高等学校金融科技、金融工程、计算金融、数据科学、人工智能、软件工程等专业相关课程教材，也可作为金融业从业人员的参考读物。

前辅文
第1章 绪论
  1.1 什么是投资
  1.2 为什么要投资
  1.3 什么是量化投资
   1.3.1 量化投资兴起的原因
   1.3.2 量化投资的定义和主要思想
   1.3.3 量化投资的特点
   1.3.4 量化投资的误区
  1.4 量化投资与传统投资
   1.4.1 传统投资经典案例
   1.4.2 分维度比较
  1.5 量化投资的主要内容
   1.5.1 量化选股
   1.5.2 量化择时
   1.5.3 资产配置
   1.5.4 风险管控
  1.6 量化投资的理论发展
   1.6.1 20世纪50至60年代
   1.6.2 20世纪70至80年代
   1.6.3 20世纪90年代
   1.6.4 20世纪90年代末至今
  1.7 量化投资相关学科与技术
  1.8 量化投资的代表性企业与人物
   1.8.1 代表性企业
   1.8.2 代表性人物
  习题
第2章 基本假设与基本原则
  2.1 有效市场假说
  2.2 市场异象与行为金融学
   2.2.1 弱式有效市场异象
   2.2.2 半强式有效市场异象
   2.2.3 强式有效市场异象
   2.2.4 行为金融学
  2.3 量化投资的基本假设
   2.3.1 市场在大多数情况下是有效的
   2.3.2 量化分析能够创造统计套利机会
  2.4 量化投资的基本原则
   2.4.1 有效利用所有可得信息
   2.4.2 利用因果关系避免统计陷阱
  习题
第3章 经典系统与策略
  3.1 欧奈尔选股系统
   3.1.1 基本思想
   3.1.2 系统设计
  3.2 神奇公式选股系统
   3.2.1 基本思想
   3.2.2 系统设计
  3.3 配对交易策略
   3.3.1 基本思想
   3.3.2 策略设计
   3.3.3 应用案例
  3.4 动量策略与反转策略
   3.4.1 理论基础
   3.4.2 策略设计
   3.4.3 应用案例
  3.5 行业轮动策略
   3.5.1 理论基础
   3.5.2 行业配置框架
   3.5.3 经济周期理论
  3.6 对冲套利策略
   3.6.1 基本思想
   3.6.2 策略设计
  习题
第4章 策略回测
  4.1 动机与意义
  4.2 基本假设与一般流程
  4.3 回测平台与工具
   4.3.1 在线回测平台
   4.3.2 离线回测平台
   4.3.3 数据获取工具
  4.4 案例：神奇公式选股策略的实现与回测
  4.5 回测的陷阱
   4.5.1 信息泄露
   4.5.2 不可能成交的价格与份额
   4.5.3 过拟合
   4.5.4 幸存者偏差
   4.5.5 样本偏差
  习题
第5章 基础理论与资产配置
  5.1 引言
  5.2 基于经验的资产配置
  5.3 基于马科维茨投资组合理论的资产配置
   5.3.1 马科维茨投资组合理论
   5.3.2 风险分散化原理
   5.3.3 最优投资组合配置策略
  5.4 基于CAPM的资产配置
   5.4.1 CAPM简介
   5.4.2 基于CAPM的资产配置步骤
   5.4.3 资本市场线
   5.4.4 证券市场线与CAPM方程
   5.4.5 贝塔系数的含义与数值估计
   5.4.6 特雷诺比率和夏普比率
   5.4.7 最优风险资产组合配置策略
  习题
第6章 风险度量与模型
  6.1 风险的定义
   6.1.1 风险定义的条件
   6.1.2 风险定义的本质
  6.2 常用的风险度量指标
   6.2.1 方差
   6.2.2 标准差
   6.2.3 半方差与下行风险
   6.2.4 损失概率
   6.2.5 风险值
   6.2.6 最大回撤与最大回撤率
   6.2.7 统一表示与对比分析
  6.3 相对风险与年化风险
   6.3.1 相对风险
   6.3.2 年化风险
  6.4 风险模型
   6.4.1 风险模型的用途与目标
   6.4.2 历史数据模型
   6.4.3 CAPM风险模型
   6.4.4 结构化多因子风险模型
  习题
第7章 套利定价理论与多因子收益率模型
  7.1 引言
  7.2 套利定价理论
   7.2.1 基本思想与理论假设
   7.2.2 经典实例
  7.3 多因子收益率模型概述
  7.4 基本面因子模型
   7.4.1 基本思想
   7.4.2 因子暴露
   7.4.3 因子溢价
  7.5 经济因子模型
   7.5.1 基本思想
   7.5.2 因子溢价与因子暴露
  7.6 混合因子模型
   7.6.1 基本思想
   7.6.2 因子暴露与因子溢价
  7.7 应用示例
   7.7.1 多因子收益率模型构建
   7.7.2 投资策略构建与回测结果
  习题
第8章 基于信息的预测
  8.1 引言
   8.1.1 问题定义与基本假设
   8.1.2 预测模型的分类
  8.2 因子变换与选择
   8.2.1 因子变换
   8.2.2 因子选择
   8.2.3 案例：股票收益率预测
  8.3 经典机器学习模型
   8.3.1 k近邻算法
   8.3.2 逻辑斯谛回归
   8.3.3 人工神经网络
  8.4 时序预测模型
   8.4.1 ARIMA模型
   8.4.2 循环神经网络
   8.4.3 长短期记忆网络
   8.4.4 门控循环单元网络
   8.4.5 案例：ETF指数预测
  习题
第9章 交易成本与配置再平衡
  9.1 引言
   9.1.1 资产配置再平衡的时机
   9.1.2 交易成本的影响
  9.2 股票交易的直接成本
   9.2.1 直接成本的组成
   9.2.2 直接成本的调整和变动
  9.3 股票交易的间接成本
   9.3.1 间接成本的组成
   9.3.2 间接成本的影响因素
  9.4 间接成本估计
   9.4.1 基于经验的估计方法
   9.4.2 基于量化模型的估计方法
   9.4.3 综合案例
  9.5 考虑交易成本的再平衡
   9.5.1 均值-方差模型
   9.5.2 再平衡机制
   9.5.3 案例：对冲套利
  习题
第10章 事件驱动的量化投资策略
  10.1 策略研发的一般流程
  10.2 事件研究法
   10.2.1 基本假设与思想
   10.2.2 主要步骤
  10.3 事件的异常收益率
   10.3.1 定义与估算
   10.3.2 统计分析
  10.4 事件分类
   10.4.1 基于行为主体的事件分类
   10.4.2 基于发生时间的事件分类
   10.4.3 基于对股票异常收益率影响的事件分类
  10.5 事件驱动的量化投资策略构建
   10.5.1 单事件驱动的量化投资策略构建
   10.5.2 多事件驱动的量化投资策略构建
  10.6 案例：多事件驱动的量化投资策略
   10.6.1 策略假设
   10.6.2 数据获取与分析
   10.6.3 策略设计
   10.6.4 回测结果与分析
  习题
参考文献