本书分5篇,共计23章。第一篇介绍量化投资中常用的MATLAB编程知识和技巧;第二篇介绍几个基本的数理统计知识,包括随机变量、统计矩、极大似然估计、置信区间、假设检验、p值和Spearman秩相关性等;第三篇主要对线性回归、Kalman滤波和ARMA等梳理模型进行概述;第四篇主要介绍量化投资中几个经典的策略模型,包括期货中的R-breaker,Dual Thrust和Aberration等经典策略,以及股票中的多因子模型;第五篇介绍关于风险管理的实践意义,主要实现了VaR和CVaR的计算。

前言
篇 量化投资――基础研究工具：MATLAB必备知识
章 MATLAB必备知识
1.1 基础数据类型
1.2 常用数据类型
1.3 绘图
1.4 函数
1.5 平均值
1.6 离差分析
第二篇 量化投资――数理统计
第2章 离散和连续随机变量
2.1 离散随机变量
2.2 连续随机变量
2.3 分布拟合
第3章 统计矩――偏度和峰度
3.1 偏度
3.2 峰度
3.3 其他的标准矩
3.4 Jarque-Bera正态检验
3.5 测试校准
第4章 极大似然估计
4.1 极大似然估计
4.2 正态分布的MLE
4.3 正态分布的MATLAB实现
4.4 指数分布的MLE及MATLAB实现
4.5 案例研究――日回报的正态分布拟合
4.6 极大似然估计注意事项
第5章 置信区间与假设检验
5.1 置信区间
5.2 原假设和备择假设
5.3 假设检验的步骤
5.4 案例研究1――工商银行的日回报率的假设检验
5.5 案例研究2――假设检验用于平均值
5.6 案例研究3――假设检验用于方差研究
第6章 p值和多重比较偏差
6.1 p值
6.2 案例研究――多次测试
6.3 敏感性和专一性的权衡
第7章 Spearman秩相关性
7.1 Spearman秩相关性
7.2 Spearman案例
7.3 Spearman秩相关系数用于公募基金夏普率研究
第三篇 量化投资――金融建模
第8章 期货和期货交易策略简介
8.1 远期合约
8.2 期货合约
8.3 期货与现货的关系
8.4 杠杆
第9章 线性回归
9.1 线性回归模型的概念
9.2 MATLAB实现线性回归模型
9.3 线性回归与相关性
9.4 相关系数
0章 多元线性回归
10.1 多元线性回归的概念
10.2 多元线性回归模型示例
10.3 多元线性回归预测建设银行股票价格
10.4 模型选择
1章 单整、协整和平稳性
11.1 平稳性和非平稳性
11.2 单整
11.3 协整
11.4 总结
2章 违背回归模型
12.1 残差
12.2 异方差
12.3 残差的序列相关性
12.4 Newey-West
12.5 多重共线性
3章 Kalman滤波
13.1 理论基础
13.2 Kalman滤波模型
13.3 Kalman滤波与迭代线性回归
13.4 Kalman滤波发散
13.5 Sage-Husa自适应滤波算法
4章 ARMA模型
14.1 基础概念及原理介绍
14.2 建立ARMA模型的一般步骤
14.3 案例研究――沪深300股指期货日收益率的ARMA模型拟合及MATLAB实现
5章 过拟合的风险
15.1 什么是过拟合
15.2 例：选取过多参数
15.3 例：曲线拟合
15.4 例：回归参数
15.5 例：滚动窗口
15.6 避免过度拟合
第四篇 量化投资――策略交易模型
6章 β对冲
16.1 因子模型
16.2 风险暴露
16.3 风险管理
16.4 β对冲的 MATLAB实现
16.5 交叉对冲
7章 配对交易
17.1 配对交易流程
17.2 配对交易策略
8章 方向性交易策略构造
18.1 波动率突破策略
18.2 日内趋势反转策略之R-breaker策略
18.3 Dual Thrust策略
18.4 Aberration策略
18.5 海龟交易策略
9章 多因子研究
19.1 常见因子
19.2 多因子模型的意义――不单单寻找表现最好的股票
19.3 数据处理
19.4 模型有效性检验
19.5 因子合成与降维
19.6 多因子研究案例
第20章 条件异方差模型
20.1 几种基础模型介绍
20.2 示例应用
第五篇 量化投资――风险管理模型
第21章 仓位集中风险
21.1 模拟“21点”游戏
21.2 投资组合理论
21.3 资金约束
21.4 数学方法解释
21.5 额外的好处
第22章 最小线性相关算法
22.1 分散化投资
22.2 一些公式
22.3 最小线性相关算法用于投资权重分配
第23章 VaR和CVaR
23.1 VaR和CVaR的定义
23.2 VaR和CVaR的计算
23.3 VaR和CVaR的计算演示
23.4 VaR和CVaR运用于资产组合管理
参考文献
附录 Auto-Trader交易软件使用手册