量化投资

作者简介

《量化投资—策略与技术》是国内第一本有关量化投资策略的著作，首先介绍了量化投资大师西蒙斯的传奇故事（连续20年，每年赚60%）；然后用60多个案例介绍了量化投资的各个方面的内容，主要分为策略篇与理论篇两部分，策略篇主要包括：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易和资产配置等。理论篇主要包括：人工智能、数据挖掘、小波分析、支持向量机、分形理论、随机过程及it技术等；最后介绍了作者开发的d-alpha量化对冲交易系统，该系统全球市场验证显示具有长期稳健的收益率。

《量化投资—策略与技术》适合基金经理、证券分析师、普通散户及有志于从事金融投资的各界人士阅读。

书籍目录

第 1章 量化投资概念

1.1 什么是量化投资 2

1.1.1 量化投资定义 2

1.1.2 量化投资理解误区 3

1.2 量化投资与传统投资比较 6

1.2.1 传统投资策略的缺点 6

1.2.2 量化投资策略的优势 7

1.2.3 量化投资与传统投资策略的比较 8

1.3 量化投资历史 10

1.3.1 量化投资理论发展 10

1.3.2 海外量化基金的发展 12

1.3.3 量化投资在中国 15

1.4 量化投资主要内容 16

1.5 量化投资主要方法 21

.第 2章 量化选股 25

2.1 多因子 26

2.1.1 基本概念 27

2.1.2 策略模型 27

2.1.3 实证案例：多因子选股模型 30

2.2 风格轮动 35

2.2.1 基本概念 35

2.2.2 盈利预期生命周期模型 38

2.2.3 策略模型 40

2.2.4 实证案例：中信标普风格 41

2.2.5 实证案例：大小盘风格 44

2.3 行业轮动 47

2.3.1 基本概念 47

2.3.2 m2行业轮动策略 50

2.3.3 市场情绪轮动策略 52

2.4 资金流 56

2.4.1 基本概念 56

2.4.2 策略模型 59

2.4.3 实证案例：资金流选股策略 60

2.5 动量反转 63

2.5.1 基本概念 63

2.5.2 策略模型 67

2.5.3 实证案例：动量选股策略和反转选股策略 70

2.6 一致预期 73

2.6.1 基本概念 74

2.6.2 策略模型 76

2.6.3 实证案例：一致预期模型案例 78

2.7 趋势追踪 84

2.7.1 基本概念 84

2.7.2 策略模型 86

2.7.3 实证案例：趋势追踪选股模型 92

2.8 筹码选股 94

2.8.1 基本概念 95

2.8.2 策略模型 97

2.8.3 实证案例：筹码选股模型 99

2.9 业绩评价 104

2.9.1 收益率指标 104

2.9.2 风险度指标 105

第 3章 量化择时 111

3.1 趋势追踪 112

3.1.1 基本概念 112

3.1.2 传统趋势指标 113

3.1.3 自适应均线 121

3.2 市场情绪 125

3.2.1 基本概念 126

3.2.2 情绪指数 128

3.2.3 实证案例：情绪指标择时策略 129

3.3 有效资金 133

3.3.1 基本概念 133

3.3.2 策略模型 134

3.3.3 实证案例：有效资金择时模型 137

3.4 牛熊线 141

3.4.1 基本概念 141

3.4.2 策略模型 143

3.4.3 实证案例：牛熊线择时模型 144

3.5 husrt指数 146

3.5.1 基本概念 146

3.5.2 策略模型 148

3.5.3 实证案例 149

3.6 支持向量机 152

3.6.1 基本概念 152

3.6.2 策略模型 153

3.6.3 实证案例：svm择时模型 155

3.7 swarch模型 160

3.7.1 基本概念 160

3.7.2 策略模型 161

3.7.3 实证案例：swarch模型 164

3.8 异常指标 168

3.8.1 市场噪声 168

3.8.2 行业集中度 170

3.8.3 兴登堡凶兆 172

第 4章 股指期货套利 180

4.1 基本概念 181

4.1.1 套利介绍 181

4.1.2 套利策略 183

4.2 期现套利 185

4.2.1 定价模型 185

4.2.2 现货指数复制 186

4.2.3 正向套利案例 190

4.2.4 结算日套利 192

4.3 跨期套利 195

4.3.1 跨期套利原理 195

4.3.2 无套利区间 196

4.3.3 跨期套利触发和终止 197

4.3.4 实证案例：跨期套利策略 199

4.3.5 主要套利机会 200

4.4 冲击成本 203

4.4.1 主要指标 204

4.4.2 实证案例：冲击成本 205

4.5 保证金管理 208

4.5.1 var方法 208

4.5.2 var计算方法 209

4.5.3 实证案例 211

第 5章 商品期货套利 214

5.1 基本概念 215

5.1.1 套利的条件 216

5.1.2 套利基本模式 217

5.1.3 套利准备工作 219

5.1.4 常见套利组合 221

5.2 期现套利 225

5.2.1 基本原理 225

5.2.2 操作流程 226

5.2.3 增值税风险 230

5.3 跨期套利 231

5.3.1 套利策略 231

5.3.2 实证案例：pvc跨期套利策略 233

5.4 跨市场套利 234

5.4.1 套利策略 234

5.4.2 实证案例：伦铜—沪铜跨市场套利 235

5.5 跨品种套利 236

5.5.1 套利策略 237

5.5.2 实证案例 238

5.6 非常状态处理 240

第 6章 统计套利 242

6.1 基本概念 243

6.1.1 统计套利定义 243

6.1.2 配对交易 244

6.2 配对交易 247

6.2.1 协整策略 247

6.2.2 主成分策略 254

6.2.3 绩效评估 256

6.2.4 实证案例：配对交易 258

6.3 股指套利 261

6.3.1 行业指数套利 261

6.3.2 国家指数套利 263

6.3.3 洲域指数套利 264

6.3.4 全球指数套利 266

6.4 融券套利 267

6.4.1 股票—融券套利 267

6.4.2 可转债—融券套利 268

6.4.3 股指期货—融券套利 269

6.4.4 封闭式基金—融券套利 271

6.5 外汇套利 272

6.5.1 利差套利 273

6.5.2 货币对套利 275

第 7章 期权套利 277

7.1 基本概念 278

7.1.1 期权介绍 278

7.1.2 期权交易 279

7.1.3 牛熊证 280

7.2 股票/期权套利 283

7.2.1 股票—股票期权套利 283

7.2.2 股票—指数期权套利 284

7.3 转换套利 285

7.3.1 转换套利 285

7.3.2 反向转换套利 287

7.4 跨式套利 288

7.4.1 买入跨式套利 289

7.4.2 卖出跨式套利 291

7.5 宽跨式套利 293

7.5.1 买入宽跨式套利 293

7.5.2 卖出宽跨式套利 294

7.6 蝶式套利 296

7.6.1 买入蝶式套利 296

7.6.2 卖出蝶式套利 298

7.7 飞鹰式套利 299

7.7.1 买入飞鹰式套利 300

7.7.2 卖出飞鹰式套利 301

第 8章 算法交易 304

8.1 基本概念 305

8.1.1 算法交易定义 305

8.1.2 算法交易分类 306

8.1.3 算法交易设计 308

8.2 被动交易算法 309

8.2.1 冲击成本 310

8.2.2 等待风险 312

8.2.3 常用被动型交易策略 314

8.3 vwap算法 316

8.3.1 标准vwap算法 316

8.3.2 改进型vwap算法 319

第 9章 其他策略 323

9.1 事件套利 324

9.1.1 并购套利策略 324

9.1.2 定向增发套利 325

9.1.3 套利重仓停牌股票的投资组合 326

9.1.4 封闭式投资组合套利 327

9.2 etf套利 328

9.2.1 基本概念 328

9.2.2 无风险套利 330

9.2.3 其他套利 334

9.3 lof套利 335

9.3.1 基本概念 335

9.3.2 模型策略 336

9.3.3 实证案例：lof 套利 337

9.4 高频交易 341

9.4.1 流动性回扣交易 341

9.4.2 猎物算法交易 342

9.4.3 自动做市商策略 343

9.4.4 程序化交易 343

理论篇

第 10章 人工智能 346

10.1 主要内容 347

10.1.1 机器学习 347

10.1.2 自动推理 350

10.1.3 专家系统 353

10.1.4 模式识别 356

10.1.5 人工神经网络 358

10.1.6 遗传算法 362

10.2 人工智能在量化投资中的应用 366

10.2.1 模式识别短线择时 366

10.2.2 rbf神经网络股价预测 370

10.2.3 基于遗传算法的新股预测 375

第 11章 数据挖掘 381

11.1 基本概念 382

11.1.1 主要模型 382

11.1.2 典型方法 384

11.2 主要内容 385

11.2.1 分类与预测 385

11.2.2 关联规则 391

11.2.3 聚类分析 397

11.3 数据挖掘在量化投资中的应用 400

11.3.1 基于som 网络的股票聚类分析方法 400

11.3.2 基于关联规则的板块轮动 403

第 12章 小波分析 407

12.1 基本概念 408

12.2 小波变换主要内容 409

12.2.1 连续小波变换 409

12.2.2 连续小波变换的离散化 410

12.2.3 多分辨分析与mallat算法 411

12.3小波分析在量化投资中的应用 414

12.3.1 k线小波去噪 414

12.3.2 金融时序数据预测 420

第 13章 支持向量机 429

13.1 基本概念 430

13.1.1 线性svm 430

13.1.2 非线性svm 433

13.1.3 svm分类器参数选择 435

13.1.4 svm分类器从二类到多类的推广 436

13.2 模糊支持向量机 437

13.2.1 增加模糊后处理的svm 437

13.2.2 引入模糊因子的svm训练算法 439

13.3 svm在量化投资中的应用 440

13.3.1 复杂金融时序数据预测 440

13.3.2 趋势拐点预测 445

第 14章 分形理论 452

14.1 基本概念 453

14.1.1 分形定义 453

14.1.2 几种典型的分形 454

14.1.3 分形理论的应用 456

14.2 主要内容 457

14.2.1 分形维数 457

14.2.2 l系统 458

14.2.3 ifs系统 460

14.3 分形理论在量化投资中的应用 461

14.3.1 大趋势预测 461

14.3.2 汇率预测 466

第 15章 随机过程 473

15.1 基本概念 473

15.2 主要内容 476

15.2.1 随机过程的分布函数 476

15.2.2 随机过程的数字特征 476

15.2.3 几种常见的随机过程 477

15.2.4 平稳随机过程 479

15.3 灰色马尔可夫链股市预测 480

第 16章 it技术 486

16.1 数据仓库技术 486

16.1.1 从数据库到数据仓库 487

16.1.2 数据仓库中的数据组织 489

16.1.3 数据仓库的关键技术 491

16.2 编程语言 493

16.2.1 面向对象编程 493

16.2.2 vba 语言 497

16.2.3 c#语言 504

第 17章 主要数据与工具 509

17.1 万德中国金融数据库 509

17.2 文华财经：程序化交易平台 511

17.3 交易开拓者：期货自动交易平台 514

17.4 大连交易所套利指令 518

17.5 mt5：外汇自动交易平台 522

第 18章 量化对冲交易系统：d-alpha 528

18.1 系统构架 528

18.2 策略分析流程 530

18.3 核心算法 532

18.4 验证结果 534

表目录

表1 1 不同投资策略对比 7

表2 1 多因子选股模型候选因子 30

表2 2 多因子模型候选因子初步检验 31

表2 3 多因子模型中通过检验的有效因子 32

表2 4 多因子模型中剔除冗余后的因子 33

表2 5 多因子模型组合分段收益率 33

表2 6 晨星市场风格判别法 36

表2 7 夏普收益率基础投资风格鉴别 37

表2 8 中信标普风格指数 41

表2 9 风格动量策略组合月均收益率 43

表2 10 大小盘风格轮动策略月收益率均值 46

表2 11 中国货币周期分段（2000—2009年） 49

表2 12 沪深300行业指数统计 50

表2 13 不同货币阶段不同行业的收益率 51

表2 14 招商资金流模型（cmsmf）计算方法 58

表2 15 招商资金流模型（cmsmf）选股指标定义 59

表2 16 资金流模型策略——沪深300 61

表2 17 资金流模型策略——全市场 62

表2 18 动量组合相对基准的平均年化超额收益（部分） 68

表2 19 反转组合相对基准的平均年化超额收益(部分) 69

表2 20 动量策略风险收益分析 71

表2 21 反转策略风险收益分析 73

表2 22 趋势追踪技术收益率 93

表2 23 筹码选股模型中单个指标的收益率情况对比 99

表3 1 ma指标择时测试最好的20 组参数及其表现 117

表3 2 4个趋势型指标最优参数下的独立择时交易表现比较 120

表3 3 有交易成本情况下不同信号个数下的综合择时策略 120

表3 4 自适应均线择时策略收益率分析 124

表3 5 市场情绪类别 126

表3 6 沪深300指数在不同情绪区域的当月收益率比较 128

表3 7 沪深300指数在不同情绪变化区域的当月收益率比较 129

表3 8 沪深300指数在不同情绪区域的次月收益率比较 130

表3 9 沪深300指数在不同情绪变化区域的次月收益率比较 130

表3 10 情绪指数择时收益率统计 132

表3 11 svm择时模型的指标 156

表3 12 svm对沪深300指数预测结果指标汇总 156

表3 13 svm择时模型在整体市场的表现 156

表3 14 svm择时模型在单边上涨市的表现 157

表3 15 svm择时模型在单边下跌市的表现 158

表3 16 svm择时模型在震荡市的表现 159

表3 17 噪声交易在熊市择时的收益率 170

表4 1 各种方法在不同股票数量下的跟踪误差（年化） 190

表4-2 股指期货多头跨期套利过程分析 199

表4 3 不同开仓比例下的不同保证金水平能够覆盖的市场波动及其概率 211

表4 4 不同仓单持有期下的保证金覆盖比例 212

表6 1 融券标的股票中在样本期内最相关的50 对组合（部分） 248

表6 2 残差的平稳性、自相关等检验 249

表6 3 在不同的阈值下建仓、平仓所能获得的平均收益 251

表6 4 采用不同的模型在样本内获取的收益率及最优阈值 252

表6 5 采用不同的模型、不同的外推方法在样本外获取的收益率（%） 253

表6 6 主成分配对交易在样本内取得的收益率及最优阈值 255

表6 7 主成分配对交易在样本外的效果 255

表6-8 各种模型下统计套利的结果 256

表6 9 延后开仓+提前平仓策略实证结果 260

表6 10 各行业的配对交易结果 261

表7 1 多头股票-期权套利综合分析表 283

表7 2 多头股票—股票期权套利案例损益分析表 284

表7 3 多头股票-指数期权套利案例损益分析表 285

表7 4 转换套利分析过程 286

表7 5 买入跨式套利综合分析表 289

表7 6 买入跨式套利交易细节 289

表7 7 卖出跨式套利综合分析表 291

表7 8 卖出跨式套利交易细节 292

表7 9 买入宽跨式套利综合分析表 293

表7 10 卖出宽跨式套利综合分析表 294

表7 11 买入蝶式套利综合分析表 296

表7 12 卖出蝶式套利综合分析表 298

表7 13 买入飞鹰套利分析表 300

表7 14 卖出飞鹰式套利综合分析表 301

表9 1 主要并购方式 324

表9 2 并购套利流程 325

表9 3 鹏华300 lof两次正向套利的情况 339

表9 4 鹏华300 lof两次反向套利的情况 340

表10 1 自动推理中连词系统 352

表10 2 模式识别短线择时样本数据分类 369

表10 3 rbf神经网络股价预测结果 375

表10 4 遗传算法新股预测参数设置 379

表10 5 遗传算法新股预测结果 380

表11 1 决策树数据表 389

表11 2 关联规则案例数据表 392

表11 3 som股票聚类分析结果 403

表11 4 21种股票板块指数布尔关系表数据片断 404

表12 1 深发展a日收盘价小波分析方法预测值与实际值比较 427

表12 2 不同分解层数的误差均方根值 428

表13 1 svm沪深300指数预测误差情况 445

表13 2 svm指数预测和神经网络预测的比较 445

表13 3 技术反转点定义与图型 448

表13 4 svm趋势拐点预测结果 450

表14 1 持续大涨前后分形各主要参数值 463

表14 2 持续大跌前后分形个主要参数值 465

表14 3 外汇r/ s 分析的各项指标 469

表14 4 v(r/s)曲线回归检验 470

表15 1 灰色马尔可夫链预测深证成指样本内（2005/1—2006/8） 484

表15 2 灰色马尔可夫链预测深证成指样本外（2006/9—2006/12） 484

表16-1 vba的12种数据类型 499

表18-1 d-alpha系统在全球市场收益率分析 534

前言

　　从西蒙斯的神话开始　　比巴菲特还能赚钱的人　　沃伦巴菲特是投资界人尽皆知的股神，但可能很多投资者不知道詹姆斯西蒙斯。这位创造了华尔街投资神话的传奇人物，他所管理的大奖章基金的平均年收益率比巴菲特还要高得多，1989-2007年的平均年收益率高达35%（若考虑高达44%的收益提成，则实际基金的年收益率超过60%），而股神巴菲特在同期的平均年回报也不过为20%。　　经历了1998年俄罗斯债券危机和2001年高科技股泡沫危机，许多曾经闻名遐迩的对冲基金经理都走向衰落。罗伯逊关闭了老虎基金，梅利韦瑟的长期资本管理公司几乎破产，索罗斯的量子基金也大幅缩水。与之相比，西蒙斯的大奖章基金的平均年净回报率则高达35%。从1988年成立到1999年12月，大奖章基金总共获得了2478.6%的净回报率，是同时期中的第一名；第二名是索罗斯的量子基金，有1710.1%的回报；而同期的标准普尔指数仅是9.6%。即使2008年面对全球金融危机的重挫，大奖章的回报居然高达80%。　　在2008年底的统计中，西蒙斯勇夺2008年“对冲之王”宝座，大赚25亿美元（约195亿港元），著名对冲基金经理保尔森居次位，赚20亿美元。出乎意料的是，大炒家索罗斯未入三甲。　　《美国海外投资基金目录》的作者本海姆指出，西蒙斯创造的回报率比布鲁斯科夫勒、乔治索罗斯、保罗都铎钟斯、路易士培根、马克金顿等传奇投资大师都要高出10个百分点，在对冲基金业内几乎无出其右。作为一个交易者，西蒙斯正在超越有效市场假说。有效市场假说认为市场价格波动是随机的，交易者不可能持续从市场中获利。而西蒙斯依靠他的交易模型，获得了如此惊人的成就，其最核心的就是量化投资模型。　　数学天才　　西蒙斯生于波士顿郊区牛顿镇，是一个制鞋厂老板的儿子，3岁就立志成为数学家。从牛顿高中毕业后，他进入麻省理工学院，从师于著名的数学家安布罗斯和辛格。1958年，他获得了学士学位，仅仅三年后，他就拿到了加州大学伯克利分校的博士学位，一年后他成为哈佛大学的数学系教授。　　西蒙斯很早就与投资结下缘分，早在1961年，他和麻省理工学院的同学投资于哥伦比亚地砖和管线公司；在伯克利，他尝试做股票交易，但是交易结果并不太好。　　1964年，他离开了大学校园，进入美国国防部下属的一个非盈利组织--国防逻辑分析协会，并进行代码破解工作。没过多久，《时代周刊》上关于越南战争的残酷报道让他意识到他的工作实际上正在帮助美军在越南的军事行动，反战的他于是向《新闻周刊》写信说应该结束战争。当他把反战想法告诉老板时，很自然地就被解雇了。　　他又回到了学术界，成为纽约州立石溪大学的数学系主任，在那里做了8年的纯数学研究。1974年，他与陈省身联合发表了著名的论文《典型群和几何不变式》，创立了著名的陈-西蒙斯理论，该几何理论对理论物理学具有重要意义，广泛应用于从超引力到黑洞。1976年，西蒙斯获得了每5年一次的全美数学科学维布伦奖金，这是数学世界里的最高荣耀。　　在理论研究之余，他开始醉心于股票和期货交易。1978年，他离开石溪大学创立私人投资基金Limroy，该基金投资领域广泛，涉及从风险投资到外汇交易；最初主要采用基本面分析方法，例如，通过分析美联储货币政策和利率走向来判断市场价格走势。　　十年后，西蒙斯决定成立一个纯粹量化投资的对冲基金。他关闭了Limroy，并在1988年3月成立了大奖章基金，最初主要涉及期货交易。1988年该基金盈利8.8%，1989年则开始亏损，西蒙斯不得不在1989年6月份停止交易。在接下来的6个月中，西蒙斯和普林斯顿大学的数学家勒费尔重新开发了交易策略，并从基本面分析转向量化分析。　　大奖章基金　　大奖章基金主要通过研究市场历史资料来发现统计相关性，以预测期货、货币、股票市场的短期运动，并通过数千次快速的日内短线交易来捕捉稍纵即逝的市场机会，交易量之大甚至有时能占到整个NASDAQ交易量的10%。当交易开始时，交易模型决定买卖品种和时机，20名交易员则遵守指令在短时间内大量地交易各种美国和海外的期货，包括商品期货、金融期货、股票和债券。但在某些特定情况下，比如市场处在极端波动的时候，交易会切换到手工状态。　　经过几年眩目的增长，大奖章基金在1993年达到2.7亿美元，并开始停止接受新资金。1994年，西蒙斯的文艺复兴科技公司从12个雇员增加到36个，并交易40种金融产品。现在，公司有150个雇员，交易60种金融产品，基金规模则有50亿美元。在150名雇员中有三分之一是拥有自然科学博士学位的顶尖科学家，涵盖数学、理论物理学、量子物理学和统计学等领域。所有雇员中只有两位是华尔街老手，而且该公司既不从商学院中雇用职员，也不从华尔街雇用职员，这在美国投资公司中几乎是独一无二的。　　无论是1998年俄罗斯债券危机，还是本世纪初的互联网泡沫，大奖章基金历经数次金融危机，始终屹立不倒，令有效市场假说都黯然失色。1989年到2009年间，他操盘的大奖章基金平均年回报率高达35％，较同期标普500指数年均回报率高20多个百分点，比金融大鳄索罗斯和股神巴菲特的操盘表现都高出10余个百分点。即便是在次贷危机爆发的2008年，该基金的回报率仍高达80％。从2002年底至2005年底，规模为50亿美元的大奖章基金已经为投资者支付了60多亿美元的回报。　　这个回报率是在扣除了5％的资产管理费和44％的投资收益分成以后得出的，并且已经经过了审计。值得一提的是，西蒙斯收取的这两项费用应该是对冲基金界最高的，相当于平均收费标准的两倍以上。　　2006年，西蒙斯被国际金融工程师协会评选为年度金融工程师。　　模型先生　　针对不同市场设计数量化的投资管理模型，并以电脑运算为主导，在全球各种市场上进行短线交易是西蒙斯的成功秘诀。不过西蒙斯对交易细节一直守口如瓶，除了公司的200多名员工之外，没有人能够得到他们操作的任何线索。　　对于数量分析型对冲基金而言，交易行为更多是基于电脑对价格走势的分析，而非人的主观判断。文艺复兴公司主要由3个部分组成，即电脑和系统专家、研究人员和交易人员。西蒙斯亲自设计了最初的数学模型，他同时雇用了超过70位拥有数学、物理学或统计学博士头衔的人。西蒙斯每周都要和研究团队见一次面，和他们共同探讨交易细节及如何使交易策略更加完善。　　作为一位数学家，西蒙斯知道靠幸运成功只有二分之一的概率，要战胜市场必须以周密而准确的计算为基础。大奖章基金的数学模型主要通过对历史资料的统计，找出金融产品价格、宏观经济、市场指标、技术指标等各种指标间变化的数学关系，发现市场目前存在的微小获利机会，并通过杠杆比率进行快速而大规模的交易获利。　　和流行的“买入并长期持有”的投资理念截然相反，西蒙斯认为市场的异常状态通常都是微小而且短暂的，“我们随时都在买入卖出和卖出买入，我们依靠活跃赚钱”西蒙斯说。　　西蒙斯透露，公司对交易品种的选择有3个标准：即公开交易品种、流动性高，同时符合模型设置的某些要求。他表示：“我是模型先生，不想进行基本面分析。模型的最重要的优势是可以降低风险。而依靠个人判断选股，你可能一夜暴富，也可能在第二天又输得精光。”　　西蒙斯的所作所为似乎正在超越有效市场假说：有效市场假说认为市场价格波动是随机的，交易者不可能持续从市场中获利。而西蒙斯则强调，“有些交易模式并非随机，而是有迹可循、具有预测效果的。”如同巴菲特曾经指出“市场在多数情况下是有效的，但不是绝对的”一样，西蒙斯也认为，虽然整体而言，市场是有效的，但仍存在短暂的或局部的市场无效性，可以提供交易机会。　　在接受《纽约时报》采访时，西蒙斯提到了他曾经观察过的一个核子加速器试验，“当两个高速运行的原子剧烈碰撞后，会迸射出数量巨大的粒子。”他说，“科学家的工作就是分析碰撞所带来的变化。”　　“我注视着电脑屏幕上粒子碰撞后形成的轨迹图，它们看似杂乱无章，实际上却存在着内在的规律，”西蒙斯说，“这让我自然而然地联想到了证券市场，那些很小的交易，哪怕是只有100股的交易，都会对这个庞大的市场产生影响，而每天都会有成千上万这样的交易发生。”西蒙斯认为，自己所做的，就是分析当交易这只蝴蝶的翅膀轻颤之后，市场会做出怎样复杂的反应。　　“这个课题对于世界而言也许并不重要，不过研究市场运转的动力非常有趣。这是一个非常严肃的问题。”西蒙斯笑起来的时候简直就像一个顽童，而他的故事，听起来更像是一位精通数学的书生，通过复杂的赔率和概率计算，最终打败了赌场的神话。这位前美国国防部代码破译员和数学家似乎相信，对于如何走在曲线前面，应该存在一个简单的公式，而发现这个公式则无异于拿到了通往财富之门的入场券。　　黑箱作业　　大奖章基金现在基本上是黑箱作业，它的工作人员发誓要保守秘密，采取的是自营交易的运作策略。对冲基金行业一直拥有黑箱作业式的投资模式，可以不必向投资者披露其交易细节。而在一流的对冲基金投资人之中，西蒙斯先生的那只箱子据说是最黑的。　　就连优秀的数量型对冲基金经理也无法弄清西蒙斯的模型究竟动用了哪些指标，“我们信任他，相信他能够在股市的惊涛骇浪中游刃有余，因此也就不再去想电脑都会干些什么之类的问题”，一位大奖章基金的长期投资者说。当这位投资者开始描述西蒙斯的投资方法时，他坦承，自己完全是猜测的。　　不过，每当有人暗示西蒙斯的基金缺乏透明度时，他总是会无可奈何地耸耸肩，“其实所有人都有一个黑箱，我们把他称为大脑。”西蒙斯指出，公司的投资方法其实并不神秘，很多时候都是可以通过特定的方式来解决的。当然，他不得不补充说，“对我们来说，这其实不太神秘。”　　在纽约，有一句名言是：“你必须非主流才能入流”，西蒙斯的经历似乎刚好是这句话的注解。在华尔街，他的所作所为总是让人感到好奇。　　……

内容概要

丁 鹏

中国量化投资研究的先行者，他开发的D-Alpha量化对冲交易系统，实战中获得持续稳健的收益率。

毕业于上海交通大学计算机系获得工学博士学位，是国际知名的人工智能研究员，美国电子电气工程师学会（IEEE）、美国金融学会（AFA）会员。

2001年底进入上海交通大学工作，在金融工程、金融数学领域深入研究多年，在国际顶级刊物和会议上发表过十余篇学术文章，获得国家发明专利5项。

图书封面

---

 量化投资下载 更多精彩书评

---