GPT时代的量化交易：底层逻辑与技术实践_罗勇&卢洪波.pdf 量化交易的核心原理和技术实现

《GPT时代的量化交易：底层逻辑与技术实践》是一本由罗勇、卢洪波等作者合著的书籍，旨在帮助读者深入了解量化交易的核心原理和技术实现。以下是关于这本书的详细信息：

书籍简介

本书在GPT技术日益普及的背景下，强调了对量化交易底层逻辑的掌握的重要性。它详细介绍了量化交易模型的基础知识和技术应用，涵盖了基本面量化、资产配置量化、贝塔量化、阿尔法量化和另类量化等五种量化交易策略。书中不仅提供了丰富的实战案例和代码，还初步探讨了如何运用GPT技术来实现这些策略，从而为读者提供了一个从理论到实践的量化交易学习路径。

书籍特色

- 底层逻辑解析：深入剖析量化交易的底层逻辑，帮助读者建立起扎实的理论基础。 - 技术实践指导：提供实战案例和代码，让读者能够动手实践，加深对量化交易的理解。 - GPT技术应用：探索GPT在量化交易领域的应用，为读者展示量化交易的未来发展趋势。

作者寄语

罗勇和卢洪波等作者通过本书，旨在帮助投资者和程序员更好地理解和应用量化交易，降低量化交易编程工具的使用门槛，使更多人对量化交易产生兴趣并参与到这一领域中来。

读者群体

本书适合以下读者群体： - 对量化交易感兴趣的投资者，希望通过学习提升自己的交易技能。 - 希望转型或深入了解量化交易的程序员，本书将为他们提供宝贵的参考资料。

书籍信息

- 作者：罗勇 / 卢洪波等 - 出版社：电子工业出版社 - 出版年：2023年9月 - 页数：300页 - 定价：118元 - ISBN：9787121462474 《GPT时代的量化交易：底层逻辑与技术实践》是一本结合理论与实践、传统量化策略与新兴技术的专业书籍，对于想要在量化交易领域深耕的读者来说，是不可多得的参考资料。

作者简介 · · · · · ·

罗勇，资深算法策略师，哈尔滨工业大学金融智能量化投资研究中心副主任。曾在哈尔滨工业大学开设16学时的“金融投资策略设计”本科课程；在哈尔滨金融学院开设51学时的“金融量化基础”本科课程；在哈尔滨商业大学开设32学时的“计算机语言与量化投资”研究生课程。《波动率：实用期权理论》的译者，《量化投资教程》的作者。20年实盘经验，25年编程经验，曾为国内多个团队构建算法交易模型；当下主要研究方向为高频HFT和贝塔策略。

卢洪波，世界经济学博士，任职于国内某资产管理公司，国科创新发展研究院智库专家，北京信息产业协会、北京区块链协会专家库专家，高级经济师，全球特许金融科 *** ，金融交易师、金融风险分析师，参加多项国家级重大项目，著有《中国元宇宙蓝皮书》《数字中国新机遇》《行业元宇宙》等书，十多年期货、证券交易实战经验，目前主要研究方向为全球宏观对冲策略等。

目录 · · · · · ·

第1章量化交易基础入门 1
1.1 量化交易的基本定义 1
1.2 量化交易的研究对象 2
1.3 量化交易的发展历程 2
1.3.1 量化交易的萌芽 2
1.3.2 量化交易的发展历程 3
1.4 量化交易策略的主要分类 8
1.4.1 基本面量化交易策略 9
1.4.2 资产配置量化交易策略 10
1.4.3 阿尔法量化交易策略 11
1.4.4 贝塔量化交易策略 12
1.4.5 另类量化交易策略 13
1.5 量化交易的未来发展 14
1.5.1 量化交易的智能化 14
1.5.2 量化交易的全球化 15
1.5.3 量化交易的机构化 15
第2章量化交易的策略及实战案例 16
2.1 基本面量化交易策略 16
2.1.1 基本面量化交易策略的底层逻辑 16
2.1.2 基本面量化交易策略的代表人物及其投资逻辑 18
2.1.3 实战案例：巴菲特的量化交易策略 22
2.1.4 基本面投资与基本面量化交易的区别 31
2.2 资产配置量化交易策略 33
2.2.1 资产配置量化交易策略的底层逻辑 34
2.2.2 资产配置量化交易策略的代表人物及其投资逻辑 38
2.2.3 实战案例：桥水公司的全天候量化交易策略 42
2.2.4 实战案例：个人养老金量化交易策略 49
2.3 贝塔量化交易策略 57
2.3.1 贝塔量化交易策略的底层逻辑 57
2.3.2 贝塔量化交易策略的代表人物及其投资逻辑 59
2.3.3 实战案例：RSRS择时量化交易策略 61
2.3.4 实战案例：打板量化交易策略 69
2.4 阿尔法量化交易策略 84
2.4.1 阿尔法量化交易策略的底层逻辑 84
2.4.2 阿尔法量化交易策略的代表人物及其投资逻辑 84
2.4.3 实战案例：彼得·林奇多因子量化交易策略 86
2.5 另类量化交易策略 95
2.5.1 另类量化交易策略的底层逻辑 95
2.5.2 另类量化交易策略的代表人物及其投资逻辑 96
2.5.3 实战案例：高频交易策略 102
2.5.4 实战案例：事件驱动量化交易策略 108
第3章量化交易策略的逻辑与设计 111
3.1 因子建模 111
3.1.1 如何理解量化交易策略中的因子 111
3.1.2 阿尔法101因子建模示例解读 112
3.2 逻辑与设计 124
3.2.1 什么是思维导图 124
3.2.2 思维导图构建逻辑与设计的要点 126
3.2.3 止盈止损的常用方法 129
3.3 凯利公式与仓位计算 131
3.3.1 什么是凯利公式 131
3.3.2 凯利公式所引发的思考 132
3.3.3 凯利公式的仓位计算 134
3.4 量化交易策略的有效性评估 136
3.4.1 未来函数 136
3.4.2 过度拟合 137
3.4.3 夏普比率 138
3.5 实战案例：米伦坎普量化交易策略的逻辑与设计 139
3.5.1 米伦坎普简介 139
3.5.2 米伦坎普的投资逻辑 141
3.5.3 米伦坎普量化交易策略在中国市场的适应情况 142
3.5.4 米伦坎普量化交易策略的改进思路 144
3.5.5 米伦坎普量化交易策略的实战代码示例 147
第4章量化交易策略的代码开发与实战 153
4.1 低代码开发 153
4.1.1 低代码开发量化交易策略指南 153
4.1.2 实战案例：国信金太阳构建的模拟动量策略 159
4.1.3 实战案例：在果仁网构建格雷厄姆熊转牛积极策略 164
4.2 有代码开发 170
4.2.1 有代码开发量化交易策略指南 170
4.2.2 实战股票案例：彼得·林奇多因子量化交易策略进阶 173
4.2.3 实战期货案例：经典的CTA策略 179
4.2.4 实战基金案例：FoF策略 192
4.3 机器学习 204
4.3.1 监督学习在量化交易中的应用 205
4.3.2 无监督学习在量化交易中的应用 215
4.3.3 深度学习在量化交易中的应用 226
第5章量化交易中的重要问题 231
5.1 量化交易与哲学问题 231
5.1.1 哲学与量化交易 231
5.1.2 哲学三问对量化交易的启示 231
5.1.3 量化交易中的哲学示例：“简单”或“复杂” 232
5.2 算法交易简介 235
5.2.1 什么是算法交易 235
5.2.2 算法交易的迭代 235
5.2.3 算法交易的常用因子简介 236
5.2.4 算法交易实战示例 237
5.3 低风险策略的研究方向 238
5.3.1 什么是低风险策略 238
5.3.2 常用的低风险策略 238
5.3.3 低风险策略的利与弊 242
5.4 量化实战策略优化的注意事项 242
5.4.1 从5个维度上避免过度拟合 242
5.4.2 特别关注对出场条件的优化 244
5.4.3 关于优化的几点说明 244
5.5 GPT在量化交易中的应用 245
5.5.1 ChatGPT的诞生是一次世界级的技术革命 245
5.5.2 从4个维度理解GPT系列大模型 246
5.5.3 GPT可以帮助投资者更快速地入门量化交易 246
5.5.4 GPT在量化交易中的具体应用示例 247
5.5.5 GPT在资产配置量化交易策略的具体应用示例 251
后记感谢“量化漫步”团队的付出与贡献 254
附录A 进入量化行业的面试指南 256
附录B 量化交易常用参考书与网站指南 260
附录C 量化交易常用的数据接口 263