⑴ 量化投資—策略與技術的作品目錄
《量化投資—策略與技術》
策略篇
第 1章 量化投資概念
1.1 什麼是量化投資 2
1.1.1 量化投資定義 2
1.1.2 量化投資理解誤區 3
1.2 量化投資與傳統投資比較 6
1.2.1 傳統投資策略的缺點 6
1.2.2 量化投資策略的優勢 7
1.2.3 量化投資與傳統投資策略的比較 8
1.3 量化投資歷史 10
1.3.1 量化投資理論發展 10
1.3.2 海外量化基金的發展 12
1.3.3 量化投資在中國 15
1.4 量化投資主要內容 16
1.5 量化投資主要方法 21
.第 2章 量化選股 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 實證案例：多因子選股模型 30
2.2 風格輪動 35
2.2.1 基本概念 35
2.2.2 盈利預期生命周期模型 38
2.2.3 策略模型 40
2.2.4 實證案例：中信標普風格 41
2.2.5 實證案例：大小盤風格 44
2.3 行業輪動 47
2.3.1 基本概念 47
2.3.2 m2行業輪動策略 50
2.3.3 市場情緒輪動策略 52
2.4 資金流 56
2.4.1 基本概念 56
2.4.2 策略模型 59
2.4.3 實證案例：資金流選股策略 60
2.5 動量反轉 63
2.5.1 基本概念 63
2.5.2 策略模型 67
2.5.3 實證案例：動量選股策略和反轉選股策略 70
2.6 一致預期 73
2.6.1 基本概念 74
2.6.2 策略模型 76
2.6.3 實證案例：一致預期模型案例 78
2.7 趨勢追蹤 84
2.7.1 基本概念 84
2.7.2 策略模型 86
2.7.3 實證案例：趨勢追蹤選股模型 92
2.8 籌碼選股 94
2.8.1 基本概念 95
2.8.2 策略模型 97
2.8.3 實證案例：籌碼選股模型 99
2.9 業績評價 104
2.9.1 收益率指標 104
2.9.2 風險度指標 105
第 3章 量化擇時 111
3.1 趨勢追蹤 112
3.1.1 基本概念 112
3.1.2 傳統趨勢指標 113
3.1.3 自適應均線 121
3.2 市場情緒 125
3.2.1 基本概念 126
3.2.2 情緒指數 128
3.2.3 實證案例：情緒指標擇時策略 129
3.3 有效資金 133
3.3.1 基本概念 133
3.3.2 策略模型 134
3.3.3 實證案例：有效資金擇時模型 137
3.4 牛熊線 141
3.4.1 基本概念 141
3.4.2 策略模型 143
3.4.3 實證案例：牛熊線擇時模型 144
3.5 husrt指數 146
3.5.1 基本概念 146
3.5.2 策略模型 148
3.5.3 實證案例 149
3.6 支持向量機 152
3.6.1 基本概念 152
3.6.2 策略模型 153
3.6.3 實證案例：svm擇時模型 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 實證案例：swarch模型 164
3.8 異常指標 168
3.8.1 市場雜訊 168
3.8.2 行業集中度 170
3.8.3 興登堡凶兆 172
第 4章 股指期貨套利 180
4.1 基本概念 181
4.1.1 套利介紹 181
4.1.2 套利策略 183
4.2 期現套利 185
4.2.1 定價模型 185
4.2.2 現貨指數復制 186
4.2.3 正向套利案例 190
4.2.4 結算日套利 192
4.3 跨期套利 195
4.3.1 跨期套利原理 195
4.3.2 無套利區間 196
4.3.3 跨期套利觸發和終止 197
4.3.4 實證案例：跨期套利策略 199
4.3.5 主要套利機會 200
4.4 沖擊成本 203
4.4.1 主要指標 204
4.4.2 實證案例：沖擊成本 205
4.5 保證金管理 208
4.5.1 var方法 208
4.5.2 var計算方法 209
4.5.3 實證案例 211
第 5章 商品期貨套利 214
5.1 基本概念 215
5.1.1 套利的條件 216
5.1.2 套利基本模式 217
5.1.3 套利准備工作 219
5.1.4 常見套利組合 221
5.2 期現套利 225
5.2.1 基本原理 225
5.2.2 操作流程 226
5.2.3 增值稅風險 230
5.3 跨期套利 231
5.3.1 套利策略 231
5.3.2 實證案例：pvc跨期套利策略 233
5.4 跨市場套利 234
5.4.1 套利策略 234
5.4.2 實證案例：倫銅—滬銅跨市場套利 235
5.5 跨品種套利 236
5.5.1 套利策略 237
5.5.2 實證案例 238
5.6 非常狀態處理 240
第 6章 統計套利 242
6.1 基本概念 243
6.1.1 統計套利定義 243
6.1.2 配對交易 244
6.2 配對交易 247
6.2.1 協整策略 247
6.2.2 主成分策略 254
6.2.3 績效評估 256
6.2.4 實證案例：配對交易 258
6.3 股指套利 261
6.3.1 行業指數套利 261
6.3.2 國家指數套利 263
6.3.3 洲域指數套利 264
6.3.4 全球指數套利 266
6.4 融券套利 267
6.4.1 股票—融券套利 267
6.4.2 可轉債—融券套利 268
6.4.3 股指期貨—融券套利 269
6.4.4 封閉式基金—融券套利 271
6.5 外匯套利 272
6.5.1 利差套利 273
6.5.2 貨幣對套利 275
第 7章 期權套利 277
7.1 基本概念 278
7.1.1 期權介紹 278
7.1.2 期權交易 279
7.1.3 牛熊證 280
7.2 股票/期權套利 283
7.2.1 股票—股票期權套利 283
7.2.2 股票—指數期權套利 284
7.3 轉換套利 285
7.3.1 轉換套利 285
7.3.2 反向轉換套利 287
7.4 跨式套利 288
7.4.1 買入跨式套利 289
7.4.2 賣出跨式套利 291
7.5 寬跨式套利 293
7.5.1 買入寬跨式套利 293
7.5.2 賣出寬跨式套利 294
7.6 蝶式套利 296
7.6.1 買入蝶式套利 296
7.6.2 賣出蝶式套利 298
7.7 飛鷹式套利 299
7.7.1 買入飛鷹式套利 300
7.7.2 賣出飛鷹式套利 301
第 8章 演算法交易 304
8.1 基本概念 305
8.1.1 演算法交易定義 305
8.1.2 演算法交易分類 306
8.1.3 演算法交易設計 308
8.2 被動交易演算法 309
8.2.1 沖擊成本 310
8.2.2 等待風險 312
8.2.3 常用被動型交易策略 314
8.3 vwap演算法 316
8.3.1 標准vwap演算法 316
8.3.2 改進型vwap演算法 319
第 9章 其他策略 323
9.1 事件套利 324
9.1.1 並購套利策略 324
9.1.2 定向增發套利 325
9.1.3 套利重倉停牌股票的投資組合 326
9.1.4 封閉式投資組合套利 327
9.2 etf套利 328
9.2.1 基本概念 328
9.2.2 無風險套利 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 實證案例：lof 套利 337
9.4 高頻交易 341
9.4.1 流動性回扣交易 341
9.4.2 獵物演算法交易 342
9.4.3 自動做市商策略 343
9.4.4 程序化交易 343
理論篇
第 10章 人工智慧 346
10.1 主要內容 347
10.1.1 機器學習 347
10.1.2 自動推理 350
10.1.3 專家系統 353
10.1.4 模式識別 356
10.1.5 人工神經網路 358
10.1.6 遺傳演算法 362
10.2 人工智慧在量化投資中的應用 366
10.2.1 模式識別短線擇時 366
10.2.2 rbf神經網路股價預測 370
10.2.3 基於遺傳演算法的新股預測 375
第 11章 數據挖掘 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 主要內容 385
11.2.1 分類與預測 385
11.2.2 關聯規則 391
11.2.3 聚類分析 397
11.3 數據挖掘在量化投資中的應用 400
11.3.1 基於som 網路的股票聚類分析方法 400
11.3.2 基於關聯規則的板塊輪動 403
第 12章 小波分析 407
12.1 基本概念 408
12.2 小波變換主要內容 409
12.2.1 連續小波變換 409
12.2.2 連續小波變換的離散化 410
12.2.3 多分辨分析與mallat演算法 411
12.3小波分析在量化投資中的應用 414
12.3.1 k線小波去噪 414
12.3.2 金融時序數據預測 420
第 13章 支持向量機 429
13.1 基本概念 430
13.1.1 線性svm 430
13.1.2 非線性svm 433
13.1.3 svm分類器參數選擇 435
13.1.4 svm分類器從二類到多類的推廣 436
13.2 模糊支持向量機 437
13.2.1 增加模糊後處理的svm 437
13.2.2 引入模糊因子的svm訓練演算法 439
13.3 svm在量化投資中的應用 440
13.3.1 復雜金融時序數據預測 440
13.3.2 趨勢拐點預測 445
第 14章 分形理論 452
14.1 基本概念 453
14.1.1 分形定義 453
14.1.2 幾種典型的分形 454
14.1.3 分形理論的應用 456
14.2 主要內容 457
14.2.1 分形維數 457
14.2.2 l系統 458
14.2.3 ifs系統 460
14.3 分形理論在量化投資中的應用 461
14.3.1 大趨勢預測 461
14.3.2 匯率預測 466
第 15章 隨機過程 473
15.1 基本概念 473
15.2 主要內容 476
15.2.1 隨機過程的分布函數 476
15.2.2 隨機過程的數字特徵 476
15.2.3 幾種常見的隨機過程 477
15.2.4 平穩隨機過程 479
15.3 灰色馬爾可夫鏈股市預測 480
第 16章 it技術 486
16.1 數據倉庫技術 486
16.1.1 從資料庫到數據倉庫 487
16.1.2 數據倉庫中的數據組織 489
16.1.3 數據倉庫的關鍵技術 491
16.2 編程語言 493
16.2.1 GPU演算法交易 493
16.2.2 MATLAB 語言 497
16.2.3 c#語言 504
第 17章 主要數據與工具 509
17.1 名策多因子分析系統 509
17.2 MultiCharts：程序化交易平台 511
17.3 交易開拓者：期貨自動交易平台 514
17.4 大連交易所套利指令 518
17.5 mt5：外匯自動交易平台 522
第 18章 量化對沖交易系統：D-alpha 528
18.1 系統構架 528
18.2 策略分析流程 530
18.3 核心演算法 532
18.4 驗證結果 534
表目錄
表1 1 不同投資策略對比 7
表2 1 多因子選股模型候選因子 30
表2 2 多因子模型候選因子初步檢驗 31
表2 3 多因子模型中通過檢驗的有效因子 32
表2 4 多因子模型中剔除冗餘後的因子 33
表2 5 多因子模型組合分段收益率 33
表2 6 晨星市場風格判別法 36
表2 7 夏普收益率基礎投資風格鑒別 37
表2 8 中信標普風格指數 41
表2 9 風格動量策略組合月均收益率 43
表2 10 大小盤風格輪動策略月收益率均值 46
表2 11 中國貨幣周期分段（2000—2009年） 49
表2 12 滬深300行業指數統計 50
表2 13 不同貨幣階段不同行業的收益率 51
表2 14 招商資金流模型（cmsmf）計算方法 58
表2 15 招商資金流模型（cmsmf）選股指標定義 59
表2 16 資金流模型策略——滬深300 61
表2 17 資金流模型策略——全市場 62
表2 18 動量組合相對基準的平均年化超額收益（部分） 68
表2 19 反轉組合相對基準的平均年化超額收益(部分) 69
表2 20 動量策略風險收益分析 71
表2 21 反轉策略風險收益分析 73
表2 22 趨勢追蹤技術收益率 93
表2 23 籌碼選股模型中單個指標的收益率情況對比 99
表3 1 ma指標擇時測試最好的20 組參數及其表現 117
表3 2 4個趨勢型指標最優參數下的獨立擇時交易表現比較 120
表3 3 有交易成本情況下不同信號個數下的綜合擇時策略 120
表3 4 自適應均線擇時策略收益率分析 124
表3 5 市場情緒類別 126
表3 6 滬深300指數在不同情緒區域的當月收益率比較 128
表3 7 滬深300指數在不同情緒變化區域的當月收益率比較 129
表3 8 滬深300指數在不同情緒區域的次月收益率比較 130
表3 9 滬深300指數在不同情緒變化區域的次月收益率比較 130
表3 10 情緒指數擇時收益率統計 132
表3 11 svm擇時模型的指標 156
表3 12 svm對滬深300指數預測結果指標匯總 156
表3 13 svm擇時模型在整體市場的表現 156
表3 14 svm擇時模型在單邊上漲市的表現 157
表3 15 svm擇時模型在單邊下跌市的表現 158
表3 16 svm擇時模型在震盪市的表現 159
表3 17 雜訊交易在熊市擇時的收益率 170
表4 1 各種方法在不同股票數量下的跟蹤誤差（年化） 190
表4-2 股指期貨多頭跨期套利過程分析 199
表4 3 不同開倉比例下的不同保證金水平能夠覆蓋的市場波動及其概率 211
表4 4 不同倉單持有期下的保證金覆蓋比例 212
表6 1 融券標的股票中在樣本期內最相關的50 對組合（部分） 248
表6 2 殘差的平穩性、自相關等檢驗 249
表6 3 在不同的閾值下建倉、平倉所能獲得的平均收益 251
表6 4 採用不同的模型在樣本內獲取的收益率及最優閾值 252
表6 5 採用不同的模型、不同的外推方法在樣本外獲取的收益率（%） 253
表6 6 主成分配對交易在樣本內取得的收益率及最優閾值 255
表6 7 主成分配對交易在樣本外的效果 255
表6-8 各種模型下統計套利的結果 256
表6 9 延後開倉+提前平倉策略實證結果 260
表6 10 各行業的配對交易結果 261
表7 1 多頭股票-期權套利綜合分析表 283
表7 2 多頭股票—股票期權套利案例損益分析表 284
表7 3 多頭股票-指數期權套利案例損益分析表 285
表7 4 轉換套利分析過程 286
表7 5 買入跨式套利綜合分析表 289
表7 6 買入跨式套利交易細節 289
表7 7 賣出跨式套利綜合分析表 291
表7 8 賣出跨式套利交易細節 292
表7 9 買入寬跨式套利綜合分析表 293
表7 10 賣出寬跨式套利綜合分析表 294
表7 11 買入蝶式套利綜合分析表 296
表7 12 賣出蝶式套利綜合分析表 298
表7 13 買入飛鷹套利分析表 300
表7 14 賣出飛鷹式套利綜合分析表 301
表9 1 主要並購方式 324
表9 2 並購套利流程 325
表9 3 鵬華300 lof兩次正向套利的情況 339
表9 4 鵬華300 lof兩次反向套利的情況 340
表10 1 自動推理中連詞系統 352
表10 2 模式識別短線擇時樣本數據分類 369
表10 3 rbf神經網路股價預測結果 375
表10 4 遺傳演算法新股預測參數設置 379
表10 5 遺傳演算法新股預測結果 380
表11 1 決策樹數據表 389
表11 2 關聯規則案例數據表 392
表11 3 som股票聚類分析結果 403
表11 4 21種股票板塊指數布爾關系表數據片斷 404
表12 1 深發展a日收盤價小波分析方法預測值與實際值比較 427
表12 2 不同分解層數的誤差均方根值 428
表13 1 svm滬深300指數預測誤差情況 445
表13 2 svm指數預測和神經網路預測的比較 445
表13 3 技術反轉點定義與圖型 448
表13 4 svm趨勢拐點預測結果 450
表14 1 持續大漲前後分形各主要參數值 463
表14 2 持續大跌前後分形個主要參數值 465
表14 3 外匯r/ s 分析的各項指標 469
表14 4 v(r/s)曲線回歸檢驗 470
表15 1 灰色馬爾可夫鏈預測深證成指樣本內（2005/1—2006/8） 484
表15 2 灰色馬爾可夫鏈預測深證成指樣本外（2006/9—2006/12） 484
表16-1 vba的12種數據類型 499
表18-1 d-alpha系統在全球市場收益率分析 534
⑵ 如何用例子淺顯地解釋什麼是統計套利
統計套利的淺顯例子，原理其實就用下面這張圖可以解釋：
老頭：走路是隨機的（random walk）
小狗：走路也是隨機的（random walk)
老頭和小狗中間的距離（狗繩）：距離一定，具備穩定性
我們現在把這個場景應用到市場上，以股票為例
股票A: 價格Random Walk
股票B: 價格Random Walk
股票A和B的差價 （或者其他的linear combination的時間序列) : 具備穩定性
假設我們現在找到了這樣一個股票A和B的序列，他們的差價，經過統計學的cointegration test證明具備穩定性（如adfuller test），我們計算出該時間序列的mean和std, 就可以設定一個穩定閥域，在偏離的時候買入／賣出，等到回歸到穩定閥域再平倉。
舉例，過去6個月內，A股票和B股票的價差序列為平穩序列，均值為10，標准差為2，我們設定閥域為1.5個標准差，那麼平穩區間就是 7-13 當A-B > 13時，我們買入B, 賣出A, 當A-B<7的時候，我們買入A, 賣出B。等到回歸到平穩區間平倉。
下面的回測是使用600815和601002做的一個配對交易的回測結果。可以看到雖然總收益不算很高，但是beta中性，最大回撤較小。
⑶ 關於分級基金B與股指期貨統計套利的若干疑問
說實話 太專業了 不懂
股指期貨交易的永遠是4個合約 當月下月和隨後的兩個季月 除非臨近交割（到期月第三個星期五） 不然都是當月合約為主力合約 比如現在主力合約就是if1205合約 一般不存在選擇的問題
第二題不懂
第三題 肯定不能用A類去套 A類是固定收益類 跟股指沒啥可比性 B類有溢價不同行情溢價率不一樣 我不知道你在那裡看到的B類和股指套利這個說法 沒聽說過 如果真套可能是利用B類在反彈時溢價會變高而指數不會從而賺取溢價的差價吧
第四題ETF和B類常規下無法做空真要套只能藉助融資融券了 費率計算方面應該差不多 但是動用的資金方面就大不相同了
5題股指杠桿確定 但是B類由於溢價會變 所以杠桿不一定
6題可以做 但那就不是套利是配對交易了
銀華鑫瑞母基金雖然也是指數型的雖然基本同漲跌 但是跟滬深300沒啥必然聯系 跟蹤標的不一樣 他們套應該也算配對交易吧
⑷ 量化對沖領域有哪些經典的策略和傳奇人物
阿斯內斯是法瑪在芝加哥大學指導的金融博士，其博士畢業論文在三因子模型的基礎上加入了動量因子，以四因子模型的形式完成了一系列的實證分析。博士畢業後阿斯內斯進入高盛，成為了一名量化交易分析員，隨後在高盛組建了全球阿爾法基金，主要從事以量化為導向的交易工作，業績不俗。1997年他離開高盛創辦了自己的AQR資本管理公司，目前該公司是全球頂尖的對沖基金之一。雖然沒有直接的證據證明阿斯內斯在工作中採用的是多因子模型基礎上的股價預測技術，但是可以想見的是，市值、賬面市值比、動量因子和因子模型應該與其量化交易策略存在一定的關聯。阿斯內斯在一些訪談和學術論文中也時常談到價值、動量/趨勢、低風險、套息等相關概念，是為佐證。
由學術研究進入量化交易實業領域的一個更為極端的例子，應該是文藝復興科技公司的西蒙斯，這也是中國讀者較為熟悉的一個量化交易從業者。西蒙斯於1961年在加州大學伯克利分校取得數學博士學位，年僅23歲，並在30歲時就任紐約州立大學石溪分校數學學院院長。他在1978年離開學校創立了文藝復興科技公司，該公司因為旗下的量化旗艦基金——大獎章基金傲人的業績而聞名。關於西蒙斯所使用的量化交易策略，坊間一直有諸多猜測。許多人認為其所使用的應該是基於隱馬爾科夫模型的量化交易策略，原因在於西蒙斯的早期合夥人鮑姆是隱馬爾科夫模型估計演算法的創始人之一，同時文藝復興科技公司招聘了大量的語音識別專家，隱馬爾科夫模型正是語音識別領域的一個重要技術工具。作者對這一說法持懷疑態度，不過不管怎樣，從文藝復興科技公司比較另類的人員構成來看，這應該是一個比較純正的使用量化交易策略進行運作的對沖基金公司。
雖然大部分的量化對沖基金正在使用的交易策略都或多或少的進行保密，但是仍然有一些量化交易策略在多年的使用後開始慢慢為外界所熟知，統計套利就是其中之一。這個策略的概念最早產生於摩根斯坦利，當時的做法也被稱為配對交易，實際上就是使用統計的方法選取一對歷史價格走勢相似的股票，當兩支股票之間的價格差距變大、超出一定閾值之後，就分別做多和做空這兩支股票，依靠該價格差在隨後的時間里回歸到正常水平來獲取收益。由於這種量化交易策略既源自於統計分析、又存在等待價差回歸的套利特性，因此被稱之為統計套利。而隨著對這類交易策略的進一步深入研究，統計套利策略目前已經遠遠超出了配對交易的范疇，變得更加的復雜和多樣化。
肖曾經是摩根斯坦利這個統計套利交易組的成員之一，他於1980年在斯坦福大學獲得計算機博士學位，隨後留校進行學術研究。肖在1986年加入摩根斯坦利後負責該組的技術部門，但是在兩年之後、如同統計套利的首創者班伯格（注）一樣、由於政治斗爭等原因從公司離職，並創立了自己的德劭基金公司。結合了肖的大規模並行計算研究背景和在摩根斯坦利接觸到的統計量化策略，德劭基金公司利用計算機量化模型作為主要的策略進行交易並取得了巨大的成功。值得一提的時，肖在對沖基金領域紮根之後，仍然不忘科學研究，其成立的德劭研究公司致力於通過強大的計算機硬、軟體能力在分子動力學模擬等生化科研領域取得前沿性進展。這與阿斯內斯一直在金融雜志上發表學術論文的行為，相映成趣，當然肖的學術研究相對而言可能更為極客一些。
相比起統計套利，傳統意義上的套利策略是一個更為人熟知、更經典的量化交易策略。實際上現代金融框架的一部分都是基於「無套利」這樣一個假設原則建立起來的，可見套利策略的深入人心與重要性。如果說統計套利的重點在於刻畫和預測多個資產間的統計關系，那麼傳統套利可能就更重注於各個資產的價值計算，以及策略執行時的交易成本估計和優化。只不過量化交易策略進化到現在，統計套利和傳統的套利策略已經是互相滲透、互相融合的了。以計算機能力見長的德劭基金公司，對這兩種套利策略應該都是有所涉及的。
說起套利，不得不提到長期資本管理公司。這家公司的陣容十分豪華，包括債券套利的先驅梅里韋瑟、兩位諾貝爾獎獲得者莫頓和斯科爾斯、美聯儲副主席穆林斯等諸多頂級從業者，主要從事的正是債券的量化套利交易，當然其中也會包含一些其他形式策略的成分。公司成立的前三年間表現非常出色，但是在1998年俄羅斯國債違約之後，相關的連鎖反應使得公司產生巨大虧損，在美聯儲的干預下被華爾街幾家公司出資接管，形同倒閉。實際上，長期資本管理公司在俄羅斯債券上的損失本身並不大，但是許多大金融機構在虧損環境下必須保證足夠的資本量，因此通過出售流動性較好的七大工業國債券等資產來減低風險、增加資本，全球主要債券價格在賣出壓力下大幅下跌，波動巨大，這才導致了杠桿極大的長期資本管理公司在債券套利上產生巨額虧損。
⑸ 股票統計套利策略和阿爾法策略的異同主要區別是什麼
所謂的阿爾法，最初指的是超額收益，現在也有把阿爾法看做為絕對收益的。統計套利策略是利用統計學發現市場的規律來進行套利，但是否有超額收益，是否是絕對收益，依據不同的統計策略各有不同。實際上並無所謂的阿爾法策略，因為對於專業投資者而言，無論是追求相對收益還是追求絕對收益，都需要阿爾法。不過有一種策略叫可轉移阿爾法策略，指的是通過對不同類型的資產進行組合，將有優勢領域資產的超額收益轉移到只能獲取貝塔收益的資產上，從而從總體上看，資產組合具備了阿爾法也即超額收益。
⑹ 配對交易策略的股票組合價差圖怎麼做
經典量化交易策略(包括價值投資、技術指標、配對輪動、機器學習等)、研究型文章等
⑺ 什麼叫做套利，套利違法嗎
套利亦稱「利息套匯」，套利不違法。
套利主要有兩種形式：
(1) 不拋補套利。即利用兩國資金市場的利率差異，把短期資金從低利率的市場調到高利率的市場投放，以獲取利差收益。
(2) 拋補套利。即套利者在把短期資金從甲地調到乙地套利的同時，利用遠期外匯交易避免匯率變動的風險。
套利活動會改變不同資金市場的供求關系，使各地短期資金的利率趨於一致，使貨幣的近期匯率與遠期匯率的差價縮小，並使資金市場的利率差與外匯市場的匯率差價之間保持均衡，從而在客觀上加強了國際金融市場的一體化。
但是大量套利活動的進行，會導致短期資本大規模的國際移動，加劇國際金融市場的動盪。
(7)統計套利之股票配對交易策略pdf擴展閱讀：
套利交易模式主要分為4大類型，分別為：股指期貨套利、商品期貨套利、統計和期權套利。
1、股指期貨套利
股指期貨套利是指利用股指期貨市場存在的不合理價格，同時參與股指期貨與股票現貨市場交易，或者同時進行不同期限、不同（但相近）類別股票指數合約交易，以賺取差價的行為。股指期貨套利分為期現套利、跨期套利、跨市套利和跨品種套利。
2、商品期貨套利
與股指期貨對沖類似，商品期貨同樣存在套利策略，在買入或賣出某種期貨合約的同時，賣出或買入相關的另一種合約，並在某個時間同時將兩種合約平倉。
在交易形式上它與套期保值有些相似，但套期保值是在現貨市場買入（或賣出）實貨、同時在期貨市場上賣出（或買入）期貨合約；而套利卻只在期貨市場上買賣合約，並不涉及現貨交易。 商品期貨套利主要有期現套利、跨期對套利、跨市場套利和跨品種套利4種。
3、統計套利
有別於無風險套利，統計套利是利用證券價格的歷史統計規律進行套利的，是一種風險套利，其風險在於這種歷史統計規律在未來一段時間內是否繼續存在。
統計對沖的主要思路是先找出相關性最好的若干對投資品種（股票或者期貨等），再找出每一對投資品種的長期均衡關系（協整關系），當某一對品種的價差（協整方程的殘差）偏離到一定程度時開始建倉——買進被相對低估的品種、賣空被相對高估的品種等到價差回歸均衡時獲利了結即可。
統計對沖的主要內容包括股票配對交易、股指套利、融券對沖和外匯套利交易。
期權套利
期權（Option）又稱選擇權，是在期貨的基礎上產生的一種衍生性金融工具。從其本質上講，期權實質上是在金融領域將權利和義務分開進行定價，使得權利的受讓人在規定時間內對於是否進行交易行使其權利，而義務方必須履行。
在期權的交易時，購買期權的一方稱為買方，而出售期權的一方則稱為賣方；買方即權利的受讓人，而賣方則是必須履行買方行使權利的義務人。
期權的優點在於收益無限的同時風險損失有限，因此在很多時候，利用期權來取代期貨進行做空、套利交易，會比單純利用期貨套利具有更小的風險和更高的收益率。
⑻ 華泰滬深300etf如何套利
套利也叫價差交易，套利指的是在買入或賣出某種電子交易合約的同時，賣出或買入相關的另一種合約。套利交易是指利用相關市場或相關電子合同之間的價差變化，在相關市場或相關電子合同上進行交易方向相反的交易，以期望價差發生變化而獲利的交易行為。
套利交易模式總結為4大類型，分別為：股指期貨套利、商品期貨套利、統計和期權套利。
股指期貨：
股指期貨套利是指利用股指期貨市場存在的不合理價格，同時參與股指期貨與股票現貨市場交易，或者同時進行不同期限、不同（但相近）類別股票指數合約交易，以賺取差價的行為。股指期貨套利分為期現套利、跨期套利、跨市套利和跨品種套利。
商品期貨：
與股指期貨對沖類似，商品期貨同樣存在套利策略，在買入或賣出某種期貨合約的同時，賣出或買入相關的另一種合約，並在某個時間同時將兩種合約平倉。在交易形式上它與套期保值有些相似，但套期保值是在現貨市場買入（或賣出）實貨、同時在期貨市場上賣出（或買入）期貨合約；而套利卻只在期貨市場上買賣合約，並不涉及現貨交易。 商品期貨套利主要有期現套利、跨期對套利、跨市場套利和跨品種套利4種
統計：
有別於無風險套利，統計套利是利用證券價格的歷史統計規律進行套利的，是一種風險套利，其風險在於這種歷史統計規律在未來一段時間內是否繼續存在。 統計對沖的主要思路是先找出相關性最好的若干對投資品種（股票或者期貨等），再找出每一對投資品種的長期均衡關系（協整關系），當某一對品種的價差（協整方程的殘差）偏離到一定程度時開始建倉——買進被相對低估的品種、賣空被相對高估的品種，等到價差回歸均衡時獲利了結即可。 統計對沖的主要內容包括股票配對交易、股指套利、融券對沖和外匯套利交易。
期權：
期權（Option）又稱選擇權，是在期貨的基礎上產生的一種衍生性金融工具。從其本質上講，期權實質上是在金融領域將權利和義務分開進行定價，使得權利的受讓人在規定時間內對於是否進行交易行使其權利，而義務方必須履行。在期權的交易時，購買期權的一方稱為買方，而出售期權的一方則稱為賣方；買方即權利的受讓人，而賣方則是必須履行買方行使權利的義務人。期權的優點在於收益無限的同時風險損失有限，因此在很多時候，利用期權來取代期貨進行做空、套利交易，會比單純利用期貨套利具有更小的風險和更高的收益率
⑼ 完全不懂金融，想學習量化投資需要學習哪些金融科目
我個人認為學習量化投資在金融方面需要具備兩個方面的知識：
1、首先是要了解金融市場與金融產品，只有這樣才能在眾多市場與標的中選擇合適的來構建投資組合，這一方面需要了解的基礎知識有：金融市場與金融機構、投資學、金融衍生品等等；
2、其次是需要了解如何量化，相信你應該有足夠的IT背景，編程沒啥問題，其次的話就是要了解數理來溝通金融產品選擇與編程落地，需要了解的科目有：概率論、統計學、計量經濟學、金融經濟學、數理金融等。