量化投资——MATLAB数据挖掘技术与实践（第2版）

全书内容分为三篇。第1篇为基础篇，主要介绍量化投资与数据挖掘的关系，以及数据挖掘的概念、实现过程、主要内容、主要工具和MATLAB的快速入门操作技巧等。第2篇为技术篇，系统介绍了数据挖掘的相关技术及这些技术在量化投资中的应用，主要包括数据的准备、数据的探索、关联规则方法、数据回归方法、分类方法、聚类方法、预测方法、诊断方法、时间序列方法、智能优化方法等内容。第3篇为实践篇，主要介绍数据挖掘技术在量化投资中的综合应用实例，包括统计套利策略的挖掘与优化、配对交易策略的挖掘与实现、基于Wind数据的程序化交易、基于Quantrader平台的量化投资、趋势跟踪策略及实现过程，以及基于数据挖掘技术的量化交易系统的构建。本书的读者对象为从事投资、数据挖掘、数据分析、数据管理工作的专业人士；金融、经济、管理、统计等专业的教师和学生；希望学习MATLAB的广大科研人员、学者和工程技术人员。

卓金武，MathWorks中国高级工程师，教育业务总监；专著五部:《MATLAB数学建模方法与实践》（第三版），《量化投资：MATLAB数据挖掘技术与实践》,《大数据挖掘：系统方法与实例分析》, 《MATLAB时间序列方法与实践》， 《MATLAB高等数学分析》；译著一部：《MATLAB工程计算（原书第3版）》。

第1篇 基础篇 
第1章 绪论 2 
1.1 量化投资与数据挖掘的关系 2 
1.1.1 什么是量化投资 2 
1.1.2 量化投资的特点 3 
1.1.3 量化投资的核心——量化模型 4 
1.1.4 量化模型的主要产生方法——数据 
挖掘 6 
1.2 数据挖掘的概念和原理 7 
1.2.1 什么是数据挖掘 7 
1.2.2 数据挖掘的原理 8 
1.3 数据挖掘在量化投资中的应用 9 
1.3.1 宏观经济分析 9 
1.3.2 估价 11 
1.3.3 量化选股 11 
1.3.4 量化择时 11 
1.3.5 算法交易 12 
1.4 本章小结 13 
参考文献 13 
第2章 数据挖掘的内容、过程及 
工具 14 
2.1 数据挖掘的内容 14 
2.1.1 关联 14 
2.1.2 回归 15 
2.1.3 分类 16 
2.1.4 聚类 17 
2.1.5 预测 18 
2.1.6 诊断 19 
2.2 数据挖掘的过程 20 
2.2.1 数据挖掘过程的概述 20 
2.2.2 目标的定义 20 
2.2.3 数据的准备 21 
2.2.4 数据的探索 22 
2.2.5 模型的建立 24 
2.2.6 模型的评估 27 
2.2.7 模型的部署 28 
2.3 数据挖掘工具 29 
2.3.1 MATLAB 29 
2.3.2 SAS 30 
2.3.3 SPSS 31 
2.3.4 WEKA 32 
2.3.5 R 33 
2.3.6 工具的比较与选择 34 
2.4 本章小结 35 
参考文献 35 
第3章 MATLAB快速入门及 
实用技巧 36 
3.1 MATLAB快速入门 36 
3.1.1 MATLAB概要 36 
3.1.2 MATLAB的功能 37 
3.1.3 快速入门案例 38 
3.1.4 入门后的提高 45 
3.2 MATLAB常用技巧 45 
3.2.1 常用标点的功能 45 
3.2.2 常用操作指令 45 
3.2.3 指令编辑操作键 46 
3.2.4 MATLAB中的数据类型 46 
3.3 MATLAB的开发模式 47 
3.3.1 命令行模式 47 
3.3.2 脚本模式 47 
3.3.3 面向对象模式 47 
3.3.4 三种模式的配合 48 
3.4 本章小结 48 
第2篇 技术篇 
第4章 数据的准备 51 
4.1 数据的收集 51 
4.1.1 认识数据 51 
4.1.2 数据挖掘的数据源 52 
4.1.3 数据抽样 53 
4.1.4 量化投资的数据源 54 
4.1.5 从雅虎获取交易数据 56 
4.1.6 从大智慧获取公司财务数据 58 
4.1.7 从Wind中获取高质量数据 59 
4.2 数据质量分析 61 
4.2.1 数据质量分析的必要性 61 
4.2.2 数据质量分析的目的 61 
4.2.3 数据质量分析的内容 61 
4.2.4 数据质量分析的方法 62 
4.2.5 数据质量分析的结果及应用 66 
4.3 数据预处理 66 
4.3.1 为什么需要数据预处理 66 
4.3.2 数据预处理的主要任务 67 
4.3.3 数据清洗 68 
4.3.4 数据集成 71 
4.3.5 数据归约 72 
4.3.6 数据变换 73 
4.4 本章小结 74 
参考文献 75 
第5章 数据的探索 76 
5.1 衍生变量 77 
5.1.1 衍生变量的定义 77 
5.1.2 变量衍生的原则和方法 77 
5.1.3 常用的股票衍生变量 78 
5.1.4 评价型衍生变量 82 
5.1.5 衍生变量数据的收集与集成 83 
5.2 数据的统计 84 
5.2.1 基本描述性统计 85 
5.2.2 分布描述性统计 86 
5.3 数据可视化 86 
5.3.1 基本可视化方法 86 
5.3.2 数据分布形状可视化 87 
5.3.3 数据关联情况可视化 89 
5.3.4 数据分组可视化 90 
5.4 样本选择 91 
5.4.1 样本选择的方法 91 
5.4.2 样本选择应用实例 91 
5.5 数据降维 93 
5.5.1 主成分分析（PCA）的基本原理 93 
5.5.2 PCA应用实例：企业综合实力 
排序 96 
5.5.3 相关系数降维 98 
5.6 本章小结 99 
第6章 关联规则方法 101 
6.1 关联规则概要 101 
6.1.1 关联规则的提出背景 101 
6.1.2 关联规则的基本概念 102 
6.1.3 关联规则的分类 103 
6.1.4 关联规则挖掘常用算法 104 
6.2 Apriori算法 104 
6.2.1 Apriori算法的基本思想 104 
6.2.2 Apriori算法的步骤 105 
6.2.3 Apriori算法的实例 105 
6.2.4 Apriori算法的程序实现 107 
6.2.5 Apriori算法的优缺点 110 
6.3 FP-Growth算法 110 
6.3.1 FP-Growth算法的步骤 110 
6.3.2 FP-Growth算法的实例 111 
6.3.3 FP-Growth算法的优缺点 113 
6.4 应用实例：行业关联选股法 113 
6.5 本章小结 114 
参考文献 115 
第7章 数据回归方法 116 
7.1 一元回归 117 
7.1.1 一元线性回归 117 
7.1.2 一元非线性回归 120 
7.1.3 一元多项式回归 124 
7.2 多元回归 125 
7.2.1 多元线性回归 125 
7.2.2 多元多项式回归 127 
7.3 逐步回归 130 
7.3.1 逐步回归的基本思想 130 
7.3.2 逐步回归的步骤 131 
7.3.3 逐步回归的MATLAB方法 131 
7.4 逻辑斯蒂回归 133 
7.4.1 逻辑斯蒂回归模型 133 
7.4.2 逻辑斯蒂回归实例 134 
7.5 应用实例：多因子选股模型的 
实现 136 
7.5.1 多因子模型的基本思想 136 
7.5.2 多因子选股模型的实现 137 
7.6 本章小结 140 
第8章 分类方法 141 
8.1 分类方法概要 141 
8.1.1 分类的概念 141 
8.1.2 分类的原理 142 
8.1.3 常用的分类方法 143 
8.2 K-近邻分类 143 
8.2.1 K-近邻分类的原理 143 
8.2.2 K-近邻分类的实例 145 
8.2.3 K-近邻分类的特点 147 
8.3 贝叶斯分类 147 
8.3.1 贝叶斯分类的原理 147 
8.3.2 朴素贝叶斯分类的原理 148 
8.3.3 朴素贝叶斯分类的实例 150 
8.3.4 朴素贝叶斯分类的特点 150 
8.4 神经网络 151 
8.4.1 神经网络的原理 151 
8.4.2 神经网络的实例 153 
8.4.3 神经网络的特点 153 
8.5 逻辑斯蒂分类 154 
8.5.1 逻辑斯蒂分类的原理 154 
8.5.2 逻辑斯蒂分类的实例 154 
8.5.3 逻辑斯蒂分类的特点 154 
8.6 判别分析 155 
8.6.1 判别分析的原理 155 
8.6.2 判别分析的实例 156 
8.6.3 判别分析的特点 156 
8.7 支持向量机（SVM） 156 
8.7.1 SVM的基本思想 157 
8.7.2 SVM的理论基础 157 
8.7.3 SVM的实例 159 
8.7.4 SVM的特点 160 
8.8 决策树 160 
8.8.1 决策树的基本概念 160 
8.8.2 决策树建构的步骤 161 
8.8.3 决策树的实例 164 
8.8.4 决策树的特点 164 
8.9 分类的评判 165 
8.9.1 正确率 165 
8.9.2 ROC曲线 166 
8.10 应用实例：分类选股法 168 
8.10.1 实例背景 168 
8.10.2 实现方法 169 
8.11 延伸阅读：其他分类方法 171 
8.12 本章小结 172 
第9章 聚类方法 173 
9.1 聚类方法概要 173 
9.1.1 聚类的概念 173 
9.1.2 类的度量方法 175 
9.1.3 聚类方法的应用场景 176 
9.1.4 聚类方法的分类 177 
9.2 K-means聚类 177 
9.2.1 K-means算法的原理和步骤 177 
9.2.2 K-means聚类实例1：自主编程 178 
9.2.3 K-means聚类实例2：集成函数 180 
9.2.4 K-means算法的特点 183 
9.3 层次聚类 183 
9.3.1 层次聚类的原理和步骤 183 
9.3.2 层次聚类的实例 185 
9.3.3 层次聚类的特点 187 
9.4 神经网络聚类 187 
9.4.1 神经网络聚类的原理和步骤 187 
9.4.2 神经网络聚类的实例 187 
9.4.3 神经网络聚类的特点 188 
9.5 模糊C均值（FCM）方法 188 
9.5.1 模糊C均值的原理和步骤 188 
9.5.2 模糊C均值方法的应用实例 189 
9.5.3 模糊C均值算法的特点 190 
9.6 高斯混合聚类方法 190 
9.6.1 高斯混合聚类的原理和步骤 190 
9.6.2 高斯聚类的实例 192 
9.6.3 高斯聚类的特点 193 
9.7 类别数的确定方法及实例 193 
9.7.1 类别数的确定方法 193 
9.7.2 类别数的确定实例 194 
9.8 应用实例：股票聚类分池 196 
9.8.1 聚类的目标和数据描述 196 
9.8.2 实现过程 196 
9.8.3 结果及分析 198 
9.9 延伸阅读 199 
9.9.1 目前聚类分析研究的主要内容 199 
9.9.2 SOM智能聚类算法 200 
9.10 本章小结 201 
参考文献 201 
第10章 预测方法 202 
10.1 预测方法概要 202 
10.1.1 预测的概念 202 
10.1.2 预测的基本原理 202 
10.1.3 量化投资中预测的主要内容 203 
10.1.4 预测的准确度评价及影响因素 204 
10.1.5 常用的预测方法 205 
10.2 灰色预测 206 
10.2.1 灰色预测的原理 206 
10.2.2 灰色预测的实例 208 
10.3 马尔可夫预测 209 
10.3.1 马尔可夫预测的原理 209 
10.3.2 马尔可夫过程的特性 210 
10.3.3 马尔可夫预测的实例 211 
10.4 应用实例：大盘走势预测 214 
10.4.1 数据的选取及模型的建立 214 
10.4.2 预测过程 216 
10.4.3 预测结果与分析 216 
10.5 本章小结 217 
参考文献 218 
第11章 诊断方法 219 
11.1 离群点诊断概要 219 
11.1.1 离群点诊断的定义 219 
11.1.2 离群点诊断的作用 220 
11.1.3 离群点诊断方法的分类 221 
11.2 基于统计的离群点诊断 221 
11.2.1 理论基础 221 
11.2.2 应用实例 223 
11.2.3 优点与缺点 224 
11.3 基于距离的离群点诊断 225 
11.3.1 理论基础 225 
11.3.2 应用实例 226 
11.3.3 优点与缺点 227 
11.4 基于密度的离群点诊断 227 
11.4.1 理论基础 227 
11.4.2 应用实例 228 
11.4.3 优点与缺点 229 
11.5 基于聚类的离群点诊断 230 
11.5.1 理论基础 230 
11.5.2 应用实例 230 
11.5.3 优点与缺点 232 
11.6 应用实例：离群点诊断量化 
择时 232 
11.7 延伸阅读：新兴的离群点挖掘诊断 
方法 233 
11.7.1 基于关联的离群点挖掘 233 
11.7.2 基于粗糙集的离群点挖掘 2