【现货速发】GPT时代的量化交易 底层逻辑与技术实践

万物皆可量化

德国哲学家恩格斯说：“任何一门科学的真正完善在于数学工具的广泛应用。”换句话说，任何一门学科，只有能用数学来描述，才是科学的。故而，有了“万物皆可量化”的底层认知。基于此，30年来，我一直坚信“数学”是拨开投资迷雾的必由之路。

当我们把投资当作“数学”来研究的时候，投资就不再是一门无法预测的艺术。市场变化的背后应当有其数学逻辑，这也是我一直强调的“在投资中，底层思维逻辑最重要，而具体的工具不重要”的原因。没想到，技术进步很快让这句话变成了现实。

在写书的过程中，ChatGPT横空出世，这让广大投资者可以更加方便地使用各类编程工具。当工具的使用门槛迅速降低时，掌握量化交易的底层逻辑就成了重中之重。而在当下的图书市场中，讲量化交易编程工具的书很多，但讲量化交易模型底层逻辑的书很少。

无巧不成书，2022年，我在互联网上做了10节量化交易直播课，主要针对的是全国想转型量化交易的程序员，因此课程的重点就放在了量化交易的底层逻辑而非编程实现上。没想到，这个课程很受大家欢迎，再加上几家出版社约稿，于是就有了这本书，而本书的重点就是量化交易的底层逻辑。

尤其让我感动的是，课程的很多学员主动参与了本书的写作和修订。他们有的是金融行业的领军人物，有的是大厂的资深程序员，还有的是纵横市场多年的实战者。在大家的帮助下，本书的内容获得了极大的丰富和深化，出乎我的意料。

在量化交易的世界里，每位投资者选择的交易策略是千差万别的，具体可以概括成5种交易策略：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。在每种交易策略上，我们都可以看到世界级投资大师们留下的足迹。本书没有偏向任何一种量化交易策略，而是将选择权交给读者，我相信总有一种量化交易策略会与你的人生观和认知观相匹配。

在写书的过程中，中国市场迎来了巨大的变化，全面注册制让股票市场的慢牛开始酝酿成熟，个人养老金的推出也让更多机构开始寻找量化交易模型进行长期投资。再过10年，我相信在“万物皆可量化”的路上，会有更多的投资者与我们同行。

罗勇

2023年8月

ChatGPT的横空出世，使得量化交易编程工具的使用门槛迅速降低，掌握量化交易的底层逻辑就成了重中之重。本书着重介绍量化交易模型的底层逻辑和技术实践，梳理了基本面量化、资产配置量化、贝塔量化、阿尔法量化和另类量化这5种量化交易第略，并给出了相应的实战案例及代码，初步探索了运用GPT来实现其逻辑的技术路径，从理论到实践，助你轻松上手量化交易。

本书适合对量化交易感兴趣的广大投资者，尤其适合希望转型量化交易的程序员参考阅读。

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，全球特许金融科技师，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。

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

ChatGPT的横空出世，使得量化交易编程工具的使用门槛迅速降低，掌握量化交易的底层逻辑就成了重中之重。本书着重介绍量化交易模型的底层逻辑和技术实践，梳理了基本面量化、资产配置量化、贝塔量化、阿尔法量化和另类量化这5种量化交易第略，并给出了相应的实战案例及代码，初步探索了运用GPT来实现其逻辑的技术路径，从理论到实践，助你轻松上手量化交易。

本书适合对量化交易感兴趣的广大投资者，尤其适合希望转型量化交易的程序员参考阅读。

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，全球特许金融科技师，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。

时代呼唤，应运而生。本书系统阐述了量化投资的底层逻辑和实践方法，提供了丰富的量化交易策略，有利于投资者完善量化交易体系和投资框架。如开此卷，定有裨益。

杨晓光

中国科学院数学与系统科学研究院研究员、博导，国务院特殊贡献专家

纸上得来终觉浅，绝知此事要躬行。

本书是指导量化策略实战的绝佳范例。

陈剑

马里兰大学史密斯商学院管理科学博士，复旦大学泛海国际金融学院金融学实践教授

大数据和超级算力把证券投资交易行业带进智能时代，传统的投资思想结合智慧投资技术必将在证券投资市场大放异彩。本书让我们看到在这个新世界中会发生的改变。

 卢申林

纽约大学柯朗数学研究所博士

上海睿值私募基金管理有限公司 总经理

随着GPT时代的来临，量化交易成为大势所趋，本书非常全面地诠释了量化投资的体系与实践，相信读者能从本书中得到更多启发。

何晓敏

五矿证券研究所  研究员