量化投資：以MATLAB為工具（第2版）

基礎篇
第0章N分鍾學會MATLAB（60＜N＜180）1
0.1引言1
0.2基礎知識1
0.3輸入/輸出10
0.4數據處理12
0.5數學運算18
0.6字符操作25
0.7日期時間27
0.8繪圖相關28
0.9數學、金融、統計相關34
0.10其他47
高級篇
第1章基於MATLAB的優化問題51
1.1基於MATLAB的線性優化51
1.1.1背景介紹51
1.1.2線性優化MATLAB求解52
1.1.3含參數線性規划56
1.2基於MATLAB的非線性優化57
1.2.1背景介紹57
1.2.2理論模型58
1.2.3MATLAB實現60
1.2.4擴展閱讀70
1.3優化工具箱參數設置73
1.3.1優化工具箱參數說明73
1.3.2優化工具箱參數設置方法78
1.3.3參數設置實例演示80
第2章MATLAB與Excel的數據交互81
2.1數據交互函數81
2.1.1獲取文件信息xlsfinfo函數81
2.1.2讀取數據xlsread函數82
2.1.3寫入數據xlswrite函數84
2.1.4交互界面uiimport函數85
2.2Excel—Link宏87
2.2.1加載Excel—Link宏88
2.2.2使用Excel—Link宏89
2.2.3Excel2007加載與使用宏91
2.3交互實例92
2.3.1基金相關性的計算92
2.3.2多個文件的讀取和寫入93
2.4數據的平滑處理94
2.4.1smooth函數94
2.4.2smoothts函數99
2.4.3medfilt1函數102
2.5數據的變換104
2.5.1數據的標准化變換105
2.5.2數據的極差規格化變換107
第3章MATLAB與數據庫的數據交互110
3.1MATLAB實現110
3.1.1Database工具箱簡介110
3.1.2Database工具箱函數111
3.1.3數據庫數據讀取112
3.1.4數據庫數據寫入117
3.2系統數據源配置119
第4章K線圖及常用技術指標的MATLAB實現122
4.1K線圖的MATLAB實現123
4.1.1MATLAB內置函數candle實現123
4.1.2自己編寫函數實現124
4.2常用技術指標的MATLAB實現128
4.2.1簡單移動平均線（SMA）和指數移動平均線（EMA）129
4.2.2自適應移動平均線（AMA）133
4.2.3指數平滑異同移動平均線（MACD）138
4.2.4平均差（DMA）140
第5章基於MATLAB的行情軟件143
5.1基於MATLAB的行情軟件使用介紹145
5.1.1面板介紹145
5.1.2功能介紹145
5.2基於MATLAB的行情軟件建立過程148
5.2.1GUI版面布局設計148
5.2.2核心函數編寫150
5.3擴展閱讀159
5.3.1MATLAB通過網頁抓取從雅虎網站獲取股票歷史數據159
5.3.2MATLAB通過網頁抓取從新浪獲取股票實時數據163
第6章基於MATLAB的隨機模擬167
6.1概率分布167
6.1.1概率分布的定義167
6.1.2幾種常用的概率分布167
6.1.3概率密度、分布和逆概率分布函數值的計算171
6.2隨機數與蒙特卡羅模擬174
6.2.1隨機數的生成174
6.2.2蒙特卡羅模擬178
6.3隨機價格序列180
6.3.1收益率服從正態分布的價格序列180
6.3.2具有相關性的隨機序列182
6.4帶約束的隨機序列184
第7章基於MATLAB的風險管理188
7.1背景介紹188
7.1.1VaR模型188
7.1.2VaR計算方法190
7.2MATLAB實現191
7.2.1數據讀取191
7.2.2數據處理200
7.2.3歷史模擬法程序201
7.2.4參數模型法程序203
7.2.5蒙特卡羅模擬程序205
7.2.6計算結果比較208
第8章期權定價模型的MATLAB實現209
8.1概述209
8.1.1關於布萊克、斯科爾斯和莫頓的故事209
8.1.2Black—Scholes定價模型210
8.2Black—Scholes定價模型及希臘字母研究211
8.2.1Black—Scholes微分方程的推導211
8.2.2希臘字母研究及MATLAB仿真測試217
8.3二叉樹定價模型研究233
8.3.1期權定價的數值方法概述233
8.3.2二叉樹定價模型235
8.3.3二叉樹模型下的希臘字母計算和測試240
8.3.4美式期權與歐式期權的風險指標對比243
8.4BAW定價模型研究247
8.4.1美式期權定價模型方法概述247
8.4.2BAW定價模型247
8.4.3BAW定價模型仿真測試250
第9章基於MATLAB的支持向量機（SVM）在量化投資中的應用253
9.1背景介紹253
9.1.1SVM概述253
9.1.2LIBSVM工具箱255
9.2上證指數開盤指數預測257
9.2.1模型建立257
9.2.2MATLAB實現258
9.3上證指數開盤指數變化趨勢和變化空間預測264
9.3.1信息粒化簡介264
9.3.2模型建立267
9.3.3MATLAB實現267
9.4基於C—SVM的期貨交易策略272
9.4.1引言272
9.4.2模型建立273
9.4.3MATLAB實現273
9.5擴展閱讀287
9.5.1MATLAB自帶的SVM實現函數與LIBSVM的差別287
9.5.2關於SVM的學習資源匯總288
第10章MATLAB與其他金融平台終端的通信291
10.1DataHouse平台MATLAB接口介紹291
10.1.1DataHouse平台簡介291
10.1.2MATLAB接口介紹293
10.2Wind平台MATLAB接口介紹308
10.2.1Wind平台簡介308
10.2.2MATLAB接口介紹309
第11章基於MATLAB的交易品種選擇分析313
11.1品種的流動性313
11.2品種的波動性316
11.3小結320
第12章基於MATLAB的交易品種相關性分析321
12.1背景介紹321
12.2MATLAB實現324
12.2.1計算相關性的時間長度和時間周期的選擇325
12.2.2不同交易品種（資產）的時間軸校正327
12.2.3全市場品種的相關性圖形展示327
12.3擴展閱讀329
第13章基於MATLAB的國內期貨證券交易解決方案333
13.1國內期貨櫃台系統介紹333
13.2MATLAB對接CTP的各種方式335
13.3開發前准備336
13.3.1文檔下載336
13.3.2MATLAB安裝336
13.3.3監控工具337
13.3.4開發工具338
13.4C#版對接原理338
13.5XAPI版項目介紹339
13.6MATLAB對接期貨接口介紹（XAPI項目.NET版）340
13.6.1導入C#庫341
13.6.2啟動行情連接341
13.6.3顯示連接狀態345
13.6.4訂閱行情348
13.6.5行情連接參數349
13.6.6啟動交易連接349
13.6.7交易的相關事件349
13.6.8下單350
13.6.9撤單352
13.6.10退出352
13.6.11改進352
13.7MATLAB對接期貨接口介紹（XAPI項目COM版）353
13.7.1COM組件注冊353
13.7.2COM組件運行354
13.7.3COM事件注冊356
13.7.4下單357
13.8MATLAB對接證券接口358
13.9MATLAB對接個股期權接口360
第14章構建基於MATLAB的回測系統361
14.1基於MATLAB的量化回測平台框架介紹361
14.1.1回測平台實現細節思考361
14.1.2回測平台框架363
14.2簡單均線系統的MATLAB實現364
14.3基於MATLAB的策略回測模板樣例369
14.3.1模板結構369
14.3.2相關回測變量和指標的定義369
14.3.3策略描述370
14.3.4數據准備373
14.3.5回測計算374
14.3.6策略評價379
14.4其他基於MATLAB的回測平台展示385
14.4.1HTS1.0——基於MATLAB設計的回測平台體驗版385
14.4.2GreenDragon期貨交易算法研發平台387
14.4.3交易策略回測GUI（Trading strategy back tester）388
第15章基於MATLAB的多因子選股模型的實現389
15.1多因子模型介紹389
15.1.1背景389
15.1.2因子種類389
15.1.3因子庫390
15.1.4全局參數390
15.1.5初始股票池391
15.1.6股票組合392
15.1.7情景分析392
15.1.8測試流程393
15.1.9評價體系393
15.2MATLAB實現394
15.2.1主腳本394
15.2.2提取數據396
15.2.3因子選股398
15.2.4回測399
15.2.5策略評價403
15.3總結405
第16章基於MATLAB和Wind的量化交易終端AsTradePlatform介紹與使用406
16.1背景介紹406
16.2面板介紹406
16.3模塊介紹408
16.3.1前期准備408
16.3.2初始化412
16.3.3登錄/登出模塊413
16.3.4策略控制模塊419
16.3.5標的池模塊446
16.3.6策略監控模塊456
16.3.7賬戶信息模塊465
16.3.8手動交易467
16.3.9選股模型468
16.4總結與改進472
第17章基於MATLAB的BP神經網絡在量化投資中的應用473
17.1基礎概述473
17.1.1BP神經網絡概述473
17.1.2基於MATLAB的BP神經網絡的非線性系統建模480
17.2基於MATLAB的BP神經網絡對股指連續收盤價進行預測484
17.2.1數據與指標選取484
17.2.2基於BP神經網絡的股指連續的預測實現484
第18章基於MATLAB的廣義極值分布在量化投資中的策略挖掘與回測487
18.1背景介紹487
18.1.1廣義極值分布487
18.1.2GEV分布與目標價格的突破概率490
18.2GEV策略與回測的MATLAB實現495
18.2.1策略准則495
18.2.2GEV策略構建500
18.2.3HS300回測507
18.2.4股指期貨5分鍾連續主力合約回測511
第19章基於MATLAB的正則表達式基礎教程517
19.1引言517
19.2單個字符的匹配518
19.2.1句點符號518
19.2.2方括號符號519
19.2.3方括號中的連接符519
19.2.4特殊字符519
19.2.5類表達式520
19.3字符串的匹配521
19.3.1多次匹配521
19.3.2邏輯運算符522
19.3.3左顧右盼——利用上下文匹配523
19.4標記（tokens）523
19.4.1什麼是標記523
19.4.2如何使用標記524
19.5多行字符串與多正則表達式525
19.5.1多個字符串與單個正則表達式匹配525
19.5.2多個字符串與多個正則表達式匹配526
19.5.3多字符串的替換526
19.6應用實例526
第20章FQuantToolBox股票期貨數據獲取＆量化回測工具箱的介紹與使用528
20.1FQuantToolBox是做什麼用的528
20.2FQuantToolBox工具箱內容簡介529
20.3行情數據和基本面數據獲取函數530
20.4工具箱各版本更新說明557

近年來，互聯網和人工智能技術的飛速發展，推動傳統金融大踏步前進，尤其是量化投資、互聯網金融、移動計算等領域，用一日千里來形容亦不為過。2015年年初，李克強總理在《政府工作報告》中提出制訂「互聯網+」行動計划，推動移動互聯網、雲計算、大數據等與各行業的融合發展。

2015年9月，國務院又印發了《促進大數據發展行動綱要》，提出「推動產業創新發展，培育數據應用新業態，積極推動大數據與其他行業的融合，大力培育互聯網金融、數據服務、數據處理分析等新業態」。

可見，大數據金融將會成為未來十年最閃亮的領域之一。2012年年初，中國量化投資學會聯合中國工信出版集團電子工業出版社，共同策划出版了「量化投資與對沖基金叢書」，深受業內好評。在此基礎上，2016年我們再次重磅出擊，整合業內頂尖人才，推出「大數據金融叢書」，引領時代前沿，助力行業發展。

本書特點
李洋是最早加入本叢書的作者之一，他的第1版《量化投資：以MATLAB為工具》出版后，深受好評，也奠定了他在該領域的領先地位。三年后，他再次大幅度升級改版，相信又會給業內讀者帶來更多的分享價值。與第1版相比，第2版以實戰策略為核心，闡述了MATLAB在量化投資中的方方面面。

第1章是關於MATLAB的優化問題，開發量化策略的回測中無法避免的就是策略優化，MATLAB則提供了很多函數進行線性優化及非線性優化。

第2、3、5章主要講解數據交互如何解決，包括最常用的如何從Excel中交互數據，以及與數據庫之間的交互。行情的獲取也可以通過MATLAB的接口實現，並以圖形化的方式展示出來，同時通過案例說明如何從雅虎和新浪獲取股票行情數據。

有關策略的MATLAB分析，在本書的第4、8、15章有詳細介紹。

第4章將技術分析的各種指標用MATLAB進行實現。傳統的技術指標在量化投資中有着廣泛的應用，但是需要結合各自的品種進行相應的優化參數處理。

第8章介紹了期權定價問題。在我國的衍生品市場中，期權的交易規模尚處於初始階段，但是未來的發展空間巨大，這其中最核心的是定價問題，包括B-S模型、二叉樹模型等，都可以用MATLAB的函數實現。

第15章介紹了傳統的多因子選股模型。目前主流的Alpha策略采用的都是多因子選股，包括基本面因子、統計類因子、輿情大數據因子等。

第9、17、19章闡述了人工智能理論在量化投資中的應用。

第9章介紹SVM（支持向量機）如何用於量化策略的開發。SVM主要用於構建分類模型，可以基於SVM的MATLAB函數構建金融市場的分類模型並進行預測。
除了SVM，另一個大量用於分類分析的是BP神經網絡，最近很熱門的深度學習，很多問題都是基於BP神經網絡構建的。第17章介紹了基於MATLAB的BP神經網絡在量化投資中的應用。

第19章介紹的正則表達式則是人工智能中很傳統的一類方法，利用正則表達式可以進行邏輯推理，這是專家系統的重要理論基礎，MATLAB中也提供了對應的函數庫。

第6章是關於隨機模擬的問題。對於一些需要海量數據處理的問題，比如高頻交易、算法交易等，在沒有完整的數據集時，可以用隨機模擬的方式獲得大致的概率分布，並且基於該隨機模擬進行算法分析，是一個不錯的選擇。
風險管理毫無疑問是量化投資中的核心問題，其一般用VaR模型來表達，第7章針對這部分內容進行了闡述。

第10、13、14、20章全面講述了MATLAB與其他系統之間的交互和實現問題。這是MATLAB一個相當強大的功能，可以充分利用其他系統的數據和結果。
本書幾乎涵蓋了MATLAB在量化投資的方方面面，是目前市面上在該領域（無論是從深度還是從廣度上都處於領先地位的教材，特此推薦。

美好前景
中國經濟經過幾十年的高速發展，各行各業基本上已經定型，能夠讓年輕人成長的空間越來越小。未來十年，大數據金融領域是少有的幾個有着百倍、甚至千倍成長空間的行業，在傳統的以人為主的分析逐步被數據和模型替代的過程中，從事數據處理、模型分析、交易實現、資產配置的核心人才（我們稱之為寬客），將有廣闊的舞台可以充分展示自己的才華。在這個領域，將不再關心你的背景和資歷，無論學歷高低，無論有無經驗，只要你勤奮、努力，腳踏實地地研究數據、研究模型、研究市場，實現財務自由並非遙不可及的夢想。對於寬客來說，除了你的才華，其他一切都不重要！

丁鵬博士
中國量化投資學會理事長
《量化投資——策略與技術》作者
「大數據金融叢書」主編
2016.8上海