商品簡介
本書深入淺出地介紹股票多因子模型的原理與構建方式，從基礎知識、單因子測試、因子合成、股票組合構建等多方面進行介紹。
本書共6章：第1章對量化投資進行概述，引出多因子模型的底層邏輯與實踐框架；第2章和第3章分別介紹多因子模型的Python編程基礎與概率統計基礎；第4章介紹單因子的計算過程和處理過程，以及單因子的測試和測試結果的分析方法，是較為核心的一章；第5章介紹單因子如何進行因子合成；第6章介紹簡單的組合構建方法和利用組合理論構建組合的方法。
作者簡介
陸一瀟，FRM，上海交通大學碩士研究生，經濟師。在公募基金、期貨公司、私募基金進行多年量化研究，對股票多因子模型有較深的理論理解和實踐經驗。同時作者擔任職徒教育簽約講師、CSDN認證博客專家。
名人/編輯推薦
本書圍繞股票多因子模型展開，深入淺出介紹模型中每一個部分的構建與實現的意義，並給出核心實現代碼，核心代碼部分都以Python代碼的形式給出，方便讀者理解和實現。
序
量化投資對很多人而言，顯得高端而又神秘。普通投資者覺得量化投資的從業人員都是一群精通計算機、金融和數學的“火箭科學家”。而實際上，量化投資是一個很廣泛的概念，甚至可以說沒有明確的界定。
在目前的量化投資中，股票多因子是一種具有較為成熟的框架體系的策略。但是市面上大部分關於股票多因子的圖書都有些“高深莫測”，沒有從業經驗的讀者讀起來會比較困難，更別說用數據和代碼構建出一套完整的股票多因子框架了。賣方研究所的多因子模型報告對高手研究一些細節問題往往具有一定的參考價值，但對於初學者架設整個框架則難以有很好的指導意義。筆者將本書命名為《股票多因子模型實戰：Python核心代碼解析》，正是立足於模型的實踐，突出框架的主幹作用。
本書可作為股票多因子模型初學者的讀物，也可作為量化投資愛好者了解量化的一個窗口。如果讀者對編程有一定的基礎，那麼通過本書中的代碼來理解股票多因子則是一個更便捷的途徑。
2017年夏天，我在上海地鐵的二號在線第一次收到寫書的邀請。想到自己資歷尚淺，還沒有完全了解股票多因子模型背後的底層邏輯，怕妄論一些細節的處理。所以當時沒有著手撰寫，但是寫一本關於股票多因子實戰的書的“種子”便就此種下。
2020年，突如其來的疫情打斷了很多原本按部就班的事情，空閑之際便著手梳理以前寫的教程和文章，整理數據和程序，設計目錄和結構。無巧不“成”書，2020年3月，電子工業出版社的黃愛萍編輯聯系上我，於是一拍即合，我在空閑時間加快了對內容的補充、程序代碼的整理，最終本書得以出版。
全書的內容安排大致如下：
第1章，對量化投資進行了概述，引出多因子模型的底層邏輯與實踐框架。
第2章和第3章，分別介紹多因子模型的Python編程基礎與概率統計基礎。
第4章介紹單因子的計算過程和處理過程，以及單因子的測試和測試結果的分析方法，是較為核心的一章。
第5章介紹單因子如何進行因子合成。
第6章介紹簡單的組合構建方法和利用組合理論構建組合的方法。
書中涉及的代碼均在附帶文件的根目錄下，為ipynb格式，讀者可使用Jupyter Notebook打開閱讀。書中使用的數據文件會在相關章節提示讀者其文件位置。書中的代碼通過“In”和“Out”進行標識，分別表示其後面的內容是使用者輸入計算機的內容和計算機反饋給我們的內容。
本書在成書過程中得到了許多人的支持。
首先感謝電子工業出版社的黃愛萍編輯。沒有她的“第一推動力”，恐怕本書至今依然只是一系列零散文章。感謝參與審核、校驗、排版等工作的所有出版工作者。
感謝學習、工作以來的良師益友。本科、研究生階段的導師都給我很多指導；工作過程中領導、同事給了我很大的啟迪。
最後，感謝我的父母、家人和朋友，感謝每一個在生活、工作、學習過程中給過我批評和建議的同儕與前輩。
限於筆者的水平和精力，書中難免有錯誤或不當之處，歡迎讀者不吝賜教。希望本書能夠幫助更多的量化投資學習者。
目次
第1章 量化投資概述
1.1 什麼是量化投資
1.1.1 股票多因子
1.1.2 量化CTA
1.1.3 套利
1.1.4 高頻
1.2 股票多因子模型框架
1.2.1 因子與因子思維
1.2.2 多因子模型的數學語言
1.2.3 多因子模型的實踐框架
1.3 量化的基本問題
1.3.1 幸存者偏差
1.3.2 未來信息
1.3.3 過度擬合與欠擬合
1.3.4 因果性與相關性
1.3.5 其他問題
第2章 量化的Python基礎
2.1 Python的安裝與基本環境
2.1.1 下載與安裝
2.1.2 Jupyter的使用
2.2 基本數據類型和變量
2.2.1 整型
2.2.2 浮點型
2.2.3 字符串
2.2.4 布爾型
2.2.5 變量
2.3 Python的容器
2.3.1 列表
2.3.2 元組
2.3.3 字典
2.4 Python的基本語法
2.4.1 if判斷
2.4.2 for循環
2.4.3 函數
2.4.4 模塊的使用
2.5 數據處理入門
2.5.1 NumPy科學計算庫
2.5.2 Matplotlib可視化庫
2.6 Pandas
2.6.1 數據表
2.6.2 Series與DataFrame
2.6.3 Pandas的輸入與輸出
2.6.4 DataFrame的數據選取
2.6.5 Pandas的排序
2.6.6 統計描述與分組
2.6.7 Pandas的數據可視化
2.6.8 多個DataFrame處理
第3章 量化的概率統計基礎
3.1 分布的四個“矩”
3.1.1 期望
3.1.2 方差
3.1.3 偏度
3.1.4 峰度
3.2 正態分布
3.2.1 正態分布的定義
3.2.2 正態分布的特點
3.3 線性回歸
3.3.1 單元線性回歸
3.3.2 多元線性回歸
3.3.3 啞變量
3.4 業績評價指標
3.4.1 年化收益率
3.4.2 夏普比率
3.4.3 信息比率
第4章 單因子測試
4.1 因子的來源
4.1.1 財務因子
4.1.2 分析師一致預期因子
4.1.3 技術因子
4.1.4 其他因子
4.2 大小盤因子
4.2.1 大小盤因子的定義
4.2.2 大小盤因子的計算
4.2.3 大小盤因子的處理流程
4.2.4 去極值與異常值
4.2.5 標準化
4.2.6 中性化
4.3 ROE 因子
4.3.1 ROE因子概述
4.3.2 ROE因子的計算
4.3.3 市值中性化
4.4 RSI因子
4.4.1 RSI指標計算
4.4.2 RSI因子的定義與計算
4.5 其他因子的計算
4.5.1 BTOP因子
4.5.2 ROE穩定性因子
4.5.3 EPS一致預期變動率因子
4.5.4 輿論因子
4.6 單因子的測試分析
4.6.1 單因子測試的基本邏輯
4.6.2 Alphalens簡介
4.6.3 因子IC分析
4.6.4 收益率分析
4.6.5 換手率
4.7 常見因子的測試結果
4.7.1 ROE測試結果
4.7.2 銷售凈利率
4.7.3 MAC10
4.7.4 BTOP因子
第5章 因子合成
5.1 經典加權方法
5.1.1 等權
5.1.2 滾動IC與IC_IR
5.1.3 合成因子測試結果
5.1.4 其他加權方法
5.2 情景配置
5.2.1 市值因子的分析
5.2.2 ROE因子的擇時
第6章 組合構建
6.1 一般方法
6.1.1 等權加權
6.1.2 市值加權
6.2 均值-方差組合
6.2.1 優化器的使用
6.2.2 “均值-方差”效用函數
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。