量化投資技術分析實戰：解碼股票與期貨交易模型

量化投資 技爲先，量爲綱，模型強，回測詳。 擇時準，選股良，風控守，不貪狂。 勢爲要，順則昌，逆則藏，莫逞強。 看盈虧，控回撤，穩複利，久必達。 循規則，心不慌，常迭代，方久長。

系統化有淺深入，有貼近實戰回測，有引導並有思考，只是後面的部分略顯不足，可能礙於篇幅問題，代碼有些語法錯誤，其他都沒問題。針對A股還找到一個阿爾法等於0.1的因子組合。

還不錯的一本書。言之有物。 正如作者書尾所說，爲了讓回測數據好看而增加濾嘴的方法，無異於刻舟求劍。好的交易策略對自由度是有限制的，如果限制太多，將會失去普適性，也就是過度擬合。 量化交易的思路是可借鑑的，量化交易的缺點在我看來是明顯的，當然優點也很明顯。

今年以來我看了大約10本量化交易的書，這本書最爲全面深入。內容的編排非常合理，對我的幫助很大。

專業類書籍，我只想學習一下量化炒股的邏輯思路，可惜看不懂

程序化模型投資之路並不好走，因爲樣本數據和實盤數據之間的差異需要交易者接受並執行不完美的測試結果，這是其逐漸走向成熟的重要一步，在這之後熟悉模型特徵，接受模型的不完美，進而接受自己的不完美，開始尋找波動率對於模型性能的影響，開始有針對性地配置活躍交易品種，或者尋找股票市場中最活躍的交易時間段和機會出現點，是程序化交易的必經之路。

對於量化模型各模塊的開發介紹全面但也較淺。 最大的收穫在於，模型回測時需要一定量的交易次數才能保證結果的置信度。 然而，這也決定了大部分量化模型只能在正態分佈峯值附近的置信區間內尋找交易機會，試圖尋找肥尾收益的趨勢模型由於在此區間內頻繁開倉導致勝率較低。 如何在回測交易次數與肥尾收益間平衡，仍有待思考。

雖然有很多錯誤，不少章節存在重複，內容參考聚寬課程的也挺多的，但不失爲入門者參閱的書籍。

看了一部分，感覺本書也比較全面，寫了 TB 系統還有別的數據庫分析數據，但是數據庫分析只有邏輯對我有用，因爲我現在用的無門檻 qmt 都包含了數據接口，可以直接調用接口分析數據以及下單，很適合我這種剛剛開始學習實盤量化的用戶。（無門檻 qmt 實盤權限、L2 免費數據，可以關注我）

雖然是很多年前的書，但對於想要進入量化交易的人還是有幫助的，內容和代碼都很詳實。