量化投资技术分析实战：解码股票与期货交易模型

量化投资 技为先，量为纲，模型强，回测详。 择时准，选股良，风控守，不贪狂。 势为要，顺则昌，逆则藏，莫逞强。 看盈亏，控回撤，稳复利，久必达。 循规则，心不慌，常迭代，方久长。

系统化有浅深入，有贴近实战回测，有引导并有思考，只是后面的部分略显不足，可能碍于篇幅问题，代码有些语法错误，其他都没问题。针对A股还找到一个阿尔法等于0.1的因子组合。

还不错的一本书。言之有物。 正如作者书尾所说，为了让回测数据好看而增加滤嘴的方法，无异于刻舟求剑。好的交易策略对自由度是有限制的，如果限制太多，将会失去普适性，也就是过度拟合。 量化交易的思路是可借鉴的，量化交易的缺点在我看来是明显的，当然优点也很明显。

今年以来我看了大约10本量化交易的书，这本书最为全面深入。内容的编排非常合理，对我的帮助很大。

专业类书籍，我只想学习一下量化炒股的逻辑思路，可惜看不懂

程序化模型投资之路并不好走，因为样本数据和实盘数据之间的差异需要交易者接受并执行不完美的测试结果，这是其逐渐走向成熟的重要一步，在这之后熟悉模型特征，接受模型的不完美，进而接受自己的不完美，开始寻找波动率对于模型性能的影响，开始有针对性地配置活跃交易品种，或者寻找股票市场中最活跃的交易时间段和机会出现点，是程序化交易的必经之路。

对于量化模型各模块的开发介绍全面但也较浅。 最大的收获在于，模型回测时需要一定量的交易次数才能保证结果的置信度。 然而，这也决定了大部分量化模型只能在正态分布峰值附近的置信区间内寻找交易机会，试图寻找肥尾收益的趋势模型由于在此区间内频繁开仓导致胜率较低。 如何在回测交易次数与肥尾收益间平衡，仍有待思考。

虽然有很多错误，不少章节存在重复，内容参考聚宽课程的也挺多的，但不失为入门者参阅的书籍。

看了一部分，感觉本书也比较全面，写了 TB 系统还有别的数据库分析数据，但是数据库分析只有逻辑对我有用，因为我现在用的无门槛 qmt 都包含了数据接口，可以直接调用接口分析数据以及下单，很适合我这种刚刚开始学习实盘量化的用户。（无门槛 qmt 实盘权限、L2 免费数据，可以关注我）

虽然是很多年前的书，但对于想要进入量化交易的人还是有帮助的，内容和代码都很详实。