量化炼金术：中低频量化交易策略研发

如果不是打算亲手设计一套量化交易系统的读者的话，本书阅读体验其实并不友好——内容上既不通俗也不有趣，文风上理论、机械甚至艰涩。这大概也是开头几章评论区热闹非凡，之后逐渐读音寥寥，后半部分则几乎寂静无声的原因吧。 但是，如果是打算或已经在做一套系统的读者，那么上面的这些“嘈点”反而成了全书的可贵之处，因为，这其实更像是一本“操作手册之上、理论文献未满”的技能教材。 这样的受众定位，决定了读者基数其实不大甚至很小，这从在读人数和全书点评的数量上就能管窥。但是，作者依然选择了归纳、写作和出版，便值得给予五星的评价。 深深感谢

这本书写的挺烂的，几乎所有的例子的时间点都是停留在2015年中，同时所有策略的收益在2015年之前又都是基本未盈利的，都是在2015年开始暴涨到2015年年中结束，然后得出结论#$%#$%^#$%。可是2015年谁不知道啊，15年之前买哪只股票不会暴涨呢？年中之后不是一地鸡毛吗？所以平时不挣钱，2015年到年中能挣一大波，就能得出结论？所以这本书对于实操部分真的很烂。但是吧，这本书本身给出的两个择时策略就是矛盾的，所以它本身可能也不是想给出具体的策略方法，而是想建立框架，这个角度来说这本书又还不错。给了我挺大的启发，可能是读的第一本量化交易相关的书，关于回测的一些坑位介绍的不错，关于仓位控制也是我之前从未想过的，极大地优化了我自己的交易框架系统，并且给出的双均线策略虽然在市场上无用，但我发现无用是用钱证明的，因此对我来说，这是我第一个执行的策略。 这是第九章之前对这本书的看法，第九章之后觉得这本书真的还是非常棒的，对于风险和配置的讲解真的让我觉得很厉害，风险把资产仓位问题变成求导的数学过程，还最佳配置变成了一个最优化问题。受益良多。

凯利公式的核心，既非激进也非保守，而是在盈利概率与赔率（亏损风险）之间，寻找最佳平衡点。 凯利公式最常见形式是： • f=(bp-q)/b 其中： • f是最佳下注比例 • p是获胜概率 • q是失败概率，q=1-p • b是赔率

我不知道为什么那么多评论说这本书不行。在我看来，《海龟交易法则》教会了我构建交易系统的逻辑和心理，这本书则是非常学术性地讲解了量化交易策略构建的全过程。我认为这个书应该是硕博士论文吧，很有价值。

这本书读下来就像Lovecraft的作品，内容还行，文笔稀碎，整个写作风格像是我在硬凑论文字数

真的很烂，明明一句话的事情硬要复杂化，车轱辘话来回说。误人子弟莫过于此

作为一本定位是入门书的基础作品，我觉得作者完全胜任了这份工作：逻辑清楚、深入浅出、不滥用公式、科学严谨。如果所有基金经理都严格遵守作者推荐的推进测试和双层推进测试的科学方法，市场上就不会飘着那么多不堪入目的回溯测试推介材料。五颗星鼓励作者的治学精神，诚然，作者的策略并没有太深入和丰富，可是毕竟我有了赚钱的方法也不会轻易秀给大家看，只会把方法的幼年版拿出来写书。

在中国市场上，量化交易即便不能算作一个新兴的事物，也仍然是相对小众的。而与其小众现状并存的，是广大市场参与者对其未来前景的期待，以及加强了解、学习的愿望。 本书的目的，就是力图将这样一种带有黑箱性质的交易策略及其研发方法，以尽量科学化的方式介绍给读者。 全书的主要贡献包括以下几个方面： 介绍了一套具有实操性的量化交易策略研发流程，涵盖了买卖决策、仓位调整、交易成本测算等核心元素，同时搭建了收益与风险的策略架构，将择时策略和选股策略进行了逻辑上的统一，为构建完整的量化交易策略提供了清晰的思路。 结合实际工作经验，指出了策略研发过程中可能遇到的问题，以及整个量化交易策略研发体系的局限所在，并针对性地给出了解决方案，避免读者在实践过程中再走弯路、浪费时间和精力。 由浅入深地介绍了推进分析、凯利公式、zui优投资组合理论等工具，帮助读者掌握量化研究的技术细节。结合数据科学，提出了多层推进分析、推进分析下的验证等技术手段，拓展了策略研发人员的处理能力和思维模式。 以循序渐进的方式，不断添加组件形成一个完整的量化交易策略研发体系。并在此过程中，始终辅以中国市场的真实数据，构造直观的策略案例。通过这样的处理，帮助读者更为有效地掌握书中内容，进而创建自己的量化交易策略。

作为入门书看看还是不错的，可以快速形成量化的开发框架，通俗易懂，小白专用。

干巴巴的只谈他的结论，谁知道是不是说瞎话