量化投资是最近十年来在国际投资界兴起的一个新方法，发展势头迅猛，和基本面分析、技术面分析并称为三大主流方法。基本面分析和技术性分析可以看做是传统的证券分析理论，而量化投资则是结合了现代数学理论和金融数据的一种全新的分析方式，是现代化的证券分析放法。

和传统的基本面分析和技术面分析比较起来，量化投资最大的特点就是定量化和精确化。

投资策略：

• 量化选股：量化投资最重要的策略，主要是研究如何利用各种方法选出最佳的股票组合，使得该股票组合的收益率尽可能高的同时，保持尽可能的稳定性。例如多因子模型、风格轮动模型、行业轮动模型、黄金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型。

• 量化择时:量化投资中最难的，也是受益率最高的一种策略，主要研究大盘及个股走势，并进行相应的高抛低吸操作。如果能够正确判断大盘，则收益率会比单纯的买入-持有策略收益要高很多。8种择时模型，趋势择时、市场情绪择时、时变夏普率模型、牛熊线模型、Hurst指数模型、SVM模型、SWARCH模型和异常指标择时。

• 股指期货套利：由于择时操作存在巨大风险，而对于文件性的资金，则希望寻找一种能够稳定收益的交易策略。股指期货套利研究的是如何利用股指期货和现货组合的对冲，去掉系统性风险后，获得无风险收益。有关股指期货套利的一些方法，包括期现套利、跨期套利、冲击成本、保证金管理等。

• 商品期货套利：与股指期货类似的是在商品期货市场从事套利交易，商品期货市场波动更大，机会更多，当然风险也更大。这章主要包括：期现套利、跨期套利、跨市场套利和跨品种套利。

• 统计套利：利用不同投资品种之间的相关性进行投资的一种方式，当两个品种的价格差拉大到正常边界时，进行多空间同时建仓的操作，当恢复到正常的时候再双向平仓，从而可以避免系统性风险。本章主要内容有：配对交易、股指对冲、融券对冲和外汇对冲4个方面的内容。

• 期权套利：期权套利研究的是利用看涨看跌期权或者牛熊证进行各种配对后，规避系统性风险后赚取波动差的投资方式。由于期货的高杠杆性，期权套利可以获得比其他套利方式更高的收益率。这章包括：股票-期权对冲、转换套利、跨式套利、宽跨式套利、跌势套利、飞鹰式套利。

• 算法套利：算法交易是研究如何利用各种下单方法，尽可能降低冲击成本的交易策略。分为主动式交易和被动式交易两类。本章主要研究被动交易算法（VWAP）。

• 另类套利:讨论了封闭式基金套利、ETF套利、LOF套利和高频交易4中策略。这四种并不是投资的主流方式，但是在不同的市场环境下，往往存在无风险套利机会，比较适合于追求稳健的大资金操作。

理论篇：

• 人工智能：主要利用计算机技术模拟人的思维和解决问题的方式，包括机器学习、自动推理、专家系统、模式识别、人工神经网络和遗传算法。人工智能在量化投资中的应用，介绍了模式识别短线择时、RBF 神经网络股价预测和遗传算法股价预测。

• 数据挖掘：主要研究如何从海量、杂乱的数据中挖掘出有价值的模式和知识，主要内容包括分类与预测、关联规则和聚类分析。数据挖掘在量化投资中的应用，介绍了基于SOM网络的股票聚类方法和基于关联规则的板块轮动研究2个方法。

• 小波分析：主要研究如何将一个函数分解为一系列简单基函数的表示方法，这个可以看成是傅里叶变换的升级版。小波分析的基础知识包括：连续小波变换、连续小波变换的离散化、多分辨分析和Mallat 算法。小波分析在量化投资中的应用，主要介绍了小波去燥和金融时序数据预测两个方法。

• 支持向量机（SVM）：主要用于分类，它由于具有分类效果好、学习算法简单的特点，得到了广泛的应用。SVM的内容包括：线性SVM、非线性SVM、SVM分类器、模糊SVM等。SVM在量化投资中的应用阐述了复杂金融时许数据预测和趋势拐点预测两个方法。

• 分形理论：以它的简单有效成为近几年得到大量应用的一种新的数学工具，它主要是将复杂的世界抽象成简单分形的组合的一种研究方法。这部分内容包括：分形定义、典型分形、分形维数、L系数、IFS系统等。分形理论在量化投资中的应用，阐述了大趋势分形预测和汇率预测这两个策略。

• 随机过程：一组随机变化的变化规律。在研究随机过程时，人们透过表面的偶然性描述出必然的内在规律，并以概率的形式来描述这些规律。这部分内容包括：随机过程分布函数、数字特征、常见随机过程等。随机过程在量化投资中的应用，主要阐述了利用灰色马尔科夫链来预测股市的方法。