北京
在金融與科技日益深度融合的浪潮中，量化投資已成為資產管理行業不可忽視的力量。黎新平博士所著的，恰當地回應了當前高校量化金融教學中普遍存在的幾個關鍵挑戰：理論與實踐的結合、國際經驗的本土化應用，以及金融思想與編程實現之間的有效貫通。本書通過系統化的知識架構、本土化的案例適配及可操作的編程實踐，構建了“理論–模型–程序”的完整閉環，從而為高校量化金融教育提供了兼具學術深度與市場實踐的解決方案。
本書前三章是量化投資的基礎篇。作者首先回溯量化投資發展歷程，對比中外市場差異，指出量化投資的發展是金融工程理論以及數據分析技術在金融領域的不斷探索和創新應用，量化投資本質是可被數據反復驗證的投資規律的規則化和程序化。隨后聚焦實操基礎：詳細解析行情數據、財務數據、經濟數據及另類數據的獲取與清洗方法，并深入探討市場有效假說（EMH）的三大形式及其對量化策略的底層約束。通過Python實現數據接口調用、基本指標（收益率、波動率）計算及EMH檢驗程序，為后續模型構建打下技術基礎。書中穿插“LTCM的輝煌與隕落”“巴菲特與對沖基金的賭約”等經典案例，強化對市場風險與量化本質的理解。
第四章至第六章深入量化投資最核心的因子模型領域。從資本資產定價模型（CAPM）、無風險套利（APT）模型到Fama-French三因子模型，逐步構建多因子解釋框架。重點剖析價值、動量、規模等常見因子的經濟邏輯與計算方法，詳解因子有效性檢驗流程（IC分析、分組回測、回歸檢驗）。進一步推廣至多因子合成與Barra風險模型：通過行業因子和風格因子分解股票風險暴露，利用協方差矩陣預測組合風險，實現收益歸因與風險控制。本部分包含密集的Python實戰，包括因子的計算和構建、因子有效性檢驗，并以“巴菲特的阿爾法”案例揭示超額收益的因子來源。
第七章至第十六章是量化投資策略部分，覆蓋主流量化策略與前沿技術的深度實現：
1. 指數產品線（第七章至第九章）：詳解 Smart Beta策略發展的背景及編制方法、指數增強模型實現路徑、量化對沖方法論與收益增厚策略。
2. 交易策略（第十章至第十二章）：融合技術分析與行為金融，系統介紹技術分析流派、交易策略設計以及統計套利理論。
3. 資產配置（第十三章至第十四章）：涵蓋資產配置基礎理論與金融科技融合應用。
4. 高頻交易（第十五章）：解析市場微觀結構理論與高頻策略。
5. 機器學習（第十六章）：梳理量化場景下的機器學習方法及神經網絡模型應用。
每章均提供策略Python實現，如TA-Lib技術指標、海龜交易程序、統計套利配對交易、B-L模型及做市策略，形成從理論到實盤的全鏈路閉環。
作者黎新平博士兼具深厚的學術背景與寶貴的業界實戰經驗，這使得本書擺脫了傳統理論教材的局限，融入大量行業一線實踐洞察與實務思考。書中對2008年金融危機、2015年A股熔斷等重大事件的剖析，以及對公募量化與私募量化差異的生動比喻（如“公共交通vs私家車”），均源于真實的戰場經驗，賦予了教材難能可貴的“實踐厚度”。這種將業界經驗系統化、學術化的努力，彌合了學術理論與市場實踐的鴻溝，同時書中的金融史小故事（如西蒙斯與文藝復興基金、海龜交易策略）依托行業史實詮釋抽象模型，既增添了閱讀趣味，又提升了內容思想深度。
本書以“系統性、工具性、實戰性”為特色，構建了量化投資領域的立體知識圖譜。無論是金融工程學生、量化研究員，還是對量化投資感興趣的愛好者，均可從中汲取養分——通過理論部分建立邏輯框架，通過代碼實踐掌握技術工具，通過策略案例理解市場應用。在金融科技加速迭代的今天，本書不僅是實用的入門指南，更是解鎖量化投資創新思路的密鑰，助力讀者在數據與代碼的交織中探尋市場規律，構建科學的投資決策體系。
（本文作者林曉明，華泰證券研究所金融工程原首席）
點擊封面即可購買 ▼
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
