第1章 量化投资入门建议与行业概况 1
1.1 学习路线图与重要知识节点 1
1.2 稳步上升的资金曲线是否存在 6
1.3 有保留地相信回测结果 12
1.4 绩效评估常见指标和方法 16
1.5 部分可视化免编程量化分析平台 21
第2章 快速驾驭编程语言知识 32
2.1 TB基本编程——基础知识 32
2.2 TB基本编程——条件循环语句 39
2.3 Python语言比你想象中更简单 43
2.4 Python Numpy库常用操作解读 55
2.5 Python Pandas库常用操作解读 58
2.6 实战开始：在股票平台进行数据查询 63
第3章 股票期货择时交易模型 70
3.1 ETF二八择时法则，跑赢基础股票指数 70
3.2 Aberration系统，长期活跃于期货市场 83
3.3 低价股+逆向双均线模型，初步探索个股特征 102
3.4 CCI通道+自适应系统，驯服商品期货波动 111
3.5 AMA自适应均线系统捕捉价格启动机会 123
3.6 “海龟交易法则”辉煌战绩与实践 140
第4章 基本面和技术面交易模型 147
4.1 股票模型思路形成与常见问题 147
4.2 小市值二八过滤止损模型，A股明星以小为美 152
4.3 PEG价值选股模型，复制彼得•林奇投资路径 163
4.4 技术指标测试平台 174
4.5 动量效应和反转效应 188
4.6 换手率和资金流模型，主力和筹码盘根错节 197
4.7 个股CTA策略尝试 215
4.8 高频因子低频交易，“聪明钱”因子模型 228
4.9 股息率高分红模型，与参数优化实践 244
第5章 更有效的期货交易模型构建 260
5.1 万变不离其宗，均线类模型本质剖析 260
5.2 逆势交易在期货市场的初步实践 267
5.3 大小周期双频率模型CTA实战 281
5.4 OpenRangeBreaker短线突破交易系统 290
第6章 股票多因子模型实战 309
6.1 理解回归问题的原理 309
6.2 基本的统计学知识补充 313
6.3 股票多因子模型的实质 325
6.4 股票收益50年探索历程 333
6.5 单因子分析方法 337
6.6 多因子选股模型：多元线性回归法 345
6.7 SVR机器学习多因子建模 355
第7章 模型与实盘投资难点 367
7.1 参与CTA市场的必要性和必然性 367
7.2 止损模块的重要意义与取舍 371
7.3 我们更加侧重的绩效评估理论 373
7.4 警惕隐藏的回撤幅度和回撤时间 377
结束语 不断失败和不断迭代 380