本书主要介绍如何运用统计分析和机器学习等方法对中国期货市场量化交易进行建模分析。不仅覆盖了基础的数据获取、数据清理、因子提取、模型构造以及后的动态投资组合优化、C++编程实现等方面，而且有丰富的代码方便读者临摹学习和修改提升。本书中的数据首先是交易所原始的期货分笔数据，在此基础上整合成5分钟K线，然后再计算预测因子，后套入统计预测模型。在交易层面，采用严谨的滚动优化方式，充分考虑了滑点和手续费，严格测试。另外本书还覆盖了中低频的趋势策略以及高频的短趋势策略，后也详细介绍了跨期套利策略，以及对读者择业就业的建议。
　　本书内容的广度和深度都是国内市场上少见的，适合相关专业人士和感兴趣的投资爱好者阅读，如高校数理类和经管类师生及证券、期货、私募证券、公募基金等量化交易相关从业人员，以及对机器学习在金融方面运用的相关人士和对量化交易感兴趣的各行各业人士。

　　第一章
　　期货基本策略概要
　　本章主要介绍期货量化交易策略的基本类型及发展的历程。目前国内的期货品种已经有数十个，其中金融期货包括股指期货和国债期货。商品期货则覆盖农产品、能源化工、有色金属、黑色金属、贵金属等各个板块。曾经股指期货的交易额占全部期货品种的90%，但2015年股指交易受限制之后，股指交易量下降了99%。目前的期货市场由商品主导，特别是螺纹钢、铁矿石等黑色系商品。下面分别介绍各品种对应的策略。
　　中国期货市场量化交易（R与C++版）21.1 股指日内策略
　　在2012-2015 年，最受欢迎的期货量化策略是股指日内策略。国内有很多期货程序化交易平台，如TB 开拓者、金字塔交易系统等，很多本土的量化交易团队都会使用这些平台。这些平台的优点主要是回测、优化、模拟、交易都是同一个程序，不需要修改，而且平台会自动维护数据库，另外只需要支付很低的费用（如金字塔当时是1800 元/ 年）就可以实现自动交易。以至于很多初创公司都会使用这类平台。
　　1.1.1 日内策略简单介绍
　　这类平台的期货历史数据主要是连续合约和指数合约。所谓连续合约，比如螺纹钢现在成交量最大的是rb1305，那么连续合约对应的数据就是rb1305的数据，如果过了一段时间螺纹钢成交量切换到rb1310，那么连续合约的数据就是rb1310。所谓指数合约，指的是该品种上市的所有合约的加权合约。因此，实际上并不存在指数合约这个交易标的。之所以使用指数合约，是因为商品策略一般是隔夜策略，而连续合约在换月上会有较大跳空，回测的时候不准确，因此使用指数合约可以缓解跳空带来的影响。
　　我们可以看一个连续合约跳空的例子，如图1-1 所示。
　　图1-1 螺纹钢连续合约
　　第一章 期货基本策略概要
　　图1-1中价格曲线的两个圆圈表示合约换月的日子，可以看到合约价格有较大的跳空。如果回测的时候没有注意到，就很可能捕捉到这个虚假盈利。如果要更精确地进行回测，则需要在换月之前平仓。第三方平台要将此写入程序里，不是那么的方便，如果用R语言等更通用的统计分析语言则方便得多。
　　有些人可能会问，现在很多微信号和淘宝店铺都有销售基于第三方平台的程序化交易策略，售价几十元到几百元不等，资金曲线也挺好看，既然如此，为何还要使用这么复杂的基于机器学习的量化交易呢？
　　事实上，很多上述策略设置了极低的手续费，比如万分之一，而且没有设置滑点，只能用最新价交易，这对商品来说每交易一次其实还能获得不少便宜。另外它们使用的是指数合约，对跳空没做专门处理，很可能策略捕捉的是不存在的行情。
　　正是因为使用第三方平台写隔夜策略有这些麻烦，所以很多人喜欢做日内策略。日内策略由于强制性日内平仓，因此就不会有赚取换月虚假跳空获利的情况。然而，国内上市期货品种虽然大约有50个，但绝大多数不适合日内策略。日内平仓可以看作一种风险控制手段，规避了隔夜的风险，放弃了潜在的利润，也避免了潜在的损失。然而，要规避这种风险是需要付出代价的。每天的平仓操作就是代价：一来需要支付手续费；二来需要牺牲滑点。因为平仓操作是必须成交的，所以一般会主动成交。
　　说到成交方式，一般有两种：一种称为被动成交；另一种称为主动成交。一般来说，如果需要立即成交，则会采取主动成交的方式，比如市价成交，或者加入很大滑点的限价成交。对于被动成交，则一般都是限价成交，比如说要买入，一般是当前的买1价，也可以是比买1价低的价。对于流动性比较差的品种，买卖价差非常大，被动成交可能是买1与卖1之间的某个价位挂单。
　　如果是第三方平台的程序化交易，一般都是趋势型策略，不会涉及频繁的挂撤单操作，因此基本可以假设是市价成交。对于上海期货交易所这种没有市价指令的交易所，一般是加了3个价位的限价指令，它的目的是立即成交。
　　好了，下面我们更仔细地介绍股指日内策略。
　　……

第一章 期货基本策略概要
1.1 股指日内策略 ··2
1.2 商品趋势策略 ··6
1.3 高频交易策略 ··12
1.4 本节介绍 ·17
1.5 未来展望 ·18
1.6 本章小结 ·21
第二章 数据处理
2.1 期货分笔数据 ··23
2.2 合成5分钟数据 29
2.3 异常处理 ·38
2.4 本章小结 ·41
第三章 预测因子
3.1 技术指标来源 ··43
3.2 因变量的选择 ··52
3.3 高频因子 ·60
3.4 本章小结 ·66
第四章 基础统计模型
4.1 线性回归 ·68
4.2 带约束的线性回归 75
4.3 模型选择 ·82
4.4 本章小结 ·86
第五章 复杂统计模型与机器学习
5.1 复杂统计模型 ··88
5.2 跨品种因子 ·94
5.3 高频数据建模 101
5.4 本章小结 ·111
第六章 从预测到交易
6.1 落实到交易才有意义 113
6.2 开平仓阈值 ·115
6.3 策略筛选 ·125
6.4 本章小结 ·129
第七章 策略模型深化
7.1 优化提速 ·131
中国期货市场量化交易（R与C++版）
VIII
7.2 策略更新 ·140
7.3 计算因子的技巧 143
7.4 本章小结 ·146
第八章 投资组合优化
8.1 马科维茨均值-方差模型 ·148
8.2 简单分配的情况 158
8.3 本章小结 ·166
第九章 投资组合优化深入研究
9.1 风险平价策略 169
9.2 动态投资组合优化 173
9.3 近似动态规划（增强学习） ·189
9.4 本章小结 ·192
第十章 C++实现策略
10.1 关于期货程序化接口·194
10.2 从R到C++ ·198
10.3 本章小结 ·224
第十一章 实盘交易管理
11.1 模拟交易 ·227
11.2 风险管理 ·232
11.3 资金曲线管理 240
11.4 人工主观干预 243
11.5 心态管理 ·246
11.6 本章小结 ·249
第十二章 套利交易
12.1 策略介绍 ·251
12.2 跨期套利深入研究 259
12.3 跨期套利策略 268
12.4 跨品种套利 ·277
12.5 本章小结 ·285
第十三章 求职与工作
13.1 对在校学生的建议 287
13.2 工作初期 ·290
13.3 投资经理 ·294
13.4 业内交流 ·298
13.5 本章小结 ·302
后记 ·304