量化资产管理
Quantitative Asset Management: Factor Investing and Machine Learning for Institutional Investing
目录#
第一部分 · 规划我们的工作
投资方程式——从产品定位到治理架构。
›
第01章 · 选择我们的产品
投资中的技术能力并非放之四海而皆准，本章讨论不同类型机构的目标、资源、约束与激励如何塑造投资管理的方式。
›
第02章 · 投资流程
既然我们已在第1章确定了自身在业务中的使命，并阐明了如何推进其目标
›
第03章 · 领导力与治理
三种致命的投资错误——傲慢、无知与道德的随意——以及如何通过文化、商业论证、投资政策声明（IPS）和尽职调查来构建审慎治理与有效领导。
›
第二部分 · 数据、特征与响应
资产类型、金融数据、特征工程与因子。
›
第04章 · 资产类型
本章将考察可用于决策的各类数据，并系统梳理股票、固定收益、大宗商品、另类投资等各类可投资资产的特征与差异。
›
第05章 · 金融数据
传统的统计和时间序列分析方法在处理金融数据的细微之处时往往力不从心
›
第06章 · 特征
尽管人们普遍认为建模阶段占据预测过程的主要份额，但恰当选择特征往往对最终结果更为关键。本章讨论数据探索、抽样、可视化、特征的选择、处理与整理，以及缺失数据填补、异常值处理和合成数据生成等技术。
›
第07章 · 金融因子与经济因子
本章系统梳理量化投资中金融因子（financial factor）与经济因子（economic factor）的类别、构建与层级化建模方法，探讨风格因子、跨资产特征、另类数据及因子择时等关键议题。
›
第08章 · 构建因子预测
构建因子预测——从单因子到多因子模型，探讨因子组合、条件预测与机器学习方法。
›
第09章 · 策略、目标与条件
策略、目标与条件——如何将投资观点转化为可执行的目标函数与约束条件。
›
第10章 · 金融市场的时间序列与横截面分析
金融市场的时间序列与横截面分析——两种分析维度的方法、应用与组合。
›
第三部分 · 构建我们的流程
Alpha 与风险模型、资产配置、选股、回测、交易成本。
›
第11章 · Alpha 与风险模型
Alpha 与风险模型——收益预测模型与风险模型的协同设计，从单因子到集成模型。
›
第12章 · 资产配置
资产配置——战略配置、战术配置与选股的全流程，投资组合工厂的构建。
›
第13章 · 选股
选股——从宏观主题到量化打分，多策略组合内的证券选择方法。
›
第14章 · 回测
回测（backtesting）是验证系统化投资流程、建立信任并暴露模型缺陷的关键步骤。
›
第15章 · 交易成本与费用
交易成本与费用——显性费用与隐性市场冲击的建模、度量与优化。
›
第16章 · 再平衡与税收
再平衡与税收——投资方程式、税损收割与再平衡规则的成本效益分析。
›
第17章 · 金融市场的时间序列与横截面分析
我们在第二部分的结尾讨论了与该部分相关的算法。
›
第四部分 · 执行我们的计划
再平衡与税务、绩效与风险度量、投资与现金流管理。
›
第18章 · 绩效与风险度量
绩效与风险度量——自建还是外购、归因分析、风险分解与监控体系。
›
第19章 · 投资、风险与现金管理
战略计划是脆弱的，但这并不削弱规划的价值。本章系统梳理投资、风险与现金管理的治理、流程、文化与持续改进。
›