本書主要為有志于從事量化研究領域相關工作的讀者關于金融波動率問題進行深度探討和研究,并對模型和方法做了總結,引入了機器學習對經典模型做了集成研究,同時給出了一些理論研究結論和實證分析結果,幫助讀者了解金融波動率問題,并在今后結合自身的工作進一步豐富和拓展這個領域的研究,以期最終建立自己的金融波動率研究框架和投資策略。
李一邨,浙江杭州人,浙江大學量化金融博士,現(xiàn)任杭州伊園科技有限公司總經理。前沿量化科學領域的深耕者,多年來致力于將多元學科的前沿理論嫁接融合到金融投資領域。被聘為杭州市科促會數(shù)據(jù)科學家、杭州師范大學指導老師。曾連續(xù)5屆(第8-12屆)獲得《證時報》和《期貨日報》聯(lián)合評選的“中國最佳金融量化策略工程師”。
第1章 緒論
1.1 波動率研究的背景和意義
1.2 本書的方法邏輯
第2章 問題的提出:基于演化餓弈的量化投資策略傷真研究
2.1 演化博弈引入量化投資的介紹
2.2 演化博奔理論分析
2.3 趨勢策略和震蕩策略的仿真實驗
2.4 波動率對于區(qū)分震蕩行情和趨勢行情的意義
第3章 波動率的估計、性質、模型
3.1 波動率的估計和性質
3.2 基于波動率性質的預測模型
3.3 非參數(shù)估計的波動率預測模型
第4章 Hurst指數(shù)與多因子模型
4.1 經典Hurst指數(shù)介紹
4.2 Fama-French多因子模型及其Hurst指數(shù)拓展
4.3 多因子模型與機器學習結合
第5章 基于模型和機器學習的波動率預測、比較和集成方法研究
5.1 經典波動率模型與機器學習結合的介紹
5.2 12個波動率預測模型的實證研究
5.3 基于金融經濟特征建立的機器學習模型對波動率預測
5.4 基于機器學習的波動率預測模型進行集成的實證研究
5.5 基于分位數(shù)的神經網絡與模型集成組合算法
第6章 期權波動率投資策略
6.1 波動率預測與期權投資的關系
6.2 特征介紹及特征篩選
6.3 直接預測波動率漲跌的期權策略
6.4 閾值預測波動率漲跌的期權策略
6.5 動態(tài)閾值預測波動率漲跌的期權策略
參考文獻