量化投资：MATLAB数据挖掘技术与实践（第2版）

19.5 系统的拓展与展望

19.4 中长期交易子系统

19.3 短期交易子系统

19.2 DM交易系统总体设计

19.1 交易系统概述

第19章 基于数据挖掘技术的量化交易系统

18.7 本章小结

18.6 下跌压力线策略

18.5 上升支撑线策略

18.4 双均线策略

18.3 均线-收盘价策略的实现过程

18.2 趋势跟踪策略的基本设定

18.1 趋势跟踪策略简介

第18章 趋势跟踪策略及实现过程

17.3 延伸阅读：Quantrader平台的拓展

17.2 基于Quantrader平台的量化实现过程

17.1 量化平台概述

第17章 基于Quantrader平台的量化投资

参考文献

16.6 本章小结

16.5 程序化交易的实施

16.4 组合投资的优化

16.3 模型的建立及评估

16.2 数据的处理及探索

16.1 程序化交易概述

第16章 基于Wind数据的程序化交易

参考文献

15.5 本章小结

15.4 延伸阅读：配对交易的三要素

15.3 配对交易的实现

15.2 协整检验的理论基础

15.1 配对交易概述

第15章 配对交易策略的挖掘与实现

参考文献

14.5 本章小结

14.4 多交易信号策略的组合及优化

14.3 高频交易策略及优化

14.2 基本策略的挖掘

14.1 统计套利策略概述

第14章 统计套利策略的挖掘与优化

第3篇 实践篇

参考文献

13.6 本章小结

13.5 延伸阅读：其他智能方法

13.4 应用实例：组合投资优化

13.3 模拟退火算法

13.2 遗传算法

13.1 智能优化方法概要

第13章 智能优化方法

参考文献

12.6 本章小结

12.5 应用实例：基于时间序列的股票预测

12.4 时间序列模型

12.3 季节指数预测法

12.2 平稳时间序列分析方法

12.1 时间序列的基本概念

第12章 时间序列方法

参考文献

11.8 本章小结

11.7 延伸阅读：新兴的离群点挖掘诊断方法

11.6 应用实例：离群点诊断量化择时

11.5 基于聚类的离群点诊断

11.4 基于密度的离群点诊断

11.3 基于距离的离群点诊断

11.2 基于统计的离群点诊断

11.1 离群点诊断概要

第11章 诊断方法

参考文献

10.5 本章小结

10.4 应用实例：大盘走势预测

10.3 马尔可夫预测

10.2 灰色预测

10.1 预测方法概要

第10章 预测方法

参考文献

9.10 本章小结

9.9 延伸阅读

9.8 应用实例：股票聚类分池

9.7 类别数的确定方法及实例

9.6 高斯混合聚类方法

9.5 模糊C均值（FCM）方法

9.4 神经网络聚类

9.3 层次聚类

9.2 K-means聚类

9.1 聚类方法概要

第9章 聚类方法

8.12 本章小结

8.11 延伸阅读：其他分类方法

8.10 应用实例：分类选股法

8.9 分类的评判

8.8 决策树

8.7 支持向量机（SVM）

8.6 判别分析

8.5 逻辑斯蒂分类

8.4 神经网络

8.3 贝叶斯分类

8.2 K-近邻分类

8.1 分类方法概要

第8章 分类方法

7.6 本章小结

7.5 应用实例：多因子选股模型的实现

7.4 逻辑斯蒂回归

7.3 逐步回归

7.2 多元回归

7.1 一元回归

第7章 数据回归方法

参考文献

6.5 本章小结

6.4 应用实例：行业关联选股法

6.3 FP-Growth算法

6.2 Apriori算法

6.1 关联规则概要

第6章 关联规则方法

5.6 本章小结

5.5 数据降维

5.4 样本选择

5.3 数据可视化

5.2 数据的统计

5.1 衍生变量

第5章 数据的探索

参考文献

4.4 本章小结

4.3 数据预处理

4.2 数据质量分析

4.1 数据的收集

第4章 数据的准备

第2篇 技术篇

3.4 本章小结

3.3 MATLAB的开发模式

3.2 MATLAB常用技巧

3.1 MATLAB快速入门

第3章 MATLAB快速入门及实用技巧

参考文献

2.4 本章小结

2.3 数据挖掘工具

2.2 数据挖掘的过程

2.1 数据挖掘的内容

第2章 数据挖掘的内容、过程及工具

参考文献

1.4 本章小结

1.3 数据挖掘在量化投资中的应用

1.2 数据挖掘的概念和原理

1.1 量化投资与数据挖掘的关系

第1章 绪论

第1篇 基础篇

前言

除了你的才华，其他一切都不重要！

内容简介

版权信息

封面

封面

版权信息

内容简介

除了你的才华，其他一切都不重要！

前言

第1篇 基础篇

第1章 绪论

1.1 量化投资与数据挖掘的关系

1.2 数据挖掘的概念和原理

1.3 数据挖掘在量化投资中的应用

1.4 本章小结

参考文献

第2章 数据挖掘的内容、过程及工具

2.1 数据挖掘的内容

2.2 数据挖掘的过程

2.3 数据挖掘工具

2.4 本章小结

参考文献

第3章 MATLAB快速入门及实用技巧

3.1 MATLAB快速入门

3.2 MATLAB常用技巧

3.3 MATLAB的开发模式

3.4 本章小结

第2篇 技术篇

第4章 数据的准备

4.1 数据的收集

4.2 数据质量分析

4.3 数据预处理

4.4 本章小结

参考文献

第5章 数据的探索

5.1 衍生变量

5.2 数据的统计

5.3 数据可视化

5.4 样本选择

5.5 数据降维

5.6 本章小结

第6章 关联规则方法

6.1 关联规则概要

6.2 Apriori算法

6.3 FP-Growth算法

6.4 应用实例：行业关联选股法

6.5 本章小结

参考文献

第7章 数据回归方法

7.1 一元回归

7.2 多元回归

7.3 逐步回归

7.4 逻辑斯蒂回归

7.5 应用实例：多因子选股模型的实现

7.6 本章小结

第8章 分类方法

8.1 分类方法概要

8.2 K-近邻分类

8.3 贝叶斯分类

8.4 神经网络

8.5 逻辑斯蒂分类

8.6 判别分析

8.7 支持向量机（SVM）

8.8 决策树

8.9 分类的评判

8.10 应用实例：分类选股法

8.11 延伸阅读：其他分类方法

8.12 本章小结

第9章 聚类方法

9.1 聚类方法概要

9.2 K-means聚类

9.3 层次聚类

9.4 神经网络聚类

9.5 模糊C均值（FCM）方法

9.6 高斯混合聚类方法

9.7 类别数的确定方法及实例

9.8 应用实例：股票聚类分池

9.9 延伸阅读

9.10 本章小结

参考文献

第10章 预测方法

10.1 预测方法概要

10.2 灰色预测

10.3 马尔可夫预测

10.4 应用实例：大盘走势预测

10.5 本章小结

参考文献

第11章 诊断方法

11.1 离群点诊断概要

11.2 基于统计的离群点诊断

11.3 基于距离的离群点诊断

11.4 基于密度的离群点诊断

11.5 基于聚类的离群点诊断

11.6 应用实例：离群点诊断量化择时

11.7 延伸阅读：新兴的离群点挖掘诊断方法

11.8 本章小结

参考文献

第12章 时间序列方法

12.1 时间序列的基本概念

12.2 平稳时间序列分析方法

12.3 季节指数预测法

12.4 时间序列模型

12.5 应用实例：基于时间序列的股票预测

12.6 本章小结

参考文献

第13章 智能优化方法

13.1 智能优化方法概要

13.2 遗传算法

13.3 模拟退火算法

13.4 应用实例：组合投资优化

13.5 延伸阅读：其他智能方法

13.6 本章小结

参考文献

第3篇 实践篇

第14章 统计套利策略的挖掘与优化

14.1 统计套利策略概述

14.2 基本策略的挖掘

14.3 高频交易策略及优化

14.4 多交易信号策略的组合及优化

14.5 本章小结

参考文献

第15章 配对交易策略的挖掘与实现

15.1 配对交易概述

15.2 协整检验的理论基础

15.3 配对交易的实现

15.4 延伸阅读：配对交易的三要素

15.5 本章小结

参考文献

第16章 基于Wind数据的程序化交易

16.1 程序化交易概述

16.2 数据的处理及探索

16.3 模型的建立及评估

16.4 组合投资的优化

16.5 程序化交易的实施

16.6 本章小结

参考文献

第17章 基于Quantrader平台的量化投资

17.1 量化平台概述

17.2 基于Quantrader平台的量化实现过程

17.3 延伸阅读：Quantrader平台的拓展

第18章 趋势跟踪策略及实现过程

18.1 趋势跟踪策略简介

18.2 趋势跟踪策略的基本设定

18.3 均线-收盘价策略的实现过程

18.4 双均线策略

18.5 上升支撑线策略

18.6 下跌压力线策略

18.7 本章小结

第19章 基于数据挖掘技术的量化交易系统

19.1 交易系统概述

19.2 DM交易系统总体设计

19.3 短期交易子系统

19.4 中长期交易子系统

19.5 系统的拓展与展望