本書是作者李一邨與電子工業(yè)出版社的資深編輯李冰老師的初次合作。李冰老師具有多年科技書籍編輯工作經(jīng)驗，在她的幫助和指導下，歷時一年半才完成初稿。著書期間，經(jīng)過多次商討和修改，日臻完善。我們衷心地希望本書的內(nèi)容能夠為從事量化研究領(lǐng)域工作的讀者提供一些幫助。
本書主旨
本書主要為有志于從事量化研究領(lǐng)域相關(guān)工作的讀者建立一個量化研究的一般性流程和框架，并對流程的關(guān)鍵環(huán)節(jié)適當展開，給出程序案例。讀者通過學習本書能夠了解一般性的量化研究內(nèi)容，并在今后結(jié)合自身的工作進一步豐富和拓展這個框架，以期終建立自己獨特的量化研究體系。
本書主要內(nèi)容
本書以7大核心庫/系統(tǒng)為核心構(gòu)建量化研究體系，每個核心庫/系統(tǒng)都在研究環(huán)節(jié)中發(fā)揮了自身的功能，具體內(nèi)容如下。
（1）數(shù)據(jù)庫以同花順和萬得兩個數(shù)據(jù)商的量化接口為例，對兩個接口的各個數(shù)據(jù)模塊編寫了數(shù)據(jù)下載腳本并作為案例，這些案例可以幫助讀者了解基于數(shù)據(jù)商的量化接口開發(fā)數(shù)據(jù)庫的編程經(jīng)驗。
（2）指標庫給出了一套指標庫目錄管理程序，并總結(jié)了8大類技術(shù)指標，這些技術(shù)指標可在量化投資中發(fā)揮風控、止損、止盈、趨勢判斷等功能。
（3）算法庫首先給出了機器學習算法的一般分類，然后重點介紹了幾個經(jīng)典和常用的算法并作為案例。傅里葉變換主要用于時間序列的分析，可以對時間序列進行成分分解和去掉噪聲成分；ReliefF是一種特征選擇算法，可對研究數(shù)據(jù)相對于目標數(shù)據(jù)的重要性進行排序，從中選擇重要的數(shù)據(jù)作為特征因子；高斯混合聚類是一種非監(jiān)督聚類算法，用于特征數(shù)據(jù)是高斯分布的聚類；Chi-Merge算法是一種連續(xù)數(shù)值數(shù)據(jù)離散化的算法，通常可用于將連續(xù)數(shù)值數(shù)據(jù)離散化為幾個標簽，從而將回歸問題轉(zhuǎn)化為分類問題；粗糙集分類算法是一種基于規(guī)則推理的分類算法。上述幾個算法功能各不相同，在研究中存在互補性。
（4）工具庫的內(nèi)容包括：數(shù)據(jù)清洗程序，用于對時間序列數(shù)據(jù)的清洗，包括補全、匹配、平滑等；因子回測程序，用于對因子在研究中是否有效進行回測的程序；先后輪動程序，一個觀察自變量和因變量是否存在先行滯后關(guān)系的程序，用于檢驗自變量和應(yīng)變量在時間上的因果性；回測平臺程序，用于量化策略的回測。
（5）可視化庫首先總結(jié)了一些Matlab畫圖編程的技巧，并總結(jié)了一些常用函數(shù)，然后從形態(tài)類畫圖程序和功能類畫圖程序兩大類出發(fā)分別介紹了一些圖例。其中，形態(tài)類畫圖程序是指折線圖、柱狀圖、餅狀圖等；功能類畫圖程序主要是為了實現(xiàn)某種研究目的而使用的畫圖程序，如對異常數(shù)據(jù)點的可視化、兩個時間序列協(xié)整關(guān)系的觀察等，這些畫圖程序可以廣泛運用于研究報告、論文撰寫及任何需要用到數(shù)據(jù)展示的應(yīng)用場景中。
（6）報告和日常工作系統(tǒng)首先介紹了Matlab調(diào)用Word相關(guān)COM接口的技術(shù)，然后利用這些技術(shù)開發(fā)了一套自動化撰寫量化研究報告的程序，后介紹了量化團隊的管理方法，并開發(fā)了一套量化研究員的管理考核系統(tǒng)。
（7）交易系統(tǒng)首先介紹了爬蟲的基本知識和原理，然后利用這些知識以東方財富網(wǎng)的股票交易接口、期貨交易接口、期權(quán)交易接口為例給出了開發(fā)案例，后介紹了VNPY交易接口的下載、安裝和基本功能。
本書特色
縱觀全書，可發(fā)現(xiàn)本書特點鮮明，主要表現(xiàn)在以下幾個方面。
（1）知識系統(tǒng)、全面、豐富：因為本書旨在為讀者建立一個全面、系統(tǒng)的量化研究流程和框架，所以撰寫本書所需的知識也必然相應(yīng)地需要全面和系統(tǒng)。比如，在編程語言方面，本書既基于有著悠久數(shù)據(jù)分析編程歷史的Matlab語言，也基于近年來被稱為膠水語言的Python，這兩門語言在數(shù)據(jù)分析領(lǐng)域被廣泛使用，應(yīng)該說本書迎合了當下數(shù)據(jù)分析的主流語言。另外，量化研究離不開數(shù)據(jù)，所以本書也用到了MySQL和MongoDB兩門數(shù)據(jù)庫語言，同時對于爬蟲這門技術(shù)也做了深入講解，為讀者今后建立自己感興趣想要抓取的特色的數(shù)據(jù)庫打下堅實基礎(chǔ)。
（2）教學與應(yīng)用并重：本書不僅是一本傳播知識的書，也是一本實戰(zhàn)和應(yīng)用的書。在每一章開頭都給出了這一章所需要的知識，然后對所講的知識進行一次實戰(zhàn)運用，或者給出案例，或者直接做一個工程項目，力求學以致用，為讀者建立一個落地的量化研究體系。
（3）解說翔實，圖文并重：因為量化研究是數(shù)理化程度比較深的研究領(lǐng)域，所以對數(shù)學能力有一定的要求。以本書算法庫中的傅里葉變換為例，本書首先在解說中給出了全面、嚴謹?shù)臄?shù)學推導過程，然后基于數(shù)學結(jié)論編寫程序，并代入實證數(shù)據(jù)計算結(jié)果，后對結(jié)果進行可視化展示和說明，幫助讀者從數(shù)學推導和實證兩個角度綜合理解。
（4）案例實用：本書的案例和程序并不只作為知識講解的示例使用，它還是量化研究中時常需要面對的問題的一個答案。在實際的量化研究工作中，本書所給出的程序可以真正解決問題，具有實戰(zhàn)意義。
（5）系統(tǒng)可拓展：本書給出的是量化研究的一般性框架，讀者可以通過學習本書，結(jié)合自身的研究需要，對本書的程序和框架進行拓展，終形成一套適合自身研究需要的特色化、個性化的量化研究體系。
本書讀者定位和閱讀方法
本書的讀者主要是教師、學生、專業(yè)人士及其他對量化研究技術(shù)感興趣的人士。
致教師
本書系統(tǒng)地介紹了量化研究技術(shù)，可以作為數(shù)學、統(tǒng)計、金融等專業(yè)本科生或研究生的教材。書中的內(nèi)容不僅系統(tǒng)，而且相對獨立，教師可以根據(jù)課程的學時和專業(yè)方向，選擇合適的內(nèi)容進行課堂教學，其他內(nèi)容則可以作為參考。授課時，建議先補充一定的計算機知識和編程知識，對于學術(shù)性較深的章節(jié)如算法庫，建議先補充高等數(shù)學、概率論、線性代數(shù)等數(shù)學知識。在進行課程備課的過程中，如果需要書中的一些電子資料作為課件或授課支撐材料，可以直接給筆者發(fā)郵件（303984464@qq.com），筆者會根據(jù)具體情況，提供力所能及的幫助。
致學生
作為大數(shù)據(jù)時代的學生，量化研究是一項基本技能，尤其是對以后有志于做科研工作的學生來說更應(yīng)掌握。在今后的大數(shù)據(jù)時代，量化分析技術(shù)將會像今天的Office辦公軟件技術(shù)一樣，成為工作中必不可少的一部分，所以無論未來是否從事量化投資相關(guān)的工作，學習量化研究都將有助于今后的職業(yè)生涯。
致專業(yè)人士
對于從事量化研究的專業(yè)人士，盡可以關(guān)注整個量化研究體系，因為本書的知識體系應(yīng)該是當前量化類書籍中相對完善的。此外，書中的算法案例和項目案例，也是本書的一個特色，值得借鑒。
配套資源
筆者在金融行業(yè)從業(yè)多年，有著豐富的業(yè)界積累。對于有資源需求的讀者，歡迎關(guān)注伊園科技的官方知乎號、微信公眾號、B站號。以下是三者的二維碼。
勘誤和支持
由于本書編寫時間倉促，加之作者水平有限，書中錯誤和疏漏之處在所難免。在此，誠懇地期待廣大讀者批評指正。如果有建議，可以直接發(fā)送至郵箱303984464@qq.com。在技術(shù)之路上如能與大家互勉共進，我們倍感榮幸！對于書中出現(xiàn)的問題，歡迎讀者通過杭州伊園科技有限公司的知乎號、微信公眾號、B站號、郵箱等進行反饋。知乎號：李一邨-量化投資；微信公眾號：return量化；B站號：李一邨；郵箱：2975056631@qq.com。
致謝
感謝MathWorks官方文檔提供了全面、深入、準確的參考材料，強大的官方文檔支持是其他資料無法企及的；同時，感謝Matlab中文論壇為本書提供的交流討論專區(qū)；感謝伊園科技編委會的鼎力支持；感謝電子工業(yè)出版社李冰老師的支持和鼓勵，感謝徐萍老師在文字編輯方面的辛勤工作，使我們順利完成全部書稿。