本书《量化交易：算法、分析、数据、模型和优化》 由 Xin Guo、Tze Leung Lai、Howard Shek 和 Sam Wong 共同撰写，旨在深入探讨后2007-2008年金融危机时代，随着“金融科技革命”和“大数据革命”的兴起，日益重要的量化投资策略及其统计模型、数据分析、算法和信息学基础。
核心主题与内容结构 本书围绕其副标题的五大核心主题展开阐述：数据、分析、模型、优化和算法。
- 数据 被视为量化交易中最重要的要素。
- 分析 不仅包括数据分析，还涵盖数据驱动交易策略的开发，旨在将分析结果用于最优决策。
- 模型 作为统计决策理论的核心组成部分，在数据与决策之间发挥桥梁作用。
- 优化 是量化交易中的关键问题，与数据驱动型交易策略紧密相关。
- 算法 或 算法交易 (Algo Trading) 则是寻找优化问题解决方案的步骤，并利用算法在电子交易平台上执行交易策略，是整个量化交易流程的最终输出。
本书共分为八章和四个附录，系统地构建了量化交易的知识体系：
- 概论 (第一章): 回顾了交易基础结构的演变（从口头交流到电子交易平台），综述了各类量化交易策略及其时间跨度（从一个季度到毫秒量级），探讨了有效市场假说与统计套利的争论，介绍了量化基金、公募基金、对冲基金及其业绩评估指标，并明确了上述五大核心主题。
- 量化交易中的统计模型与方法 (第二章): 深入探讨了股票价格特征、随机游走与鞅模型，回顾了现代投资组合理论及其统计学基础（如多因子定价模型、贝叶斯方法、Bootstrap 方法），并提出了一种考虑参数不确定性的新方法和有效市场假说之外的统计套利策略。
- 积极型投资组合管理和投资策略 (第三章): 阐述了积极型投资组合管理中的 α 和 β 概念，提出了新的优化方法，并探讨了交易成本、买卖限制以及多期投资组合管理问题。
- 电子交易中的计量经济学 (第四章): 聚焦于电子交易和高频数据建模，涵盖了积分方差估计、多资产协变差估计、傅里叶方法以及与 TAQ 数据相关的其他计量经济学模型。
- 限价指令簿: 数据分析和动态模型 (第五章): 详细介绍了从市场数据到限价指令簿 (LOB) 的构建、LOB 数据的特征、多元点过程拟合、基于机器学习的 LOB 数据分析以及 LOB 动态的排队论建模。
- 最优执行与配置 (第六章): 探讨了单资产最优执行、乘数价格影响模型、交易流优化、均值回归模型的最优配置等问题，并涉及高频交易中的执行算法。
- 做市和智能订单路径 (第七章): 介绍了做市商模型 (Ho 和 Stoll, Avellaneda-Stoikov)、库存约束下的 HJB 方程、包含限价和市场订单的脉冲控制、智能订单路径 (SOR) 和暗池中的最优订单拆分策略。
- 信息学、监管和风险管理 (第八章): 讨论了量化策略（相对价值交易、统计套利、延迟套利）、交易基础设施（订单网关、匹配引擎、市场数据传播、收费结构、主机托管、清算和结算）、策略信息与基础设施（市场数据处理、Alpha 引擎、订单管理、订单类型与限定条件）、交易所规章制度（SIP、Reg NMS、卖空规则、熔断机制、市场操纵）以及风险管理（操作风险、策略风险）。
- 附录: 提供了鞅理论、马尔可夫链、双随机自激点过程和排队系统弱收敛与极限定理的背景知识。
读者能从本书中学到什么
本书旨在帮助不同背景的读者掌握量化交易领域的关键知识和实践技能。
- 对于学生： 将理解前沿的方法论，了解业界运作，并学习如何处理数据。本书内容涵盖计算机科学与工程、金融与经济、数学与统计学、法律等多学科背景知识。
- 对于初级交易员和量化分析师： 能够对建模方法的理论基础有坚实的理解，并从数据分析、最优策略、限价委托建模以及交易所信息协议和匹配引擎等信息学知识中获得启发。
- 对于散户量化投资者： 能够全面巩固对整个交易过程的理解。
- 对于交易执行者： 将更深入地理解交易背后的模型及其参数调整，识别市场基本结构和模型中的市场行为，并基本掌握最新统计模型的优缺点。
- 对于监管者： 能够了解量化基金交易中重要的监管问题，如交易前后的风险管理和熔断机制等。
通过本书，读者将系统学习量化交易的理论基础、统计模型、计量经济学方法、交易策略、市场微观结构分析、最优执行与做市策略，以及相关的基础设施、监管和风险管理知识，为在复杂且快速变化的金融市场中进行量化投资提供全面的指导。