第一章 量化投资概述，一、 海外量化对冲基金发展，二、 我国量化投资发展，三、 量化投资与学术发展，四、 什么是量化投资，量化故事：西蒙斯与文艺复兴基金，程序篇：编程语言及数据接口，课后作业，参考文献，第二章 行情数据与财务数据，一、 常用数据类型，二、 行情数据，三、 财务数据，四、 另类数据，量化故事：LTCM的辉煌与陨落，程序篇：数据的获取及整理，课后作业，参考文献，第三章 有效市场假说与量化投资，一、 有效市场假说，二、 有效市场假说与量化投资的关系，三、 市场股价走势基本模型，四、 基本量化指标的计算，量化故事：巴菲特与对冲基金的赌约，程序篇：有效市场假说及检验，课后作业，参考文献，第四章 因子模型，一、 资本资产定价模型（CAPM）概述，二、 无风险套利（APT）模型，三、 FamaFrench三因子模型，四、 常用因子指标，五、 构造标准化因子，量化故事：法玛及其学术成就，程序篇：因子模型，课后作业，参考文献，第五章 因子检验与因子开发，一、 因子分类及其经济逻辑，二、 因子有效性检验，三、 因子开发与正交处理，量化故事：AQR及量化基本面投资，程序篇：因子有效性检验，课后作业，参考文献，第六章 多因子模型与Barra模型，一、 多因子模型，二、 多因子选股，三、 Barra模型，量化故事：巴菲特的阿尔法，程序篇：多因子模型与Barra模型，参考文献，第七章 指数投资与Smart Beta，一、 指数基金理论背景，二、 指数基金分类，三、 指数编制方法，四、 Smart Beta指数，量化故事：Vanguard与指数基金之父，程序篇：构建简单Smart Beta策略，课后作业，参考文献，第八章 指数增强，一、 指数增强及其发展，二、 指数增强的基本理论框架，三、 指数增强模型，量化故事：贝莱德集团与阿拉丁系统，程序篇：指数增强策略构建，课后作业，参考文献，第九章 量化对冲，一、 风险因子与风险分割，二、 量化对冲策略：Beta对冲与股指期货，三、 量化对冲收益增厚策略，程序篇：量化对冲策略的构建，课后作业，参考文献，第十章 技术分析，一、 技术分析概述，二、 技术分析的方法，三、 均线策略，四、 技术分析程序库：TALib，五、 技术分析与卷积神经网络，程序篇：技术分析的量化实现，课后作业，参考文献，第十一章 市场交易行为，一、 投资者行为理论，二、 动量与反转，三、 商品期货交易规则，量化故事：海龟交易策略，程序篇：海龟交易策略的程序实现，课后作业，参考文献，第十二章 统计套利，一、 统计套利概述，二、 统计套利模型：协整关系理论，三、 统计套利模型：ECM，程序篇：统计套利策略的实现，课后作业，参考文献，第十三章 量化资产配置，一、 资产配置概述，二、 均值方差模型，三、 风险视角下的配置模型，量化故事：桥水基金与风险平价，程序篇：组合优化与资产配置，课后作业，参考文献，第十四章 资产配置与金融科技，一、 资产轮动概述，二、 风险预算下的BL模型，三、 资产配置理论与金融科技，程序篇：BL模型，参考文献，第十五章 高频数据与高频交易，一、 高频交易概述，二、 市场微观结构理论，三、 高频数据，四、 高频交易策略，量化故事：高频交易的速度竞赛，程序篇：简单做市交易策略，参考文献，第十六章 机器学习与量化投资，一、 机器学习概述，二、 量化投资中常用的机器学习方法，三、 循环神经网络模型，程序篇：机器学习模型与股价涨跌预测，参考文献，附录quantfunc.py