《量化投资:数据挖掘技术与实践》是一本集数据挖掘与量化投资于一体的研究性著作。全书内容分为三篇，第一篇为基础篇，主要介绍了数据挖掘与量化投资的关系，以及数据挖掘的概念、实现过程、主要内容和工具等。这一篇章详细阐述了数据挖掘在量化投资中的应用，使读者能够深入了解其在金融领域的具体应用和实际操作方法。对于对这方面感兴趣的读者来说，这本书不仅提供了理论知识，还提供了实践中的案例和MATLAB版的实现代码，使读者能够更好地理解和运用所学知识。无论是对于专业人士还是学术研究者来说，这本书都是一本值得学习和参考的重要资料。
读者评价
量化投资是将投资理念及策略通过具体指标、参数的设计，融入到具体的模型中，用模型对市场进行不带任何情绪的跟踪，简单而言，就是用数量化的方法对股票、期货等投资对象进行估值，选取适合的对象进行投资。
看了几章，感觉不错。将数据挖掘方法应用到选股上是个很好的主题， 每章基本上都是先介绍数据挖掘方法， 然后再介绍一个在量化投资中的案例，容易理解， 每章都有收获。 还有的就是matlab 程序， 基本包含了常用数据挖掘方法的matlab 程序了， 学起来、用起来都方便。
本书对数据挖掘知识介绍得很系统很详细，列举了很多方法，并提供实例来说明，提供的光盘还附有每种方法的MATLAB代码（作者在这方面还是花了不少心思吧），很方便拿其代码来进行仿真实践。当然，还有最感兴趣的量化投资的量化模型相关内容（专门有一篇介绍数据挖掘技术在量化投资中的应用），作者也有自己的见解和方法论。
非常实用的一本书，覆盖了各种数据挖掘的算法，提供的MATLAB代码很全，注释很清楚，看得出是反复推敲过的。特别对于高频交易和配对交易案例代码的解释非常详细，有很大借鉴作用。作者是MATLAB专家，我多次在高校和研讨会听过他的讲座，印象深刻。
书的内容很实用，结合了大量示例，即学习了数据挖掘的基础知识，也有机会利用matlab进行实践，很适合想在数据挖掘方面进行深入研究的专业人士，同样也适合初学者入门。另外，本人觉得此书最大的特点就是结合matlab，几乎所有的工科学生都会使用matlab，这样让读者可以快速验证或尝试书中的例子，对理解专业概念大有好处，远胜于单独将概念的书，赞一个！
平时我在网上多喜欢买小说类文学期刊，很少写评价。而这次买的量化投资（数学建模相关）专业书籍，忍不住要写几点体会：1.内容丰富，可读性很强。文、图、表、式，自然清晰，布局合理，读起来轻松、畅快，而这是专业类书籍少有的；2.有一定的学术创新性，感觉好些内容都可以在科研论文的写作中给予借鉴，对专业研究很有启发；3.层次性强，能深入浅出。从基础到技术再到实践，作者已经准备好了全套大餐，读者只等菜品逐个呈上来即可，在享受精神大餐的同时，循序渐进的层次感很容易让人接受，总体感觉非常给力！
内容介绍
全书内容分为三篇。第一篇（基础篇）主要介绍数据挖掘与量化投资的关系，以及数据挖掘的概念、实现过程、主要内容、主要工具等内容。第二篇（技术篇）系统介绍了数据挖掘的相关技术及这些技术在量化投资中的应用，主要包括数据的准备、数据的探索、关联规则方法、数据回规方法、分类方法、聚类方法、预测方法、诊断方法、时间序列方法、智能优化方法等内容。第三篇（实践篇）主要介绍数据挖掘技术在量化投资中的综合应用实例，包括统计套利策略的挖掘与优化、配对交易策略的挖掘与实现、数据挖掘在股票程序化交易中的综合应用，以及基于数据挖掘技术的量化交易系统的构建。
《量化投资：数据挖掘技术与实践（MATLAB版）》的读者对象为从事投资、数据挖掘、数据分析、数据管理工作的专业人士；金融、经济、管理、统计等专业的教师和学生；希望学习MATLAB的广大科研人员、学者和工程技术人员。
目录
- 第一篇基础篇
- 第1章绪论 2
- 参考文献 16
- 第2章数据挖掘的内容、过程及工具 17
- 参考文献 44
- 第二篇技术篇
- 第3章数据的准备 47
- 参考文献 77
- 第4章数据的探索 78
- 参考文献 108
- 第5章关联规则方法 109
- 参考文献 127
- 第6章数据回归方法 128
- 参考文献 157
- 第7章分类方法 158
- 参考文献 198
- 第8章聚类方法 199
- 参考文献 235
- 第9章预测方法 236
- 参考文献 256
- 第10章诊断方法 257
- 参考文献 277
- 第11章时间序列方法 279
- 参考文献 293
- 第12章智能优化方法 294
- 参考文献 325
- 第三篇实践篇
- 第13章统计套利策略的挖掘与优化 327
- 参考文献 348
- 第14章配对交易策略的挖掘与实现 349
- 参考文献 361
- 第15章数据挖掘在股票程序化
- 交易中的综合应用 362
- 参考文献 390
- 第16章基于数据挖掘技术的量化交易系统 392
- 参考文献 402
量化投资是将投资理念及策略通过具体指标、参数的设计，融入到具体的模型中，用模型对市场进行不带任何情绪的跟踪，简单而言，就是用数量化的方法对股票、期货等投资对象进行估值，选取适合的对象进行投资。 看了几章，感觉不错。将数据挖掘方法应用到选股上是个很好的主题， 每章基本上都是先介绍数据挖掘方法， 然后再介绍一个在量化投资中的案例，容易理解， 每章都有收获。 还有的就是matlab 程序， 基本包含了常用数据挖掘方法的matlab 程序了， 学起来、用起来都方便。 本书对数据挖掘知识介绍得很系统很详细，列举了很多方法，并提供实例来说明，提供的光盘还附有每种方法的MATLAB代码（作者在这方面还是花了不少心思吧），很方便拿其代码来进行仿真实践。当然，还有最感兴趣的量化投资的量化模型相关内容（专门有一篇介绍数据挖掘技术在量化投资中的应用），作者也有自己的见解和方法论。 非常实用的一本书，覆盖了各种数据挖掘的算法，提供的MATLAB代码很全，注释很清楚，看得出是反复推敲过的。特别对于高频交易和配对交易案例代码的解释非常详细，有很大借鉴作用。作者是MATLAB专家，我多次在高校和研讨会听过他的讲座，印象深刻。什么是大数据挖掘？ 无论是大牛还是想转行想学习的大学生 小编我都挺欢迎，今天的已经资讯上传到群文件，不定期分享干货， 包括我自己整理的一份最新的适合2018年学习的大数据教程，欢迎初学和进阶中的小伙伴。 数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 数据挖掘对象 根据信息存储格式，用于挖掘的对象有关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及Internet等。 数据挖掘流程 定义问题：清晰地定义出业务问题，确定数据挖掘的目的。 数据准备：数据准备包括：选择数据–在大型数据库和数据仓库目标中 提取数据挖掘的目标数据集;数据预处理–进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。 数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。 结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。 书的内容很实用，结合了大量示例，即学习了数据挖掘的基础知识，也有机会利用matlab进行实践，很适合想在数据挖掘方面进行深入研究的专业人士，同样也适合初学者入门。另外，本人觉得此书最大的特点就是结合matlab，几乎所有的工科学生都会使用matlab，这样让读者可以快速验证或尝试书中的例子，对理解专业概念大有好处，远胜于单独将概念的书，赞一个！ 平时我在网上多喜欢买小说类文学期刊，很少写评价。而这次买的量化投资（数学建模相关）专业书籍，忍不住要写几点体会：1.内容丰富，可读性很强。文、图、表、式，自然清晰，布局合理，读起来轻松、畅快，而这是专业类书籍少有的；2.有一定的学术创新性，感觉好些内容都可以在科研论文的写作中给予借鉴，对专业研究很有启发；3.层次性强，能深入浅出。从基础到技术再到实践，作者已经准备好了全套大餐，读者只等菜品逐个呈上来即可，在享受精神大餐的同时，循序渐进的层次感很容易让人接受，总体感觉非常给力！