量化交易策略被投资大众称为黑箱，以难以理解且难以描述而得名。尽管量化投资方法具有一定的复杂度，但如果得到很好的指导，您同样可以顺利进入这个领域，领略到其中的奥妙。
在最新修订的《打开量化投资的黑箱》（第3版）中，资深算法交易员和投资经理里什·纳兰提供了一种易于遵循且富有洞察力的展示，说明量化和算法交易策略在现实世界中如何运作，并以非数学语言讨论了自2013年上一版出版以来该领域的最新发展。
读者将看到更多引人入胜的金融市场轶事和真实的交易故事，纳兰用生动的文笔描述了华尔街的数量金融奇才们是如何工作的，他的写作通俗易懂且富有洞察力，展示了量化和算法交易策略在现实世界中如何运作，以帮助读者理解掌握量化投资的实用策略。阅读本书的过程，是掀开量化交易神秘面纱的过程，是循序渐进理解数量金融投资策略的过程，也可能是您对量化交易越来越感兴趣的过程。
第3版与时俱进，讲解了量化交易演变和Quant 3.0的兴起，探索了机器学习在阿尔法、信号混合、数据提取和执行中的爆炸性增长，并深入研究了另类数据的激增及其实战应用。
第3版还展示了主动投资与整体量化和高频交易市场之间的关系，以及更简单、更有效的投资组合优化新方法。它回顾了平台和模块作为该领域主导力量的出现和增长，以及作为新人进入该领域的全新途径。
作者回答了关于量化和高频交易的基础问题和重要问题，包括：
·量化交易员如何捕捉阿尔法
·量化交易中的真实主观程度是多少
·理论驱动系统和数据挖掘策略之间的区别是什么
·量化交易员如何建模风险
·高频交易及其风险管理和组合构建
·数据应用的相关问题
本书适合所有有志于和正在从事量化交易的人士，书中没有高深的术语和公式，以通俗易懂的方式对量化这一复杂且瞬息万变的主题进行了阐述。这本书是非数学背景人士理解量化交易策略的核心参考书。
译者序
在追赶与超越之间
当在键盘上敲下最后一个字符时，我望向窗外深交所的霓虹，那些闪烁的报价背后，正涌动着中国量化交易年轻而蓬勃的生命力。很荣幸能以译者身份，将这本被华尔街奉为量化圣经的著作呈献给中文读者。作为在量化领域深耕10余年的实践者，我深知这本书的价值它不仅是作者20年对冲基金实战的结晶，更是一座连接东西方量化智慧的桥梁。
他山之石：中国量化发展的镜像
中国量化交易用10年时间走过了欧美30年的路程：证券期货市场的量化交易占比从2010年的不足5%跃升至2024年的35%，百亿级量化私募如幻方、九坤等不仅管理规模媲美海外对冲基金，更孵化出DeepSeek等具有全球影响力的AI交易系统。然而繁华背后，我们仍需清醒地认识到：
历史维度：当伦敦金属交易所已运转145年时，中国金融期货交易所才刚过15岁生日。
制度差异：T+1交易机制、涨跌停板等特色规则，使简单的策略移植成为伪命题。
生态差距：顶级量化机构每年在超算集群上的投入超过10亿元，相当于中小机构的全年营收。
认知鸿沟：社会对量化交易割韭菜的误解，与机构对算法交易的过度依赖形成奇妙对峙。
阅读地图：四个关键路标
构建系统化思维框架
中国量化从业者往往从策略代码化起步，却困在碎片化开发中。本书揭示的完整架构如同建筑蓝图从阿尔法引擎到风险控制系统、从组合优化器到执行算法，每个模块的接口标准与数据流向都清晰可循。某百亿私募CTO（首席技术官）曾坦言，早期因架构缺陷导致的策略迭代成本高达千万级。
掌握模型语言体系
书中提到的BARRA风险模型等，实则是全球量化圈的通用语言。就像程序员需要掌握设计模式，量化研究者应当理解这些模型语法。2018年某券商自营团队通过重构成本模型，使股指期货策略年化收益率提升4.2%，这正是模型认知迭代的力量。
建立数据敬畏之心
第8章关于数据清洗的论述尤为振聋发聩：国内某知名因子研究曾因忽略停牌股处理，导致回测收益率虚高30%。书中强调的垃圾进，垃圾出原则，正是量化研究的第一铁律。
理解高频交易本质
新增的高频交易章节堪称监管者与从业者的必读内容。当某交易所因乌龙指事件损失数亿元时，书中微秒级竞争本质上是基础设施竞赛的论断得到残酷印证。这些经验对于正在制定高频交易监管规则的中国市场尤为珍贵。
时空重叠：量化文明的对话
在翻译过程中，我常想起彼得·林奇的告诫：投资艺术与科学的区别，在于前者用显微镜，后者用望远镜。这本书的伟大之处，在于它同时提供了这两种工具。期待中文读者既能从中获取具体的技术方法论，更能领悟到量化交易背后的哲学思考在这个算法日益主导的市场里，真正的优势永远来自对人类行为深度的理解与技术执行精度的结合。
译者
2025年8月于深圳平安金融中心
推荐序
1992年，我加入一家大型银行，立志成为量化交易员。此前七年，我一直在金融咨询公司工作，当那份工作逐渐变得乏味时，我便投身竞技扑克以磨砺思维。我研读了所有能找到的关于市场无效性套利的论文，自信凭借积累的经验能在新领域有所建树。最终我确实成功了这得益于运气、努力，更离不开卓越同事的支持。
若我在创办PDT之初就能读到里什这样的著作，定能激发更多灵感，节省大量试错时间。但必须坦诚相告：即便读完《打开量化投资的黑箱》，你也无法直接习得金融市场量化盈利之术。真正掌握其中门道者寥寥无几，而成功者自然不愿轻易分享核心机密。然而，本书精准解析了量化交易者的方法论体系，系统梳理了从业者必须精通的多元知识框架，堪称量化领域新人及投资者的绝佳指南。
PDT招聘的人才多来自物理、数学、工程和计算机领域。我们会为其提供金融书单助其快速转型。本书之前的版本早已入选推荐书目，新版更值得关注投资组合构建、风险管理与研究体系等章节皆做了极具价值的更新。
作为长期投资中小型量化基金的实践者，里什·纳兰亲历了量化从业者的常见误区与核心挑战。《打开量化投资的黑箱》以清晰的笔触全景展现量化生态，对争议性问题亦持中立视角予以剖析。相信此书必将令你获益匪浅！
彼得·穆勒
PDT Partners创始人兼首席执行官
第3版前言
难以置信，距离我撰写《打开量化投资的黑箱》第1版已过去15年。我从未料到这本书会成为量化基金的培训手册，甚至被高校量化金融课程选为教材。当年动笔写第1版时，我多少带着愤懑2007年8月的量化崩盘余波未平，投资者、记者和监管者不断抛出愚蠢的问题，发表荒谬的论断与泛泛之谈。在曼哈顿海滩的家中，我曾向史蒂文·卓布尼抱怨：这些人竟理解不了量化交易者的工作，简直匪夷所思！我们的逻辑明明清晰透明。他当即回击：既然这么简单，你何不写本书？见我一时语塞，史蒂文用黑莓手机向Wiley Finance出版社（其经典著作《黄金屋》的出版商）发出邮件，坚持让他们出版我那尚不存在，甚至未构思的新书。
大约四年后，我勉强同意更新此书，以探讨另一个令人恼火、被广泛误解却本质简单的话题?高频交易?。此外，我对书中诸多内容进行了修订升级，自认为以通俗语言阐释系统化投资的使命已告完成。第1版的核心原则与概念依然有效且切题，尽管存在零星技术进步和新方法解决现有问题，但似乎无须再出新版。
然而此后世界剧变：英国脱欧、美国两次激烈选举、全球疫情持续、多地恐袭与武装冲突频发；气候变化引发的飓风、炸弹气旋、大气河等自然灾害激增；加密货币、去中心化金融（DeFi）、非同质化代币（NFT）及Web3蓬勃兴起；信奉错失恐惧症（FOMO）、人生只活一次（YOLO）、死守不放（HODL）等口号的新一代投机者涌现（又或已退去？）；亦有亮点闪现2015年《巴黎协定》签署、新型疫苗及其他治疗手段快速研发成功、大语言模型横空出世……这些事件无不深刻影响着资本市场与其参与者。
聚焦量化投资领域，这十年同样波澜壮阔。量化策略的合法性与重要性已成共识，管理规模大幅攀升；特定商业模式受投资者热捧，直接重塑行业竞争格局；量化技术本身亦飞速进化?机器学习?从边缘创新变为标配，另类数据从新兴概念走向普及，可交易资产类别与地域极大扩展。尽管第1版的核心理念未被动摇，但变化之巨已令我感到更新此书势在必行。
本书结构与第2版大体一致：?第一部分（第1～2章）?为入门知识与系统化投资策略框架概览；?第二部分（第3～9章）?拆解该框架的各个组成部分；?第三部分（第10～12章）?提供量化策略投资实用指南；?第四部分的第13～15章?详解高频交易，?第16章?则展望该领域未来创新方向。此次将高频交易的争议移至附录，因其热度在金融危机后的数年中已显著降低。
纵使世事变迁，?本质恒常如昔?。量化投资与传统主观策略的核心差异仍在于方法论聚焦于如何投资而非投资什么。量化策略的经济学逻辑依旧清晰可循，任何预测或头寸的胜率仅略优于随机，仍需依赖分散化与严格纪律方能制胜。
里什·纳兰
2023年1月
译者序
推荐序
第3版前言
致谢
第1部分 量化领域
第1章 量化交易为何重要?/ 2
深度思考的价值?/ 7
风险的衡量与误判?/ 8
纪律性执行?/ 9
小结?/ 10
注释?/ 11
第2章 量化交易导论?/ 12
何为量化交易者?/ 13
量化交易系统的典型架构?/ 15
小结?/ 19
注释?/ 20
第2部分 量化黑箱解析
第3章 阿尔法模型：量化交易如何盈利?/ 22
阿尔法模型类型：理论驱动与数据驱动?/ 24
理论驱动的阿尔法模型?/ 28
数据驱动的阿尔法模型?/ 49
策略实施?/ 54
阿尔法模型的混合?/ 66
小结?/ 72
注释?/ 73
第4章 风险模型?/ 74
风险敞口约束?/ 76
风险类型限制?/ 80
风险模型之外的风险管理?/ 86
小结?/ 87
注释?/ 89
第5章 交易成本模型?/ 90
交易成本的定义?/ 91
交易成本模型类型?/ 96
小结?/ 101
注释?/ 102
第6章 投资组合构建模型?/ 103
规则驱动型投资组合构建模型?/ 104
组合优化器?/ 109
投资组合构建模型的输出?/ 126
量化从业者如何选择投资组合构建模型?/ 127
小结?/ 128
注释?/ 129
第7章 交易执行?/ 131
订单执行算法?/ 133
交易基础设施?/ 142
小结?/ 144
注释?/ 145
第8章 数据?/ 147
数据的重要性?/ 148
数据类型?/ 151
数据来源?/ 155
数据清洗?/ 159
数据存储?/ 166
小结?/ 168
注释?/ 169
第9章 研究?/ 170
研究蓝图：科学方法论?/ 171
策略灵感来源?/ 172
回测?/ 175
小结?/ 196
注释?/ 197
第3部分 量化策略投资实用指南
第10章 量化策略的固有风险?/ 200
模型风险?/ 201
制度变迁风险?/ 205
外生冲击风险?/ 209
传染性风险（共同投资者风险）?/ 211
量化风险监控工具?/ 218
小结?/ 220
注释?/ 221
第11章 对量化交易的批评?/ 222
交易是艺术而非科学?/ 223
低估风险加剧市场波动?/ 225
无法应对突发事件或市场剧变?/ 231
量化策略同质化?/ 233
唯巨头量化机构长盛不败?/ 234
数据挖掘的质疑?/ 237
小结?/ 239
注释?/ 240
第12章 量化交易员与策略评估?/ 241
信息收集?/ 243
量化交易策略评估?/ 244
量化交易员能力的考察?/ 247
竞争优势分析?/ 250
职业道德评估?/ 253
量化策略在投资组合中的定位?/ 255
小结?/ 258
注释 ?/ 260
第4部分 高速与高频交易
第13章 高速与高频交易导论?/ 262
注释?/ 267
第14章 高速交易?/ 268
速度为何重要?/ 269
延迟来源?/ 279
小结?/ 289
注释?/ 291
第15章 高频交易?/ 292
合约做市商?/ 293
非合约做市商?/ 297
套利交易?/ 299
快速阿尔法策略?/ 301
高频交易策略风险管理与组合构建?/ 303
小结?/ 306
注释?/ 306
第16章 展望量化交易的未来?/ 307
商业模式?/ 308
机器学习与人工智能?/ 313
资产类别与市场的拓展?/ 313
数字化与数据集?/ 315
人与机器的协作?/ 315
结论?/ 316
附录 高频交易的争议 ?/ 317
书单推荐
