第一章：量化投資的起點

# 前言 量化投資並非新潮，而是一場從「直覺」到「數據」的革命。這一章，我們不討論市場的波動，而是聚焦於 *誰* 在做量化，*為何* 需要量化，以及本書將如何帶你從零到一。 ## 為什麼量化投資？ 傳統投資依賴個人判斷、新聞標題和宏觀趨勢。相對之下，量化投資以可量化的因子、時間序列模型和風險管理機制為基礎，能將主觀噪聲降至最低。這並非說「機器會自動獲利」，而是說「當資料充足時，我們可以用一致、可重複的方式去發掘價值」。 ## 作者簡介 我，墨羽行，曾在華爾街量化部門工作七年，後轉至研究機構，專注於因子模型與高頻交易。從業多年，我見證過市場從「資訊不對稱」到「資訊大多可觀測」的轉變。這本書，是我對這段歷程的整理，也是給想走進量化領域的你的一份實作手冊。 ## 本書結構概覽 1. **基礎理論**：因子模型、CAPM、APT 等。 2. **模型實作**：Python 範例，從資料抓取到特徵工程。 3. **風險控管**：VaR、CVaR、風險平價。 4. **算法交易**：訊號執行、滑點估算、交易成本。 5. **組合建構**：均值-變異、黑利特模型、動態配置。 6. **實戰案例**：股票、ETF、期貨、加密資產的完整回測。 ## 讀者對象 - **投資人**：想透過系統化方法降低情緒風險。 - **研究人員**：需要實作範例加速實驗。 - **程式設計師**：願意學習金融數據處理與模型開發。 ## 小結 量化投資的核心是「資料」。掌握資料、建立模型、實施風險控管，三者缺一不可。接下來，我們將從因子模型說起，帶你逐步建立可重複、可驗證的投資流程。 --- ### Python 範例：簡單股票回報計算 ```python import pandas as pd import yfinance as yf df = yf.download('AAPL', start='2020-01-01', end='2022-12-31') df['return'] = df['Adj Close'].pct_change() print(df.head()) ``` 以上程式碼展示了如何使用 `yfinance` 下載歷史價格，並計算日回報。你可以把這段作為所有量化策略的基礎。 --- **在下一章，我們將深入探討因子模型的理論與實務實作，敬請期待。**