本书主要为有志于从事量化研究领域相关工作的读者关于金融波动率问题进行深度探讨和研究，并对模型和方法做了总结，引入了机器学习对经典模型做了集成研究，同时给出了一些理论研究结论和实证分析结果，帮助读者了解金融波动率问题，并在今后结合自身的工作进一步丰富和拓展这个领域的研究，以期最终建立自己的金融波动率研究框架和投资策略。
李一邨，浙江杭州人，浙江大学量化金融博士，现任杭州伊园科技有限公司总经理。前沿量化科学领域的深耕者，多年来致力于将多元学科的前沿理论嫁接融合到金融投资领域。被聘为杭州市科促会数据科学家、杭州师范大学指导老师。曾连续5届（第8-12届）获得《证时报》和《期货日报》联合评选的“中国最佳金融量化策略工程师”。
第1章 绪论
1.1 波动率研究的背景和意义
1.2 本书的方法逻辑
第2章 问题的提出：基于演化饿弈的量化投资策略伤真研究
2.1 演化博弈引入量化投资的介绍
2.2 演化博奔理论分析
2.3 趋势策略和震荡策略的仿真实验
2.4 波动率对于区分震荡行情和趋势行情的意义
第3章 波动率的估计、性质、模型
3.1 波动率的估计和性质
3.2 基于波动率性质的预测模型
3.3 非参数估计的波动率预测模型
第4章 Hurst指数与多因子模型
4.1 经典Hurst指数介绍
4.2 Fama-French多因子模型及其Hurst指数拓展
4.3 多因子模型与机器学习结合
第5章 基于模型和机器学习的波动率预测、比较和集成方法研究
5.1 经典波动率模型与机器学习结合的介绍
5.2 12个波动率预测模型的实证研究
5.3 基于金融经济特征建立的机器学习模型对波动率预测
5.4 基于机器学习的波动率预测模型进行集成的实证研究
5.5 基于分位数的神经网络与模型集成组合算法
第6章 期权波动率投资策略
6.1 波动率预测与期权投资的关系
6.2 特征介绍及特征筛选
6.3 直接预测波动率涨跌的期权策略
6.4 阈值预测波动率涨跌的期权策略
6.5 动态阈值预测波动率涨跌的期权策略
参考文献
书单推荐
