作者背景#

本書由 Richard A. DeFusco、Dennis W. McLeavey、Jerald E. Pinto、David E. Runkle 編著，均為特許金融分析師（CFA, Chartered Financial Analyst）。DeFusco 為內布拉斯加大學林肯分校財務學教授；McLeavey 為羅德島大學財務與營運研究教授；Pinto 曾任 CFA 協會資格認證高級總監；Runkle 為三部曲全球顧問公司（Trilogy Global Advisors）量化研究主任。CFA 協會（CFA Institute）為全球金融專業人士的權威認證機構，本書作為 CFA 考試 Level I 至 Level II 的指定教材，代表投資行業對量化分析知識體系的共識與最佳實踐標準。

完整摘要#

本書分為三大模塊，系統解決量化投資的方法論問題。

第一模塊（第 1–6 章）：統計基礎與推論。 從貨幣時間價值的等值原則開始，建立金融計算的基礎；隨後介紹資料整理、機率概念、常見分佈（均勻、二項、常態、對數常態）、抽樣與估計、假設檢定等統計工具。這些看似抽象的概念在投資實踐中直接應用於現金流折現、報酬分佈建模、績效差異檢驗，是理解後續複雜模型的必要基礎。

第二模塊（第 7–9 章）：迴歸與時間序列。 擴展至因果關係分析：單變數線性迴歸教授最小平方法與古典假設；多變數迴歸處理虛擬變數、異質變異、序列相關等實務問題。時間序列分析針對金融資料的特殊性（趨勢、單根、季節性、條件異質變異）提供專門工具——從趨勢模型、自迴歸、隨機漫步到 ARMA、ARCH——強調穩態性檢驗與單根處理的重要性。

第三模塊（第 10–14 章）：現代投資分析框架。 機器學習章涵蓋監督式（迴歸、分類）與非監督式（降維、群集）學習、集成方法與深度神經網路；大數據專案章系統化文字與結構化資料的準備、清洗與特徵工程流程。多因子模型展示套利定價理論（APT）如何推廣 CAPM，分別介紹總體經濟、基本面與統計因子模型，闡明報酬歸因與主動風險分解。市場風險管理詳述風險值（VaR）的三大估計方法及其缺陷、條件 VaR 的改進、敏感度與情境分析的補充角色。回測與模擬章則強調滾動窗口的實際應用、歷史與蒙地卡羅模擬的取捨，以及結構性斷裂時需借助情境分析補足回測的不足。

整體敘事路線：從靜態的定價原則與描述統計，進展至動態的時間序列與預測，再到實踐層面的機器學習與風險管理，最後回到驗證階段的回測與模擬。核心論證為：定量方法是投資決策的必要而非充分條件，需與經濟直觀、市場微觀結構、資料品質結合，方能在風險—報酬權衡中做出穩健決策。

本書的貢獻與定位#

本書在投資教育領域的核心貢獻在於系統化銜接學術統計與投資實踐。作為 CFA 指定教材，它代表全球投資行業對分析師必修量化知識的共識標準。相異於 Hull（衍生品）側重數學機制、Damodaran（估值）側重企業基本面的切入，本書採「量化方法論」的中道立場：既不沉溺於抽象數學推導，也不侷限於特定資產估值，而是系統化展示金融從業者面對資料、建立假設、選擇方法、檢驗結論的完整思維。

第四版（2020 年）的最顯著創新在於納入機器學習與大數據處理章節，彌補早期版本對傳統統計方法的側重，反映投資實務在人工智慧時代的轉變。主要受眾為 CFA 備考者、金融數據科學初學者、投資組合經理與風險官；適用情境涵蓋資產定價、績效評估、風險量化、交易訊號開發與策略回測。