商品期貨套利策略實證
⑴ 請問商品期貨只做單品種，套利是怎麼實現的呢
單品種可以做跨期套利，就是利用合約不同到期日的背離套利。也可以跨交易所套利，譬如滬銅和倫銅套利。
⑵ 期貨套利怎麼做 風險和收益怎麼樣
期貨套利風險相對於單純投機風險小，但收益見效時間長，收益保持中下。
期貨套利是指利用相關市場或者相關合約之間的價差變化，在相關市場或者相關合約上進行交易方向相反的交易，以期在價差發生有利變化而獲利的交易行為，如果發生利用期貨市場與現貨市場之間的價差進行的套利行為，那麼就稱為期現套利。
股指期貨與現貨指數套利原理：
指投資股票指數期貨合約和相對應的一攬子股票的交易策略，以謀求從期貨、現貨市場同一組股票存在的價格差異中獲取利潤。
當期貨實際價格大於理論價格時，賣出股指期貨合約，買入指數中的成分股組合，以此獲得無風險套利收益，稱為「正套」。
當期貨實際價格低於理論價格時，買入股指期貨合約，賣出指數中的成分股組合，以此獲得無風險套利收益，稱為「反套「。
市場中常常出現價格分布不尋常的合約組合，有些可以成為投資者套利交易的良好對象，有些則是「套利陷阱」，其存在由於種種原因，並不能很好的價差回歸，有時甚至會出現令人詫異的變化，導致套利失敗。因此投資者要格外小心下面幾種「套利陷阱」。
1.不做跨年度的跨期套利
2.不做非短期因素影響的正向套利
由於套利機會是依據中長期價格關系找到短期價格呈現偏離的機會，發生套利機會的因素一般都是短期或者突發事件引起的價格異變，所以，一般不應介入非短期因素影響的正向套利時機。
3.「逼倉」中的套利危險
其風險重要在跨期套利中浮現，一般而言，跨期的虛盤套利不涉及到現貨，而逼倉的風險就在於沒有現貨頭寸做維護，當市場行情呈現單邊逼倉的時候，逼倉月合約要比其它月份走勢更強,其價差未涌現「理性」回歸，從而導致虧損的局勢。
4.不做流動性差的合約
如果組建的套利組合中一個或兩個期貨合約流動性很差，則我們就要注意該套利組合是否可以順利地同時開倉和平倉，如果不能，則要斟酌廢棄該次套利機會。此外，如果組合構建得足夠大，則組合的兩個合約都存在必定的沖擊成本。在期現套利和跨期套利中，參與到交割的套利須保證有足額的資金交付。
5.資金的機遇成本和借入成本
在實際投資中，兩個交易賬戶均須備有足夠的預留保證金，這會增添利息成本，從而下降收益率。我們需要斟酌資金起源是自有資金還是借貸資金，而資金借入的期限和套利頭寸的持有期限可能並不匹配。
⑶ 請問有沒有關於期貨跨期套利的文獻綜述最好是關於商品期貨的O(∩_∩)O謝謝
在期貨從業資格考試的教材 《期貨市場基礎知識》一書裡面有詳細講解
裡面有詳細的例子講解
⑷ 怎麼用期貨套利的分析方法做分析
以下資料來源參考：中金網。
在進行套利交易前，首先應對目前的套利關系用圖表加以分析。在普通的交易方面，圖表是決定時點的主要工具，它對價格的波動提供了歷史性資料。套利圖表與一般的價格圖表不同在於它記載著不同月份的合約之間彼此相互的關系。所以，套利圖表作為分析、預測行情的工具，它並不注重絕對的價格水平，而是在圖表中標出價差的數值，以歷史價差作為進行套利分析的依據。
另外，套利常常會顯示出季節性的關系，即在一個特定的時間顯示出價格變動幅度的寬窄差異，實踐證明其符合性的程度相當高，此種套利即為季節性套利，並且在期貨交易中提供了最佳獲利機會。為了利用季節性進行套利，必須回溯分析多年前的價格資料和研究此種套利，並且必須將現在的供求加以考慮，然後研究確定過去的市場行為是否能夠應用在未來的幾年。這種類比研究法是以多種市場分析方法綜合而得的分析技術，此類方法是用來證明最初激勵因素能否在套利季節再度發生。為了使這種季節性的趨勢增加可信度，重要的是確定明顯的等量使得激勵因素能發生作用。
在收集以往套利資料時，不要將不同期間的資料拿來做比較。在期間相似的情形下，通常相同的供求力量會引起類似的套利。因此，在價格劇烈上漲的期間里，參考同期的利多市場可得到相似的價格行為。例如美國在20世紀70年代初，「逆轉市場」主宰了整個行情，後來比較正常的市場結構引導市場走向，但有的供給量較吃緊的商品期貨如咖啡、可可仍保持著逆轉形式。了解這些引起市場不均衡的因素及特定商品對這些不均衡狀況的反應，可在後來的套利中有所參考和借鑒。
據分析，糖市存在套利機會。因為白糖現貨市場、近月合約受到明確而較強的支撐，但是遠月合約則遭遇較強的壓力，原糖因為其基本面不利變動而下跌破位，又會給國內糖市帶來不小壓力，這些壓力也相對集中於遠月合約。因此，遠月合約將重現並持續貼水格局，在1209與1301合約價差絕對值縮小時，可以關注多1209合約、空1301合約的套利。預計遠月合約最大貼水可達300～400元/噸。
⑸ 商品期貨套利差價總共要差多少才能夠無風險穩定獲利正向套利怎麼操作反向套利怎麼
差價多少，這也沒個定數
你可以參照最近五六年的最高和最低值
然後從中分析個合適的差價
個人覺得最近這兩年套利也不怎麼按套路
⑹ 期貨跨期套利時要如何利用歷史數據進行的實證檢驗
1般來講歷史數據只能提供參考，要實證的話還是以當天的為准！
⑺ 如何才能做好商品期貨套利
根據市場變化進行持倉頭寸數量的變化。
⑻ 商品期貨價差套利 給舉個例子解釋下 形象點的小弟才能理解
套利是指利用相關市場或相關合約之間的價差變化，在相關市場或相關合約上進行交易方向相反的交易，以期價發生有利變化而獲利的交易行為。
如果利用期貨市場和現貨市場之間的價差進行套利行為，稱為期現套利（Arbitrage）。如果利用期貨市場上不同合約之間的價差進行的套利行為，稱為價差交易（Spread）。
(8)商品期貨套利策略實證擴展閱讀
利用兩種不同的、但相關聯商品之間的價差進行交易。這兩種商品之間具有相互替代性或受同一供求因素制約。跨商品套利的交易形式是同時買進和賣出相同交割月份但不同種類的商品期貨合約。例如金屬之間、農產品之間、金屬與能源之間等都可以進行套利交易。
交易者之所以進行套利交易，主要是因為套利的風險較低，套利交易可以為避免始料未及的或因價格劇烈波動而引起的損失提供某種保護，但套利的盈利能力也較直接交易小。
⑼ 商品期貨套利案例有哪些，求助各位
套利( spreads): 指同時買進和賣出兩張不同種類的期貨合約。交易者買進自認為是"便宜的"合約，同時賣出那些"高價的"合約，從兩合約價格間的變動關系中獲利。在進行套利時，交易者注意的是合約之間的相互價格關系，而不是絕對價格水平。
套利一般可分為三類：跨期套利、跨市套利和跨商品套利。
跨期套利是套利交易中最普遍的一種，是利用同一商品但不同交割月份之間正常價格差距出現異常變化時進行對沖而獲利的，又可分為牛市套利(bull spread)和熊市套利(bear spread兩種形式。例如在進行金屬牛市套利時，交易所買入近期交割月份的金屬合約，同時賣出遠期交割月份的金屬合約，希望近期合約價格上漲幅度大於遠期合約價格的上帳幅度；而熊市套利則相反，即賣出近期交割月份合約，買入遠期交割月份合約，並期望遠期合約價格下跌幅度小於近期合約的價格下跌幅度。
跨市套利是在不同交易所之間的套利交易行為。當同一期貨商品合約在兩個或更多的交易所進行交易時，由於區域間的地理差別，各商品合約間存在一定的價差關系。例如倫敦金屬交易所(LME)與上海期貨交易所(SHFE)都進行陰極銅的期貨交易，每年兩個市場間會出現幾次價差超出正常范圍的情況，這為交易者的跨市套利提供了機會。例如當LME銅價低於SHFE時，交易者可以在買入LME銅合約的同時，賣出SHFE的銅合約，待兩個市場價格關系恢復正常時再將買賣合約對沖平倉並從中獲利，反之亦然。在做跨市套利時應注意影響各市場價格差的幾個因素，如運費、關稅、匯率等。
⑽ 量化投資—策略與技術的作品目錄
《量化投資—策略與技術》
策略篇
第 1章 量化投資概念
1.1 什麼是量化投資 2
1.1.1 量化投資定義 2
1.1.2 量化投資理解誤區 3
1.2 量化投資與傳統投資比較 6
1.2.1 傳統投資策略的缺點 6
1.2.2 量化投資策略的優勢 7
1.2.3 量化投資與傳統投資策略的比較 8
1.3 量化投資歷史 10
1.3.1 量化投資理論發展 10
1.3.2 海外量化基金的發展 12
1.3.3 量化投資在中國 15
1.4 量化投資主要內容 16
1.5 量化投資主要方法 21
.第 2章 量化選股 25
2.1 多因子 26
2.1.1 基本概念 27
2.1.2 策略模型 27
2.1.3 實證案例：多因子選股模型 30
2.2 風格輪動 35
2.2.1 基本概念 35
2.2.2 盈利預期生命周期模型 38
2.2.3 策略模型 40
2.2.4 實證案例：中信標普風格 41
2.2.5 實證案例：大小盤風格 44
2.3 行業輪動 47
2.3.1 基本概念 47
2.3.2 m2行業輪動策略 50
2.3.3 市場情緒輪動策略 52
2.4 資金流 56
2.4.1 基本概念 56
2.4.2 策略模型 59
2.4.3 實證案例：資金流選股策略 60
2.5 動量反轉 63
2.5.1 基本概念 63
2.5.2 策略模型 67
2.5.3 實證案例：動量選股策略和反轉選股策略 70
2.6 一致預期 73
2.6.1 基本概念 74
2.6.2 策略模型 76
2.6.3 實證案例：一致預期模型案例 78
2.7 趨勢追蹤 84
2.7.1 基本概念 84
2.7.2 策略模型 86
2.7.3 實證案例：趨勢追蹤選股模型 92
2.8 籌碼選股 94
2.8.1 基本概念 95
2.8.2 策略模型 97
2.8.3 實證案例：籌碼選股模型 99
2.9 業績評價 104
2.9.1 收益率指標 104
2.9.2 風險度指標 105
第 3章 量化擇時 111
3.1 趨勢追蹤 112
3.1.1 基本概念 112
3.1.2 傳統趨勢指標 113
3.1.3 自適應均線 121
3.2 市場情緒 125
3.2.1 基本概念 126
3.2.2 情緒指數 128
3.2.3 實證案例：情緒指標擇時策略 129
3.3 有效資金 133
3.3.1 基本概念 133
3.3.2 策略模型 134
3.3.3 實證案例：有效資金擇時模型 137
3.4 牛熊線 141
3.4.1 基本概念 141
3.4.2 策略模型 143
3.4.3 實證案例：牛熊線擇時模型 144
3.5 husrt指數 146
3.5.1 基本概念 146
3.5.2 策略模型 148
3.5.3 實證案例 149
3.6 支持向量機 152
3.6.1 基本概念 152
3.6.2 策略模型 153
3.6.3 實證案例：svm擇時模型 155
3.7 swarch模型 160
3.7.1 基本概念 160
3.7.2 策略模型 161
3.7.3 實證案例：swarch模型 164
3.8 異常指標 168
3.8.1 市場雜訊 168
3.8.2 行業集中度 170
3.8.3 興登堡凶兆 172
第 4章 股指期貨套利 180
4.1 基本概念 181
4.1.1 套利介紹 181
4.1.2 套利策略 183
4.2 期現套利 185
4.2.1 定價模型 185
4.2.2 現貨指數復制 186
4.2.3 正向套利案例 190
4.2.4 結算日套利 192
4.3 跨期套利 195
4.3.1 跨期套利原理 195
4.3.2 無套利區間 196
4.3.3 跨期套利觸發和終止 197
4.3.4 實證案例：跨期套利策略 199
4.3.5 主要套利機會 200
4.4 沖擊成本 203
4.4.1 主要指標 204
4.4.2 實證案例：沖擊成本 205
4.5 保證金管理 208
4.5.1 var方法 208
4.5.2 var計算方法 209
4.5.3 實證案例 211
第 5章 商品期貨套利 214
5.1 基本概念 215
5.1.1 套利的條件 216
5.1.2 套利基本模式 217
5.1.3 套利准備工作 219
5.1.4 常見套利組合 221
5.2 期現套利 225
5.2.1 基本原理 225
5.2.2 操作流程 226
5.2.3 增值稅風險 230
5.3 跨期套利 231
5.3.1 套利策略 231
5.3.2 實證案例：pvc跨期套利策略 233
5.4 跨市場套利 234
5.4.1 套利策略 234
5.4.2 實證案例：倫銅—滬銅跨市場套利 235
5.5 跨品種套利 236
5.5.1 套利策略 237
5.5.2 實證案例 238
5.6 非常狀態處理 240
第 6章 統計套利 242
6.1 基本概念 243
6.1.1 統計套利定義 243
6.1.2 配對交易 244
6.2 配對交易 247
6.2.1 協整策略 247
6.2.2 主成分策略 254
6.2.3 績效評估 256
6.2.4 實證案例：配對交易 258
6.3 股指套利 261
6.3.1 行業指數套利 261
6.3.2 國家指數套利 263
6.3.3 洲域指數套利 264
6.3.4 全球指數套利 266
6.4 融券套利 267
6.4.1 股票—融券套利 267
6.4.2 可轉債—融券套利 268
6.4.3 股指期貨—融券套利 269
6.4.4 封閉式基金—融券套利 271
6.5 外匯套利 272
6.5.1 利差套利 273
6.5.2 貨幣對套利 275
第 7章 期權套利 277
7.1 基本概念 278
7.1.1 期權介紹 278
7.1.2 期權交易 279
7.1.3 牛熊證 280
7.2 股票/期權套利 283
7.2.1 股票—股票期權套利 283
7.2.2 股票—指數期權套利 284
7.3 轉換套利 285
7.3.1 轉換套利 285
7.3.2 反向轉換套利 287
7.4 跨式套利 288
7.4.1 買入跨式套利 289
7.4.2 賣出跨式套利 291
7.5 寬跨式套利 293
7.5.1 買入寬跨式套利 293
7.5.2 賣出寬跨式套利 294
7.6 蝶式套利 296
7.6.1 買入蝶式套利 296
7.6.2 賣出蝶式套利 298
7.7 飛鷹式套利 299
7.7.1 買入飛鷹式套利 300
7.7.2 賣出飛鷹式套利 301
第 8章 演算法交易 304
8.1 基本概念 305
8.1.1 演算法交易定義 305
8.1.2 演算法交易分類 306
8.1.3 演算法交易設計 308
8.2 被動交易演算法 309
8.2.1 沖擊成本 310
8.2.2 等待風險 312
8.2.3 常用被動型交易策略 314
8.3 vwap演算法 316
8.3.1 標准vwap演算法 316
8.3.2 改進型vwap演算法 319
第 9章 其他策略 323
9.1 事件套利 324
9.1.1 並購套利策略 324
9.1.2 定向增發套利 325
9.1.3 套利重倉停牌股票的投資組合 326
9.1.4 封閉式投資組合套利 327
9.2 etf套利 328
9.2.1 基本概念 328
9.2.2 無風險套利 330
9.2.3 其他套利 334
9.3 lof套利 335
9.3.1 基本概念 335
9.3.2 模型策略 336
9.3.3 實證案例：lof 套利 337
9.4 高頻交易 341
9.4.1 流動性回扣交易 341
9.4.2 獵物演算法交易 342
9.4.3 自動做市商策略 343
9.4.4 程序化交易 343
理論篇
第 10章 人工智慧 346
10.1 主要內容 347
10.1.1 機器學習 347
10.1.2 自動推理 350
10.1.3 專家系統 353
10.1.4 模式識別 356
10.1.5 人工神經網路 358
10.1.6 遺傳演算法 362
10.2 人工智慧在量化投資中的應用 366
10.2.1 模式識別短線擇時 366
10.2.2 rbf神經網路股價預測 370
10.2.3 基於遺傳演算法的新股預測 375
第 11章 數據挖掘 381
11.1 基本概念 382
11.1.1 主要模型 382
11.1.2 典型方法 384
11.2 主要內容 385
11.2.1 分類與預測 385
11.2.2 關聯規則 391
11.2.3 聚類分析 397
11.3 數據挖掘在量化投資中的應用 400
11.3.1 基於som 網路的股票聚類分析方法 400
11.3.2 基於關聯規則的板塊輪動 403
第 12章 小波分析 407
12.1 基本概念 408
12.2 小波變換主要內容 409
12.2.1 連續小波變換 409
12.2.2 連續小波變換的離散化 410
12.2.3 多分辨分析與mallat演算法 411
12.3小波分析在量化投資中的應用 414
12.3.1 k線小波去噪 414
12.3.2 金融時序數據預測 420
第 13章 支持向量機 429
13.1 基本概念 430
13.1.1 線性svm 430
13.1.2 非線性svm 433
13.1.3 svm分類器參數選擇 435
13.1.4 svm分類器從二類到多類的推廣 436
13.2 模糊支持向量機 437
13.2.1 增加模糊後處理的svm 437
13.2.2 引入模糊因子的svm訓練演算法 439
13.3 svm在量化投資中的應用 440
13.3.1 復雜金融時序數據預測 440
13.3.2 趨勢拐點預測 445
第 14章 分形理論 452
14.1 基本概念 453
14.1.1 分形定義 453
14.1.2 幾種典型的分形 454
14.1.3 分形理論的應用 456
14.2 主要內容 457
14.2.1 分形維數 457
14.2.2 l系統 458
14.2.3 ifs系統 460
14.3 分形理論在量化投資中的應用 461
14.3.1 大趨勢預測 461
14.3.2 匯率預測 466
第 15章 隨機過程 473
15.1 基本概念 473
15.2 主要內容 476
15.2.1 隨機過程的分布函數 476
15.2.2 隨機過程的數字特徵 476
15.2.3 幾種常見的隨機過程 477
15.2.4 平穩隨機過程 479
15.3 灰色馬爾可夫鏈股市預測 480
第 16章 it技術 486
16.1 數據倉庫技術 486
16.1.1 從資料庫到數據倉庫 487
16.1.2 數據倉庫中的數據組織 489
16.1.3 數據倉庫的關鍵技術 491
16.2 編程語言 493
16.2.1 GPU演算法交易 493
16.2.2 MATLAB 語言 497
16.2.3 c#語言 504
第 17章 主要數據與工具 509
17.1 名策多因子分析系統 509
17.2 MultiCharts：程序化交易平台 511
17.3 交易開拓者：期貨自動交易平台 514
17.4 大連交易所套利指令 518
17.5 mt5：外匯自動交易平台 522
第 18章 量化對沖交易系統：D-alpha 528
18.1 系統構架 528
18.2 策略分析流程 530
18.3 核心演算法 532
18.4 驗證結果 534
表目錄
表1 1 不同投資策略對比 7
表2 1 多因子選股模型候選因子 30
表2 2 多因子模型候選因子初步檢驗 31
表2 3 多因子模型中通過檢驗的有效因子 32
表2 4 多因子模型中剔除冗餘後的因子 33
表2 5 多因子模型組合分段收益率 33
表2 6 晨星市場風格判別法 36
表2 7 夏普收益率基礎投資風格鑒別 37
表2 8 中信標普風格指數 41
表2 9 風格動量策略組合月均收益率 43
表2 10 大小盤風格輪動策略月收益率均值 46
表2 11 中國貨幣周期分段（2000—2009年） 49
表2 12 滬深300行業指數統計 50
表2 13 不同貨幣階段不同行業的收益率 51
表2 14 招商資金流模型（cmsmf）計算方法 58
表2 15 招商資金流模型（cmsmf）選股指標定義 59
表2 16 資金流模型策略——滬深300 61
表2 17 資金流模型策略——全市場 62
表2 18 動量組合相對基準的平均年化超額收益（部分） 68
表2 19 反轉組合相對基準的平均年化超額收益(部分) 69
表2 20 動量策略風險收益分析 71
表2 21 反轉策略風險收益分析 73
表2 22 趨勢追蹤技術收益率 93
表2 23 籌碼選股模型中單個指標的收益率情況對比 99
表3 1 ma指標擇時測試最好的20 組參數及其表現 117
表3 2 4個趨勢型指標最優參數下的獨立擇時交易表現比較 120
表3 3 有交易成本情況下不同信號個數下的綜合擇時策略 120
表3 4 自適應均線擇時策略收益率分析 124
表3 5 市場情緒類別 126
表3 6 滬深300指數在不同情緒區域的當月收益率比較 128
表3 7 滬深300指數在不同情緒變化區域的當月收益率比較 129
表3 8 滬深300指數在不同情緒區域的次月收益率比較 130
表3 9 滬深300指數在不同情緒變化區域的次月收益率比較 130
表3 10 情緒指數擇時收益率統計 132
表3 11 svm擇時模型的指標 156
表3 12 svm對滬深300指數預測結果指標匯總 156
表3 13 svm擇時模型在整體市場的表現 156
表3 14 svm擇時模型在單邊上漲市的表現 157
表3 15 svm擇時模型在單邊下跌市的表現 158
表3 16 svm擇時模型在震盪市的表現 159
表3 17 雜訊交易在熊市擇時的收益率 170
表4 1 各種方法在不同股票數量下的跟蹤誤差（年化） 190
表4-2 股指期貨多頭跨期套利過程分析 199
表4 3 不同開倉比例下的不同保證金水平能夠覆蓋的市場波動及其概率 211
表4 4 不同倉單持有期下的保證金覆蓋比例 212
表6 1 融券標的股票中在樣本期內最相關的50 對組合（部分） 248
表6 2 殘差的平穩性、自相關等檢驗 249
表6 3 在不同的閾值下建倉、平倉所能獲得的平均收益 251
表6 4 採用不同的模型在樣本內獲取的收益率及最優閾值 252
表6 5 採用不同的模型、不同的外推方法在樣本外獲取的收益率（%） 253
表6 6 主成分配對交易在樣本內取得的收益率及最優閾值 255
表6 7 主成分配對交易在樣本外的效果 255
表6-8 各種模型下統計套利的結果 256
表6 9 延後開倉+提前平倉策略實證結果 260
表6 10 各行業的配對交易結果 261
表7 1 多頭股票-期權套利綜合分析表 283
表7 2 多頭股票—股票期權套利案例損益分析表 284
表7 3 多頭股票-指數期權套利案例損益分析表 285
表7 4 轉換套利分析過程 286
表7 5 買入跨式套利綜合分析表 289
表7 6 買入跨式套利交易細節 289
表7 7 賣出跨式套利綜合分析表 291
表7 8 賣出跨式套利交易細節 292
表7 9 買入寬跨式套利綜合分析表 293
表7 10 賣出寬跨式套利綜合分析表 294
表7 11 買入蝶式套利綜合分析表 296
表7 12 賣出蝶式套利綜合分析表 298
表7 13 買入飛鷹套利分析表 300
表7 14 賣出飛鷹式套利綜合分析表 301
表9 1 主要並購方式 324
表9 2 並購套利流程 325
表9 3 鵬華300 lof兩次正向套利的情況 339
表9 4 鵬華300 lof兩次反向套利的情況 340
表10 1 自動推理中連詞系統 352
表10 2 模式識別短線擇時樣本數據分類 369
表10 3 rbf神經網路股價預測結果 375
表10 4 遺傳演算法新股預測參數設置 379
表10 5 遺傳演算法新股預測結果 380
表11 1 決策樹數據表 389
表11 2 關聯規則案例數據表 392
表11 3 som股票聚類分析結果 403
表11 4 21種股票板塊指數布爾關系表數據片斷 404
表12 1 深發展a日收盤價小波分析方法預測值與實際值比較 427
表12 2 不同分解層數的誤差均方根值 428
表13 1 svm滬深300指數預測誤差情況 445
表13 2 svm指數預測和神經網路預測的比較 445
表13 3 技術反轉點定義與圖型 448
表13 4 svm趨勢拐點預測結果 450
表14 1 持續大漲前後分形各主要參數值 463
表14 2 持續大跌前後分形個主要參數值 465
表14 3 外匯r/ s 分析的各項指標 469
表14 4 v(r/s)曲線回歸檢驗 470
表15 1 灰色馬爾可夫鏈預測深證成指樣本內（2005/1—2006/8） 484
表15 2 灰色馬爾可夫鏈預測深證成指樣本外（2006/9—2006/12） 484
表16-1 vba的12種數據類型 499
表18-1 d-alpha系統在全球市場收益率分析 534