具体描述
《量化投资—策略与技术》是国内第一本有关量化投资策略的著作，首先介绍了量化投资大师西蒙斯的传奇故事（连续20年，每年赚60%）；然后用60多个案例介绍了量化投资的各个方面的内容，主要分为策略篇与理论篇两部分，策略篇主要包括：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易和资产配置等。理论篇主要包括：人工智能、数据挖掘、小波分析、支持向量机、分形理论、随机过程及it技术等；最后介绍了作者开发的d-alpha量化对冲交易系统，该系统全球市场验证显示具有长期稳健的收益率。
《量化投资—策略与技术》适合基金经理、证券分析师、普通散户及有志于从事金融投资的各界人士阅读。
作者简介
丁 鹏
中国量化投资研究的先行者，他开发的D-Alpha量化对冲交易系统，实战中获得持续稳健的收益率。
毕业于上海交通大学计算机系获得工学博士学位，是国际知名的人工智能研究员，美国电子电气工程师学会（IEEE）、美国金融学会（AFA）会员。
2001年底进入上海交通大学工作，在金融工程、金融数学领域深入研究多年，在国际顶级刊物和会议上发表过十余篇学术文章，获得国家发明专利5项。
目录信息
1.1 什么是量化投资 2
1.1.1 量化投资定义 2
1.1.2 量化投资理解误区 3
1.2 量化投资与传统投资比较 6
1.2.1 传统投资策略的缺点 6
1.2.2 量化投资策略的优势 7
1.2.3 量化投资与传统投资策略的比较 8
1.3 量化投资历史 10
1.3.1 量化投资理论发展 10
1.3.2 海外量化基金的发展 12
1.3.3 量化投资在中国 15
1.4 量化投资主要内容 16
1.5 量化投资主要方法 21
.第 2章 量化选股 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 实证案例：多因子选股模型 30
2.2 风格轮动 35
2.2.1 基本概念 35
2.2.2 盈利预期生命周期模型 38
2.2.3 策略模型 40
2.2.4 实证案例：中信标普风格 41
2.2.5 实证案例：大小盘风格 44
2.3 行业轮动 47
2.3.1 基本概念 47
2.3.2 m2行业轮动策略 50
2.3.3 市场情绪轮动策略 52
2.4 资金流 56
2.4.1 基本概念 56
2.4.2 策略模型 59
2.4.3 实证案例：资金流选股策略 60
2.5 动量反转 63
2.5.1 基本概念 63
2.5.2 策略模型 67
2.5.3 实证案例：动量选股策略和反转选股策略 70
2.6 一致预期 73
2.6.1 基本概念 74
2.6.2 策略模型 76
2.6.3 实证案例：一致预期模型案例 78
2.7 趋势追踪 84
2.7.1 基本概念 84
2.7.2 策略模型 86
2.7.3 实证案例：趋势追踪选股模型 92
2.8 筹码选股 94
2.8.1 基本概念 95
2.8.2 策略模型 97
2.8.3 实证案例：筹码选股模型 99
2.9 业绩评价 104
2.9.1 收益率指标 104
2.9.2 风险度指标 105
第 3章 量化择时 111
3.1 趋势追踪 112
3.1.1 基本概念 112
3.1.2 传统趋势指标 113
3.1.3 自适应均线 121
3.2 市场情绪 125
3.2.1 基本概念 126
3.2.2 情绪指数 128
3.2.3 实证案例：情绪指标择时策略 129
3.3 有效资金 133
3.3.1 基本概念 133
3.3.2 策略模型 134
3.3.3 实证案例：有效资金择时模型 137
3.4 牛熊线 141
3.4.1 基本概念 141
3.4.2 策略模型 143
3.4.3 实证案例：牛熊线择时模型 144
3.5 husrt指数 146
3.5.1 基本概念 146
3.5.2 策略模型 148
3.5.3 实证案例 149
3.6 支持向量机 152
3.6.1 基本概念 152
3.6.2 策略模型 153
3.6.3 实证案例：svm择时模型 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 实证案例：swarch模型 164
3.8 异常指标 168
3.8.1 市场噪声 168
3.8.2 行业集中度 170
3.8.3 兴登堡凶兆 172
第 4章 股指期货套利 180
4.1 基本概念 181
4.1.1 套利介绍 181
4.1.2 套利策略 183
4.2 期现套利 185
4.2.1 定价模型 185
4.2.2 现货指数复制 186
4.2.3 正向套利案例 190
4.2.4 结算日套利 192
4.3 跨期套利 195
4.3.1 跨期套利原理 195
4.3.2 无套利区间 196
4.3.3 跨期套利触发和终止 197
4.3.4 实证案例：跨期套利策略 199
4.3.5 主要套利机会 200
4.4 冲击成本 203
4.4.1 主要指标 204
4.4.2 实证案例：冲击成本 205
4.5 保证金管理 208
4.5.1 var方法 208
4.5.2 var计算方法 209
4.5.3 实证案例 211
第 5章 商品期货套利 214
5.1 基本概念 215
5.1.1 套利的条件 216
5.1.2 套利基本模式 217
5.1.3 套利准备工作 219
5.1.4 常见套利组合 221
5.2 期现套利 225
5.2.1 基本原理 225
5.2.2 操作流程 226
5.2.3 增值税风险 230
5.3 跨期套利 231
5.3.1 套利策略 231
5.3.2 实证案例：pvc跨期套利策略 233
5.4 跨市场套利 234
5.4.1 套利策略 234
5.4.2 实证案例：伦铜—沪铜跨市场套利 235
5.5 跨品种套利 236
5.5.1 套利策略 237
5.5.2 实证案例 238
5.6 非常状态处理 240
第 6章 统计套利 242
6.1 基本概念 243
6.1.1 统计套利定义 243
6.1.2 配对交易 244
6.2 配对交易 247
6.2.1 协整策略 247
6.2.2 主成分策略 254
6.2.3 绩效评估 256
6.2.4 实证案例：配对交易 258
6.3 股指套利 261
6.3.1 行业指数套利 261
6.3.2 国家指数套利 263
6.3.3 洲域指数套利 264
6.3.4 全球指数套利 266
6.4 融券套利 267
6.4.1 股票—融券套利 267
6.4.2 可转债—融券套利 268
6.4.3 股指期货—融券套利 269
6.4.4 封闭式基金—融券套利 271
6.5 外汇套利 272
6.5.1 利差套利 273
6.5.2 货币对套利 275
第 7章 期权套利 277
7.1 基本概念 278
7.1.1 期权介绍 278
7.1.2 期权交易 279
7.1.3 牛熊证 280
7.2 股票/期权套利 283
7.2.1 股票—股票期权套利 283
7.2.2 股票—指数期权套利 284
7.3 转换套利 285
7.3.1 转换套利 285
7.3.2 反向转换套利 287
7.4 跨式套利 288
7.4.1 买入跨式套利 289
7.4.2 卖出跨式套利 291
7.5 宽跨式套利 293
7.5.1 买入宽跨式套利 293
7.5.2 卖出宽跨式套利 294
7.6 蝶式套利 296
7.6.1 买入蝶式套利 296
7.6.2 卖出蝶式套利 298
7.7 飞鹰式套利 299
7.7.1 买入飞鹰式套利 300
7.7.2 卖出飞鹰式套利 301
第 8章 算法交易 304
8.1 基本概念 305
8.1.1 算法交易定义 305
8.1.2 算法交易分类 306
8.1.3 算法交易设计 308
8.2 被动交易算法 309
8.2.1 冲击成本 310
8.2.2 等待风险 312
8.2.3 常用被动型交易策略 314
8.3 vwap算法 316
8.3.1 标准vwap算法 316
8.3.2 改进型vwap算法 319
第 9章 其他策略 323
9.1 事件套利 324
9.1.1 并购套利策略 324
9.1.2 定向增发套利 325
9.1.3 套利重仓停牌股票的投资组合 326
9.1.4 封闭式投资组合套利 327
9.2 etf套利 328
9.2.1 基本概念 328
9.2.2 无风险套利 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 实证案例：lof 套利 337
9.4 高频交易 341
9.4.1 流动性回扣交易 341
9.4.2 猎物算法交易 342
9.4.3 自动做市商策略 343
9.4.4 程序化交易 343
理论篇
第 10章 人工智能 346
10.1 主要内容 347
10.1.1 机器学习 347
10.1.2 自动推理 350
10.1.3 专家系统 353
10.1.4 模式识别 356
10.1.5 人工神经网络 358
10.1.6 遗传算法 362
10.2 人工智能在量化投资中的应用 366
10.2.1 模式识别短线择时 366
10.2.2 rbf神经网络股价预测 370
10.2.3 基于遗传算法的新股预测 375
第 11章 数据挖掘 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 主要内容 385
11.2.1 分类与预测 385
11.2.2 关联规则 391
11.2.3 聚类分析 397
11.3 数据挖掘在量化投资中的应用 400
11.3.1 基于som 网络的股票聚类分析方法 400
11.3.2 基于关联规则的板块轮动 403
第 12章 小波分析 407
12.1 基本概念 408
12.2 小波变换主要内容 409
12.2.1 连续小波变换 409
12.2.2 连续小波变换的离散化 410
12.2.3 多分辨分析与mallat算法 411
12.3小波分析在量化投资中的应用 414
12.3.1 k线小波去噪 414
12.3.2 金融时序数据预测 420
第 13章 支持向量机 429
13.1 基本概念 430
13.1.1 线性svm 430
13.1.2 非线性svm 433
13.1.3 svm分类器参数选择 435
13.1.4 svm分类器从二类到多类的推广 436
13.2 模糊支持向量机 437
13.2.1 增加模糊后处理的svm 437
13.2.2 引入模糊因子的svm训练算法 439
13.3 svm在量化投资中的应用 440
13.3.1 复杂金融时序数据预测 440
13.3.2 趋势拐点预测 445
第 14章 分形理论 452
14.1 基本概念 453
14.1.1 分形定义 453
14.1.2 几种典型的分形 454
14.1.3 分形理论的应用 456
14.2 主要内容 457
14.2.1 分形维数 457
14.2.2 l系统 458
14.2.3 ifs系统 460
14.3 分形理论在量化投资中的应用 461
14.3.1 大趋势预测 461
14.3.2 汇率预测 466
第 15章 随机过程 473
15.1 基本概念 473
15.2 主要内容 476
15.2.1 随机过程的分布函数 476
15.2.2 随机过程的数字特征 476
15.2.3 几种常见的随机过程 477
15.2.4 平稳随机过程 479
15.3 灰色马尔可夫链股市预测 480
第 16章 it技术 486
16.1 数据仓库技术 486
16.1.1 从数据库到数据仓库 487
16.1.2 数据仓库中的数据组织 489
16.1.3 数据仓库的关键技术 491
16.2 编程语言 493
16.2.1 面向对象编程 493
16.2.2 vba 语言 497
16.2.3 c#语言 504
第 17章 主要数据与工具 509
17.1 万德中国金融数据库 509
17.2 文华财经：程序化交易平台 511
17.3 交易开拓者：期货自动交易平台 514
17.4 大连交易所套利指令 518
17.5 mt5：外汇自动交易平台 522
第 18章 量化对冲交易系统：d-alpha 528
18.1 系统构架 528
18.2 策略分析流程 530
18.3 核心算法 532
18.4 验证结果 534
表目录
表1 1 不同投资策略对比 7
表2 1 多因子选股模型候选因子 30
表2 2 多因子模型候选因子初步检验 31
表2 3 多因子模型中通过检验的有效因子 32
表2 4 多因子模型中剔除冗余后的因子 33
表2 5 多因子模型组合分段收益率 33
表2 6 晨星市场风格判别法 36
表2 7 夏普收益率基础投资风格鉴别 37
表2 8 中信标普风格指数 41
表2 9 风格动量策略组合月均收益率 43
表2 10 大小盘风格轮动策略月收益率均值 46
表2 11 中国货币周期分段（2000—2009年） 49
表2 12 沪深300行业指数统计 50
表2 13 不同货币阶段不同行业的收益率 51
表2 14 招商资金流模型（cmsmf）计算方法 58
表2 15 招商资金流模型（cmsmf）选股指标定义 59
表2 16 资金流模型策略——沪深300 61
表2 17 资金流模型策略——全市场 62
表2 18 动量组合相对基准的平均年化超额收益（部分） 68
表2 19 反转组合相对基准的平均年化超额收益(部分) 69
表2 20 动量策略风险收益分析 71
表2 21 反转策略风险收益分析 73
表2 22 趋势追踪技术收益率 93
表2 23 筹码选股模型中单个指标的收益率情况对比 99
表3 1 ma指标择时测试最好的20 组参数及其表现 117
表3 2 4个趋势型指标最优参数下的独立择时交易表现比较 120
表3 3 有交易成本情况下不同信号个数下的综合择时策略 120
表3 4 自适应均线择时策略收益率分析 124
表3 5 市场情绪类别 126
表3 6 沪深300指数在不同情绪区域的当月收益率比较 128
表3 7 沪深300指数在不同情绪变化区域的当月收益率比较 129
表3 8 沪深300指数在不同情绪区域的次月收益率比较 130
表3 9 沪深300指数在不同情绪变化区域的次月收益率比较 130
表3 10 情绪指数择时收益率统计 132
表3 11 svm择时模型的指标 156
表3 12 svm对沪深300指数预测结果指标汇总 156
表3 13 svm择时模型在整体市场的表现 156
表3 14 svm择时模型在单边上涨市的表现 157
表3 15 svm择时模型在单边下跌市的表现 158
表3 16 svm择时模型在震荡市的表现 159
表3 17 噪声交易在熊市择时的收益率 170
表4 1 各种方法在不同股票数量下的跟踪误差（年化） 190
表4-2 股指期货多头跨期套利过程分析 199
表4 3 不同开仓比例下的不同保证金水平能够覆盖的市场波动及其概率 211
表4 4 不同仓单持有期下的保证金覆盖比例 212
表6 1 融券标的股票中在样本期内最相关的50 对组合（部分） 248
表6 2 残差的平稳性、自相关等检验 249
表6 3 在不同的阈值下建仓、平仓所能获得的平均收益 251
表6 4 采用不同的模型在样本内获取的收益率及最优阈值 252
表6 5 采用不同的模型、不同的外推方法在样本外获取的收益率（%） 253
表6 6 主成分配对交易在样本内取得的收益率及最优阈值 255
表6 7 主成分配对交易在样本外的效果 255
表6-8 各种模型下统计套利的结果 256
表6 9 延后开仓+提前平仓策略实证结果 260
表6 10 各行业的配对交易结果 261
表7 1 多头股票-期权套利综合分析表 283
表7 2 多头股票—股票期权套利案例损益分析表 284
表7 3 多头股票-指数期权套利案例损益分析表 285
表7 4 转换套利分析过程 286
表7 5 买入跨式套利综合分析表 289
表7 6 买入跨式套利交易细节 289
表7 7 卖出跨式套利综合分析表 291
表7 8 卖出跨式套利交易细节 292
表7 9 买入宽跨式套利综合分析表 293
表7 10 卖出宽跨式套利综合分析表 294
表7 11 买入蝶式套利综合分析表 296
表7 12 卖出蝶式套利综合分析表 298
表7 13 买入飞鹰套利分析表 300
表7 14 卖出飞鹰式套利综合分析表 301
表9 1 主要并购方式 324
表9 2 并购套利流程 325
表9 3 鹏华300 lof两次正向套利的情况 339
表9 4 鹏华300 lof两次反向套利的情况 340
表10 1 自动推理中连词系统 352
表10 2 模式识别短线择时样本数据分类 369
表10 3 rbf神经网络股价预测结果 375
表10 4 遗传算法新股预测参数设置 379
表10 5 遗传算法新股预测结果 380
表11 1 决策树数据表 389
表11 2 关联规则案例数据表 392
表11 3 som股票聚类分析结果 403
表11 4 21种股票板块指数布尔关系表数据片断 404
表12 1 深发展a日收盘价小波分析方法预测值与实际值比较 427
表12 2 不同分解层数的误差均方根值 428
表13 1 svm沪深300指数预测误差情况 445
表13 2 svm指数预测和神经网络预测的比较 445
表13 3 技术反转点定义与图型 448
表13 4 svm趋势拐点预测结果 450
表14 1 持续大涨前后分形各主要参数值 463
表14 2 持续大跌前后分形个主要参数值 465
表14 3 外汇r/ s 分析的各项指标 469
表14 4 v(r/s)曲线回归检验 470
表15 1 灰色马尔可夫链预测深证成指样本内（2005/1—2006/8） 484
表15 2 灰色马尔可夫链预测深证成指样本外（2006/9—2006/12） 484
表16-1 vba的12种数据类型 499
表18-1 d-alpha系统在全球市场收益率分析 534
· · · · · · (收起)
读后感
终于拿到了！激动不已。用了几天时间简要浏览了下，是一本全面、细致的书，阐述了目前所有主流非主流的量化投资理论，是量化投资的研究者投资者必读的圣经！对丁博的个人魅力也赞一个！希望有机会同更多的该书读者分享读书感悟及量化投资的经验。
评分五年前，如果说投资，无论炒股还是炒期货，都要读一本书，那是丁圣元老师的《期货技术分析》。时光飞逝，2011年再看投资，任何主动性投资策略都面临了巨大的挑战，特别是单纯的技术分析，或者单纯的基本面分析。2011年丁鹏博士在新浪微博开展量化投资公开课，第一次让我们深刻...
评分终于拿到了！激动不已。用了几天时间简要浏览了下，是一本全面、细致的书，阐述了目前所有主流非主流的量化投资理论，是量化投资的研究者投资者必读的圣经！对丁博的个人魅力也赞一个！希望有机会同更多的该书读者分享读书感悟及量化投资的经验。
评分没有想象中的好，形式大于实质，感觉就是把历年券商的研报集合起来讲一下。看上去内容很多，但是基本上讲得非常泛泛，当中存在不少值得商榷的地方。当作一本综述性的书勉强合格，专业做量化的看来基本上没有参考价值。非专业的去看很有可能被此书误导到歧途。
评分这本书还是 不错的~作为入门书籍，最近我就在BotVS学习量化，编写量化代码策略，挺有意思的，不过想学的深入要有扎实的数学基础，和熟练的计算机编程技术，现在国内很多用python语言的，我以前是做网站前端的只会JS（个人感觉JS简单些，弱类型，没有那么多的麻烦），在网上找到...
用户评价
这本书的风格极其独特，它以一种“迂回”的方式，让我看到了量化投资的另一面，虽然并非我最初设想的那种“正面战场”。我本以为会在这里找到关于如何构建高频交易策略、如何进行套利交易、或者如何利用机器学习来预测股价走势的详细讲解。然而，书中对这些实操性的内容，仅仅是“蜻蜓点水”式地提及，并没有深入到具体的实现细节。我期待能看到详细的数学公式推导，或者对各种量化模型的优劣进行深入的对比分析，再者就是关于如何进行参数优化和策略回测的实操指南。遗憾的是，这些是我在书中未曾寻获的。取而代之的是，作者花费了大量篇幅去探讨“人”的因素在量化投资中的角色，比如投资者情绪的影响、决策偏差的纠正，甚至是对“集体智慧”的解读。我原本是想学习如何让机器完全取代人的判断，但这本书却反复强调了人类经验和直觉的价值，认为它们是量化模型无法完全替代的。这种“拥抱不确定性”的观点，虽然有一定道理，但对于渴望掌握“确定性”方法的我来说，显得有些“不合时宜”。
评分这本书的叙述方式相当别致，它仿佛在有意地引导读者去探索那些“意料之外”的领域，而避开了我本想深入挖掘的那些“情理之中”的细节。我本寄希望于从这本书中学习到如何设计和实现一套完整的量化交易系统，包括如何进行因子挖掘、如何构建投资组合、如何进行风险控制等等。然而，书中关于这些具体技术层面的内容，显得十分“点到为止”，更像是一种概括性的提及，而非深入的讲解。我期待看到详细的代码示例，或者对常用量化交易平台的介绍，甚至是如何进行数据清洗和预处理的技巧。可惜的是，这些是我在书中未能找到的。取而代之的是，作者似乎更倾向于从更广阔的视角来审视量化投资，探讨了诸如“数据挖掘的伦理问题”、“算法的黑箱效应”以及“市场有效性边界”等哲学和理论层面的议题。这些话题虽然发人深省，却与我希望获得的“硬核”技能存在一定的距离。书中反复强调了“理解市场本质”的重要性，认为这比单纯掌握技术手段更为关键。这种“重道轻术”的倾向，虽然有其道理，但对于急于上手实操的我来说，不免有些“隔靴搔痒”之感。
评分这本书以一种非常独特的方式，巧妙地避开了我最感兴趣的核心内容，但却在其他方面给我带来了意想不到的启发。我本来期待能深入了解量化交易的实际操作，比如如何构建一个多因子模型，或者在动态的市场环境中如何进行仓位管理。然而，这本书更像是一位睿智的导游，带领我领略了量化投资的宏观图景，从历史的演进到理论的基石，再到哲学层面的思考。它探讨了数学、统计学、计算机科学乃至行为经济学在投资决策中的作用，但并没有深入到具体的代码实现或算法细节。读完之后，我感觉自己对量化投资的“是什么”有了更深刻的理解，但对于“怎么做”仍然感到有些模糊。尽管如此，书中对数据的重要性、模型的局限性以及人类情感在投资中的干扰因素的讨论，还是让我受益匪浅。它促使我重新审视了自己对投资的认知，开始思考在追求技术手段的同时，是否也应该更多地关注投资的底层逻辑和心理素质的培养。这种“曲径通幽”的讲述方式，虽然与我最初的期望有所偏离，却也为我打开了新的视角，让我意识到量化投资并非仅仅是冰冷的数据和算法，其背后蕴含着深刻的科学与人性的交织。
评分阅读这本书的过程，就像是踏上了一段意想不到的探索之旅，它带我领略了量化投资的“远方”，却似乎有意回避了“眼前”的实操细节。我原本期望从书中学习到如何搭建一个完整的交易系统，例如如何进行数据采集、因子构建、模型训练、交易执行以及风险管理等一系列具体步骤。然而，书中对这些“骨架”般的环节，只是寥寥带过，并未给予深入的阐述。我期待能看到关于如何撰写交易策略的代码，或者对不同交易品种的量化分析方法进行详尽的对比。更希望能了解到如何在实际交易中应对市场突发事件，以及如何通过模拟交易来检验策略。但这些都是我在书中寻觅未得的。取而代之的是，作者将大量的篇幅用于探讨量化投资的“软性”方面，例如投资哲学的演变、市场微观结构的奥秘，甚至是对“数据洪流”的批判性反思。书中反复强调了“独立思考”的重要性，认为不应盲目追随模型，而是要理解其背后的逻辑。这种“精神层面”的引导，虽然引人深思，但对于期望获得“技能装备”的我来说，难免有些“空中楼阁”的感觉。
评分我一直认为，一本好的投资书籍应该直指实战，提供 actionable 的建议和可复制的策略。然而，这本书在这方面表现得有些“含蓄”，或者说，是以一种非常“跳跃”的方式来触及的。它没有给我关于具体交易信号的解析，也没有关于如何挑选交易品种的详细指南。相反，它更像是站在高处，描绘了一幅关于量化投资生态的宏大画卷。书中穿插了大量对经典量化理论的介绍，比如一些我不太熟悉的学术模型和研究成果，并试图解释这些理论是如何被应用到实际投资中的。我期待能看到如何将理论转化为实际操作的例子，比如如何通过回测验证策略的有效性，或者在实际交易中如何处理滑点和交易成本。然而，这些内容在书中出现的篇幅相当有限。更让我感到意外的是，书中花费了相当多的笔墨去探讨“非量化”的领域，比如宏观经济分析、地缘政治对市场的影响，甚至是对人类非理性行为的洞察。我原本是想学习如何用机器来战胜市场，但这本书却反复强调人类判断的不可替代性，以及技术工具的局限性。这种“回归人性”的论调，与我理解的量化投资的“冷酷理性”似乎有些出入，让我一时难以消化。
评分肚子里有点货，但是离抖出来还差得远。自己懂和能教别人懂还是不同的。
评分肚子里有点货，但是离抖出来还差得远。自己懂和能教别人懂还是不同的。
评分能打零分么？不能，那我就打零分吧！
评分抄得太多，没自己的东西。技术篇的体系比较乱。至于实际操作细节描述不多，这个大概跟作者行业有关，可能有所保留。总体说来，不是好书，不用浪费时间。看样子搞这个还得看原版书。
评分作者的优点在于把散在各处的资料整理到一处，缺点在于整理的也实在太差了一点。要是只列出其中的参考文献，那还是一本不错的书，可惜了。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有