问薪无愧！最全威的量化自学路线图

量化风云

已于 2024-07-20 18:00:15 修改

阅读量643

点赞数 13

分类专栏：量化交易文章标签：量化课程 python 量化交易

于 2024-07-18 16:07:23 首次发布

本文链接：https://blog.csdn.net/hbaaron/article/details/140525538

版权

量化交易专栏收录该内容

49 篇文章 13 订阅

订阅专栏

在这里插入图片描述
题图为 MIT 的 Simmons University。版权声明 wiki/public domain。

该建筑属于 MIT 的下属学院 Simmons University，由裁缝 John Simmons 捐建。Simmons Hall 被认为是 Boston 最美的一座建筑。Simmons University 对女性友好，该校的 MBA 课程是全球第一个专门为女性设计的 MBA 课程。到目前为止，其本科教育还是以女生为主，研究生阶段则是男女混合。

这是 Stat Arb 给独立自学量化的人开的一份清单。他的博客有 9000 多名付费用户，在量化圈比较有影响力。这个清单是 pdf 格式，74 页，内容非常全面。

Stat Arb这个名字来自 Statistical Arbitrage（统计套利），真实身份其实正在摸鱼的业内人士。不过这不重要，关键看他给的资源好不好。

我拿到的这个清单是 2024~2025 版，刚刚发布半个月。之前他每年都有发布这样一个清单，并且一直在根据情况变化，及时修订。内容非常全面，不同职业规划目标的读者，都能从中受益。

我个人最喜欢的是它的数据资源部分。相当一部分资源是免费的，尤其是 crypto 项目和 kaggle 上的数据集，大约几十个G。它也提供了一部分付费数据转储的，但可能访问时需要密码，这些密码在❌（🐦）上可以找到。

求职者可能更喜欢它的第17章内容，这部分是关于职业规划、面试准备的。我们也在陆续介绍大学和投资机构的情况，以备你将来可能需要投递这些学校或者机构。

章节内容

chap01

介绍了机器学习和算法交易相关的教科书，包括基础教材和进阶教材，如《Quantitative Trading 2nd edition》《Algorithmic Trading》《Machine Trading》等，并对一些模型和方法进行了评价。

chap02

衍生品和波动率交易方面的教科书，推荐了一些关于衍生品和波动率交易的教科书，如《Hull Options Futures and other Derivatives》《Option Trading & Volatility Trading》等，并介绍了一些相关的知识和资源，如动态对冲、随机波动率等。

chap03

YouTube 视频资源，推荐了一些 YouTube 视频，包括 Ben Felix、Patrick Boyle、Leonardo Valencia 等博主的视频，涵盖了波动率、算法交易、信号处理等多个主题。
课程：介绍了 Coursera 上 Robert Shiller 的《Financial Markets》课程，以及 Andrew Ng 的机器学习和深度学习课程。还提到了一些与量化交易相关的课程和项目，如 RobotJames、HangukQuant 和 Euan Sinclair 的课程。

chap04

推荐了一些播客资源，如 Tick Talk、Flirting with models、Mutiny fund 等，认为播客是非常重要的学习资源，能提供很多实用信息。

chap05

交易平台和经纪公司：介绍了股票和其他资产类别的交易平台和经纪公司，如 IBKR、TD Ameritrade 等，以及数字资产领域的交易平台和经纪公司，如 Binance、Okx、Bybit 等。

##chap06
神经网络/机器学习/炒作：认为神经网络在量化交易中不是核心领域，不建议深入研究，推荐学习回归、非参数方法、树、GAMs 等。

##chap07
关键数学概念：强调了数学在算法交易中的重要性，推荐了一些学习数学的资源，如 Measure Theory、Econometrics、Stochastic Calculus、Probability Theory 等。

chap08

优化（确定性和随机）：介绍了优化在量化交易中的应用，如估计隐含波动率、分布、自动化阿尔法发现、投资组合优化等。

chap09

高频交易和做市：推荐了一些关于高频交易和做市的教科书和资源，如《High - Frequency Trading: A practical guide to algorithmic strategies and trading systems 2nd edition》《Inside The Black Box》等。

chap10

其他波动率/衍生品资源：推荐了一些关于波动率和衍生品的资源，如 https://moontowerquant.com/select - content - from - the - quant - and - vol - community、Options Starter Pack 等。

chap11

编码语言评论和资源：推荐使用 Python 进行量化交易研究，若想进行高频交易或做市，则需要学习 C/C++（在加密领域，Rust 更受欢迎）。

chap12

项目：介绍了一些与深度学习相关的项目，但提醒读者要避免过度复杂化，应专注于回归和实用的方法。

chap13

数据：介绍了数据的来源，包括付费数据的转储、交易所的免费数据和竞赛数据等，并推荐了一些数据提供商。

chap14

GitHub 存储库：推荐了一些与算法交易相关的 GitHub 存储库，如 https://github.com/stefan - jansen/machine - learning - for - trading、https://github.com/barter - rs/barter - rs 等。