菜鸡毕业路：量化策略

关于选择

无法定义，等我想好怎么说了再来。

关于量化

量化分析就是将一些不具体，模糊的因素用具体的数据来表示，从而达到分析比较的目的。 人类对于股市波动规律的认知，是一个极具挑战性的世界级难题。量化主要分两类，“P-Quant”和“ Q-Quant”。 Q-Quant来自于q measure，也就是风险中性测度。在 Q-Quant的协助下，银行把衍生品卖出去，对冲掉所有风险，收客户一笔手续费，这才是sell-side最本职的工作。 而P-Quant来自于physical prob measure，也就是“预测未来走势”，常见于买方和卖方的自营交易部。
引用在知乎上看到的一段话：

学它不需要成为社畜才能变现，它是属于你自己的一亩三分地！请牢记这一点，一个程序猿不要为了找工作而学习量化，是为了挣脱996束缚的枷锁才来学习这一门技艺。
https://zhuanlan.zhihu.com/p/273286207

1. python基础 ，已掌握，略过；
2. 量化框架的选择 ，链接🔗（待更新）；
3. 基础金融知识 ，链接🔗（待更新）；
4. 行情数据来源 ，链接🔗（待更新）；
5. 基础金融知识 ，链接🔗（待更新）；
6. 开发实例 ，链接🔗（待更新）；

市场职位调研

数据库，回测研究平台，交易系统等方面的开发和维护
基于各种原始数据进行数据挖掘以及开发新策略

1. 编程基础 ：
   扎实的数学统计功底，熟练使用一种编程语言（python）
   熟悉linux基本操作和shell脚本编程
   使用过爬虫进行爬取数据

2. 机器学习 ：
   机器学习深度学习扎实的理论基础
   各种机器学习模型
   广告算法，时间序列，强化学习，模式识别，nlp
   熟练使用numpy，pandas等python环境下的科学计算库，熟练掌握常见的机器学习方法和统计知识，例如线性模型, 贝叶斯，决策树，EM算法，RNN等

3. 数据库 ：
   熟悉sql数据库操作

4. 量化相关 ：
   熟悉常见的量化策略
   量化交易策略的开发、优化、维护
   量化回测系统（带撮合交易模块）开发
   数据整理，统计分析，因子开发
   熟悉海外领先的期权投资策略技术和国内市场现状
   股票T0策略/Alpha策略/算法交易研究经验

学习计划

• 数据结构

  • 刷题

• 数据库

  • 刷题

• 机器学习

  • 刷题

• 量化

  • 刷题

• 计划任务

• 完成任务