第一部分：预备知识
【1】《投资学》 作者：博迪，凯恩，马库斯
既然是搞量化，算半瓶水搞科学的，就不应该本能的排斥学院的东西。这本书对于投资交易的入门非常系统了，有了对市场的基本认识，了解前人在量化工作上的一些重要发展，才有可能在正确的基础上建立自己的想法和直觉。不过粗略看看也就可以了，毕竟我们这里聊的是量化交易入门，而不是金融专业如何毕业，下面三本书一样，翻翻就行。
【2】《Trends in Quantitative Finance》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm
这是别人问起量化交易来，我最为推荐的一本入门书。书中讲到了做量化策略需要注意的几个最重要的地方，例如过拟合、未来函数、幸存者偏差等等。有一句话已经慢慢成为了我做策略开发的信条：交易策略研发应该以经济直觉（Economic Intuition）为基础。
我本身是数学、统计出身，初期曾坚信数据挖掘的作用大于经济直觉，碰壁多次之后，慢慢开始转变观念。这也说明一个问题，交易策略研发是一门需要实践的手艺，多做才会促进思维的进一步发展。当然我不肯定我自己的思路是否正确，赚钱的思路千百种，我能取一瓢饮就烧香拜佛了。
真的是好书，虽然内容初级且杂乱，但是谈到了大部分对于新手来说比较重要的概念，不要因为是CFA教材而鄙视它。
【3】《计量经济学》
我自己的计量知识主要来源于论文阅读和写作，边用边学，教材只做工具书参考用，因此不是特别熟悉。只说一点，做量化交易策略需要有一定的计量基础（当然越扎实越好），因为大部分策略始终是在和时间序列以及面板数据打交道。当然统计学基础知识也是必须的，同样越深越好，鉴于上过大学的都学过，这里就不再列统计学的书目了。理工科入行的，我想也是有必要补一补相关知识的，不一定会用上，但是能促使思维进一步系统化。
在基本计量知识的基础上，做量化策略的人们需要一种额外的能力：规避未来函数的能力。一些计量研究往往偏向于描述或解释某一种现象，因此无需考虑模型中时间点前后的严格划分。量化策略偏重于使用当前数据预测未来，并在预测的基础上形成策略，因此在模型建立、数据处理时需要格外注意这个问题。个人认为，Out-of-Sample检验的相关内容可以很好的训练这种能力，当然最好的方式还是在研发实践中慢慢摸索。
【4】《漫步华尔街》 作者：麦基尔
说实话这本书对于量化投资策略的研发没有任何帮助，对我而言其作用在于：1，认识指数化投资这种最具有经济意义的投资方式；2，时刻警醒打败市场有多难。
第二部分：择时策略
【1】《海龟交易法则》 作者：柯蒂斯·费思
可以看作是一个机械交易策略各个组成部分的讲解，有实例有说明，对大体上把握策略研发的工作很有帮助。其实如果能自行设计出一个类似乎海龟交易法则的交易策略出来，我觉得量化交易应该算初入门径了。
【2】《交易策略评估与最佳化》 作者：罗伯特·帕多
这本书国内没有翻译版本，但是有台湾的译本，择时策略的开发步骤大部分都涉及到了，做入门书很合适，对形成量化投资策略的研究思维有比较大的帮助。作者说自己首创了推进分析（Walk-forward），我不太清楚是否属实。但是推进分析本身值得各位想入门量化交易的朋友好好研究，这是一个比经济学Out-of-Sample检验更符合交易逻辑的回测方法，当然它本身可以算是Out-of-Sample检验的一种特殊形式。
【3】《量化交易——如何建立自己的算法交易事业》 作者：欧内斯特·陈
相较于上一本，量化交易策略的组成成分方面讲的更多一点。这本书虽然也有一点点因子模型的内容，但是主要内容还是择时策略，作者也似乎更偏向于择时的交易思维。涉及到了凯利公式以及一些量化策略的想法（我觉得书中的一些小例子不能算作真正的量化策略）。同类型的书中这一本其实写的不算太好，但是它有中文版啊，也比较适合入门。
【4】《Building Reliable Trading Systems: Tradable Strategies That Perform As They Backtest and Meet Your Risk-Reward Goals》by Keith Fitschen
这本书的特色在于较为独立的讲解了量化交易策略的各个组成成分，并且说明了各个成分的作用，以及增加、调整之后对整体的影响之类比较实践性的知识，开仓、过滤、平仓等基础内容均有实例支撑，讲的比较详细。Trading Lore那一章我非常喜欢。拿来做入门书应该算是非常好的选择。
第三部分：选股策略 / 投资组合管理
【1】一篇论文：
Eugene F. Fama, Kenneth R. French. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465.
Alpha选股策略的源头，而且还仔细做了规避未来函数的工作，提出的因子也在实践中被证实有效。相比较而言，93年那篇更受学界认同的论文实际上是一篇解释性的文章，从风险补偿等方面来解释超额回报来源的现象与问题，其对于量化投资策略的意义，见仁见智了。
【2】《Quantitative Equity Investing》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm
又是这三个人的书，倒不是写的有多好，但是确实是入门的上佳选择。选股策略和投资组合管理在学界也有一定的研究地位，因此这本书的整体框架明显比《Trends in Quantitative Finance》更清晰一些，没有那么杂乱。
【3】《积极型投资组合管理》 作者：格里纳德，卡恩
先要说明，这本书除了个别章节以外，一点都不入门。这里将其排进入门书单的原因，是因为它太重要了，绕不开。有志于选股策略和投资组合管理的朋友，请努力啃吧，可以搭配BARRA的手册和Qian的那本《Quantitative Equity Portfolio Management》一起看。
第四部分：进阶
大致了解了量化交易策略的基本构造之后，进阶阶段就没有什么固定的套路可说了。我比较推荐的是在实践中成长，自己多做一做，随便找个想法或者现成的策略进行回测。可能由于未来函数或者其他原因得到不靠谱的结果，然后发现，然后改进，自己对策略开发应该就会越来越熟悉了。
除此之外，非常重要的一点就是学习新的知识和技术。一旦形成了基本的策略构造能力，了解买卖、仓位、风控等部分的组合之后，量化策略研发的进阶就要靠多吸收新鲜知识来支撑了。说实话，直觉、想法都是在大量学习前人知识的基础上完成的，不然难免成为无源之水、无本之木。开卷有益，多多益善，书多看不要管科目，论文多读不要管难易，想法总是会源源不断的产生的。然后再去把想法实现出来，可能10个里有10个都是错的，但是事情总是在进展的，总该是好事。
其实进阶阶段没什么书值得推荐的，因为所有书都应该推荐。这里随便说几本，意思一下：
【1】《统计套利》 作者：安德鲁·波尔
整本书缺乏特别有用的细节，模型方面甚至有蒙外行的嫌疑，只能用来大概了解统计套利策略。不过，它介绍了一种具有经济意义基础的操作策略。我心目中，策略背后有站得住脚的经济意义的策略包括：指数化投资——跟随经济进步的节奏盈利；套利——赚市场定价错误的钱；配对交易——两个相关资产的价格差额不会过大，弱化版的套利。
当然，这些交易策略都存在风险，指数化投资可能随经济危机、经济走弱而萎靡不振，套利行为也可能在极端市场状态下崩盘。不过横向对比而言，这几种策略已经是有非常坚实的逻辑基础的了。我个人认为，所有的交易策略都有缺点，当我们无法消除这些缺点的时候，应该学会理智的接受它，从风险控制的角度限制它，这是一个相对理性的处理方法。
【2】《走出幻觉走向成熟》 作者: 金融帝国
国内作者的好书一本，很多观点都很有启发性，值得推荐。
【3】《信号与噪声》 作者：纳特•西尔弗
讲大数据的书中，个人认为这是对搞量化策略的人来说，最有参考性的一本。可能跟这本书本身不是太技术，比较偏统计有关。
【4】《失控》 作者：凯文·凯利
跟量化投资没关系，单纯觉得是好书。要是当初能深刻理解凯利大爷关于去中心化货币的内容，早买比特币发财了，这才是真·经济直觉啊，哎。
【注】
本来想写上《通向金融王国的自由之路》的，但是我实在不认同他所说的：入市技术的重要性只占10％，以及其他一些观点。其实有些内容挺不错的，感兴趣的可以深入看看。
【其他】
很多人推崇读书、读论文来吸收结构化的知识，不太认同在网上寻求碎片化知识。然而，量化交易研发、特别是Beta择时策略的研发，往往特别需要这种碎片化知识。例如看到一个八卦，发现西蒙斯之前有个合伙人叫巴姆，用了人家巴姆的算法，可能就会主动的去学习一下隐马尔科夫模型，然后尝试的测试一下；看到深度学习很火，就会去了解一下机器学习的分类方法，也许就能拿来分类上涨下跌呢；看到一个平台的介绍，可能就会想想是否可以复制平台的框架或者干脆拿来主义。
暂无评论内容