投資者為什么要學(xué)量化

本人是理科背景，后來(lái)入行金融。近些年來(lái)中國(guó)的金融業(yè)發(fā)生了巨大的變化，對(duì)外開放的程度越來(lái)越高。國(guó)內(nèi)的金融業(yè)越來(lái)越向海外看齊，搞量化有些要井噴了。近來(lái)，海外市場(chǎng)有兩點(diǎn)非常吸引眼球。一是大獎(jiǎng)?wù)禄鹪谶@次疫情行情中不但沒有虧損，還大賺了一筆，要知道大獎(jiǎng)?wù)禄鹗腔诹炕膶?duì)沖基金，其創(chuàng)始人是文藝復(fù)興基金的基金經(jīng)理西蒙斯。第二件事是近期人工智能異?；鸨?，尤其是AlphaGo打敗柯潔之后，對(duì)抗神經(jīng)網(wǎng)絡(luò)非常吸睛，很多的投資者想把AI算法移植到投資領(lǐng)域；但放眼全球，還沒有出現(xiàn)非常優(yōu)秀的算法，能很好的結(jié)合AI算法與量化投資。

個(gè)人理科背景，又做了多年投資；融合以上知識(shí)觀點(diǎn)也在內(nèi)心升騰；但學(xué)習(xí)量化以及AI過(guò)程中走了不少?gòu)澛?。主要的?wèn)題有三點(diǎn)：

1. 本人不是計(jì)算機(jī)專業(yè)出身，編程主要是現(xiàn)學(xué)。網(wǎng)上有很多介紹Python的文章或者書籍，但這些書籍都不通俗，書中有很多專業(yè)術(shù)語(yǔ)都是用計(jì)算機(jī)語(yǔ)言來(lái)解釋的，這讓非計(jì)算機(jī)專業(yè)的讀者很難快速掌握編程技巧；

2. 量化交易所需的數(shù)據(jù)獲取非常困難，而且數(shù)據(jù)清洗也比較麻煩；

3. 國(guó)內(nèi)大部分關(guān)于AI的文章皆來(lái)自翻譯，偶爾有原創(chuàng)文章也很容易把讀者帶入到深邃的數(shù)學(xué)里，不能自拔。別說(shuō)移植AI算法到金融領(lǐng)域，就是理解算法本身都非常困難。這對(duì)跨行業(yè)的人來(lái)說(shuō)，就是難上加難。

基于以上三點(diǎn)，結(jié)合自己走過(guò)的彎路，寫點(diǎn)文字，希望能給想轉(zhuǎn)行或是非計(jì)算機(jī)專業(yè)人士學(xué)AI或量化一點(diǎn)幫助。

量化投資學(xué)習(xí)路徑圖

對(duì)于非計(jì)算機(jī)專業(yè)的人士，在這里寫代碼基本上是班門弄斧。這里主要列舉一些書籍，供大家參考。沒必要看的書籍基本全省掉了，后來(lái)者可以少走彎路，直達(dá)問(wèn)題的中心。這有點(diǎn)像現(xiàn)在的AI，雖然機(jī)器學(xué)習(xí)等想法是否正確，不是很清楚，但中間的純數(shù)學(xué)能保證初心不變。

Python部分

編程這塊分兩部分學(xué)習(xí)，一是Python編程，二是數(shù)據(jù)分析。

要想學(xué)習(xí)量化，編程是拖不過(guò)去的。但對(duì)于外行來(lái)說(shuō)，最友好的編程語(yǔ)言就是Python了。人生苦短，我用Python。Python語(yǔ)言的學(xué)習(xí)，最好看幾本書。

1. 《Python語(yǔ)言程序設(shè)計(jì)基礎(chǔ)》（第2版），作者嵩天等。這本書非常適合沒有編程經(jīng)驗(yàn)的初學(xué)者，上手快。不足是書中案例和金融沒有太多交集，而且書中缺乏“類”的介紹。

2. 《“笨辦法”學(xué)Python3》，這是一本海外譯作。非常適合從其他語(yǔ)言學(xué)習(xí)轉(zhuǎn)過(guò)來(lái)的程序猿，不足是缺少很多對(duì)計(jì)算機(jī)編程概念的解釋。

3. 《Python Cookbook中文版》，這本書適合作為Python編程的疑難雜癥用書，初學(xué)者除了百度，可以用此書。

4. 《Python編程：從入門到實(shí)踐》，作者Eric Matthes。這本書相對(duì)來(lái)說(shuō)比較全面、深入淺出。比較適合初學(xué)者，編程用的也是Python3。

5. 《利用Python進(jìn)行數(shù)據(jù)分析》，作者M(jìn)cKinney。這本書非常全面的介紹了如何用Python做數(shù)據(jù)分析，而且該書的作者也是Pandas庫(kù)的創(chuàng)始人。該書的不足就是看上去有點(diǎn)厚，但數(shù)據(jù)有很多是源碼，除了源碼，書的厚度，還能接受。

6. 《Python數(shù)據(jù)分析基礎(chǔ)教程：Numpy學(xué)習(xí)指南》。數(shù)據(jù)分析中大量使用numpy庫(kù)，這本是非常不錯(cuò)，而且該書案例還有一些涉及到量化計(jì)算，書也不厚，值得看一看。不足是海外已經(jīng)出第三版，國(guó)內(nèi)譯本是第二版，而且編程用的是Python2.7。

量化+金融部分

毫不夸張的說(shuō)，國(guó)內(nèi)關(guān)于投資或者投資分析的數(shù)，大部分是抄襲或者是翻譯。偶有一些自創(chuàng)的書籍，例如《股市博弈論》、《陳浩：籌碼分布》也都絕版。因此這部分，推薦看海外譯作，或者是英文原版書籍。

1. 《期貨市場(chǎng)技術(shù)分析》，作者，約翰．墨菲。這本書書名雖說(shuō)是期貨市場(chǎng)，但其技術(shù)分析內(nèi)容可以應(yīng)用到全部二級(jí)市場(chǎng)，這本書成書較早，很多國(guó)內(nèi)的技術(shù)分析書，基本都是參考這本書，可以說(shuō)是技術(shù)分析必看的書，大部分分析理論都有介紹，包括艾略特的波浪理論以及江恩的周期理論。不足，書內(nèi)所用數(shù)據(jù)均為美國(guó)期貨市場(chǎng)數(shù)據(jù)，而且都是80年代數(shù)據(jù)，與時(shí)代略有脫節(jié)。

2. 《日本蠟燭圖技術(shù)》，作者，史蒂夫·尼森，這是對(duì)K線分析非常全面的一本海外譯作。K線分析是技術(shù)分析的基礎(chǔ)，這本書非常值得看一看。

3. 《高頻交易》，作者，艾琳·奧爾德里奇。這本書是做量化投資應(yīng)該都應(yīng)該看的書。這本書主要是把統(tǒng)計(jì)學(xué)應(yīng)用到了量化投資領(lǐng)域。而且作者也是操盤手出身，內(nèi)容很實(shí)戰(zhàn)。不足，書中涉及很多統(tǒng)計(jì)學(xué)知識(shí)，初學(xué)者可能有些頭疼。

4. 《期貨、期權(quán)及其他衍生品》，作者約翰·赫爾。除了一些量化投資知識(shí)，還應(yīng)該補(bǔ)充一些金融市場(chǎng)理論知識(shí)，這本書相對(duì)來(lái)說(shuō)還是比較通俗易懂，雖然說(shuō)書名是期貨期權(quán)，但內(nèi)容涉及的是各種投資產(chǎn)品的數(shù)理投資邏輯，是基于現(xiàn)代金融理論的理論基礎(chǔ)，應(yīng)該翻一翻。不足，個(gè)人一直質(zhì)疑現(xiàn)代投資理論的理論基礎(chǔ)（從控制論提出者維納衍生出來(lái)的隨機(jī)漫步，華爾街一直也不認(rèn)可該理論），雖然質(zhì)疑，但最好也要先繼承下來(lái)。

5. 《股票作手回憶錄》，作者利弗莫爾。這本書是史上最大投機(jī)客利弗莫爾的操作心得，值得投資者閱讀，磨煉投資心態(tài)，了解金融市場(chǎng)的險(xiǎn)惡。不足，該書涉及的投資是美股的杠桿投資，不了解杠桿投資的讀者可能會(huì)覺得夢(mèng)幻。

6. 《Python金融大數(shù)據(jù)分析》，作者，伊夫·希爾皮斯科。該書全面介紹了用數(shù)據(jù)做金融分析的過(guò)程，而且使用的就是Python，非常對(duì)胃口。不足，本書本可以成為經(jīng)典，但該書基于Python2.7，而且所用案例大部分為期權(quán)，使其應(yīng)用范圍受限。

人工智能

這部分學(xué)起來(lái)也比較痛苦，如果按照以下路徑，可能會(huì)好一些。個(gè)人認(rèn)為要想學(xué)好這部分，或者將這部分能應(yīng)用到投資領(lǐng)域，需要三部分內(nèi)容支撐。數(shù)學(xué)、人工智能算法、工具與移植。

首先是數(shù)學(xué)

1. 《概率導(dǎo)論》，作者，伯特瑟卡斯（Bertsekas）。該書作者是MIT教授，也是美國(guó)工程院院士。這本書的好處在于，其選的章節(jié)和機(jī)器學(xué)習(xí)算法使用的概率相差無(wú)幾，和很多國(guó)內(nèi)的概率教材不一樣，重點(diǎn)介紹了伯努利、高斯、貝葉斯、馬爾科夫這幾個(gè)數(shù)學(xué)家命名的概率分布。實(shí)用性非常強(qiáng)。墻裂推薦。

2. 《線性代數(shù)》，作者，趙樹媛。這是一般國(guó)內(nèi)少有的數(shù)學(xué)教材。說(shuō)它好有幾點(diǎn)，第一是簡(jiǎn)單，第二，書中還涉及了一些經(jīng)濟(jì)學(xué)應(yīng)用，第三，矩陣運(yùn)算在書中有過(guò)程，stepbystep，把非常抽象的矩陣解釋的很簡(jiǎn)單，書也很薄，很快能讀完。雖然大學(xué)時(shí)，這門課我考了96分，但說(shuō)實(shí)話對(duì)矩陣一點(diǎn)也不懂，看完這本書，徹底明白為啥要用矩陣了。

3. 《微積分》，個(gè)人上學(xué)時(shí)，微積分學(xué)的還可以，使用的是學(xué)校教材《數(shù)學(xué)分析》，離校后也沒有看過(guò)其他書。這部分內(nèi)容推薦百度或csdn了。

其次是人工智能算法

1. 《數(shù)學(xué)之美》，作者，吳軍。關(guān)于對(duì)算法了理解，有挺多的經(jīng)典書籍，例如西瓜書《機(jī)器學(xué)習(xí)》、或者是花書《深度學(xué)習(xí)》、甚或是《統(tǒng)計(jì)學(xué)習(xí)》。但個(gè)人覺著這些書對(duì)初學(xué)者都比較難。眾所周知，現(xiàn)在的人工智能是弱人工智能，用的算法都是基于統(tǒng)計(jì)或者是類比（nn類比人眼）。這些算法都沒有嚴(yán)格的理論基礎(chǔ)，但過(guò)程中使用的都是純數(shù)學(xué)，這又保證了算法不會(huì)跑偏。因此，對(duì)于初學(xué)者，上來(lái)研究算法，應(yīng)該先明白其大概，再去深入細(xì)節(jié)。吳軍的這本書，表面看，以為是給數(shù)學(xué)做背書，其實(shí)是其把人工智能的算法用通俗易懂的方式呈現(xiàn)出來(lái)。書中涉及了大部分的人工智能算法，讀起來(lái)也不拗口。因此推薦這本書?？赐赀@本書之后，再看《統(tǒng)計(jì)學(xué)習(xí)》、《機(jī)器學(xué)習(xí)》、《深度學(xué)習(xí)》。

工具與移植

1. 機(jī)器學(xué)習(xí)的應(yīng)用，首先要看領(lǐng)域了，現(xiàn)在非常火的就是視覺計(jì)算、自然語(yǔ)言處理、智能推薦、金融風(fēng)險(xiǎn)識(shí)別等。個(gè)股領(lǐng)域的書都很多，國(guó)內(nèi)估計(jì)有幾千本類似的書，讀者最好要甄別一下。現(xiàn)在寫幾章Python介紹，然后再加一張TensorFlow或者PyTorch的書很多。還不如看百度或者csdn。對(duì)于AI移植金融的，推薦以下兩本書。

2. 《金融時(shí)間序列分析》，作者，蔡瑞胸。該書詳細(xì)介紹了時(shí)間序列分析在金融領(lǐng)域的應(yīng)用，也把一些流行的人工智能算法，用在金融數(shù)據(jù)分析上。但該書大部分使用的R語(yǔ)言，很不方便。該書的一些思想值得借鑒。

3. 《Hands-On Machine Learning for Algorithmic Trading》，作者，Stefan Jansen。該書引用當(dāng)前人工智能算法最多，通過(guò)閱讀，可以看出作者應(yīng)該對(duì)金融市場(chǎng)比較熟悉，同時(shí)對(duì)人工智能的算法比較了解。書中使用了比較多的人工智能算法在金融領(lǐng)域。值得一看。不足，當(dāng)前該書還沒有中文版，且，該書基本是套用當(dāng)前AI算法，沒有深度融合金融與AI。

以上是個(gè)人的一些總結(jié)和體會(huì)，希望能對(duì)初學(xué)者以幫助。歡迎留言與討論。