投資者為什么要學量化本人是理科背景，后來入行金融。近些年來中國的金融業(yè)發(fā)生了巨大的變化，對外開放的程度越來越高。國內(nèi)的金融業(yè)越來越向海外看齊，搞量化有些要井噴了。近來，海外市場有兩點非常吸引眼球。一是大獎?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?wù)禄鹗腔诹炕膶_基金，其創(chuàng)始人是文藝復興基金的基金經(jīng)理西蒙斯。第二件事是近期人工智能異常火爆，尤其是AlphaGo打敗柯潔之后，對抗神經(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。 個人理科背景，又做了多年投資；融合以上知識觀點也在內(nèi)心升騰；但學習量化以及AI過程中走了不少彎路。主要的問題有三點： 本人不是計算機專業(yè)出身，編程主要是現(xiàn)學。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)語都是用計算機語言來解釋的，這讓非計算機專業(yè)的讀者很難快速掌握編程技巧； 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； 國內(nèi)大部分關(guān)于AI的文章皆來自翻譯，偶爾有原創(chuàng)文章也很容易把讀者帶入到深邃的數(shù)學里，不能自拔。別說移植AI算法到金融領(lǐng)域，就是理解算法本身都非常困難。這對跨行業(yè)的人來說，就是難上加難。
基于以上三點，結(jié)合自己走過的彎路，寫點文字，希望能給想轉(zhuǎn)行或是非計算機專業(yè)人士學AI或量化一點幫助。 量化投資學習路徑圖對于非計算機專業(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，后來者可以少走彎路，直達問題的中心。這有點像現(xiàn)在的AI，雖然機器學習等想法是否正確，不是很清楚，但中間的純數(shù)學能保證初心不變。 Python部分編程這塊分兩部分學習，一是Python編程，二是數(shù)據(jù)分析。 要想學習量化，編程是拖不過去的。但對于外行來說，最友好的編程語言就是Python了。人生苦短，我用Python。Python語言的學習，最好看幾本書。 《Python語言程序設(shè)計基礎(chǔ)》（第2版），作者嵩天等。這本書非常適合沒有編程經(jīng)驗的初學者，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。 《“笨辦法”學Python3》，這是一本海外譯作。非常適合從其他語言學習轉(zhuǎn)過來的程序猿，不足是缺少很多對計算機編程概念的解釋。 《Python Cookbook中文版》，這本書適合作為Python編程的疑難雜癥用書，初學者除了百度，可以用此書。 《Python編程：從入門到實踐》，作者Eric Matthes。這本書相對來說比較全面、深入淺出。比較適合初學者，編程用的也是Python3。 《利用Python進行數(shù)據(jù)分析》，作者McKinney。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庫的創(chuàng)始人。該書的不足就是看上去有點厚，但數(shù)據(jù)有很多是源碼，除了源碼，書的厚度，還能接受。 《Python數(shù)據(jù)分析基礎(chǔ)教程：Numpy學習指南》。數(shù)據(jù)分析中大量使用numpy庫，這本是非常不錯，而且該書案例還有一些涉及到量化計算，書也不厚，值得看一看。不足是海外已經(jīng)出第三版，國內(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，國內(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。 《期貨市場技術(shù)分析》，作者，約翰．墨菲。這本書書名雖說是期貨市場，但其技術(shù)分析內(nèi)容可以應(yīng)用到全部二級市場，這本書成書較早，很多國內(nèi)的技術(shù)分析書，基本都是參考這本書，可以說是技術(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)均為美國期貨市場數(shù)據(jù)，而且都是80年代數(shù)據(jù)，與時代略有脫節(jié)。 《日本蠟燭圖技術(shù)》，作者，史蒂夫·尼森，這是對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。 《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)計學應(yīng)用到了量化投資領(lǐng)域。而且作者也是操盤手出身，內(nèi)容很實戰(zhàn)。不足，書中涉及很多統(tǒng)計學知識，初學者可能有些頭疼。 《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，還應(yīng)該補充一些金融市場理論知識，這本書相對來說還是比較通俗易懂，雖然說書名是期貨期權(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的隨機漫步，華爾街一直也不認可該理論），雖然質(zhì)疑，但最好也要先繼承下來。 《股票作手回憶錄》，作者利弗莫爾。這本書是史上最大投機客利弗莫爾的操作心得，值得投資者閱讀，磨煉投資心態(tài)，了解金融市場的險惡。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覺得夢幻。 《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)做金融分析的過程，而且使用的就是Python，非常對胃口。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。
人工智能這部分學起來也比較痛苦，如果按照以下路徑，可能會好一些。個人認為要想學好這部分，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、人工智能算法、工具與移植。 首先是數(shù)學 《概率導論》，作者，伯特瑟卡斯（Bertsekas）。該書作者是MIT教授，也是美國工程院院士。這本書的好處在于，其選的章節(jié)和機器學習算法使用的概率相差無幾，和很多國內(nèi)的概率教材不一樣，重點介紹了伯努利、高斯、貝葉斯、馬爾科夫這幾個數(shù)學家命名的概率分布。實用性非常強。墻裂推薦。 《線性代數(shù)》，作者，趙樹媛。這是一般國內(nèi)少有的數(shù)學教材。說它好有幾點，第一是簡單，第二，書中還涉及了一些經(jīng)濟學應(yīng)用，第三，矩陣運算在書中有過程，stepbystep，把非常抽象的矩陣解釋的很簡單，書也很薄，很快能讀完。雖然大學時，這門課我考了96分，但說實話對矩陣一點也不懂，看完這本書，徹底明白為啥要用矩陣了。 《微積分》，個人上學時，微積分學的還可以，使用的是學校教材《數(shù)學分析》，離校后也沒有看過其他書。這部分內(nèi)容推薦百度或csdn了。
其次是人工智能算法 《數(shù)學之美》，作者，吳軍。關(guān)于對算法了理解，有挺多的經(jīng)典書籍，例如西瓜書《機器學習》、或者是花書《深度學習》、甚或是《統(tǒng)計學習》。但個人覺著這些書對初學者都比較難。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)計或者是類比（nn類比人眼）。這些算法都沒有嚴格的理論基礎(chǔ)，但過程中使用的都是純數(shù)學，這又保證了算法不會跑偏。因此，對于初學者，上來研究算法，應(yīng)該先明白其大概，再去深入細節(jié)。吳軍的這本書，表面看，以為是給數(shù)學做背書，其實是其把人工智能的算法用通俗易懂的方式呈現(xiàn)出來。書中涉及了大部分的人工智能算法，讀起來也不拗口。因此推薦這本書?？赐赀@本書之后，再看《統(tǒng)計學習》、《機器學習》、《深度學習》。
工具與移植 機器學習的應(yīng)用，首先要看領(lǐng)域了，現(xiàn)在非常火的就是視覺計算、自然語言處理、智能推薦、金融風險識別等。個股領(lǐng)域的書都很多，國內(nèi)估計有幾千本類似的書，讀者最好要甄別一下?，F(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。對于AI移植金融的，推薦以下兩本書。 《金融時間序列分析》，作者，蔡瑞胸。該書詳細介紹了時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語言，很不方便。該書的一些思想值得借鑒。 《Hands-On Machine Learning for Algorithmic Trading》，作者，Stefan Jansen。該書引用當前人工智能算法最多，通過閱讀，可以看出作者應(yīng)該對金融市場比較熟悉，同時對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，當前該書還沒有中文版，且，該書基本是套用當前AI算法，沒有深度融合金融與AI。
以上是個人的一些總結(jié)和體會，希望能對初學者以幫助。歡迎留言與討論。
|
