基金经理学量化（Python+AI）

投资者为什么要学量化

本人是理科背景，后来入行金融。近些年来中国的金融业发生了巨大的变化，对外开放的程度越来越高。国内的金融业越来越向海外看齐，搞量化有些要井喷了。近来，海外市场有两点非常吸引眼球。一是大奖章基金在这次疫情行情中不但没有亏损，还大赚了一笔，要知道大奖章基金是基于量化的对冲基金，其创始人是文艺复兴基金的基金经理西蒙斯。第二件事是近期人工智能异常火爆，尤其是AlphaGo打败柯洁之后，对抗神经网络非常吸睛，很多的投资者想把AI算法移植到投资领域；但放眼全球，还没有出现非常优秀的算法，能很好的结合AI算法与量化投资。

个人理科背景，又做了多年投资；融合以上知识观点也在内心升腾；但学习量化以及AI过程中走了不少弯路。主要的问题有三点：

1. 本人不是计算机专业出身，编程主要是现学。网上有很多介绍Python的文章或者书籍，但这些书籍都不通俗，书中有很多专业术语都是用计算机语言来解释的，这让非计算机专业的读者很难快速掌握编程技巧；
2. 量化交易所需的数据获取非常困难，而且数据清洗也比较麻烦；
3. 国内大部分关于AI的文章皆来自翻译，偶尔有原创文章也很容易把读者带入到深邃的数学里，不能自拔。别说移植AI算法到金融领域，就是理解算法本身都非常困难。这对跨行业的人来说，就是难上加难。

基于以上三点，结合自己走过的弯路，写点文字，希望能给想转行或是非计算机专业人士学AI或量化一点帮助。

量化投资学习路径图

对于非计算机专业的人士，在这里写代码基本上是班门弄斧。这里主要列举一些书籍，供大家参考。没必要看的书籍基本全省掉了，后来者可以少走弯路，直达问题的中心。这有点像现在的AI，虽然机器学习等想法是否正确，不是很清楚，但中间的纯数学能保证初心不变。

Python部分

编程这块分两部分学习，一是Python编程，二是数据分析。

要想学习量化，编程是拖不过去的。但对于外行来说，最友好的编程语言就是Python了。人生苦短，我用Python。Python语言的学习，最好看几本书。

1. 《Python语言程序设计基础》（第2版），作者嵩天等。这本书非常适合没有编程经验的初学者，上手快。不足是书中案例和金融没有太多交集，而且书中缺乏“类”的介绍。
2. 《“笨办法”学Python3》，这是一本海外译作。非常适合从其他语言学习转过来的程序猿，不足是缺少很多对计算机编程概念的解释。
3. 《Python Cookbook中文版》，这本书适合作为Python编程的疑难杂症用书，初学者除了百度，可以用此书。
4. 《Python编程：从入门到实践》，作者Eric Matthes。这本书相对来说比较全面、深入浅出。比较适合初学者，编程用的也是Python3。
5. 《利用Python进行数据分析》，作者McKinney。这本书非常全面的介绍了如何用Python做数据分析，而且该书的作者也是Pandas库的创始人。该书的不足就是看上去有点厚，但数据有很多是源码，除了源码，书的厚度，还能接受。
6. 《Python数据分析基础教程：Numpy学习指南》。数据分析中大量使用numpy库，这本是非常不错，而且该书案例还有一些涉及到量化计算，书也不厚，值得看一看。不足是海外已经出第三版，国内译本是第二版，而且编程用的是Python2.7。

量化+金融部分

毫不夸张的说，国内关于投资或者投资分析的数，大部分是抄袭或者是翻译。偶有一些自创的书籍，例如《股市博弈论》、《陈浩：筹码分布》也都绝版。因此这部分，推荐看海外译作，或者是英文原版书籍。

1. 《期货市场技术分析》，作者，约翰．墨菲。这本书书名虽说是期货市场，但其技术分析内容可以应用到全部二级市场，这本书成书较早，很多国内的技术分析书，基本都是参考这本书，可以说是技术分析必看的书，大部分分析理论都有介绍，包括艾略特的波浪理论以及江恩的周期理论。不足，书内所用数据均为美国期货市场数据，而且都是80年代数据，与时代略有脱节。
2. 《日本蜡烛图技术》，作者，史蒂夫·尼森，这是对K线分析非常全面的一本海外译作。K线分析是技术分析的基础，这本书非常值得看一看。
3. 《高频交易》，作者，艾琳·奥尔德里奇。这本书是做量化投资应该都应该看的书。这本书主要是把统计学应用到了量化投资领域。而且作者也是操盘手出身，内容很实战。不足，书中涉及很多统计学知识，初学者可能有些头疼。
4. 《期货、期权及其他衍生品》，作者约翰·赫尔。除了一些量化投资知识，还应该补充一些金融市场理论知识，这本书相对来说还是比较通俗易懂，虽然说书名是期货期权，但内容涉及的是各种投资产品的数理投资逻辑，是基于现代金融理论的理论基础，应该翻一翻。不足，个人一直质疑现代投资理论的理论基础（从控制论提出者维纳衍生出来的随机漫步，华尔街一直也不认可该理论），虽然质疑，但最好也要先继承下来。
5. 《股票作手回忆录》，作者利弗莫尔。这本书是史上最大投机客利弗莫尔的操作心得，值得投资者阅读，磨炼投资心态，了解金融市场的险恶。不足，该书涉及的投资是美股的杠杆投资，不了解杠杆投资的读者可能会觉得梦幻。
6. 《Python金融大数据分析》，作者，伊夫·希尔皮斯科。该书全面介绍了用数据做金融分析的过程，而且使用的就是Python，非常对胃口。不足，本书本可以成为经典，但该书基于Python2.7，而且所用案例大部分为期权，使其应用范围受限。

人工智能

这部分学起来也比较痛苦，如果按照以下路径，可能会好一些。个人认为要想学好这部分，或者将这部分能应用到投资领域，需要三部分内容支撑。数学、人工智能算法、工具与移植。

首先是数学

1. 《概率导论》，作者，伯特瑟卡斯（Bertsekas）。该书作者是MIT教授，也是美国工程院院士。这本书的好处在于，其选的章节和机器学习算法使用的概率相差无几，和很多国内的概率教材不一样，重点介绍了伯努利、高斯、贝叶斯、马尔科夫这几个数学家命名的概率分布。实用性非常强。墙裂推荐。
2. 《线性代数》，作者，赵树媛。这是一般国内少有的数学教材。说它好有几点，第一是简单，第二，书中还涉及了一些经济学应用，第三，矩阵运算在书中有过程，stepbystep，把非常抽象的矩阵解释的很简单，书也很薄，很快能读完。虽然大学时，这门课我考了96分，但说实话对矩阵一点也不懂，看完这本书，彻底明白为啥要用矩阵了。
3. 《微积分》，个人上学时，微积分学的还可以，使用的是学校教材《数学分析》，离校后也没有看过其他书。这部分内容推荐百度或csdn了。

其次是人工智能算法

1. 《数学之美》，作者，吴军。关于对算法了理解，有挺多的经典书籍，例如西瓜书《机器学习》、或者是花书《深度学习》、甚或是《统计学习》。但个人觉着这些书对初学者都比较难。众所周知，现在的人工智能是弱人工智能，用的算法都是基于统计或者是类比（nn类比人眼）。这些算法都没有严格的理论基础，但过程中使用的都是纯数学，这又保证了算法不会跑偏。因此，对于初学者，上来研究算法，应该先明白其大概，再去深入细节。吴军的这本书，表面看，以为是给数学做背书，其实是其把人工智能的算法用通俗易懂的方式呈现出来。书中涉及了大部分的人工智能算法，读起来也不拗口。因此推荐这本书。看完这本书之后，再看《统计学习》、《机器学习》、《深度学习》。

工具与移植

1. 机器学习的应用，首先要看领域了，现在非常火的就是视觉计算、自然语言处理、智能推荐、金融风险识别等。个股领域的书都很多，国内估计有几千本类似的书，读者最好要甄别一下。现在写几章Python介绍，然后再加一张TensorFlow或者PyTorch的书很多。还不如看百度或者csdn。对于AI移植金融的，推荐以下两本书。
2. 《金融时间序列分析》，作者，蔡瑞胸。该书详细介绍了时间序列分析在金融领域的应用，也把一些流行的人工智能算法，用在金融数据分析上。但该书大部分使用的R语言，很不方便。该书的一些思想值得借鉴。
3. 《Hands-On Machine Learning for Algorithmic Trading》，作者，Stefan Jansen。该书引用当前人工智能算法最多，通过阅读，可以看出作者应该对金融市场比较熟悉，同时对人工智能的算法比较了解。书中使用了比较多的人工智能算法在金融领域。值得一看。不足，当前该书还没有中文版，且，该书基本是套用当前AI算法，没有深度融合金融与AI。

以上是个人的一些总结和体会，希望能对初学者以帮助。欢迎留言与讨论。