想做量化研究，需要哪些知识？

作者  |   李浩然（华泰证券算法工程师）

出品  |  大凡投资（ID：dafantouzi）

本文旨在梳理量化投资的知识体系，并未对具体的知识点进行讲解。

这里将金融知识基础放在最前面，是因为在网上有大量「量化不需要多少金融知识」的论述，诚然当前的量化领域是算法当道，AI欢腾，但是金融市场有着其自身的复杂性，抛开各种交易规则等限制而将交易过程简化为一个建模问题，在实盘应用的时候会面临诸多的风险，从而导致投资收益与预想的状况大相径庭。所以本文特地将金融的基础知识放在最前面以提醒读者不要忽略这部分知识的重要性。

熟悉参与的市场的交易规则，是参与这个市场的大前提，以股票交易为例，二级市场直接交易或者采用大宗交易的方式有什么区别，普通卖出与融券卖出的挂单价格有什么区别等诸多细节性的内容，如果不注意，很容易出现交易失败或违规的情况，而为了了解这些，最直接的方法就是去交易所网站上通读一遍相关市场的交易规则。

随着我国金融市场体系的逐渐成熟，产生了大量的金融工具，依托于这些工具，我们可以更有效地进行风险的控制，或者在各种市场环境下都能取得收益，例如，股票只能做多赚取上涨的收益，而期货可以做多做空，无论涨跌都能有收益，而期权在赚取涨跌的收益的基础上，还能赚取波动率的收益。

除此之外，各式各样的收益互换都为策略的设计提供了重要的工具。如果想学习这方面的知识，就不得不提到这本被戏称为「选择与未来」的衍生品殿堂级书籍《期权、期货及其他衍生产品（原书第9版）》

这本书对于基本的衍生品都进行了较为细致的讲解，结合网上的一些新生的衍生品的介绍，基本可以对这类金融工具的使用有比较好的把握。

虽然在强大的机器学习面前，传统的金融工程的理论稍显落后，但是了解一些基本的计量经济学基础对于刚入门的读者来说是并不是可以跳过的。特别的，如果要进行多因子的研究，被誉为量化圣经的《主动投资组合管理》是绝对要看的一本书，其中从CAPM讲起，对量化的基本框架做了比较详细的阐述，而石川老师的《因子投资》同样是经典，推荐阅读。同时，MSCI在提出Barra因子体系时所采用的方法，也十分值得参考。

除了阅读上述所提到的一些书籍和文章，一些证书的教材其实也涵盖了一定数量的基础知识。比如，证券/基金/期货从业资格考试的教材中都有一定的基础知识，并且报名费不高，考个证的同时还能顺便打点基础。另一类考试就是CFA和FRM，CFA更加关注投资研究而FRM偏重于风险的管理，报名费较高，但是会有一定的简历加成。

说到数学知识，就比较纯粹了，概率论与数理统计+线性代数的组合可以满足大部分场景的需求。

python和R是量化研究用的比较多的语言，python最为广泛，因此掌握python的基础知识是最基本的要求（大多数的书籍及网课在后半部分都会提到一些网络、GUI之类的内容，这部分内容可以放在最后学）。

除了python语言本身，各种包才是学习的重中之重，其中numpy和pandas是最重要的，然后是scipy和sklearn，包括了大量的统计工具和机器学习模型，接下来需要掌握一个深度学习框架，个人推荐pytorch，当然tensorflow2.0也挺好，集成了keras之后易用了很多。除了python，SQL也是一项至关重要的技能，因为真的到了实盘，相关的数据是不可能以CSV文件的形式提供使用的，所以数学数据库的相关操作至关重要。

要了解机器学习的相关算法，比较经典的两本书是《统计学习方法》和西瓜书《机器学习》。个人比较推荐第一本，对于理论的推导还是比较清楚的，已经出第二版了，但是个人感觉第一版已经足够了，价格比第二版便宜一半，西瓜书内容有点多，更适合作为工具书参考使用。除此之外，对于xgboost，gbdt之类的模型也建议去了解一下。

深度学习比较经典的书是花书《深度学习》，不过我个人推荐看视频的方式，吴恩达的深度学习系列的视频虽然不是最全面的，但是好在讲得比较通俗易懂，所以十分适合入门学习，另外比较推荐的就是李沐的动手学深度学习系列，在了解相关算法的同时可以对pytorch框架有所了解。

除了上述介绍的一些知识体系，在宏观经济，策略研究，以及行业研究等方面，同样可以使用相应的量化工具，但是这需要提前梳理好一定的研究框架，这部分内容并没有现成的书籍可供参考，感兴趣的读者可以通过阅读券商研究所的相关研报进行了解。

而在学术界也会进行一定的量化类的研究，通常会集中于深度学习模型的构建上，这部分内容可以在arxiv平台上查找，但是以我个人的观点，这部分的内容通常更适用于开拓研究思路。

『声明：本文为作者独立观点，仅供参考广大投资者科普学习和交流，不构成投资意见或建议，请理性看待，树立正确的理念，提高风险意识。文章版权和最终解释权归大凡投资所有。』

喜欢？可以 “点赞”  + “在看”哦！❤️