上钟！

继续分享量化干货~

这次要唠的是Stat Arb的新作《Quant Roadmap》(中译名《量化交易路线图》)，为了方便，下文就称呼作者为“老S”，根据公开资料显示，他可是正儿八经的的量化研究员出身，在漂亮国头部对冲基金担任过量化研究主管，管理过高频交易策略团队，现在主要搞数字货币。

老S除了量化交易做得好之外，表达欲还很旺盛，除了在自己博客网站The Quant Stack(https://www.algos.org)写干货文之外，隔三岔五就发推表达自己对量化行业的观点和看法，话题主要集中在高频交易、统计套利、CTA、做市、实盘交易这几块儿，《Quant Roadmap》这本量化攻略也是发布在Twitter上然后传播开来。

《Quant Roadmap》跟之前推荐过的151策略非常像，都是属于ROR，Resource of Resources，资源中的资源，跟鹿鼎记里面韦小宝刚入会时，陈近南交给他那本武功秘籍一样，是一堆绝世武功秘籍的目录，以至于老S怕大伙儿从入门到放弃，后面还特地还写了一章，教大伙儿如何学习和用好这份材料。

就不扯闲篇儿了，跟大伙儿唠唠主体的内容架构，先上目录。

Chapter 1:  Machine Learning and Algorithmic Trading 

机器学习和算法交易：这一章节主要给大伙儿提供了机器学习和算法交易的书单，目的是帮助读者从基础概念开始，逐步深入到更高级的主题。当中推荐了很多量化高分书籍，例如《Quantitative Trading: How to Build Your Own Algorithmic Trading Business》和《Advances in Financial Machine Learning》等，除了一些大部头的教材外，也还提供了一些可选的补充书籍，以便大伙儿可以根据自己的难度偏好和学习速度来选择。

Chapter 2:  Derivatives, and Volatility Trading

衍生品和波动率交易：这一章节聚焦于衍生品交易的世界，提供了关于期权、期货和其他衍生品的核心书单，例如做期权都有耳闻的《Options, Futures, and Other Derivatives》，这些书籍不仅涵盖了基础理论，还包括了高级交易策略、风险管理、波动率交易和期权做市等技巧。

Chapter 3:  YouTube Videos

YouTube视频：这一章节推荐了一系列YouTube频道和视频，内容覆盖了量化交易的各个方面，从基础概念到高级策略。这些视频特别适合不喜欢看书、喜欢看视频学习的人，能让大伙儿更直观地理解复杂的量化概念和策略。

Chapter 4:  Courses

课程：这一章节列出了一系列量化相关的课程资源，特别是Coursera上的课程，如Robert Shiller的《Financial Markets》和Andrew Ng的机器学习和深度学习课程，这些课程主打的就是结构化的学习路径，涵盖了从基础金融知识到高级机器学习技术的核心内容。顺道提一嘴，Coursera上很多课程都是免费学习的，除非你想要结课证书攒学分，那时候才要付费。

Chapter 5:  Podcasts

播客：这一章节主要是推荐了一些播客节目，这些节目深入探讨了量化交易和金融市场的各个方面，方便大伙儿获取行业见解、学习市场动态和了解行业专家观点。推荐的播客包括《Tick Talk》、《Flirting with Models》和《Mutiny fund》等，内容还是比较丰富的，从交易策略到市场分析，应有尽有。

Chapter 6:  Trading Platforms & Brokerage Firms

交易平台和经纪商：这章主要讨论了股票和其他资产类别的交易平台，以及数字资产领域的交易所和经纪商。详细介绍和对比了各个经纪商的服务和优势，以及它们在提供数据、交易成本、杠杆和对冲服务方面的特点。

Chapter 7:  Neural Networks / ML / Hype

神经网络/机器学习/行业热点：这一章节探讨了神经网络和机器学习在金融领域的应用，并分析了当前行业的热点。老S还在文中温馨提醒，尽管这些机器学习和深度学习的技术很受欢迎，但它们可能并不是交易策略的最佳解决方案，对此，老S推荐了一些更为基础和实用的机器学习方法，如回归分析、非参数方法和树模型，然后又再次倾情推荐了Andrew Ng在Coursera上的机器学习和深度学习课程。

Chapter 8:  Key Mathematics Concepts

关键数学概念：这章强调了理解关键数学概念对于量化交易的重要性，如测度论、随机微积分和概率论，它们对于理解和构建量化模型十分重要。老S推荐了一系列书籍和课程，例如MIT的《Mathematics for Computer Science》和Coursera上的《Mathematics for Machine Learning》，希望大伙儿能建立坚实的数学基础。

Chapter 9:  Optimization (Deterministic & Stochastic)

优化（确定性和随机性）：这一章节主要讨论优化方法在量化交易中的重要性，包括确定性和随机性优化技术。优化算法可以帮助宽客在量化策略中找到最佳参数，以提高策略的性能。老S提供了一些基本的优化算法，如遗传算法、蒙特卡洛优化和凸优化基础，并推荐了一些深入学习优化算法的书籍和资料。

Chapter 10:  High Frequency Trading & Market Making

高频交易和做市：这章提供了高频交易和做市策略相关的书籍、视频和研究文章，介绍了相关的量化策略，例如如何优化交易算法以减少延迟和提高交易效率。怕你专业书籍看不下去，还顺道儿推荐了一些关于高频交易的轻阅读类书籍(故事类)，例如《Flash Boys》和《Dark Pools》。

Chapter 11:  Additional Volatility/Derivatives Resources

其他的波动率/衍生品资源：感觉这一章节是第2章的补充，而且老S在这里套娃了，推荐的网址链接其实是一大堆别的链接的目录。在这里推荐了更多关于波动率和衍生品交易的资源，包括社区讨论、专业论坛和研究文章，特别推荐了Wilmott论坛和Nuclear Phynance网站，对深入理解衍生品定价和交易策略非常有帮助。

Chapter 12:  Coding Languages Review and Resources

编程语言回顾和资源：这章主要讨论了在量化交易当中使用的主要编程语言，如Python、R和C++，并提供了相关的学习资源。文中阐明了Python在目前量化研究和开发中的主导地位，以及C++在高频交易中的应用。此外，还提到了Rust在数字资产交易中的流行趋势，并提供了相关的学习建议。

Chapter 13:  Projects

项目：这一章节提供了丰富的量化交易项目的灵感和案例，包括配对交易、套利、做市策略和动量策略等。通过这些项目的学习，大伙儿可以将理论知识应用于实践，加深对量化交易策略的理解，当中涉及的技术包括机器学习、深度学习和统计模型，对构建自己的交易系统铁定有利，下面是一小部分案例截图。

Chapter 14:  Data

数据：巧妇难为无米之炊，因此这章讨论了数据在量化交易中的重要性，老S贴心地提供了免费数据源的信息，并且详细介绍了如何获取、清洗和预处理数据，以及如何使用数据来测试和优化交易策略。

Chapter 15:  GitHub Repositories

GitHub仓库：众所周知，GitHub是全球最大的在线同(ma)性(nong)交友网站，老S在这一章节当中推荐了一些GitHub项目，里面包含了量化交易策略和工具的示例代码，主打的就是开箱即用，不用重复造轮子，它们可以帮助大伙儿快速学习和开发自己的交易策略，当中涵盖了从基础的信号处理到复杂的市场微结构模型/策略。

Chapter 16:  Light Reading

轻松阅读：如果前面被一大堆专业资料绕晕的话，可以来这章看一些非教科书类的书籍，这些书籍可以让你轻松了解金融行业和量化交易的工作流程，特别适合那些希望在轻松阅读氛围中获得行业见解的小伙伴，例如《Liars Poker》、《The Quants》和《The Man Who Solved the Market》等。

Chapter 17:  Careers

职业规划：这一章节老S介绍了量化交易领域的典型职业路径，包括如何获得实习机会和准备面试。对于实习生，老S温馨提示，在实习期间，请不要有佩戴劳力士(Rolex)等“炫富”行为，并且，下班不要比老板早。

When you receive a summer internship do not wear a Rolex, Gucci sleds, etc. You are there to wear a plain Casio, always leave later than your boss.

Chapter 18:  Arbitrage Guide

套利指南：这章专注于数字资产领域的套利策略，并提供了相关的资源和工具，详细介绍了不同类型的套利策略，如资金费率套利、三角套利、现货套利、永续套利和事件套利等，并推荐了一些扫描套利机会的网站。

Chapter 19:  Market Making Guide

市场制造指南：这一章节主要介绍了做市策略的各个方面，包括如何管理风险、优化报价和处理延迟。

Chapter 20:  Pairs Trading Guide

配对交易指南：这章提供了配对交易策略的一些资源，包括研究文章和GitHub资源等，当中介绍了配对交易的基本原理，以及如何使用统计模型来识别和捕捉交易机会。

Chapter 21:  Seasonality Guide

季节性策略指南：这一章节介绍了季节性策略的原理和资源，包括它在商品市场的应用，例如如何识别和利用市场的季节性模式，以及如何构建基于季节性因素的交易策略。

Chapter 22:  Momentum Guide

动量策略指南：这一章节介绍了动量策略的构建和应用，这是一种基于资产过去表现来预测未来价格变动的策略，当中提供了一些关于动量策略的研究文章和相关资源，帮助大伙儿快速理解动量效应及其在交易当中的应用。

Chapter 23:  Blogs To Read

推荐阅读的博客：博客通常是寻找新信息和新想法的好地方，于是老S在这章里面列出了一系列量化交易相关的博客，涵盖了从基础的交易理念到高级的量化模型，同时里面提供了很多实用交易策略的见解和代码。哈哈，像推荐播客一样，老S也自卖自夸地推荐了自己的博客(https://www.algos.org)，还放在了第一位，咱之前介绍过的Quant Insti和Quantocracy也在此列。

Chapter 24:  Twitter Accounts To Follow

Twitter账号推荐关注：像前一章那样，老S在这章节推荐了132个量化交易相关的Twitter账号，这些账号日常会分享有价值的行业信息和分析，主要的作用是帮助大伙儿保持对市场动态的了解，并获取最新的交易策略idea。

Chapter 25:  How To Learn This Material

如何学习这些材料：也许老S也觉得介绍和推荐的资料太多了，怕大伙儿直接从入门到放弃，于是特地写了这一章节，给大伙儿提供相应的学习建议，最重要的建议就是“动起来”：不要都看，不要贪大求全，只筛选与自己相关的内容，以开发盈利策略为目标，然后阅读、做笔记和开发策略，实践才是检验学习的最佳途径，同时也要避免陷入过度复杂的模型和工具开发。

Chapter 26:  Other Roadmaps

其他路线图：老S又在这里套娃了，这本书本身就是路线图(Roadmap)，现在又套了好几个其他路线图进去，变成了Roadmap of Roadmaps，ROR的标签又重现了。老S表示，这些路线图可以作为路线图的补充，旨在帮助大伙儿发现更多的学习资料和工具。

看到这里，有没有发现这个《Quant Roadmap》真是包罗万象，啥玩意儿都有，从新手村开始，到打各种副本，主线支线各种攻略都有，真可以称得上是量化交易领域的打怪升级全攻略。

对《Quant Roadmap》感兴趣的小伙伴也无需翻墙出去找，同时考虑到有些小伙伴的阅读需求，也一并附上了中英双语对照版，enjoy~