*金叉死叉策略*海龟策略*浅谈小市值策略*多头排列回踩策略*大师系列之价值投资法*事件驱动策略*策略回测结果指标详解*基于协整的配对交易*基本面量化——财务指标量化策略
##机器学习
*英语阅读不受影响
知识分享
为什么要强调这一点？因为国内量化平台太多，不少人喜欢在各个平台之间来回切换，多个平台都有涉及，但是最后因为没有长期深耕一个平台，形成完整全面的量化知识体系，最后也是无法开发出好的量化策略。
##研究报告
BigQuant-人工智能量化投资平台
*数据集中趋势的测量：平均值*数据离散状况的测量：离散度*相关系数*线性回归*多元线性回归*初识协整*深入理解协整*峰度和偏度*数据异常值处理*使用cvxopt包实现马科维茨投资组合优化*标准化、规范化、二值化等多种机器学习数据预处理方法
*长期扎根一个平台
很多前沿的理论知识都是英文，编程知识也是对英语友好，因此建议提高英文阅读能力，这样的话才能更好地不断学习。国内的论坛、社区、网站广告太多、灌水太多、复制粘贴太多，而且乐于奉献的理念并不是被大家接受，因此掌握高效地阅读能力可以接触国外更好的学习资源。
量化策略研究员的成长之路，那么聚焦点就是策略研究员如何成长了，这有别于量化工程师，因为后者是造轮子，而前者是在造好的轮子上开车，是要用好轮子。接下来，说说重要的几点。
数学非常重要，因为毕竟做的是数据分析师的工作，但是数学也不是说要求很高，线性代数、概率论与数理统计、微积分了解这些就差不多了，真正在开发策略的过程中其实数学要求不是那么高，如果真遇到高深一点的数学再去针对性的补充也来得及。统计分析、时间序列分析、机器学习的背后都是实实在在的数学知识，因此数学非常重要。
##策略开发
*懂一些数学数学
*学会一门编程语言
*Beta对冲*跌了这么多，创业板可以买了吗?*因子风险暴露*风险平价组合理论与实践*Barra风险结构管理模型*一文看懂三大财务报表*如何分析财务报表
##编程知识
##金融市场
量化涉及多个领域多门学科，如果是想搭建整体的量化知识体系，推荐以下内容：
##数学知识
策略研究员其实本质上也是数据分析师，因此还是要掌握一门编程语言，R可以、matlab可以，不过推荐是Python
*搭建整体量化知识体系
利用好高手大神的量化策略和交易经验，关键的心法口诀是：守、破、离。『守』：最初阶段须遵从老师教诲，认真练习基础，达到熟练的境界。『破』：基础熟练后，试着突破原有规范让自己得到更高层次的进化。『离』：在更高层次得到新的认识并总结，自创新招数另辟出新境一．第一阶段『守』在这一阶段，我们首先要端正自己的心态，空杯心态，不要有任何偏见，高手/大神/老师说怎么去做，就怎么去做，动作、步骤、流程不要有一丝变形。二．第二阶段『破』人的成长，商业的发展，策略的优化，就是需要不断的『破』，『破』就是破局而出、推陈出新，让自己做出更好的策略。三．第三阶段『离』『离』就是借用其他领域或其他量化策略的模块，发现和创造更多新的量化策略。简单而言：『守』阶段：空杯心态，没有偏见，别人怎么说我们就怎么做，开发出一个策略。『破』阶段：2种方式，做得比别人好，或者做得跟别人不同，开发出一个好策略。『离』阶段：拆解策略，积木式创新，量化兵器排列组合，源源不断开发出好策略。
*海通证券-他山之石系列研究*申万宏源-技术指标测试大全*国信证券金融工程-数量化投资技术*东方证券-Barra多因子结构风险模型*东北证券-大类资产配置和金融工程系列*申万宏源-大师系列价值投资篇*国泰君安-数量化研究
*10分钟学会Python*10分钟学会Pandas*10分钟学会pyarrow*【Python编程】第一个Python程序*【Python编程】数据类型之列表*【Python编程】数据类型之字典*【Python编程】数据类型之元组件*【Python编程】条件与循环：if、while、for*【Python编程】函数*【Python编程】Numpy库*【Python编程】Pandas库之数据查看、选择*【Python编程】Pandas库之数据处理与规整
*什么是机器学习*机器学习有哪些算法*量化投资中的特征工程*AI量化策略的初步理解*StockRanker模型可视化*基于LSTM的股票价格预测模型
文章为作者独立观点，不代表股票交易接口观点
相关文章
股民评论