量化金融学习路径
-
「数学基础」 • 微积分：理解函数、极限、导数和积分的基本概念。 • 线性代数：掌握矩阵、向量、特征值和特征向量。 • 概率论与统计学：学习概率分布、随机变量、假设检验和回归分析。
-
「计算机科学基础」 • 编程语言：熟悉Python（推荐）、C++等编程语言。 • 数据结构与算法：了解基本的数据结构（如数组、链表、树、图）和算法（如排序、搜索）。
-
「金融理论」 • 金融市场与机构：了解股票、债券、期货、期权等金融产品及其交易市场。 • 投资组合理论：学习现代投资组合理论（如Markowitz模型）、资本资产定价模型（CAPM）。 • 衍生品定价：掌握期权、期货、互换等衍生品的定价模型（如Black-Scholes模型）。
-
「量化方法」 • 时间序列分析：研究时间序列数据的统计特性。掌握ARIMA模型、GARCH模型等。 • 机器学习：学习监督学习、无监督学习和强化学习的基本概念和方法。 • 数值方法：理解蒙特卡洛模拟、有限差分方法等数值计算技术。
-
「实战经验」 • 数据获取与处理：掌握如何从各种数据源获取和清洗金融数据。 • 策略开发与回测：学习如何设计、实现和回测交易策略。 • 风险管理：了解VaR、CVaR等风险度量方法及其在风险管理中的应用。
-
「工具与平台」 • 编程环境：熟悉Jupyter Notebook、RStudio等编程环境。
学习建议 • 量化金融是一门综合性学科，需要扎实的数学、计算机科学和金融理论基础。 在学习过程中，要注重理论与实践的结合，多动手练习，才能真正掌握量化金融的精髓。
量化金融是一门具有挑战性但也充满机遇的学科
