系统学习量化交易需要跨越多个领域:金融、统计、机器学习、编程。本书单按学习顺序和难度排列。
关于本书
《AI量化交易从0到1》 正是为了降低这个学习门槛而写。
我从下述经典著作中提炼了最核心、最实用的内容,结合多智能体架构这一现代视角,用故事驱动、代码可选的方式重新组织。无论你是想快速入门,还是想系统了解量化交易的全貌,本书都可以作为你的第一站——读完后再根据兴趣深入以下专著。
当然在现代快餐社会,个人的精力与时间都不一定能够将大量资料全部读完学完。我的这本书更是从精髓和核心要点切入,从AI与智能体(当前时间点2026年1月)的新技术框架下驱动实践,本质上也直接降维了一些传统的旧理念与可被革命的步骤。当然这里仁者见仁了。
一、入门必读
1.1 量化交易入门
《Quantitative Trading》- Ernest P. Chan
- 难度:入门
- 内容:从零开始构建量化策略
- 特点:实操性强,有完整代码
- 适合:编程基础的初学者
《Algorithmic Trading》- Ernest P. Chan
- 难度:入门-中级
- 内容:策略开发、回测、实盘
- 特点:Chan 三部曲第二本
- 适合:有一定经验的开发者
1.2 金融市场基础
《A Random Walk Down Wall Street》- Burton Malkiel
- 难度:入门
- 内容:市场有效性、投资哲学
- 特点:经典之作,易读
- 适合:所有人
《The Intelligent Investor》- Benjamin Graham
- 难度:入门
- 内容:价值投资原则
- 特点:巴菲特推荐
- 适合:理解投资本质
二、核心进阶
2.1 Marcos López de Prado 三部曲
《Advances in Financial Machine Learning》
- 难度:高级
- 内容:ML 在金融中的正确应用
- 核心章节:
- 金融数据结构
- 标签设计(Triple Barrier)
- Meta-Labeling
- 交叉验证的陷阱
- 特征重要性
- 特点:业界公认最重要的量化 ML 书
- 必读指数:⭐⭐⭐⭐⭐
《Machine Learning for Asset Managers》
- 难度:中-高级
- 内容:资产配置中的 ML
- 特点:更偏资产管理视角
- 适合:组合管理者
《Machine Learning for Factor Investing》
- 难度:高级
- 内容:因子投资 + ML
- 特点:理论深入
- 适合:因子研究者
2.2 统计与时间序列
《Analysis of Financial Time Series》- Ruey S. Tsay
- 难度:高级
- 内容:金融时间序列分析
- 核心:ARIMA、GARCH、波动率建模
- 特点:统计学视角,数学较重
- 适合:有统计背景者
《Elements of Statistical Learning》- Hastie, Tibshirani, Friedman
- 难度:高级
- 内容:统计学习方法
- 特点:ML 圣经
- 适合:理论基础构建
三、策略专题
3.1 动量与趋势
《Following the Trend》- Andreas Clenow
- 难度:中级
- 内容:趋势跟随策略
- 特点:实操代码,期货视角
- 适合:趋势策略开发者
《Stocks on the Move》- Andreas Clenow
- 难度:中级
- 内容:动量策略在股票中的应用
- 特点:完整策略实现
- 适合:股票策略开发者
3.2 均值回归与套利
《Statistical Arbitrage》- Andrew Pole
- 难度:高级
- 内容:统计套利策略
- 特点:理论深入
- 适合:套利策略研究
《Pairs Trading》- Ganapathy Vidyamurthy
- 难度:中级
- 内容:配对交易策略
- 特点:协整分析详解
- 适合:配对交易开发
3.3 期权与波动率
《Option Volatility and Pricing》- Sheldon Natenberg
- 难度:中级
- 内容:期权定价与波动率
- 特点:期权交易员必读
- 适合:期权策略开发
《Volatility Trading》- Euan Sinclair
- 难度:中-高级
- 内容:波动率交易策略
- 特点:实战导向
- 适合:波动率交易者
四、执行与市场微观结构
《Algorithmic and High-Frequency Trading》- Cartea, Jaimungal, Penalva
- 难度:高级
- 内容:算法交易理论
- 特点:数学严谨
- 适合:执行算法研究
《Trading and Exchanges》- Larry Harris
- 难度:中级
- 内容:市场微观结构
- 特点:交易所运作详解
- 适合:理解市场机制
《Market Microstructure Theory》- Maureen O'Hara
- 难度:高级
- 内容:微观结构理论
- 特点:学术经典
- 适合:理论研究
五、强化学习
《Reinforcement Learning: An Introduction》- Sutton & Barto
- 难度:中-高级
- 内容:RL 基础理论
- 特点:RL 圣经,免费在线
- 适合:所有 RL 学习者
- 链接:http://incompleteideas.net/book/the-book.html
《Deep Reinforcement Learning Hands-On》- Maxim Lapan
- 难度:中级
- 内容:深度 RL 实践
- 特点:代码导向
- 适合:实践者
六、编程与工程
《Python for Finance》- Yves Hilpisch
- 难度:中级
- 内容:Python 金融编程
- 特点:全面实用
- 适合:Python 开发者
《Hands-On Machine Learning》- Aurélien Géron
- 难度:中级
- 内容:ML 实践指南
- 特点:Scikit-learn + TensorFlow
- 适合:ML 工程师
七、风险管理与资金管理
7.1 资金管理(重中之重)
Van K. Tharp 观点:资金管理的重要性在实战中占比至少 50%。策略再好,仓位管理不当也会爆仓。
《Trade Your Way to Financial Freedom》- Van K. Tharp
- 难度:中级
- 内容:完整的交易系统设计
- 核心章节:
- 头寸管理(Position Sizing):决定每笔交易投入多少
- 期望值(Expectancy):胜率 × 盈亏比的真正含义
- R 倍数(R-Multiple):用风险单位衡量收益
- 系统开发流程
- 特点:实战性极强,改变交易思维
- 必读指数:⭐⭐⭐⭐⭐
- 适合:所有交易者(比策略书更重要)
《The Definitive Guide to Position Sizing》- Van K. Tharp
- 难度:中-高级
- 内容:头寸管理的深度指南
- 核心:
- 固定比例法(Fixed Fractional)
- 固定比率法(Fixed Ratio)
- 凯利公式及其局限
- 风险平价(Risk Parity)
- 特点:资金管理专著,细节丰富
- 适合:已读完上一本的进阶读者
Van K. Tharp 核心公式:
期望值 = (胜率 × 平均盈利) - (败率 × 平均亏损)
R 倍数 = 实际盈亏 / 初始风险(止损距离)
仓位大小 = 账户风险比例 / 单笔交易风险
= (总资金 × 2%) / (入场价 - 止损价)为什么资金管理最重要:
- 策略胜率 60%,但仓位管理不当 → 亏损
- 策略胜率 40%,但仓位管理得当 → 盈利
- 关键不是"对多少次",而是"对的时候赚多少,错的时候亏多少"
7.2 组合管理
《Active Portfolio Management》- Grinold & Kahn
- 难度:高级
- 内容:主动投资组合管理
- 核心:信息比率、Alpha 分解
- 特点:机构投资者必读
《Quantitative Risk Management》- McNeil, Frey, Embrechts
- 难度:高级
- 内容:风险度量与管理
- 特点:理论严谨
- 适合:风险管理者
7.3 交易心理
《Trading in the Zone》- Mark Douglas
- 难度:入门-中级
- 内容:交易心理学
- 核心:概率思维、情绪控制
- 特点:心态建设必读
- 适合:所有交易者
《Market Wizards》系列 - Jack Schwager
- 难度:入门
- 内容:顶级交易员访谈
- 特点:了解真实交易世界
- 适合:找到适合自己的风格
八、推荐阅读顺序
初学者路径(6-12个月)
第1阶段(基础)
├── Random Walk Down Wall Street
├── Quantitative Trading (Chan)
└── Python for Finance
第2阶段(资金管理 - 最重要!)
├── Trade Your Way to Financial Freedom ⭐ (Van K. Tharp)
└── Trading in the Zone (Mark Douglas)
第3阶段(策略)
├── Following the Trend
├── Stocks on the Move
└── Algorithmic Trading (Chan)
第4阶段(进阶)
├── Advances in Financial Machine Learning ⭐
└── Analysis of Financial Time Series重要:很多人跳过第2阶段直接研究策略,这是最常见的错误。资金管理决定生死,策略只是锦上添花。
机器学习路径(3-6个月)
├── Elements of Statistical Learning
├── Hands-On Machine Learning
├── Advances in Financial Machine Learning ⭐
└── Reinforcement Learning (Sutton)高频/执行路径(6-12个月)
├── Trading and Exchanges
├── Market Microstructure Theory
└── Algorithmic and High-Frequency Trading九、在线资源
9.1 论文
- SSRN:https://www.ssrn.com(金融研究论文)
- arXiv q-fin:https://arxiv.org/list/q-fin/recent
- Journal of Portfolio Management
9.2 博客
- Quantocracy:量化博客聚合
- QuantStart:策略教程
- Ernie Chan's Blog:作者博客
9.3 课程
- Coursera - Machine Learning (Andrew Ng)
- Coursera - Financial Engineering and Risk Management
- DataCamp - Finance with Python
十、阅读建议
- 不要跳过基础:先读入门书,再读高级书
- 边读边练:每读完一章,写代码实现
- 重读经典:López de Prado 的书值得读多遍
- 保持怀疑:任何策略都可能过时
- 理论+实践:理论书和实操书交替阅读
核心原则:书只是起点,真正的学习来自实践。读完一本书后,能否用代码实现书中的内容,才是检验学习效果的标准。