金融市场的基础概念--建议

[JuliusCai]

建议:

1. 宏观经济学基础 以及 货币金融学基础和量化没有体现出任何关联性；建议删除; 经济学包括金融学，量化属于金融学，不需要去学习不在量化学内容中的东西，甚至不在金融学当中
2. 数理统计部分和量化相关性不够高，建议增加因子相关性分析IC, ICIR，回测指标介绍等等
3. 投资学基础也是，过于笼统没有体现和量化相关性
   另外最重要删除的原因：不要想着把大学一年学习的东西四天内容让别人都学会，尽量简化做到只保留最相关的

建议第一章和第二章合起来作为课程的prerequisite knowledge
抛开上述所有内容，如果我来设计:

1. 投资学基础:

• 量化概念，业界状况浅谈: AUM排名，主观与量化之争，量化是魔鬼还是天使
• 股票市场概念: IPO,退市，一次融资，再融资，除权除息，复权, ST板块
• 股票，期货，债券，期权，指数，基金(ETF, REIT)，外汇，可转债，
• 绩效分析：收益率，夏普率，最大回撤 ，索提诺比率，信息率
• 主动投资和被动投资，指增，选股，择时

2. 数理统计基础:

• 统计学相关假设检验
• 线性回归，相关性检验，
  *（可选） 机器学习基本概念(lasso, ridge, decision tree) 深度学习，
• 绩效分析指标，

3.规则介绍:

• Dutch auction, 了解 tick, order, trades概念，
• 蜡烛图，K线分时图含义，
• 日线数据含义，高开低收，成交量，成交额，换手率, 外盘，内盘，委比，
• SSE/SZSE相关：A股，B股，创业板，科创板，北交所，沪港通，深港通
• A股历史介绍

4. 数据字典介绍: （根据使用的api来）

• 市场有效性假说，反身性原则
• 数据种类:
  基本信息，日线，龙虎榜，融资融券，北向数据，资金流，订单流，ST,流通股本，停复牌，财务报表

另外，整体上用到了tushare, akshare, baoshare建议统一主要用其中一个，方便上手

[h-jumper]

请问有什么比较好的自学材料推荐吗？我也觉得在金融相关的知识太广了，很难把握重点。

[JuliusCai]

先分清楚是去pquant还是qquant, pquant更前台，qquant主要是风控
假设目前教程是pquant

基础:

• 统计（处理数据方法论），机器学习这些也是统计分支，这个就不推荐了，自己看感兴趣的chatgpt来写代码就好
• 金融 （规则和底层资产逻辑），很多赚钱的都不是金融出身，规则和逻辑懂就好， 途径：去交易所官网看规则
• 编程（工具数据处理）；panda, numpy, numba(数据量大加速), 多进程multiprocessing, matplotlib 途径：看其他数据分析的应该够

进阶:

• 策略(多因子，量化选股，量化择时，CTA，*期权, 跨期套利 等) overview
• 具体学习方式可以看一下
  例如
  1. 华泰期货多因子系列研报，华泰期货CTA系列研报，
  2. 151 Trading Strategies； 101 Formulaic Alphas

高阶:

• 对于单一方向进行探索尝试，构建自己策略;
• 如果是大的量化私募，都会选择高资金容量的多因子指增策略，内部会分为 因子组，模型组，就会研究更细

顶尖：

• 研究组合各种策略做成FOF, MOM

个人研究

• 数据建议akshare, ricequant等，数据质量对于策略来说非常重要，高频数据获取很麻烦细节很多，历史数据量几十T，个人很难获得高质量长历史的高频数据
• 个人投资者考虑mini-qmt 作为交易系统, 先从日频数据做起，

少数人是先有策略再做量化，量化只是将主观的东西给自动化，直接找个人合作写代码就可以了
多数人是没有策略，一般根据业界经验，follow主流策略框架，建议先打牢基础，再了解各种策略，最后选择一个方向去仔细钻研；
上述只是个人观点，如果following 其他大纲的话 CQF, AQF这种证书对应的知识体系应该是对口的，可以参考这些大佬们设计的体系
AQF: https://www.aqfi.org/uploadfile/loginfile/AQF%20Study%20Guide.pdf
最后一句，遇事不决大模型来写，