如何提升自己的量化技能
互联网是一个美妙的地方，拥有大量关于如何发展和磨练你的交易能力的资源。但是，有这么多的帮助，你从哪里开始？你进展如何？新手尝试交易需要哪些知识，您应该使用哪些技能来补充您的初学者学习知识以使您的交易更上一层楼？
在海量信息让您绝望之前，我们试图为您提供一个粗略的指南，其中包含指向在线资源的链接，以帮助您开始成为明星交易者的道路。您可能会发现您已经精通其中一些技能，而其他技能可能需要更认真的工作。
成功掌握量化交易的关键是正确计算数学并以 Python/R 等统计编程语言的功能知识为后盾。然后开始将这些技能应用到一些简单的交易策略中。如果您能在此过程中掌握一些数据科学技能，那就更好了！
所以让我们开始吧（这些主题是按照你应该如何建立你的技能的顺序列出的，但是太多的相同总是很无聊。为了让事情变得有趣，你可以尝试同时做几件事） ：
1. 数理统计：
我不能强调这是多么重要。统计是量化交易的基础，大部分工作是正确计算数据。我们为您准备了一个基本的数学复习系列：
如果这激起了您的兴趣，您可以继续阅读我们关于基本时间序列分析的教程。 对于那些仍然喜欢从教科书中学习的人来说，Sheldon Ross 的 Probability Models 简介是概率和统计简介的公认标准，并且是我需要快速修订的任何时候的首选。
2. 编程：
建议您了解 Python 或 R 等统计编程语言的功能知识。我们的工具箱是用 Python 构建的，因此我们在下面列出了一些有用的资源：
- Code Mentor 有一个快速入门备忘单 ，Data Camp 有一个新手 Python 入门课程 course.
- 我们的工具箱广泛使用 Pandas.，这是一个 cheat sheet 和一个 快速教程.
- 有关更详细的说明，请查看 learnpython.org
- 如果您几乎没有编程经验并且正在寻找综合课程， Code Academy 可以提供很好的服务。
- DataQuest 是一个很棒的平台，我经常用它来快速进行数据操作。
3. 简单的交易策略
一旦你建立了你的编程和数学技能，就该开始真正的工作了。我们提供了一个 初学者工具箱，让您了解使用财务数据的方式。
- 查看 我们关于初学者交易策略的系列(使用 iPython Notebooks) ，讨论模型选择、均值回归、动量交易和其他简单策略
- Quantstart 有一个手册关于 均值回归策略 的手册
- 101 Formulaic Alpha 为您提供灵感
- 这是另一个具有 基本到高级策略
4. ML——新工具（好吧，也许不是那么新）
机器学习如今风靡一时。它确实值得被炒作。因此，如果您想成为摇滚明星 Quant，最好在您的工具包中加入一些这些很酷的工具。
- Scikit 是开始使用 ML 的最佳 python 包。如需教程，请查看 Data Camp 的 教程.
- 在 此处 查找快速 ML 教程，在 此处 查找速成课程.
- Build Better Strategies 提供了有关如何从头开始开发基于 ML 的交易策略的快速教程。
- David Aronson’s experiments 用机器学习进行金融预测的实验也很值得一读。
5. 成功的回测和指标
制定盈利策略不仅仅是找到一个惊人的想法或新信号，您的策略需要在投入生产之前进行严格的测试、优化和验证。我们有一些资源可以讨论回测最佳实践以及如何评估交易策略。
6. 其他阅读
上述资源将帮助您开始该过程，然后您有责任继续补充您的技能和知识。
