量化交易是一个非常复杂但是也非常有趣的量化金融领域，只要善加利用，就可以最大限度的为交易者提供帮助。虽然想要成为一名专业的量化交易员需要多种技能以及大量的基础研究，但如果只是进行一些初步的学习和了解，以求可以理解职业分析师的交易策略，则要容易的多。从本文开始，会陆续进行一些量化相关书籍与资源的推荐，当然，对于想要自学量化，建立自己的算法交易策略的投资者，这些书籍也可以作为基础教材来进行阅读学习。

首先需要了解的是，金融计量经济学是现代量化交易不可或缺的组成部分。因此，如果想要有一天成为一名数量的量化交易者，就必须对计量经济学进行广泛的了解。

1.    《Probability and RandomProcesses》第三版

该书由Geoffrey R. Grimmett 和David Stirzaker所著，有相对应的中文译本。这是一本典型的概率文本，针对于完全没有概率和条件方面基础的初学者。虽然初学者乍看之下很容易被其中包含的繁复的公式推导吓跑，但是只要耐心阅读后就会发现，作者之所以将过程写的如此繁复，正是为了便于初学者理解，因此，实际上是一本十分好懂的入门级科普教程。如果是有一定概率和统计学基础的交易者，建议可以直接跳过该书，直接从下列书籍中挑出一本来进行阅读。

2.    《Outline of Probabilityand Statistics》第四版

本书由Spiegal, Schiller 和 Srinivasan所著，对于提高概率学和统计学的知识非常有用。

该书的第一部分从基本概率，随机变量，概率分布，期望和相关性开始，以特殊概率分布的实际问题结束。在衍生工具定价、风险管理和定量交易中的量化金融中，这些分布随处可见。对于想要认真学习统计学的交易者来说，是一本非常全面的教材。虽然存在一些印刷错误，但总体来说瑕不掩瑜。

3.    Schaum的《Outline of Statistics and Econometrics》第二版

由Salvatore 和Reagle撰写，是一本写作风格独特，并包含了数百个极为出色的实例的书籍。不过，此书最妙的地方在于，它是一本能够对统计学和计量经济学起到承上启下作用的书籍。该书的前五章在涉及了统计学、估计和假设检验之后，逐渐转向适用用于计量经济学的统计方法，是量化学习者们学习量化交易进程中不可绕过的一本著作，也是计量经济学家工具箱中必不可少的工具。

计量经济学入门

上述的书籍是为了完全没有概率和统计学基础的初学者而推荐的。对于已经掌握了基本的概率、统计方法和时间序列概念的进阶学习者，接下来的推荐则更为适用。下列推荐的是建立经济学模型的基础，以及如何将其应用于大数据集的书籍，例如，由金融市场定价数据产生的数据集。这是定量交易者的主要领域。

下列书单中，只需根据自身情况任意选择一本学习即可，无需全部进行阅读。

4.    《IntroductoryEconometrics For Finance》第二版

这是我非常推荐的一本计量经济学入门书，该书由Chris Brooks所著，强烈建议任何一位潜在的量化交易者使用。本书从大量有关线性回归的章节开始，附有许多与金融市场有关的示例，这些示例非常适用于定量金融工作。

线性回归章节从简单线性回归讲到多元回归，之后讨论了此类模型假设的重要性。在之后的章节中还重点介绍了时间序列分析，其中包括ARMA和VAR模型，也包含有许多与量化金融相关的例子。

第7章讨论了长期的关系，并花一定篇幅思考了协整，这是用于均值回归算法交易策略的有用工具。第8章提供了对模型波动性的初步了解，其中包括对著名的广义自回归条件异方差（GARCH）模型的广泛讨论。本书还花一个章节介绍了蒙特卡洛技术。

这本书被许多高校列入金融专业学生的必读书单，是正统的计量经济学入门教材。

5.    《A Guide to Econometrics》第六版

本书由Peter Kennedy撰写。该书与上一本计量经济学文本的不同在于，它对计量经济学的关注要少得多。作者花费大量篇幅讨论何时可能违反某些模型的假设。这其实是非常有用的，因为在假设实际上不成立的情况下，很容易需要应用某种技术。

这是一本不是特别着重于数学的书，它的主要优势在于，它清楚的阐明了复杂的计量经济学思想，并提供了使用特定模型的理由，而其它更高级的书籍则往往会忽略这些问题。对于并不打算自己创建算法交易策略的交易者，或许这本书的可读性较之Books那本要更高一些。

以上五本就是这次“量化学习书籍推荐”的全部书籍，之后会不定期逐步进行更多的量化交易文本或学习资源推荐，对量化感兴趣的爱好者可以将其作为学习了解量化交易的参考。

踢马河：RaTiO Fintech合伙人，曾任某券商自营操盘手，十余年海外对冲基金和国内大型投资机构基金经理，资深交易建模专家，币圈大咖。

请尊重原创！转载请注明出处。