什么是量化交易？
量化交易是利用数学模型或算法来创建交易策略并进行交易。量化交易通常由大型机构交易员或对冲基金雇用，他们雇用大量的博士和工程师团队。从历史上看，量化交易领域一直非常隐秘，有效的想法往往受到公司的严密保护，但在过去几年中，公开可用的数据集和计算访问的增长，即（以 GPU 和云的形式）已经取得了进展。面向更多受众的量化交易。
量化交易概述
任何量化交易系统都包含以下步骤
- 识别/创建交易策略
- 回测策略
- 为您的策略设计执行设置/系统
- 管理风险
上述每个步骤都需要大量的研究和反复试验才能正确。
量化交易是一个复杂的领域，需要仔细和详细的研究才能成功。以下是 10 本书，可以帮助人们开始他们的量化之旅。
1. 量化交易：如何建立自己的算法交易业务，作者：Ernest Chan。
Ernest P. Chan 是一位屡获殊荣的量化对冲基金经理。他是 IBM 机器学习领域的研究员。他现在经营着自己的公司，并且是一位知名作家，为量化交易初学者撰写了多本书籍。您可以在这里找到他的博客。
上面的书涵盖了初学者的量化交易基础知识。本书的目的是介绍量化交易涉及的所有主要关注领域。它仅讨论基本和初学者策略。
2.机器交易：部署计算机算法来征服市场作者：Ernest Chan。
这本书也是欧内斯特·P·陈 (Ernest P. Chan) 的著作。这是一本 2017 年出版的稍微旧的书，但内容仍然相关。重点不是端到端的量化交易流程，而是介绍以下领域的策略：
- 使用因子模型
- 用于制定策略的人工智能
- 期权策略
- 时间序列分析
- 日内交易
3. 《寻找阿尔法：构建交易策略的定量方法》作者：Igor Tulchinsky。
这本书是一本经典之作，是任何认真探索进入量化交易领域的人的必读之书。伊戈尔·图尔钦斯基 (Igor Tulchinsky) 是 WorldQuant 的创始人兼首席执行官。WorldQuant 是最成功的量化对冲基金之一。本书的目的不是讨论策略，而是讨论寻找策略的过程。本书是关于“阿尔法”（这是交易策略的术语）研究以及您应该遵循哪些步骤和过程来提出新想法。本书的每一章均由 WorldQuant 的一位宽客撰写。
4.金融机器学习的进展 作者：Marcos Lopez de Prado
这本书的作者是被誉为“机器人大师”的马科斯·洛佩兹·德·普拉多。他目前是康奈尔大学工程学院的实践教授，在此之前，他曾担任 AQR Capital（一家大型对冲基金，专注于使用因子模型进行投资）的机器学习负责人。本书专门讨论了应用机器学习/人工智能创建交易策略的挑战和机遇。本书是第一本讨论在定量空间中应用 ML/AI 的所有细微差别和挑战的书籍之一，例如模型过度拟合、特征化和选择重要特征、回溯测试和评估模型。
5.资产管理者的机器学习作者：Marcos Lopez de Prado
这是马科斯·洛佩兹·德普拉多的另一本书。本书讨论了定量的 AI/ML 方法，更多地关注投资组合构建、特征选择和识别过度拟合模型。
6.主动投资组合管理的进展 作者：Richard Grinold、Ronald Kahn
这本书是一位在量化行业工作的朋友向我推荐的。本书的重点不是制定策略，而是投资组合管理。投资组合管理是将各种信号和策略组合成单个投资组合的过程，其目的是降低风险。本书讨论了构建投资组合、优化交易成本和最小化风险的方法。
7. 151 种交易策略作者：Zura Kakushadze、Juan Andres Serur
Zura Kakushadze 是一位量化金融研究员，此前也曾与 WorldQuant 合作过。这是作者最新出版的一本书。它是跨资产类别的各种策略的汇编，也是高级策略的来源。这不是一本专注于人工智能/机器学习的书，但其中许多策略可以重新构建以使用人工智能/机器学习。讨论的一些策略类型是
- 盈利策略
- 期权策略
- 波动策略
- 动量/均值回归策略
- 指数和外汇策略。
8.资产管理机器学习作者：Emmanuel Jurczenko
本书重点介绍机器学习在交易领域的应用。最初的内容是关于机器学习的介绍，重点关注量化交易相关概念。本书讲述了
- 创建多/空策略
- 使用新闻/情绪进行交易
- 使用机器学习预测回报
- 使用机器学习进行投资组合优化。
9.用于算法交易的 Python：从想法到云部署作者：Yves Hilpisch
本书更多地关注事物的工程方面。它简要提到了交易策略。它深入讨论了如何在 python 中实现所有必需的流程。讨论的主题是
- 处理金融数据集并用 python 读取它们
- 如何设置云实例和 docker 进行部署
- 如何使用 API 和数据库
- 如何使用 conda 和虚拟环境
10.用于算法交易的机器学习 作者：Stefan Jansen
本书采用实践方法。它涵盖的内容非常广泛。涵盖的一些重要主题是
- 使用随机森林/神经网络的多/空策略
- 使用新闻和 NLP 来增强策略
- 使用 CNN/RNN 等高级模型
- 探索强化学习如何用于交易策略。
除了上述内容之外，本书还讨论了使用技术指标、线性模型和 Zipline、Alphalens、pyfolio 等库来分析策略的结果。
除了上述书籍之外，另一本重要的书是理解许多策略的先决条件
期权、期货和其他衍生品作者：John Hull & S. Basu
约翰·赫尔（John Hull）关于期权和衍生品的书是理解衍生工具的经典介绍，没有这本书，任何宽客的图书馆都是不完整的。