给计算机背景读者的金融与量化入门书

从金融零基础到量化研究者

一本写给计算机背景金融小白的路线书。沿着“真实财富 → 金融权利 → 市场价格与数据 → 研究假设 → 回测验证 → 组合交易 → 项目复盘”,一步步走到可信的量化研究。

内容借鉴《小岛经济学》的生产和信用直觉,以及《漫步华尔街》的市场有效性和指数投资思想; 文字为原创整理,不复写原书章节。

在线版: finance-to-quant.pages.dev · 源码: GitHub · PDF: Releases

建议先看路线,再进目录

整本书只走一条主线

先理解金融为什么存在,再认识资产、市场与宏观;随后把金融问题变成可验证研究,最后让策略穿过产品、项目和人的边界。专题篇可以跳过,附录按需查阅。

共 58 章

全书目录

主线部分建议顺序阅读。每一章只回答一个核心问题;多单元章会在章内明确分层。

主线一

第一部分 · 金融为什么存在

真实财富有限,为什么人类还需要货币、信用、银行和市场?

读完后,你能沿着资源、时间和风险解释金融系统,不再把金融理解成一堆产品名词。

主线二

第二部分 · 资产如何承载现金流与风险

股票、债券和衍生品为什么有价值,它们把什么权利和风险交给了你?

读完后,你能先拆现金流、权利、期限和最坏情况,再讨论价格涨跌。

主线三

第三部分 · 市场如何形成价格与数据

一项金融权利怎样上市、成交、留下数据,又该怎样评价它的收益和风险?

读完后,你能把交易界面上的数字还原为制度、现金流和可研究的数据口径。

主线四

第四部分 · 宏观环境如何改变资产

增长、通胀、央行、美元和金融危机怎样穿过市场,改变资产的现金流与折现率?

读完后,你能把宏观新闻放回传导链,而不是用一个大词解释所有涨跌。

第 20 章 国家为什么有穷有富: 从起飞到中等收入陷阱 把国家当一家公司读:增长的三个阶段、出口与进口替代两条路线、刘易斯拐点、全要素生产率、资源诅咒、日本化和人口红利,最后是投资视角怎么用。 第 21 章 宏观数据和多资产: 利率、通胀、汇率和商品如何连起来 讲清宏观指标的发布时间、利率曲线、通胀、汇率、商品和多资产配置的量化用法。 第 22 章 央行、利率与汇率: 全球资金的水龙头 货币政策三件套、QE 与 QT、收益率曲线倒挂、实际利率、利率平价、汇率制度坐标、特里芬两难、不可能三角、央行沟通,到一套从央行日历出发的宏观研究工作流。 第 23 章 世界经济形势: 美元、黄金和全球资金流 讲清美元体系、美元指数、美元潮汐、黄金的定价逻辑、央行囤金和去美元化,给你一个读世界形势的仪表盘。 第 24 章 危机四百年: 从郁金香到硅谷银行 把过去四百年最惨烈的十二场崩盘并排放在一起读:郁金香、南海、大萧条、1987、日本、亚洲金融风暴、互联网泡沫、2008、欧债、2015 年的 A 股、2020 与 2022、2023 硅谷银行与瑞信——每一次都由不同的故事开场,退场姿势却惊人一致。 第 25 章 影子银行: 银行不在银行里 把余额宝、银行理财、信托通道、P2P、回购市场串到一张图上:什么叫影子银行,错配怎么赚钱,挤兑怎么发生, 2008 年和硅谷银行怎么炸,以及监管为什么永远追着影子跑。
专题选读

专题篇 · 个人金融的安全底盘

在研究收益之前,个人怎样先守住不能承受的风险?

这一篇不阻塞量化主线;它把保险、社保、养老金和家庭配置放回个人现金流。

主线五

第五部分 · 量化研究如何产生可信结论

一个金融判断怎样变成可证伪假设,再经过数据、回测、模型和实盘约束?

读完后,你能从问题出发完成研究闭环,而不是先找模型、再给结果编故事。

第 28 章 从问题到因子: 把投资判断变成可检验假设 解释量化里常说的因子、信号、暴露、IC、分层回测和因子失效。 第 29 章 数据、标签和样本切分: 量化模型从哪里学 讲清行情、财务、另类数据、标签定义、点时数据和训练验证切分。 第 30 章 回测: 在历史里排练,但不要把历史当答案 讲清事件驱动、调仓、成交假设、交易成本、滑点、容量和回测陷阱。 第 31 章 量化里的机器学习: 模型不是越复杂越好 从线性模型、树模型、深度学习和金融噪声讲清模型在量化中的位置。 第 32 章 从预测到仓位: 组合优化和风险模型 解释为什么量化模型输出分数后,还要经过风险约束、成本模型和组合优化。 第 33 章 交易执行和实盘系统: 策略如何真的下到市场里 讲清订单生命周期、执行算法、拒单、部分成交、撤单、风控和盘后对账。 第 34 章 风险控制和组合监控: 什么时候该减仓、停用和复盘 讲清暴露、集中度、VaR、压力测试、止损、模型失效和风险监控。 第 35 章 一个量化项目的代码骨架: 从数据到报告怎么组织 用工程视角讲清数据层、因子层、回测层、模型层、报告层和配置管理。 第 36 章 识别回测幻觉: 错误清单与拆解案例 系统识别未来函数、幸存者偏差、成本低估、容量忽略和参数挑选,并拆穿一条漂亮曲线。 第 37 章 审查量化研究: 从论文到回测报告 用同一套问题检查研报、论文和回测报告里的假设、数据、基准、成本、风险与样本外。
主线六

第六部分 · 策略如何变成产品

不同量化策略赚的是什么钱,承担什么风险,最终怎样装进受约束的产品?

读完后,你能按收益来源和风险结构比较策略,而不是只按历史年化排名。

主线七

第七部分 · 把研究变成可运行项目

怎样让研究穿过代码、模拟盘、真实订单和人的情绪,仍然保持可信?

读完后,你会完成两类实战,并知道何时推进、何时停手、怎样复盘。

主线八

第八部分 · 职业、复盘与长期成长

做完第一个项目以后,怎样选择岗位、建设作品集并形成长期学习循环?

读完后,你会把全书收束成一条个人路线,而不是停在零散知识和一次性项目。

工具箱

附录 · 随时回来查

哪些内容不必顺序阅读,但研究前值得反复核对?

术语、公式和最终检查表集中在这里,不再打断正文的收束。

关于本书

这本书写给和我一样计算机背景、对金融和量化好奇却不知从何下手的人。它不假设你懂任何金融知识, 从"钱到底是什么"这种最朴素的问题讲起,用小岛经济学式的直觉、真实历史案例(郁金香狂热、南海泡沫、 雷曼、长期资本管理公司、西蒙斯、骑士资本)和手绘概念图,一步步走到量化研究的因子、回测、机器学习、 组合优化、交易执行和风控。

全书 58 章,正文全部手写,配 196 张解释概念的手绘 SVG 图。内容尽量做到通俗又不失专业, 但金融和量化涉及真实资金与风险,书中所有案例、数字和结论仅用于学习,不构成任何投资建议。 行业、机构和监管信息会随时间变化,实盘和引用前请以交易所、证监会、协会、券商和数据服务商的最新原文为准。

作者 @chenxuan520 · 源码与勘误见 GitHub 仓库 · 以 MIT License 开源