|
|
算法交易通常被认为是一个初学者难以掌握的复杂邻域。它包含的学科范围非常广泛，某些领域需要熟练掌握大量的数学和统计学知识。因此，初学者可能觉得这种这种学习过程非常难以接受。然而，在实际学习过程中，整体概念通常可以比较直接的把握，而细节概念则可以以一种循环往复地、持续断进行地方式去学习。
算法交易的一大优点是：由于许多证券经纪公司提供高度真实的模拟交易系统，从而量化交易员不需要以实际资金来测试其知识掌握程度。虽然交易员在使用这些系统都需要警惕一些潜在问题，但它们仍然提供了一个在没有资金风险的情况下加深自己对交易系统理解的测试环境。
针对初学者如何开始量化交易的问题，已经有很多书籍试图回答这个问题，其中一部分入门书籍很受欢迎。作为一个初学者，其首要任务是能够透彻的理解整个主题的全貌。一般来说，在读者理解了基某一领域的基本概念以后再引入数学讨论，更有利于读者的理解。按照这个标准，下面几本书籍值得推荐：
量化交易：这是最为流行的金融书籍之一。 作者提供了一个很好的使用MatLab或Excel建立个人定量交易系统的概述。他的讲解方式非常平易近人，给人的印象是任何人都可以建立自己的量化交易系统。虽然他跳过了很多细节（主要是为了简化某些复杂问题），这仍然一本非常好的量化交易导论性书籍。他讨论了阿尔法的生成（“交易模型”），风险管理，自动交易系统和某些交易策略（特别是动量策略和均值回归策略）。这本书是你学习量化交易时应该读的第一本书籍。
打开量化投资的黑箱：在这本书中，作者详细解释了专业量化对冲基金的运作方式。它的主要内容是关于一个正在考虑是否投资这样一个“黑盒子”聪明的投资者。尽管初看起来与个人交易者没有关系，但该书实际上包含了关于如何正确地建设量化交易系统的大量信息。例如，该书概述了交易成本和风险管理的重要性，以及在哪里寻找更多的信息。个人交易者通过这本书可以很好地理解这一点，并且能够了解专业人士是如何进行交易的。
Algorithmic Trading & DMA：在金融业中，算法交易一词通常是指银行用来执行有效交易的执行算法。这本书与此密切相关，作者是Barry Johnson，Barry Johnson是一家投资银行的定量软件开发人员。这是否意味着它对个人交易者没有用？一点也不。对交易所如何运行以及市场微观结构的深入的理解可以很大地提升交易策略的盈利能力。尽管这本书是一本大部头，它仍然值得你阅读。
一旦掌握了基本概念，就有必要开始制定交易策略。这通常被称为交易系统的alpha模型组件。如今很容易找到一些策略，然而真正有价值的工作在于通过广泛的研究和回测来确定自己的交易参数。以下书籍讨论某些类型的交易和执行系统以及如何实施它们：
Algorithmic Trading: Winning Strategies and Their Rationale：这Ernest Chan的第二本书。在第一本书中，他没有讨论某些动量，均值回归和高频策略。本书深入讨论了这些策略并提供了重要的实现细节，虽然这本书在数学上比第一本书更复杂（例如涉及了卡尔曼滤波，时间序列平稳性/协整，CADF等）。这本书再次广泛使用了MatLab，但是对于那些有编程经验的人，这些Matlab代码可以很容易地修改为C++，Python/pandas或R语言。由于自第一本书出版后，市场环境已经发生很大变化，这本书因此还提供了一些最新的市场行为信息。
Trading and Exchanges: Market Microstructure for Practitioners: 本书主要专注市场微观结构，即使在量化交易的初始阶段，这也是一个需要了解的关键领域。市场微观结构是关于市场参与者如何互动以及order book动态变化的科学。它与交易所如何运行以及交易发生时实际发生的情况息息相关。这本书主要不是关注交易策略本身，而是关于在设计执行系统时需要注意的关键问题。许多量化金融的专业人士认为这是一本优秀的书。 |
-
|
