干货整理|成为量化分析师的入门书单

交易知识就在 ——?ALPHA ZONE-HOME ，由自营交易室机构交易员主导，理论结合实践,助力金融知识变现！

我们已经探讨过通过自学以成为一名量化开发人员的相关知识，而本文将研究如何制定一个成为量化分析师或金融工程师的自学计划。

量化分析师和金融工程师花费大量时间确定衍生品的公允价格。这会涉及一些包括概率论，测度论，随机演算和偏微分方程在内的深层的数学理论。因此，要成为量化分析师，必须具有强大的数学背景，通常具备数学，物理学或工程学的本科学位。

自学成为量化分析师并不是一件容易的事。根据您的背景，能力与投入的时间，可能会需要六个月到两年的时间来熟悉必要的材料，然后才能申请量化领域的职位。但回报也是值得的。极富挑战性的智力环境以及极具吸引力的薪酬将会为此提供了强大的动力。

数学基础

如今可以获得大量有关学习金融工程的文献，在本文中，我想提供更多更具体的细节，因为这是一个学习计划，而不仅仅是一份阅读清单！

1. 对于那些不熟悉金融市场或其中的衍生产品的人，John Hull的《期权、期货和其他衍生产品》（“Options,Futures,and Other Derivatives”）是最好的起点。它并未高度集中于数学处理，而是聚焦在不同的市场和产品上，例如期货、期权、互换和其他利率衍生产品。

建议在阅读本书所有章节的同时，也辅助阅读更多的数学文献，以使自己更好地熟悉有关期货市场，期权市场，二叉树法，维纳过程和布莱克-舒尔斯-默顿（BSM）模型的章节，之后还可以阅读有关“希腊字母”（“Greeks”）和波动性的文章。这是一本不错的，可在就寝与通勤时间阅读的书籍，但是需要阅读更多面向数学的知识文献,才能帮助您真正掌握期权定价材料。

2. 接下来是Mark Joshi的《数学金融的概念和实践》（“The Concepts and Practice of Mathematical Finance”），这本书面向大三数理统计的水平。您将需要阅读并完全理解第1-7章的内容，其中关于风险中立性的第六章，可能是现阶段最具挑战性的部分。在此之后，您将很好地了解期权的定价理论和实践。第8-12章则集中介绍了奇异期权或提前行权期权的选择。

作为一名量化交易员，您也需要熟知这些概念，因为它们可以帮助您洞悉第1-7章的理论如何应用。而本书的其余部分将聚焦于利率衍生产品以及资产价格路径的更高级模型。而在开始这些章节的学习之前，我建议您应该充分掌握相关的基础知识。

3. 下一本书是Martin Baxter和Andrew Rennie）的著作——《金融微积分：衍生品的定价入门》，这本书可以与前文提到的书籍同时阅读。它在第三章特别涵盖了风险中性定价的内容，而其余部分则集中探讨利率和更高级的模型上。

这里需要再次强调——您一定要确保自己已经非常熟悉基本知识，尤其是布莱克-舒尔斯模型（Black-Scholes model），不同类型的期权和定价技术以及实用定价方法，比如蒙特卡罗方法(Monte Carlo)，并且应该掌握其具体的工作原理。

我认为这些书已足以使您比较好地理解期权定价的内容。而如果有志成为一名固收的量化交易员，那么显然，您需要非常熟悉利率衍生工具及其模型，例如Heath-Jarrow-Morton（HJM）和Hull-White模型。

如果您真的想成为一名基础数学的专家，比如说要成为一名顶尖的金融工程硕士或金融数学博士，那么您就需要在随机微积分等领域上钻研获得更深层次的数学知识。Steven Shreve曾撰写了一套两卷集，涵盖了离散（《金融随机算术I：二项式资产定价模型》）（“Stochastic Calculus for Finance I: The Binomial Asset Pricing Model”）和连续（金融随机算术II：连续时间模型）（“Stochastic Calculus for Finance II: Continuous-Time Models”）案例。

这些书涉及面很广，并且在学习时间有限的情况下，您可能会发现它们对前端量化交易员的工作面试而言显得过于深刻且具体。

如果您还想研究更多金融数学领域的书籍，可以查看有关金融数学的量化金融阅读清单部分。

研究准备

对于某些人来说，可能他们的目标并不是想在金融行业找到工作——可能是希望从事关于某些主题的研究，无论是博士还是博士后，都可能需要金融相关的知识。下列书籍将会使您对期权/衍生品的定价有更深的了解，并能够帮助您更加专注于特定主题领域，例如固定收益或信用衍生品。

几乎可以肯定的是，在投身于某项工作之前，您会知道大概的研究领域。针对这种情况，我将会提供一些有助于您充分了解特定领域的书籍。通过它们，您将能了解更多信息。

如果您只是对行业内量化金融领域的职业转变感兴趣，或者只是担任入门级职位，那么可以随时跳过此部分，并浏览下文的编程技巧。

高等数理金融学

高等数理金融学可以被归结为学习更多的随机演算和风险中性定价，而这些都是被广泛研究的数学领域。以下书籍将会使您更深层次地了解什么是量化金融。

1.Mark Joshi最近的《关于更多金融数学》（“More Mathematical Finance”）本质上是他另一本书的延续。本书的开头部分聚焦于信用衍生品的理论知识和实际定价，在这之后则更深入地讨论了蒙特卡洛（Monte Carlo）以及其他定价方法。如果您的研究领域可能要求知识的实际运用，那么掌握这本书是一个很好的选择。

2.如果您要更深入地研究随机演算，Karatzas和Shreve的《布朗运动和随机演算》（“Brownian Motion and Stochastic”）以及Oksendal的《随机微分方程》（“Stochastic Differential Equations”）都深入钻研了各自的领域，可以说任何开始研究随机分析的人都必须阅读它们。

主题（固定收益/信用）

如果您的研究领域更加聚焦于特定产品——特别是在固定收益和信固定信用领域——那么以下书籍会引起您的兴趣。

1.对于利率和期限结构的建模，Brigo的《利率模型-理论与实践》(“Interest Rate Models-Theory and Practice”）将为您开始阅读Filipovic的《期限结构模型》（“Term-Structure Models”）打下必要的基础。

2.如果您的研究领域是针对信用风险的，那么推荐这两篇文章《信用风险定价模型和建模》（“Credit Risk Pricing Models”），《定价以及对冲交易对手信用风险》（“Modelling,Pricing,and Hedging Counterparty Credit Exposure”）

很不幸，在本文中，我无法对金融工程领域中所有非常有趣的研究领域都一视同仁，因此，我将于此止步！

编程技巧

尽管您不需要像量化开发人员那样具备广泛的编程知识基础，但您仍然需要具备扎实的面向对象的编程技能，特别像使用C ++之类的语言。

作为金融工程师，您将花费大约50％的时间来编程和实现模型。因此，您将需要熟悉C ++（或C＃/ Java）语法，其陷阱以及“最优方法”。您还将需要精通数学算法并创建可增强其稳定性，复现和最优的面向对象的实现。除非您真正开始实施模型，否则这些都是很难学习的技能。

但是，在讨论数值算法之前，我们将讨论如何学习面向对象的语言（例如C ++），以达到在量化工作中表现出色（并通过面试！）的程度。

1.与量化开发一样，开始学习C ++的最佳方法是阅读诸如Andrew Koenig的《速成C++》（“Accekerated C++”）之类的文章。如果您以前曾有过编程经验，这本书将帮助您从头开始学习例如内存管理，指针/引用以及面向对象的方法（例如运算符重载，继承和多态）的C ++特定主题。还将介绍标准模板库（STL）的知识。

2.我一直在推荐一本书，它是Scott Meyers的《有效的C++》(“Effective C ++”)。这本书几乎可以说是当今量化分析师面试的必备条件，因为其中包含许多“陷阱”，可以轻松地看出您是否一直在使用这种语言！一定在面试之前将这本书从头到尾阅读两次！

3.阅读完以上两本书籍后，我建议您看一看我自己的C ++书，《量化金融的C ++》。其中，我将介绍一些更高级的C ++功能，以及在了解一些设计模式的情况下，如何运用这些功能来应对那些量化分析人员将要面对的问题的相关知识。该书着重于深入实现，而非广泛的理论，且将为您提供大量有助于量化面试的内容。

数值方法

我必须承认，数值方法是我在金融工程领域最喜欢的部分，除此之外，它们也可能是最重要的部分。虽然扎实掌握数学和随机演算是必不可少的，但如果您无法将这些知识应用于衍生产品的实际定价，则意义不大。

通常，作为计算/数值博士课程的一部分，人们应接受博士等级或研究所的科学计算教育。而对于那些并没有数值方法背景的人（很可能是由于变更职业）而言，学习相关材料似乎是一项非常艰巨的任务。

最好的入门方法是如上面“编程技巧”中所述，学习例如C ++的快速语言，然后聚精会神地读完以下列表中的书。

1. 虽然微积分和线性代数是本科数学教育的主要内容，但数值线性代数（NLA）却不是该课程的核心。这是对求解矩阵方程（类型为Ax=b）的算法的研究以及围绕它们的优化，也是量化金融领域中极为重要的部分，对于金融工程和量化交易而言都是如此。尽管您不必完全熟悉每种NLA算法，但对Lloyd Trefethen的《数值线性代数》（“Numerical Linear Algebra”）的认真通读将会为您打下扎实的基础。

另一本开创性的书是《数值诀窍：科学计算的艺术》（“Numerical Recipes:The Art of Scientific Computing”），其中包含当今使用的许多算法，包括蒙特卡洛技术，NLA技术和快速傅立叶变换。实施这些方法（本书使用C ++）将帮助您理解科学计算的过程，并为您提供面试时要讨论的主题。

2.?蒙特卡洛方法是当今金融工程中使用最广泛的定价工具。尽管面试官可能并不指望您在面试时就了解随机数生成的详细信息，但您最好还是在入职之前吸收它们，因为无论如何您都需要了解这些知识！入门蒙特卡洛方法最佳的选择是Mark Joshi的《C ++设计模式和衍生产品定价》（“ C++ Design Patterns and Derivatives Pricing”）。

这本书将从一个简单的随机数生成器开始，然后进展到为基本选项定价，一直到介绍利率模型和有用的设计模式，其涵盖的范围与我自己的电子书《有关量化金融的C++》（“C++ for Quantitative Finance”）相似。一旦您充分吸收了Joshi书中的量化实现知识，就可以（可自由选择）阅读Paul Glasserman的《金融工程中的蒙特卡洛方法》（“Monte Carlo Methods in Financial Engineering”）来更深层次地了解蒙特卡洛技术。

3.有限差分方法（FDM）虽然在几年前很流行，但现在的它并不像以前那么重要了。Daniel Duffy的《使用C ++进行金融工具定价》（“Financial Instrument Pricing Using C++”）就很好地介绍了如何使用FDM对金融衍生工具进行定价，并详细介绍了如何在金融应用程序中使用STL。如果您知道自己将要应用FDM处理事务，这本书就值得您认真研究。

尽管以上的内容似乎很多，但您也可以通过避免许多与自己不相关的算法来对文章进行分与选择性地学习。专注于NLA，Monte Carlo和（也许）一些有限差分方法，因为它们是最先进的技术。请记住，只有通过实际实施这些模型才能真正意义上获得经验，所以应该确保自己编写尽可能多的程序，以真正掌握这些材料。

面试准备和最后的一些想法

在面试之前，您最好保证自己已经通读了该文章中介绍的五本书，并详细了解了其中载录的无数脑筋急转弯，它们都是在面试环境中使候选人承受压力的极为普遍的策略。

通过大量学习介绍过的内容，做到在C ++中量化模型的广泛实现以及详细了解上述文章中的面试可能提出的问题，您将会有很大的机会获得顶级公司中的量化职位。

请注意如今寻找量化职位（特别是入门级职位）比平时要艰难，投行的面试可能将会非常具有挑战性。因此，在提出求职申请之前，您必须认真学习，实现模型并充分了解基础知识，这一点非常重要。

我们是由机构交易员，分析师与金融、交易爱好者组成的交易组织。

想学习，想提升系统交易能力，培养个人财经素养，ALPHA交易社区欢迎你。

想认识更多机构交易员，千万资金操盘手，或者链接更多资源的朋友，欢迎关注我们！

查看更多

—-

编译者/作者：sky110

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。