编程/金融和概率/统计/建模/一点都不懂如何纯数PhD如何转Quant？
文 | Pippy
来源 | 知乎
授权【DreambigCareer】发布
我以前就是这样的：
常年生活在 ZFC（Zermelo-Fraenkelw/ Choice）里的人，偶然忽然跑了进去，同样平常都邑吓一跳，“哇靠，实际天下怎样这么费事”。是挺费事的；但实在吧，也没那末费事。
固然说“这些学科都不会”，但实在学起来应当很快很快，究竟根基常识都有了。
会了正轨逻辑的，编程和算法学起来很简略。
会了揣测论和实阐发，学几率和统计也很简略。
最重要的是，你的思想经过了数学的打磨，学甚么都异常快。
我觉得，对付纯数学出生的人，转做 Quant 的话绝对不缺进修能力，然则心态能够必要改正，尤其是像题主这类底本盘算一起学术走下去的。我指出我本身碰着的成绩吧，不知对题主能否实用，不是的话能够疏忽，是的话应当尽力改正。
起首，纯数门生和其余理工科有一点不太同样，那便是纯数学不停很自然地坐在小看链最上端，因而坐久了就不愿意上去了。许多ZFC住民在转行时都邑觉得，“我读过 Grothendieck 的 EGA，Connes 的 NCG，算得了cohomology，证得出 FLT，为甚么如今要读这类聪慧一点的中门生都能看懂的应用数学，还要用Matlab做这么简略的统计模子？！”成果，倒不是因为太难而学不会，而是因为觉得太简略了以是基本不想学。要晓得，这类心态一定是甚么都学不到的！固然，量化生意业务的理论常识不迭纯数学通俗，但若真的想要去赢利，哪能够是那末简略。
其次嘛，应当抓紧完整谨严的数学思想。许多曾经被其余人做好或许证实的器械，就不要本身再去做一遍了。就像咱们用电脑，不去过火纠结操纵系统和主机的结构同样。假如你在读一本书时，觉得面前一阵恶寒，“喂，作者这里的证实是要蒙混过关”，而后取出笔本身完整地证实了一遍
-
那末你的光阴就挥霍了。或许你必要用某个说话的工具包，然则觉得它像一个黑箱子，用的时刻都觉得本身在舞弊，因而本身动手把工具包的函数又写了一遍
-
那末你的光阴也挥霍了。不要为了常识和逻辑的完整性去挥霍光阴，那种工作能够等你财产自在今后再做。
说到底嘛，便是价值观必要改变。作为一个 Quant，焦点的目的便是要赢利！再说一遍，是赢利！便是赢利！
这里枚举一下必要去学的器械。不一定全，你今后也不一定全都用得上，我也不敢说我都学会了，然则充足指明一个进修的偏向。每一项上面都保举了一些课本，不外也能够本身抉择其余的进修渠道。（谢 @陈大烦人 指出，提示一下，上面大多数册本面向的是研究生以上的读者。纯数学PhD读的话应当无碍；然则初学者假如读起来发现有艰苦，应当先去看根基课本。）
编程的课本实在太多了。我觉得编程最好的进修方法便是随意找一份课本学会基本的语法，而后本身开端写，不会或不懂的处所间接上彀查，同样平常在 Stack Overflow 上都能找到很清楚的谜底。说话的话，我保举 Python，它的实用面很广，也是如今量化生意业务常用的说话。能够看 量化讲堂 – JoinQuant 的 Python 部门，这也是和量化生意业务联合比拟慎密的课本。
Security Analysis, Graham and Dodd.
Options, Futures and Other Derivatives, Hull.
Asset Pricing and Portfolio Choice Theory, Back.
Robust Portfolio Optimization and Management, Fabozzi, Kilm, Pachamanova, Focardi.
Weighing the Odds, Williams. （得当入门）
All of Statistics, Wasserman. （得当入门）
Theory of Statistics, Schervish.
揣测论是必必要学的，假如没学过的话，可见
An Introduction to Measure Theory, Tao.
Stochastic Calculus for Finance I, Shreve.
Stochastic Calculus for Finance II, Shreve.
Time Series: Theory and Methods, Brockwell and Davis.
Analysis of Financial Time Series, Tsay.
Econometrics, Hayashi.
Monte Carlo Methods in Financial Engineering, Glasserman.
Introduction to Linear Optimization, Bertsimas and Tsitsiklis.
Convex Optimization, Boyd and Vanderberghe.
Introduction to Algorithms, Cormen, Leiserson, Rivest, Stein.
An Introduction to Statistical Learning, James, Witten, Hastie, Tibshirani.
The Elements of Statistical Learning, Hastie, Tibshirani, Friedman.
假如题主在进修量化的时代找不到相干的工作或许练习的话，能够上量化投资平台，编写而后回测量化生意业务战略，能够获得一些理论体验，或许验证本身的一些思绪。固然，假如你的战略很胜利的话，能够间接本身停止投资。假如是在美股上停止回测的话，能够用 Quantopian。A股的话，那就用 JoinQuant聚宽。
我嘛。我末了在 JoinQuant 找到了工作。也迎接各路牛人送达简历，一起组建一个顶级的团队。
（以上发布均为题目，为保证客户隐私，源代码绝不外泄！！）
代写计算机编程类/金融/高数/论文/英文
本网站支持淘宝 支付宝 微信支付 paypal等等交易。如果不放心可以用淘宝或者Upwork交易！
E-mail:[email protected] 微信：BadGeniuscs 工作时间：无休息工作日-早上8点到凌晨3点
如果您用的手机请先保存二维码到手机里面，识别图中二维码。如果用电脑，直接掏出手机果断扫描。
