凤台 从算法交易到高频交易,不可不读的五本书


凤台 从算法交易到高频交易,不可不读的五本书
文章图片

凤台 从算法交易到高频交易,不可不读的五本书
文章图片

凤台 从算法交易到高频交易,不可不读的五本书
文章图片

凤台 从算法交易到高频交易,不可不读的五本书


.

算法交易是一个极其复杂的领域 , 涉及学科众多 , 对于数学及统计学都有很高要求 , 对于初学者来说 , 难以入门往往会带来深深的挫败感 。 但事实上 , 整体概念上还是比较直接易懂的 , 但细节方面则需要迭代渐进式的学习才能掌握 。
而算法交易之美在于 , 并不是只有在实盘操作中才能测试你的策略 , 许多经纪商都提供了真实市场数据的模拟盘系统 。 这些系统说明详尽 , 可以帮助你针对算法交易进行更为深入的学习 , 而不用担心为了学习赔了钱 。
目前我被问到最多的问题是“怎么才能真正入门量化交易呢?” 。 我之前已经写了一篇博客(如何成为一名量化交易员?——初学者必备概念)探讨这个问题 , 但远远不能覆盖所有 , 所以这篇文章为大家推荐几本经典的入门书 。
初学者的首要任务在于要构建一个牢固的整体框架 。 既覆盖所有的基础 , 但又不涉及过于繁杂的数学讨论 , 在一本书里兼顾这两点还是挺难做到的 , 基于这个原则 , 我给大家推荐以下几本书:
1
《量化交易:自己动手做算法交易》
英文名:Quantitative Trading: How to Build Your Own Algorithmic Trading Business
作者:Ernest Chan
这是我个人最爱的金融书籍 。 作者对于个人投资者建立量化投资交易系统(使用MATLAB及Excel)的过程做了很好的阐述 , 使得量化交易变得如此的平易近人 , 并在书中不断地鼓励大家成为一名量化交易员其实是人人都可以做到 。 虽然为了保证书籍整体的简单易懂 , 有一些细节有所省略 , 但的确是本非常好的入门书籍 , 书中讨论了如何创造alpha收益(模型) , 风险管理 , 自动化指令执行系统及一些策略(主要是惯性及均值回归策略) 。
2
《黑盒子:量化交易精要》
英文名:Inside the Black Box: The Simple Truth About Quantitative Trading
作者:Rishi K. Narang
本书详细介绍了量化投资基金的运作过程 , 为精明好学的投资者解释了他们能否利用量化投资基金这个“黑盒子”进行投资 。 尽管书中完全没有涉及个人投资者相关内容 , 但包含了大量量化交易系统该如何构建的内容 。 交易成本和风险管理的重要性都被提及 , 并为读者指出了进一步学习的路线 。 个人算法交易者可以从此书中了解学习到专业机构投资者是如何进行算法交易的 。
3
《算法交易与直接市场接入:直接市场接入交易策略》
英文名:Algorithmic Trading and DMA: An introduction to direct access trading strategies
作者:Barry Johnson
金融行业里一提到算法交易这个词 , 大家首先想到的往往是机构投资者用来高效执行交易指令的算法 , 但其实这个词不仅仅涉及交易层面 , 还有如何量化及系统实现的内容 。 这本书主要是还是关于交易层面 , 作者是投行的一名资深量化开发者 , 那这本书对于个人投资者就毫无意义了么?当然不是 , 通过本书可以深入地理解交易所如何运作及市场的微观结构 , 对于提升个人投资者策略水平也会有极大的帮助 。 最后友情提示 , 这本书是本大块头 : )
当基本概念打牢后 , 就可以开始着手开发一个交易策略了 , 交易系统中称之为alpha模型 。 策略可以通过各种途径获得 , 但其能否真正实现价值 , 还需要不断的研究与回测来逐步打磨 。 下面两本书中介绍了一些不同类型的交易系统与指令执行系统 , 也包含了部分实现细节 。
4
《算法交易:制胜策略及其原理》
英文名:Algorithmic Trading: Winning Strategies and Their Rationale
作者:Ernest Chan
Ernest Chan系列的第二本 , 第一本书中没有提及惯性、均值回归与高频策略 , 而这本里则对这几个策略进行了详细的讨论 , 并提供了部分实现细节 , 本书对于数学有一定要求(涉及卡尔曼过滤器、平稳/协整 , 扩展迪基-福勒检验等) 。 书中的策略大部分使用MATLAB实现 , 但你可以很轻松地的用C++、Python/pandas或者R重新实现 。 本书也根据新兴的市场行为对第一本书做了部分更新 。

推荐阅读