第 00 册 导论与学习路线

这一册不讲新知识。它告诉你这套教材是怎么来的、量化交易需要哪些知识、十一册书各自负责哪一块，以及按什么顺序学最省力。第一次打开这套教材，先把本册读完，再决定从哪一册开始。

1. 这套教材是怎么编成的

1.1 底本

教材以你收集的 11 本经典英文教材为底本，共约 7,750 页：

两点版本提醒：

• 《Numerical Optimization》的文件名写的是 Springer 运筹学丛书，内容实际是 1999 年第 1 版。它的章节编号和常见的 2006 年第 2 版不同，查文献时要注意。
• 《Matrix Analysis》和 Simmonds 是扫描版，没有文字层；其余 9 本有文字层。

1.2 编写过程

1. 逐页精读：每本书按页切块，逐页读完，写成中文精读笔记。笔记按原书章节组织，每节注明 PDF 页码，记录定义、定理、推导要点、例题数字和习题题型。扫描版两本是逐页看图读的。精读笔记共 43 份、约 425 万字，放在 精读笔记/ 目录，是本套教材的「底稿」。
2. 改写成教材：编写者依据笔记，按学习顺序重组章节，补充直觉解释、量化应用和 Python 代码，写成第 01–10 册。
3. 综合实战：第 11 册把前十册串成一条从数据到交易的完整流程。
4. 主编整合：每册由一位主编通读，统一格式和交叉引用，汇总勘误，写本册导读（各册目录下的 README.md）。

1.3 你会在正文里看到的几种标记

所有 Python 代码都实际运行过，代码后附有关键输出。代码只用模拟数据，不依赖网络。模拟结果只用来说明方法，不代表任何真实策略的收益。

2. 量化交易需要哪些知识

2.1 一条完整的量化流程

不管做股票多因子、期货 CTA、统计套利还是期权波动率，量化交易都绕不开下面这条链：

想法 → 数据 → 信号（alpha）→ 风险模型 → 组合构建 → 回测与检验 → 交易执行 → 风控与绩效评估 → 回到想法

每一环都有专门的知识：

2.2 十一册的分工

可以把十一册分成四层：

数学地基：第 01 册矩阵、第 02 册概率、第 04 册最优化。它们回答「怎么算」。矩阵是协方差和因子模型的语言，概率是一切不确定性的语言，最优化是组合构建和模型估计的引擎。

统计与计量：第 03 册统计推断、第 05 册计量经济学、第 06 册金融时间序列。它们回答「怎么从数据里得出可信结论」。量化研究中大部分错误都出在这一层：用错标准误、忘了多重检验、把伪回归当规律、在非平稳数据上做随机交叉验证。

市场与产品：第 07 册微观结构、第 08 册衍生品。它们回答「市场怎么运作、产品怎么定价」。不懂订单簿和交易成本，回测收益会系统性虚高；不懂无套利和对冲，就无法做期权。

计算与学习：第 09 册算法、第 10 册神经网络。它们回答「怎么高效、正确地实现」以及「怎么用机器学习」。

综合：第 11 册把以上内容串成可运行的研究流程。

3. 开始之前：前置要求与数学补习

这套教材用到的数学，本册后面八章都从头补了一遍，例子尽量用你在 CFA、CPA 里熟悉的久期、凸性、年金、组合方差、CAPM：

建议：不必先把八章全部学完。先读第 08 章（半天）和第 02 章，然后直接进入你选的学习路线；正文每章的「读前导读」会告诉你这一章要先补哪一节，按链接回来查即可。

除数学外，还假定你会一点 Python：会写函数和循环，会用 numpy 数组。pandas、scipy 在用到时会解释。

3.1 五道自测题

1. 设 \(f(x,y)=x^2y+e^{xy}\)，求 \(\partial f/\partial x\) 和 \(\partial^2 f/\partial x\partial y\)。
2. 求 \(\begin{pmatrix}2&1\\1&2\end{pmatrix}\) 的特征值和特征向量。
3. 掷两颗骰子，点数之和为 7 的概率是多少？已知至少一颗是 6，和为 7 的概率是多少？
4. 用 numpy 生成 1000 个标准正态随机数，计算样本均值和样本标准差。
5. 一只股票连续三天的收益率是 +10%、−10%、+10%，三天的总收益率是多少？对数收益率之和是多少？

答案要点：(1) \(2xy+ye^{xy}\)；\(2x+e^{xy}+xye^{xy}\)。(2) 特征值 3 和 1，对应 \((1,1)^\top\) 和 \((1,-1)^\top\)。(3) \(1/6\)；\(2/11\)（「至少一颗是 6」共 11 种，和为 7 的是 (1,6) 和 (6,1)）。(4) x=np.random.default_rng(0).standard_normal(1000); x.mean(), x.std(ddof=1)。(5) \(1.1\times0.9\times1.1-1=8.9\%\)；对数收益之和 \(\ln1.089\approx0.0853\)。

五题都能做出来，可以直接开始。第 1 题有困难，先读本册第 02、05 章；第 2 题有困难，先读本册第 06 章；第 3 题有困难，先读第 02 册第 01–03 章。

4. 学习路线

各册导读里有本册的详细路线。这里给全局路线。学时按每周 10–15 小时估算，包括读正文、跑代码和做练习。

4.1 路线 A：股票量化研究员（多因子、统计套利）——推荐大多数人从这里开始

目标：能独立完成因子研究、风险模型、组合优化和回测，判断一个回测结果是否可信。

合计约 7–9 个月。

4.2 路线 B：衍生品与波动率交易

目标：理解定价与对冲，能做波动率曲面、希腊字母风险管理和波动率策略。

4.3 路线 C：量化开发与机器学习

目标：能实现高效、正确的研究与交易系统，能把机器学习规范地用在金融数据上。

4.4 完整系统路线

全部十一册通读约需 15–18 个月。建议顺序：

1. 第 02 册 → 第 03 册（概率统计是一切的语言）
2. 第 01 册第 00–02、04、07 章（只学用得上的矩阵工具，其余后补）
3. 第 05 册 → 第 06 册（计量与时间序列）
4. 第 04 册（最优化）
5. 第 07 册 → 第 08 册（市场与衍生品）
6. 第 09 册、第 10 册（可与 3–5 并行）
7. 第 11 册
8. 回头补第 01 册其余章节和张量篇、第 04 册后半、第 08 册利率与信用部分

4.5 各册之间的依赖

第02册 概率 ──┬──> 第03册 统计 ──┬──> 第05册 计量 ──> 第06册 时间序列 ──┐
              │                  │                                       │
第01册 矩阵 ──┼──────────────────┴──> 第04册 最优化 ─────────────────────┼──> 第11册 综合实战
              │                                                          │
              └──> 第10册 神经网络 <── 第04册                            │
第07册 微观结构（几乎独立，可随时读）────────────────────────────────────┤
第08册 衍生品（需第02册；第14章起需随机过程）────────────────────────────┤
第09册 算法（独立，可与任何一册并行）────────────────────────────────────┘

5. 怎么用这套教材

5.1 读一章的方法

1. 先读「学习目标」「读前导读」和「本章小结」，知道这一章要解决什么问题、要先补哪些数学。
2. 读正文时，遇到推导自己动笔推一遍。推不下去时，看「原书对照」的页码回查原书。
3. 把「量化实战」里的代码复制出来，自己运行一次，然后改参数再跑，观察结果怎么变。
4. 做「练习」的基础题；进阶题和原书推荐习题按时间选做。
5. 读完一册后，用该册导读里的「核心公式速查表」自测。

5.2 运行代码

建议建一个独立的 Python 环境：

python3 -m venv ~/quant-env
source ~/quant-env/bin/activate
pip install numpy pandas scipy statsmodels scikit-learn arch matplotlib

少数章节的代码依赖同册另一章保存的模块文件，例如第 07 册的订单簿模块 lob.py、第 06 册第 09 章的 c09_sim.py。正文和配套代码目录 配套代码/ 都有说明。

5.3 精读笔记的用法

精读笔记/ 是按原书逐页整理的底稿，比教材更贴近原书结构。三种情况下值得翻：

• 想按原书顺序复习，或者要做原书习题；
• 教材为了篇幅压缩了某一节（各册导读标为「速读」），想看完整内容；
• 怀疑教材某处有误，需要核对原书说法。

笔记文件名如 hull_03.md，开头一行写明对应的原书和 PDF 页码范围。

5.4 关于原书的时效性

• Harris《Trading and Exchanges》写于 2002 年前后。市场制度变化很大：专家制度已改为指定做市商，美股已十进制报价并经过 Reg NMS，零佣金普及，高频交易兴起。但书中关于交易者动机、流动性、信息和交易成本的分析框架没有过时。教材用「现状补充」标出了已知的变化。
• Hull 第 9 版仍以 LIBOR 为参照利率的地方，教材注明了向 SOFR 等无风险利率的转换。
• 统计、计量、优化、矩阵、算法的内容基本不受时效影响。

6. 全书约定

• 文件命名：NN_章名.md，NN 是对应原书的章号。一章拆成几篇时用 NNa、NNb；A 开头是附录；第 01 册张量篇用 T1、T2……。因为编号跟原书走，所以有的册编号不连续（例如第 03 册第 01 章合并了原书第 1–5 章），这是有意的。
• 交叉引用：「第 05 册第 10 章」指 第05册_计量经济学/10_面板数据回归.md。
• 记号：向量小写粗体或普通小写，矩阵大写；\(\top\) 表示转置；收益率默认对数收益，用到简单收益时会说明。各册在导读中列出本册特有的记号。
• 数学公式：LaTeX 语法，行内 $…$，独立 $$…$$。推荐用支持 LaTeX 的 Markdown 阅读器，例如 Typora、Obsidian、VS Code（Markdown Preview Enhanced 插件）。

7. 三条贯穿全书的提醒

1. 统计显著不等于能赚钱，回测赚钱也不等于能赚钱。 试过的策略越多，最好的那个越可能是运气。第 03 册第 10b 章、第 07 册第 22b 章、第 11 册第 06 章从三个角度讲同一件事，请务必读。
2. 交易成本决定策略能不能活下来。 很多回测看起来漂亮，是因为忽略了价差、冲击和容量。第 07 册是这方面的基础。
3. 风险先于收益。 第 08 册第 36 章的衍生品事故和第 07 册第 28 章的崩盘案例说明，致命的通常不是预测错，而是杠杆、流动性和尾部风险叠加在一起。

8. 目录导航

• 全书详细目录：全书目录.md
• 各册导读：每册目录下的 README.md
• 精读笔记：精读笔记/