量化实战入门（4）量化投资的知识框架及学习途径

量化投资的知识框架及学习途径

01

量化投资所需的基本技能与知识框架
投资本身就是一项综合性极强的工作，而量化投资更是如此。想要在此领域取得成功，投资者需要掌握丰富的知识结构。本文将为初学者提供一份较为完整的知识框架。虽然涉及的内容较多，但实际上初学者并不需要完全掌握所有知识才能开始做量化投资。初学者可以由浅入深、循序渐进地学习。

投资的基础知识
我们需要理解证券投资的基本概念，包括各种投资品种的基本知识，例如股票、债券、可转债、各类基金，以及更深层次的衍生品种，如商品期货、股指期货、期权等。这些投资品种的风险收益特征各不相同，理解这些才能结合自己的风险偏好、风险承受能力、投资目标来选择投资品种。
此外，投资组合管理也是必须掌握的知识，包括如何根据投资者风险偏好构建组合，采用分散投资来降低风险的原则，以及动态调整组合的方法等。例如，债股平衡、分散投资等都是简单实用的投资组合管理策略，对初学者而言十分适用。
经济学的基础知识
虽然你不需要成为经济学家，但是了解宏观经济学和微观经济学的基础知识是必要的。在宏观经济学方面，你需要了解国民生产总值、通货膨胀率、利率等宏观经济指标，了解常见的货币政策和财政政策，以及经济周期的概念。这些都会对股市产生深远影响，掌握这些知识对我们制定投资策略是有帮助的。在微观经济学方面，掌握基础知识可以帮助我们对企业的盈利能力和发展潜力作出评估。
财务分析的基础知识
理解企业的运营状况、判断价值以及找到优质投资标的，都需要通过财务报表分析来实现。投资者需要能阅读财务报表，分析关键财务指标，知道如何使用常用的财务比率分析运营情况，了解DCF模型、P/E等估值模型的含义并在投资中使用等等。
风险管理的知识
投资者需要了解投资中的各类风险，包括市场系统性风险、个股非系统风险、流动性风险等。同时，要能采用合适的风险量化模型对这些风险进行评估和度量。此外，我们还需要了解如何通过投资组合管理来优化和降低风险，包括采用多元化投资、控制组合杠杆比例、设置止损止盈、利用期权对冲等方法，以达到分散风险的目的。
数据分析技能
在大数据时代，数据分析技能不仅是量化交易的必需，也是所有投资者必须掌握的技能。首先，你需要能够从各种渠道采集和构建数据库，包括公开的财务报表数据，也包括从互联网、数据提供商等处获取的数据，并对这些数据进行清洗和整合。其次，你需要能运用统计和机器学习等方法，对数据进行建模和预测分析，从而揭示数据背后的规律和价值。此外，数据可视化技巧也是关键，直观的可交互图表，可以更好地展示数据分析结果，帮助发现问题和改进方向。
编程语言的应用能力
对于量化投资来说，编程能力决定了我们在策略研究与系统建设方面的效率和效果。你需要能够运用编程语言来获取和处理数据；需要利用编程语言构建量化交易的策略与算法模型；并需要通过编程进行回测，验证策略模型的效果。对于编程语言的选择，我们建议使用Python，因为Python不仅入门简单，而且Python的量化投资资源非常丰富，是初学者的优选。
数学、统计学、机器学习方面的相关知识
在构建投资策略时，你可能需要用到统计学与概率论的知识、时间序列分析方法、回归算法、分类与聚类算法，以及深度学习与神经网络等知识。
投资策略和模型的知识
这里就涉及到具体的投资策略和模型了，比如：趋势跟踪策略、套利策略、市场中性策略、事件驱动策略、多因子模型等等，策略和模型是量化投资的核心内容。
02

初学者的学习方法和学习途径
量化投资涉及的知识领域广泛，要达到精通的程度固然有难度，但是，我们不需要在每一个领域都成为专家。我们的时间和精力有限，初学者应该先掌握关键的基础知识和技能，然后进行持续的学习和实践。以下是我对初学者的学习方法和学习途径的一些建议。

投资学、经济学、财务分析、风险管理方面
对于初学者来说，至少需要掌握这些领域的基础知识。即使我们在构建投资策略时并不会用到所有的知识，但知识面的广度对策略的研发是有帮助的。这些知识可以从书本和各种网络资源中获取。推荐读物有基金从业资格考试教材的《证券投资基金基础知识》和证券从业资格考试教材的《金融市场基础知识》。这两本书的特点是涉及的知识面比较广，但难度和深度都不大，即便是零基础学习起来也没有问题，作为投资的入门教材是很合适的。如果学有余力，可以在投资学和财务分析方面进一步学习，这两门课对投资有直接的帮助。
另外，网上的社区比如集思录、宁稳网等有很多高质量的帖子，B站上的教学视频也很丰富。综合运用这些学习渠道，学起来并不是太困难的事。
数据分析和编程方面
很多零基础的人到这里可能就放弃了，毕竟对投资学、经济学、财务分析方面的知识，囫囵吞枣也还过得去，而编程和数据分析都是实打实的，不会就是不会，这个难度让很多人望而却步了。
但以ChatGPT为代表的AI大模型横空出世，使得学习编程和数据分析简单了很多。举几个例子：你可以让AI大模型为你讲解编程知识；把别人写的代码丢给他就会为你详细解释这些代码；程序遇到bug时把错误信息发给他，他能为你修正程序；甚至让他为你编写代码都不成问题。
举个让AI大模型写代码的例子：

数据分析也是AI大模型的强项，例如将股票行情的数据文件上传给AI大模型，然后让他统计某天有多少只股票上涨多少只股票下跌，某段时间涨幅最高的股票是哪只，某两只股票走势的相关性，还可以让他画各种折线图、柱状图、饼图、直方图、散点图等等等等，这些以前需要用excel捣鼓半天的工作，现在用AI大模型都可以轻松完成，这些都不需要你自己编写代码或公式，只需要用自然语言进行交互。
网上也有很多很好的学习资源，比如：菜鸟教程(runoob.com)、廖雪峰的Python新手教程(liaoxuefeng.com)等，都是适合新手学习的教程。本号后续的文章也会在这方面进行讲解。
在数学、统计学、机器学习方面
初学者并不需要从底层开始构建数学、统计学、机器学习的模型，这些模型全部都有现成的函数库，初学者只需要懂得这些模型的基本原理，然后做个调包侠，会调用相关的函数库即可。
投资策略和模型方面
这是量化投资需要重点学习的，学习策略和模型的关键是边做边学，在实践中学习，一开始可以先实现一些简单的策略如：小市值策略、可转债双低策略等，通过回测验证这些策略的有效性，由浅入深的学习。市场上各种各样的策略可能有上千种，我们不可能掌握所有的策略，在学习过程中需要结合自身情况，精研某几个策略，就能取得不错的结果。本号的文章也会重点写投资策略和模型方面的内容。
最后，回答一下零基础能不能入门量化投资这个问题。对于学习量化投资来说，相比你是否具有相关领域的基础，更重要的是你是否具备学习能力，包括终身学习的能力、钻研的能力、追求新知识的能力、举一反三的能力、学以致用的能力等等，如果你具备这些学习能力，在量化投资领域就能取得长足发展。