成長指路
本文是量化交易零基礎入門教程中的一篇，點擊藍字連接可查看該系列詳情。
摘要
- 自學意識
- 之後去學什麼
- 靈感來源
- 關於職業化
- 基礎知識基本講完了，本教程也要完結了，最後一篇講下接下來的學習方向，僅供參考。
自學意識
- 量化交易是不適合分享的行業，自學必不可少。或奇貨可居，或敝帚自珍，有價值的內容很難會被公之於衆，所以不要幻想會有特別有價值的系統的學習資源等着你去學，或是指望能把別人公開的東西直接搬來就能賺到錢。誠然，會有幸運的時候，但還是不要指望幸運，那沒前途的，絕大多數情況都是大浪淘金式的在各種資訊中尋找着思索着隻言片語。因此，自學是一個極其重要的能力，有志者需要對它像量化交易本身一樣去重視。
之後去學什麼？
-
首先要自問，之前講過的內容是否都學會了，比如每篇後的自測與自學內容是否都能回答，當時學的時候不理解的地方現在是否理解等。如果明顯感覺一路囫圇吞棗強行跟過來的，不妨回頭再看看，再動手練練。當然，也不必太完美主義，畢竟有的坑看着不大但是真的深，不妨暫且擱下。
-
所以如果感覺學得還可以，就可以先到聚寬的量化課堂去學習下，普遍有講解有代碼，其中重點推薦以下文章。
-
請盡你所能去讀懂這四個文章，你可能會感受到來自數學、編程、金融等方面的知識的不足，可能會感到有之前我沒講過的內容，可能需要你去搜索、去閱讀、去詢問，可能你會感覺很難搜、很難讀、很少有答覆，這一切將是剛離開新手村的你將遇到的各種挑戰的第一個，而且其實是相對簡單的一個，所以哪怕可能會花不少時間，請盡你所能去讀懂這四個文章。
-
當你讀懂這四個文章時，你應該可以算是基礎入門了，之後就要靠你個人修行了。一個基本的模式是，有一個靈感，然後去研究與實現，在過程中學習新知識，戰勝新挑戰，最後或成或敗都獲得新的認識，繼續下一個靈感，從而不斷前進。當然，你在前進，你渴望的答案可能也在動，就像市場一樣不斷變動，或向你走來，或離你遠去。（題外話：你認爲世界是靜止的還是運動的，或者說隨機是否存在）
-
特別提下，本教程教的編程知識是非常精簡的，所以建議適當簡單瀏覽下 python 系統的知識，做到以後見到、或想用了知道怎麼找即可。集合、元組、列表生成式這三個推薦去重點學下，這三個相對常用但看見不懂想搜索可能都想不出關鍵詞。編程參考資料可以看下這裏。
靈感的來源
- 靈感的最重要來源當然是閱讀，本人水平太低就不做具體推薦了，以下列舉一些可能的內容來源類別。
- 論文
- 研報
- 聚寬的量化課堂與社區
- 知乎量化交易話題下的回答
- 寬客的博客（多數是國外的）
- 各類書籍
-
關於書籍，除了專門講量化交易的書，稍稍關注些其他領域可能帶來全新的視角，比如財務分析、行爲金融、數學、統計學、機器學習、甚至心理學、物理學等，據說美國做量化交易還有用到語音識別的。
-
學習時，建議用批判的眼光去看，保持自身獨立思考，警惕盲從。還是那句話，量化交易行業很難有特別有價值的東西出現在大衆眼前的。
-
除了閱讀外，直接參與實際市場也是另一種重要的靈感來源，畢竟多數的閱讀資源本身的靈感來自市場的，比如市場交易時，市場對時下新聞的反應、對量價走勢的瞬時反應、不同股票或人羣的反應、你自己的反應等等，你自己不親身投入這場波雲詭譎之中，很難指望事後體會到其中的種種，而這些可能帶給你許多靈感。比如比較知名的冰山算法與不少技術指標當時的發明就離不開發明者對市場的瞭解。
關於職業化
-
想要入職量化行業，學歷門檻往往較高，但別怕，學歷不夠的有志者不要被嚇倒，畢竟人家也不是真要你的畢業證，無非是希望你能知識儲量夠基礎好，學習新東西快有潛力，學歷門檻高只是提效手段，你只要向他們證明你同樣用相當的能力即可。你應該被錄取的理由是什麼？怎麼把這個理由告訴他們？回答這個問題比量化交易簡單，至少有一個好策略了想入職帶他們賺錢，他們總不會還嫌你學歷不夠吧，當然，這是一個不必要的界，比如若你有相當的策略實現能力或因子發掘能力可能也可以了，所以建議你結合實際情況認真負責的想想，然後真的去試幾次。
-
那做獨立的職業量化交易可不可以呢，也是可以的，很多量化交易團隊就幾個人，甚至一個人的也有，但畢竟人多效率高不少。 實際上，多數還是從原本公司獨立出來的，學生畢業階段就轉獨立的職業做量化交易還是少，現金流壓力可能比較大，但也是有做的好，後來成立公司的。
-
聚寬也有能幫助展示策略、證明自身、快速職業化與變現的欄目，而且也會有行業內人士來聚寬，找好策略與人才，比如策略被看中要談買斷、發的文章不錯被錄取等。注意，保護自己的成果不被無良人士竊取。總之，量化行業是相對公平看中實力的，金子總會發光。