有人問我，關於量化投資的「進階書」有哪些。
假設妳已經有知識框架，我直接推薦書了。
我依據難度和實用度將這些書分成三個部分，各位朋友可以自己決定要從哪裡下手。
第一階段，算是幾本「過渡」的書，它們能協助妳走出新手村。
1. 金融，CFA的一級就足夠。
· CFA curriculum Level 1 [1]
這本書就是個「目錄」，會告訴妳金融界常見的名詞和知識點，讓妳能有基本能力接收專家的說法。
內容廣而不深，像我非本科系，當初通過一級考試花了完整一個月準備，而根據幾個相關科系朋友的說法，大概要準備一星期。
不過，你的目的是要賺錢，不是要進入金融界，也不是要考試，因此看個大概就夠了。
2. 投資學，我多次推薦Bodie等人寫的那本。
· Investments [2]
如果妳能輕鬆舒服的閱讀這些內容，那麼幹掉坊間90%作者已經沒問題。
我認為這本書的編排完整，而且可以協助讀者建立知識系統，也因此我不推薦閹割版的Essentials [3].
3. 量化投資組合三兄弟
我從因子投資的角度，由淺至深推薦。(有兩本同名。)
· Quantitative Equity Portfolio Management [4]
· Active Portfolio Management [5]
· Quantitative Equity Portfolio Management [6]
這些幾乎是入門量化的必讀，而妳也可以藉此了解因子投資。
至於因子投資的專書，我推薦石川那本，也很重要。
· 因子投資: 方法與實踐 [7]
4. 系統化/算法交易
寧願不交易，也不要土炮交易。
想建構自己的系統，我首推Robert Carver的書。
我最喜歡的是他講求「原理」，讓讀者能在驗證之後遵循。
· Systematic Trading [8]
另一本也簡單易懂，可以當作補充。
· Algorithmic Trading [9]
5. 量化金融
整個量化可以分為P和Q，我比較感興趣的是P，即承受風險的作法，不過在實際分析時，還是會需要有Q的知識。
因使我建議妳找一本兼具相關內容的書，了解量化常見的概念。
Mazzoni這本書中，SDF, exotic, Brownian bridge, GARCH, jump diffusion...都有。
· A First Course in Quantitative Finance [10]
第二階段，在實踐和理論之間取得「平衡」的書，深度適中。
1. 投資組合管理
· Risk and Asset Allocation [11]
Attilio Meucci寫的書，如果我只能推薦一本量化投資組合的書，就是它。
內容包含3D效率前緣曲面、再抽樣、穩健性優化...等。
我認為他寫得不多不少，很貼近量化投資組合管理需要的知識和工具。
另外三本，我覺得內容豐富，也很好上手。
· Modern Portfolio Theory [12]
· Quantitative Portfolio Management [13]
· Advances in Active Portfolio Management [14] (這本是前面三兄弟之一的APM續作。)
2. 市場價格和微觀結構
· Trades, Quotes and Prices [15]
Jean-Philippe Bouchaud等人寫的，目前應該還沒有競爭者，我很喜歡。
這是對於價量動態的科學研究，妳看完之後就會知道技術分析多像迷信。
3. 資產定價
可能和自身經歷有關，我手中資產定價的書比較多，不過它們測重點不同。
我建議妳依照自己的感覺和風格，在實證和理論各選一本即可。
偏實證資產定價，較適用於風格因子投資。(有兩本同名。)
· Empirical Asset Pricing [16]
· Asset Pricing, Cochrane [17]
· Empirical Asset Pricing [18]
至於偏理論的資產定價，要結合較深入的量化多因子投資才會有用處，我建議放在後面。
· Dynamic Asset Pricing Theory [19]
· Financial Decisions and Markets [20]
· Asset Pricing and Portfolio Choice [21]
4. 衍生品和波動率
這裡開始有Q quant的東西，比拿風險溢酬還無聊。
但妳終究還是會在避險、波動和價格建模上遇到，我推薦一本經典。(可以接在Mazzoni那本的後面。)
· Stochastic Calculus for Finance II: Continuous-Time Models [22]
5. 算法交易
這種書很多，由於偏交易層面，因此難度不如設計策略本身。
考慮到學習效率，我推薦一本Quantstart出品的。
· Advanced Algorithmic Trading [23]
6. 時序分析
普遍而言，市場的時序殘留資訊較截面少，因此我建議把時序分析放在因子分析之後。
我推薦蔡教授的時序分析，它處於金融應用和理論的中間。
· Analysis of Financial Time Series [24]
7. 機率與統計
無論是分析、描述或預測，量化投資都會用到機率和統計。
B. Hansen的書算很好的入門，把大家會提到的用詞和背後數學都寫出來。
· Probability and Statistics for Economists [25]
8. 機器學習
得益於硬體設備的進步，目前量化投資最火熱的發展方向就是ML，包括組合優化/資訊提取/因子分析/演算法/選股/擇時...等。
在很多情景下，簡單的ML模型都可以超越傳統精心設計的競爭者，也因此策略類書籍多半會包含ML.
· Machine Learning for Algorithmic Trading [26]
· Machine Learning for Factor Investing [27]
· Machine Learning for Asset Management [28]
9. 深度學習
做為ML的一支，DL在交易策略上也有廣泛的應用，例如時序和多因子，所以我將它獨立出來。
事實上，現在的量化機構幾乎都會提到神經網路，包括CNN/GRU/Transformer(and TFT)...等，也投入不少金額提升算力。
我推薦李沐等人的互動式網站/PDF，也有中文版，實戰非常方便。(李沐就是那個自動調參、優化工具AutoGluon的作者。)
· Dive into deep learning [29]
Simon的書也好讀，而且模型貼近發展前緣。
· Understanding Deep Learning [30]
第三階段，工具書/handbook, 這些書包含基礎理論和推導。
由於較為困難和抽象，我建議你想了解、有需要再翻，這樣才能確保學習的樂趣。
當然你就是想全部看完也可以，不過邊際效益會下降。
1. 波動率曲面
我最推薦一本Bergomi的書，讀起來有種跟隨作者研究理論的感覺。
整本書圍繞波動率和建模，作者會用直白的語言，告訴你為什麼這樣做，以及模型如何演進。
· Stochastic Volatility Modeling [31]
2. 時序分析
我推薦Box等人的書，年代比較新(至少有各類GARCH)，而且相對貼近金融。
· Time Series Analysis: Forecasting and Control [32]
另外蔡教授等人的非線性時序分析，也是新書，內容適合金融應用，而且有神經網路的部分。
· Nonlinear Time Series Analysis [33]
Douc等人的書有程式可以應用，其中Hidden Markov的章節，比較適合頻率高的交易者。
· Nonlinear Time Series [34]
至於Hamilton的書，是時序分析理論的經典，不過年代較久，所以缺乏部分新模型。
由於涉及較艱澀的知識，相比投資應用的層面，它更適合當成時序分析領域本身的工具書。
· Time series analysis [35]
3. 機器學習
Murphy這本從機器學習出發的書，包含了一般ML的數學原理。
除了跨分布或高維度的處理，也有提到像Extended Kalman filter的技術(這我以前還真用過)，可以成為妳的工具書。
· Probabilistic Machine Learning [36]
4. 深度學習
最經典的教材當屬「花書」，它擁有AI聖經的地位，由Ian Goodfellow等三人所寫，涵蓋數學、應用和研究方向。
· Deep Learning [37]
另外一本比較偏向數學的，可以讓妳從code的底層修改，逐步架構出自己想要的模型。
· Deep Learning Architectures [38]
5. 金融數學
這是以前我學習量化投資遇到的最大「陷阱」。
量化投資的背後原理，和金融數學領域高度重疊，像是機率/統計/線性代數...等。
然而這些知識非常廣泛，而且每一個項目都經過長時間發展，已有眾多的分支和完整架構。
一個人，尤其是以實用為導向的投資人，不可能把所有的科目都讀精，所以一定要取捨。
如果妳因為心裡不踏實，就想把放眼所及的每一本書都啃完，那妳就是在浪費時間。
諷刺的是，你的投資績效不會隨著知識量而增加，只會因為你的延後投入，造成最終報酬降低。
所以，與其試圖系統性的把眾多領域讀完，妳不如在需要時回頭查看這些書。
機率部分:
· Probability Theory and Examples [39]
· A Course in Probability Theory [40]
· Foundations of Modern Probability [41]
數理統計:
· Mathematical statistics [42]
實分析，在金融的應用多半是有約束的最佳化。
· Real Analysis with Economic Applications [43]
「狂徒，這些都太簡單了，還有沒有進階的書?」
我想這是很多讀者會好奇的問題，不過實際上，更深的內容通常不以書的形式存在。
原因是知識前緣的動態發展，會讓固定載體跟不上，所以「論文」才是主流。
將論文再細分的話，工作/研討會論文通常最先進，期刊論文較為嚴謹，學位論文的品質差異大，文獻綜術淺而廣。
書和論文相輔相成，書提供妳基礎知識和完整架構，論文則讓你獲得靈感、掌握知識的發展方向。
以量化投資領域為例，我每天看機構和期刊paper，壓力不大，但偶而還是要回頭看教科書，認真補足知識。
另外，書本只是輔助，探討知識之餘多和業界交流，投資人的整體進步才會快。
如果妳有什麼想補充或踢館的，也歡迎跟我說 :)
書名參考:
[1]CFA curriculum Level 1
[2]Investment
Zvi Bodie, Alex Kane and Alan Marcus
[3]Essentials of Investments
Zvi Bodie, Alex Kane and Alan Marcus
[4]Quantitative Equity Portfolio Management: An Active Approach to Portfolio Construction and Management
Ludwig B Chincarini, Daehwan Kim
[5]Active Portfolio Management
Richard C. Grinold, Ronald N. Kahn
[6]Quantitative Equity Portfolio Management
Edward E. Qian, Ronald H. Hua, Eric H. Sorensen
[7]因子投资：方法与实践
石川, 刘洋溢, 连祥斌
[8]Systematic Trading: A unique new method for designing trading and investing systems
Robert Carver
[9]Algorithmic Trading: Winning Strategies and Their Rationale
Ernest P. Chan
[10]A First Course in Quantitative Finance
Thomas Mazzoni
[11]Risk and Asset Allocation
Attilio Meucci
[12]Modern Portfolio Theory
Jack Clark Francis, Dongcheol Kim
[13]Quantitative Portfolio Management: The Art and Science of Statistical Arbitrage
Michael Isichenko
[14]Advances in Active Portfolio Management: New Developments in Quantitative Investing
Richard C. Grinold, Ronald N. Kahn
[15]Trades, Quotes and Prices: Financial Markets Under the Microscope
Jean-Philippe Bouchaud, Julius Bonart, Jonathan Donier, Martin Gould
[16]Empirical Asset Pricing: The Cross Section of Stock Returns
Turan G. Bali, Robert F. Engle, Scott Murray
[17]Asset Pricing
John H. Cochrane
[18]Empirical Asset Pricing: Models and Methods
Wayne Ferson
[19]Dynamic Asset Pricing Theory
Darrell Duffie
[20]Financial Decisions and Markets: A Course in Asset Pricing
John Y. Campbell
[21]Asset Pricing and Portfolio Choice Theory
Kerry E. Back
[22]Stochastic Calculus for Finance II: Continuous-Time Models
Steven E. Shreve
[23]Advanced Algorithmic Trading
Quantstart
[24]Analysis of Financial Time Series
Ruey S. Tsay
[25]Probability and Statistics for Economists
Bruce Hansen
[26]Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python
Stefan Jansen
[27]Machine Learning for Factor Investing: Python Version
Guillaume Coqueret, Tony Guida
[28]Machine Learning for Asset Management: New Developments and Financial Applications
Emmanuel Jurczenko
[29]Dive into deep learning
Aston Zhang, Zachary Lipton, Alexander J. Smola, Mu Li
[30]Understanding Deep Learning
Simon J.D. Prince
[31]Stochastic Volatility Modeling
Lorenzo Bergomi
[32]Time Series Analysis: Forecasting and Control
George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel
[33]Nonlinear Time Series Analysis
Ruey S. Tsay, Rong Chen
[34]Nonlinear Time Series Theory, Methods and Applications with R Examples
Randal Douc, Eric Moulines, David Stoffer
[35]Time series analysis
James D. Hamilton
[36]Probabilistic Machine Learning: An Introduction
Kevin P. Murphy
[37]Deep Learning
Ian Goodfellow, Yoshua Bengio, Aaron Courville
[38]Deep Learning Architectures: A Mathematical Approach
Ovidiu Calin
[39]Probability: Theory and Examples
Rick Durrett
[40]A Course in Probability Theory
Kai Lai Chung
[41]Foundations of Modern Probability
Olav Kallenberg
[42]Mathematical statistics
Jun Shao
[43]Real Analysis with Economic Applications
Efe A. Ok