宽客 (Quant)
证券
金融
量化交易

量化投资方面，国内外都有哪些好的论坛或者网站？

策略研究什么的更好了
关注者
11,808
被浏览
2,922,893

87 个回答

这下可好，我把收藏夹里所有关注的博客都贴出来了。我个人很喜欢相对不忙的时候或者工作间隙点开几个重点关注的博客看看有没有更新，如果没有更新，就看看他们的旧文。（额。。）

至于“这些东西能有什么用”、“人家赚钱的策略怎么可能告诉你”等言论，我是这样理解的：没有人愿意把摇钱树直接让给你，但培育摇钱树的过程是会有人记下了当作实验记录并拿出来供人讨论的。所以看他们的博客，无非是看他们的实验过程，实验结果有没有真的不重要，有了你也不会相信。

更重要的作用是：沉浸。一次性把一个人的博客文章全部看完，或者一次性看好几个人的实验报告，利用大脑强大的模式处理和差异比较能力，说不定什么时候，你就柳暗花明了，你就可以高能识别出其中的干货和模式了，你就可以拥有自己的研究思路和方向了，你就可以拥有一颗摇钱树了。

如果你的树死活不开花，你想放弃也可以，但你也可以把你种摇钱树的过程写成实验报告，供后人种树，后人乘凉。

“追往事，叹今吾。春风不染白髭须。却将万字平戎策，换得东家种树书。”这是辛弃疾的《鹧鸪天》吧？你说这个干嘛。

--------------------------------------------------------------------------------------------------------------------------------------------

国内的Uqer、ricequant，我一直有关注。国外的除了知友提到的著名的quantopian、quantpedia之外还有很多好资源，这里我就把自己关注的国外很多独立宽客的博客地址贴出来。

Blogspot在国内需要科学上网（只有墙外有肉的话，狗急了确实会跳墙），但里面的干货还是不少的，以下罗列的都值得读一读，。我是三年前开始工作的时候开始读这些博客的，对我帮助很大。

Wordpress也整理了不少，这个也需要科学上网。

其它，这里面也有很多好东西，一定要点开看看，收藏起来！

这么多内容先从哪里读起呢？别问，你只需要读！读！读！

为什么会找到这么多博客？因为有好多博客之间会互相提及，甚至互相引用，我们做读者的自然就可以滚雪球似的拥有足够多的内容来读了。

PS: 最近跟风开通了值乎3.0，我来比划我来答。

zhihu.com/zhi/people/72 (二维码自动识别)

有些国外的平台、社区、博客如果连接无法打开，那说明可能需要“科学”上网

量化交易平台

国内在线量化平台：

  • BigQuant - AI人工智能量化投资交易平台
    • 无门槛地使用机器学习、人工智能开发量化策略
    • 基于python，提供策略自动生成器
  • 镭矿 - 基于量化回测平台
  • 果仁网 - 回测量化平台
  • 京东量化 - 算法交易和量化回测平台
  • 聚宽 - 量化回测平台
  • 优矿 - 通联量化实验室
  • Ricequant - 量化交易平台
  • 况客 - 基于R语言量化回测平台
  • Factors - 数库多因子量化平台
  • 诸葛量化
  • 宽狗量化

国外量化平台：

相关平台：

  • 掘金量化 - 支持C/C++、C#、MATLAB、Python和R的量化交易平台
  • DigQuant - 提供基于matlab量化工具
  • SmartQuant - 策略交易平台
  • OpenQuant - 基于C#的开源量化回测平台

基于图表的量化交易平台

  • 文华赢智 、TB、金字塔、MultiCharts 中国版 - 程序化交易软件、MT4、TradeStation
  • Auto-Trader - 基于MATLAB的量化交易平台
  • BotVS - 首家支持传统期货与股票证券与数字货币的量化平台

开源框架

  • Pandas - 数据分析包
  • Zipline - 一个Python的回测框架
  • vnpy - 基于python的开源交易平台开发框架
  • tushare - 财经数据接口包
  • easytrader - 进行自动的程序化股票交易
  • pyalgotrade - 一个Python的事件驱动回测框架
  • pyalgotrade-cn - Pyalgotrade-cn在原版pyalgotrade的基础上加入了A股历史行情回测，并整合了tushare提供实时行情。
  • zwPython - 基于winpython的集成式python开发平台
  • quantmod - 量化金融建模
  • rqalpha - 基于Python的回测引擎
  • quantdigger - 基于python的量化回测框架
  • pyktrader - 基于pyctp接口，并采用vnpy的eventEngine，使用tkinter作为GUI的python交易平台
  • QuantConnect/Lean - Lean Algorithmic Trading Engine by QuantConnect (C#, Python, F#, VB, Java)
  • QUANTAXIS - 量化金融策略框架

其他量化交易平台：

Progress Apama、龙软DTS、国泰安量化投资平台、飞创STP、易盛程序化交易、盛立SPT平台、天软量化回测平台 、量邦天语、EQB-Quant

数据源

数据库

网站、论坛、社区、博客

国外：

国内：

交易API

编程

Python

安装

教程

库

R

安装

教程

库

C++

教程

库

Julia

教程

库

编程论坛

编程能力在线训练

  • Solve Programming Questions | HackerRank - 包含常用语言(C++, Java, Python, Ruby, SQL)和相关计算机应用技术(算法、数据结构、数学、AI、Linux Shell、分布式系统、正则表达式、安全)的教程和挑战。
  • LeetCode Online Judge - C, C++, Java, Python, C#, JavaScript, Ruby, Bash, MySQL在线编程训练

Quant Books

  • 《投资学》第6版[美]兹维·博迪.文字版 (link)
  • 《打开量化投资的黑箱》 里什·纳兰
  • 《宽客》[美] 斯科特·帕特森（Scott Patterson） 著；译科，卢开济 译
  • 《解读量化投资：西蒙斯用公式打败市场的故事》 忻海
  • 《Trends in Quantitative Finance》 Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm
  • 《漫步华尔街》麦基尔
  • 《海龟交易法则》柯蒂斯·费思
  • 《交易策略评估与最佳化》罗伯特·帕多
  • 《统计套利》 安德鲁·波尔《信号与噪声》纳特•西尔弗
  • 《期货截拳道》朱淋靖
  • 《量化投资—策略与技术》 丁鹏
  • 《量化投资—以matlab为工具》 李洋faruto
  • 《量化投资策略:如何实现超额收益Alpha》 吴冲锋
  • 《中低频量化交易策略研发（上）》 杨博理
  • 《走出幻觉走向成熟》 金融帝国
  • 《失控》凯文·凯利 《通往财务自由之路》范K撒普
  • 《以交易为生》 埃尔德
  • 《超越技术分析》图莎尔·钱德
  • 《高级技术分析》布鲁斯·巴布科克
  • 《积极型投资组合管理》格里纳德，卡恩
  • 《金融计量学:从初级到高级建模技术》 斯维特洛扎
  • 《投资革命》Bernstein
  • 《富可敌国》Sebastian Mallaby
  • 《量化交易——如何建立自己的算法交易事业》欧内斯特·陈
  • 《聪明的投资者》 巴菲特
  • 《黑天鹅·如何应对不可知的未来》 纳西姆·塔勒布
  • 《期权、期货和其他衍生品》 约翰·赫尔
  • 《Building Reliable Trading Systems: Tradable Strategies That Perform As They Backtest and Meet Your Risk-Reward Goals》 Keith Fitschen
  • 《Quantitative Equity Investing》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm
  • Barra USE3 handbook
  • 《Quantitative Equity Portfolio Management》 Ludwig Chincarini
  • 《Quantitative Equity Portfolio Management》 Qian & Hua & Sorensen

Quant Papers

Machine Learning Related

  • Cavalcante, Rodolfo C., et al. "Computational Intelligence and Financial Markets: A Survey and Future Directions." Expert Systems with Applications 55 (2016): 194-211.(link)

Low Frequency Prediction

  • Atsalakis G S, Valavanis K P. Surveying stock market forecasting techniques Part II: Soft computing methods. Expert Systems with Applications, 2009, 36(3):5932–5941. (link)
  • Cai X, Lin X. Feature Extraction Using Restricted Boltzmann Machine for Stock Price Predic- tion. 2012 IEEE International Conference on Computer Science and Automation Engineering (CSAE), 2012. 80–83.(link)
  • Nair B B, Dharini N M, Mohandas V P. A stock market trend prediction system using a hybrid decision tree-neuro-fuzzy system. Proceedings - 2nd International Conference on Advances in Recent Technologies in Communication and Computing, ARTCom 2010, 2010. 381–385. (link)
  • Lu C J, Lee T S, Chiu C C. Financial time series forecasting using independent component analysis and support vector regression. Decision Support Systems, 2009, 47(2):115–125. (link)
  • Creamer G, Freund Y. Automated trading with boosting and expert weighting. Quantitative Finance, 2010, 10(4):401–420. (link)
  • Batres-Estrada, Bilberto. "Deep learning for multivariate financial time series." (2015). (link)
  • Xiong, Ruoxuan, Eric P. Nicholas, and Yuan Shen. "Deep Learning Stock Volatilities with Google Domestic Trends." arXiv preprint arXiv:1512.04916 (2015).(link)
  • Sharang, Abhijit, and Chetan Rao. "Using machine learning for medium frequency derivative portfolio trading." arXiv preprint arXiv:1512.06228 (2015).(link)

Reinforcement Learning

  • Dempster, Michael AH, and Vasco Leemans. "An automated FX trading system using adaptive reinforcement learning." Expert Systems with Applications 30.3 (2006): 543-552. (link)
  • Tan, Zhiyong, Chai Quek, and Philip YK Cheng. "Stock trading with cycles: A financial application of ANFIS and reinforcement learning." Expert Systems with Applications 38.5 (2011): 4741-4755. (link)
  • Rutkauskas, Aleksandras Vytautas, and Tomas Ramanauskas. "Building an artificial stock market populated by reinforcement‐learning agents." Journal of Business Economics and Management 10.4 (2009): 329-341.(link)
  • Deng, Yue, et al. "Deep Direct Reinforcement Learning for Financial Signal Representation and Trading." (2016).(link)

Natual Language Processing Related

  • Bollen J, Mao H, Zeng X. Twitter mood predicts the stock market. Journal of Computational Science, 2011, 2(1):1–8. (link)
  • Preis T, Moat H S, Stanley H E, et al. Quantifying trading behavior in financial markets using Google Trends. Scientific reports, 2013, 3:1684. (link)
  • Moat H S, Curme C, Avakian A, et al. Quantifying Wikipedia Usage Patterns Before Stock Market Moves. Scientific Reports, 2013, 3:1–5. (link)
  • Ding, Xiao, et al. "Deep learning for event-driven stock prediction." Proceedings of the 24th International Joint Conference on Artificial Intelligence (ICJAI’15). 2015. (link)
  • Fehrer, R., & Feuerriegel, S. (2015). Improving Decision Analytics with Deep Learning: The Case of Financial Disclosures. arXiv preprint arXiv:1508.01993. (link)

High Frequency Trading

  • Nevmyvaka Y, Feng Y, Kearns M. Reinforcement learning for optimized trade execution. Proceedings of the 23rd international conference on Machine learning ICML 06, 2006, 17(1):673–680. (link)
  • Ganchev K, Nevmyvaka Y, Kearns M, et al. Censored exploration and the dark pool problem. Communications of the ACM, 2010, 53(5):99. (link)
  • Kearns M, Nevmyvaka Y. Machine learning for market microstructure and high frequency trading. High frequency trading - New realities for traders, markets and regulators, 2013. 1–21. (link)
  • Sirignano, Justin A. "Deep Learning for Limit Order Books." arXiv preprint arXiv:1601.01987 (2016). (link)
  • Deng, Yue, et al. "Sparse coding-inspired optimal trading system for HFT industry." IEEE Transactions on Industrial Informatics 11.2 (2015): 467-475.(link)
  • Ahuja, Saran, et al. "Limit order trading with a mean reverting reference price." arXiv preprint arXiv:1607.00454 (2016). (link)
  • Aït-Sahalia, Yacine, and Jean Jacod. "Analyzing the spectrum of asset returns: Jump and volatility components in high frequency data." Journal of Economic Literature 50.4 (2012): 1007-1050. (link)

Portfolio Management

  • B. Li and S. C. H. Hoi, “Online portfolio selection,” ACM Comput. Surv., vol. 46, no. 3, pp. 1–36, 2014. (link)
  • Heaton, J. B., Polson, N. G., & Witte, J. H. (2016). Deep Portfolio Theory. (link)
  • Eugene F. Fama, Kenneth R. French. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465.

学术期刊

一堆学术期刊可以常常去浏览一下，也会有许多思路，作者常常看的有：

  • Journal of FinanceJournal of Financial Economics
  • Review of Financial Studies
  • Journal of Accounting and Economics
  • Review of Accounting Studies
  • Journal of Accounting Research
  • Accounting Review
  • Journal of Financial and Quantitative Analysis
  • Financial Analysts Journal
  • Financial Management
  • Journal of Empirical Finance
  • Quantitative Finance
  • Journal of Alternative Investments
  • Journal of Fixed Income
  • Journal of Investing
  • Journal of Portfolio Management
  • Journal of Trading
  • Review of Asset Pricing Studies
  • 经济研究
  • 经济学（季刊）
  • 金融研究
  • 管理世界
  • 会计研究
  • 投资研究

最后推荐一个量化资源导航页，收集了量化领域相关的系列优质资源，大家可以先收藏有需要时使用：量化投资导航 - 宽客Quant从这里开始 (hao.bigquant,com)