有点迷茫，资源的量化交易该怎么继续深入？

如果你对编程不太熟悉，这一步就需要更多的心力。但上文提到，学术界的经验论文的好处就是它的代码很多都是开源的，也就是向大众公开的，你可以拿着代码一行一行的研读。 金融界常用的统计软件是 R，编程语言是 Python。大部分经验论文是用 R 来写的。现在越来越多的新论文会使用 Python，代码也会放在 DataCamp 网站上供大家使用。 R 和 Python 都是我在接触了量化交易后学习的，R 是一种统计软件，免费，有很多现成的 Package 可以下载，然后帮助我们搭建各种各样的模型。Python 作为这些年新起的编程语言，也是免费，用来做金融可谓是「大材小用」，它在数据图形化上面做的要比 R 好，很多算法也可以用比 R 更简单的语言呈现出来。 程序免费，就意味着学习时，资源也是免费的。大家可以在类似的 Datacamp 网站上学习，也可以跟着一些自媒体大 V 学习。

1.它是英文考试，可以学习各种金融专业词汇，日后工作中在看文书啊、看国外财经新闻时毫无压力。像上文说的阅读学术论文，也能打下扎实的专业词汇基础。 2.它的内容很贴近现实生活，考试涉及的内容非常实用，讲了世界第一高峰就会考你世界第一高峰，不会问你世界第六高峰旁边的是哪作峰。 3.CFA 是金融界含金量最高的证书，甚至说没有之一，对于毕业院校不是 Top2 或者中财人大的，有 CFA 考试等级在手，至少能帮你过简历关。 我在准备 CFA 考试时，自己收集了好多关于考试经验、考题大纲、复习多久合适的资料，现在有一个完整的免费的资料包，一站式提供了 CFA 所需资料，不用再自己一个一个搜索了。我将链接放在下面，大家可以自取。

在掌握了经典论文的论述后，我们可以找更新的论文来阅读，这些论文在经典的基础上做了更合理的调整或者更深入的研究，是在树根上发散出来的树叶，一个好的量化理论应该枝繁叶茂。比如多因子投资模型，从三因子开始，到五因子，后人不断寻找新的因子暴露或者新的建模方式，现在市场上常用的因子多达 500 多个，数量还在不断呈指数化增长。如果你想尝试的量化方向没有经典论文或者没有什么新论文，那么就要谨慎复盘一下你的量化交易思路，看看自己是「独创一派」还是走了别人已经走不通的老路。 很多学术论文都是用英文写的，里面也涉及了大量的金融基础知识。真的对金融量化感兴趣的朋友，建议在入门的过程中系统的学习一下金融相关知识。我结合自己的经历，觉得报考 CFA 是一条性价比非常高的道路。 1.它是英文考试，可以学习各种金融专业词汇，日后工作中在看文书啊、看国外财经新闻时毫无压力。像上文说的阅读学术论文，也能打下扎实的专业词汇基础。 2.它的内容很贴近现实生活，考试涉及的内容非常实用，讲了世界第一高峰就会考你世界第一高峰，不会问你世界第六高峰旁边的是哪作峰。