量化资源
课程，文章等，可以帮助初学者或专业人士。
财务主要是细节，仅具有系统化，分类和关注细节的能力可能是一个巨大的优势。米歇尔·伯里（Micheal Burry）
这些资源专门用于STEM毕业生。大多数课程都是数学或编码重。承担自己的风险。
关于我
我在高频交易公司中担任定量交易者，专注于股票和餐饮领域的印度市场。我从IIT MADRAS的汽车工程中获得了我的硕士学位（M.Tech）和单身汉（B.Tech）。
课程和讲座
注意：以下列出的课程不会显示任何Coursera或YouTube Fams，因为这些课程是所有人开放的（任何人都可以接受它，医生或律师可以在需要时。）我不想（或希望您）花费这些课程的时间是因为这些课程为您带来了主题的风味，而不是深刻的理解。作为一名工程师，我想（希望为您同样）使用我已经学到的数学技能来进一步发展主题并深入研究，以做一些有意义的工作并推动边界。
如果您有udemy课程并说“我知道ML”，我会用湿面条（不冒犯Udemy）鞭打您。
数学
- Fast.ai的编码器的数值线性代数
- MIT OCW的概率简介
- 麻省理工学院数学讲座页面中的数学主题
人工智能
- 汤姆·米切尔CMU课程页面的机器学习页面
- DeepMind（Alphago，Alphazero等）的David Silver的加固学习简介YouTube播放列表
数量融资
- Python和统计讲座的量子讲座
- 蒂莫西·F·盖德纳（危机期间美国财政部长）的全球金融危机（仅限金融危机）对金融或对危机分析感兴趣的课程非常好。 Coursera课程
- Paul Besson （Paul Heads Euronext的定量研究部）的市场微观结构简介）讲座页面
编码
Python
- （书）财务Python ：分析Yves Hilpisch的大财务数据（Citadel建议）
C ++
- （书） Andrew Koenig的加速C ++ ，Barbara E. Moo（如果您的编码背景良好，并且像Python这样的OOP，Java程序员）
- （书） Scott Meyers的有效现代C ++
图书
数学
- David Freedman，Robert Pisani，Roger Purves （推荐城堡）统计（第四版）
- Darrell Huff的统计数据如何（有趣的是如何用图来操纵人类的感知）
- Avinash Dixit和Barry Nalebuff策略性思考（游戏理论书）（建议）
- Ruey S. Tsay的财务时间序列分析（适用于时间序列分析）
人工智能
- Ian Goodfellow等人的深度学习。
- 强化学习萨顿和巴托的介绍
数量融资
- 约翰·C·赫尔（John C Hull）的选项，期货和其他衍生品（Citadel建议）
- 您首先需要对金融市场有合理的了解（不是专业知识，但要理解是必要的。）
- Marcos Lopez de Prado的金融机器学习进步
- 金融微积分：马丁·巴克斯特（Martin Baxter）的衍生品定价简介（他为雷曼和野村
文章
- 在彭博商BusinessWeek中破解了马赛车代码的赌徒在这里
- 在数学镜子中学习和理解，Misha Gromov的Ch.1,2
- 高频跨市场交易：免费测量和应用（美国HFT市场和网络的良好视图）PDF
文件
- 用自己的数字击败赌徒 - 以及如何操纵在线体育博彩市场
- Gordon Ritter Paper进行交易的机器学习（谈论将RL实施到金融中）
- Hans Buehler等人的深度对冲。 （伦敦办公室的JP Morgan Quants）纸
- 本文已经由JPM文章实施
- 使用RL对冲香草OTC产品
- Rama Cont等人的订购书籍动力学的随机模型。纸
- Rama Cont等人的马尔可夫限制订单市场中的价格动态。纸
心理学
- 48罗伯特·格林（Robert Greene）的权力法则
博客
- 快速AI很棒的课程和博客
- http://koaning.io/ Vincent D. Warmerdam （将简单数学用于ML）
- 克里斯托弗·奥拉（Christopher Olah）的科拉（Colah）博客（前Openai和Google Brain）
- EP Chan （包括机器交易，算法交易）的量化交易（包括机器交易）
- Distill Research Journal（关于具有交互式可视化的ML算法研究论文，以更好地理解）
- 塞巴斯蒂安·鲁德（Sebastian Ruder）的博客（SEB是NLP研究深思的研究科学家）
- 系统的边缘（HFT市场制造和相对价值策略，芝加哥的算法交易者）
- HFT网络和潜伏期的Mahwah＆Friends Blog中的狙击手
- 乔纳森·金莱（Jonathan Kinlay）的定量研究和交易（经济学博士学位，以前是纽约大学·斯特恩（Nyu Stern）和CMU教授）
- 尼尔·沃尔顿（Neil Walton）的应用概率说明（曼彻斯特大学概率和统计小组的前主管）应用概率是优化，游戏理论，动态编程和RL的主要主题
面试准备
PS ：我对语法很虚弱，有人告诉这里有太多错误，而不是修复它。这是有原因的开源...
