不是金融科班出身想要学习量化交易，应该怎么学习

1. 不是金融科班出身想要学习量化交易，应该怎么学习

我身边就有几位半路出家学习金融量化的，现在做的还不错。我觉得，首先学习金融知识，还有学习量化编程，c++、python，当然还有多看看别人的策略，学习学习。
你可以看看《投资学》、《量化炼金术》这两本书。

2. 计算机专业转行量化分析投资，我需要怎么做

1、如果转行，我将面临哪些潜在风险？2年的系统学习，可以满足量化投资（宽客）的职业需求吗？
机会成本。互联网行业本来就挺火，也挺有钱的不是？
2年的系统学习，入门可以，实战不行。另外，啥叫系统的学习？据我所知，好像还没有系统的课程，是针对国内的量化投资行业的。
2、我要进行哪些方面的系统学习？工作实习与实践？
带着你的编程技能，去找靠谱的团队吧！干半年你就知道要学习什么了。
当然，如果你硬是想学习，我也可以推荐相关的书籍。不过，想好，这是一条性价比很低的路。一般来说，针对问题看书才有用。
3、因为没有专业背景，我需要考什么证书来弥补吗？比如CFA等等？
考证有用，但性价比很低。
4、以后找相关工作，自己的壁垒在什么地方？我该怎么弥补？
壁垒在于，你不想编程。
5、其他方面的建议欢迎给出。谢谢。

3. 想学量化交易的C++编程，有没有比较好的参考书可看

下面这个可以参考一下，具体还要看个人的情况。

我觉得应该根据你的工作需要或者说你的发展方向而定。基本上两大类吧：C/C++和Java。比如，如果你要做企业级应用的你应该学习Java和C＃；如果你想做嵌入式，那么应该学好C语言；其他情况下，在你不知道要做什么之前你可以选择学习C/C++。学会这两大类中的一类，对于你学习其他语言都将是比较轻松，包括脚本语言，动态语言„„呵呵，这里想就自己的学习经历和情况给大家一个建议，仅供参考。
1、我的入门是从学习C语言开始的（其实课程是C＋＋)，这是我们学校的公共课，我上课比较认真（虽然老师讲得很差，而且一段时间后，我就发现自己的基础掌握比她好，当然理解深度没她好），因此，我认为对于完全没有基础的人而言，听别人讲比较容易入门。当时的教材是学校自己编的，挺烂的。  
建议一（以C/C++为例），对于刚想进入编程的人（就是从来都没有接触过编程的人），最好是听课的方式（自己看的话估计要很慢，而且很痛苦），可以找视频或者培训等。C语言推荐入门教材：谭浩强的C语言，最新版是第三版，不过第二版应该也可以了（蓝色的）。说明一下：坚决不同意直接看K&R的《The C programming language》，这本书绝对不是初学者可以看懂的，里面讲语法的并不多，语法都是合在程序里面讲。不过这本书非常好，入门以后一定要看的一本书。
当然可以从C＋＋直接入门，C＋＋之父强烈推荐从C＋＋直接入手。C＋＋推荐入门教材：钱能的C++（红色的，清华大学出版），这本书第一版不是ISO C＋＋，不过比较经典，作者现在也出了第二版了，第二版好像不是太好。国外的最好的入门教材据说是：《Acclerated C++》作者是Koenig和Moo夫妇，非常厉害。他们的著作还有《c陷阱与缺陷》《c＋＋沉思录》。《Acclerated C++》这本入门的书我没有看过，我觉得还是先找本国内的书好好看，看的差不多了，国外的经典书籍随便看就会觉得很有味道，否则你可能会很受打击。入门的书至少要看两三遍（要彻底理解哦 ):）。如果是C＋＋，我建议后面类的部分至少要理解三到五遍。说明一下，c＋＋模板的部分可以先不用看，如果有兴趣的话，等把c＋＋学的差不多了，我觉得可以把模板、STL、泛型编程结合起来学习，这个又是一个很大的工作量了，又得下很大的功夫。所以说，C++博大精深啊。
建议二、学习过程中要结合简单的算法，像冒泡还有类似c语言程序百例这样的小例子做做；更进一步应该做点大一点的项目，最好是控制台程序。或者你已经着手学习win32、MFC或linux，你也可以结合平台做点小的项目。
2、第一阶段是最苦的，接下来相对就知道应该怎么去学习了。这时候假设你已经有了扎实的c＋＋基础。这是你可以选择也应该选择发展方向了，做企业级应用，还是系统开发，嵌入式设计或者游戏开发„„   那时我其实并没有考虑那么多，因为我不是学计算机的，因此我就把参加一些计算机之类的考试当作学习目标。我当时其实C＋＋语言基础已经很不错了，但是上机实践很少（那时我没有电脑），因此参加省计算机二级，全国计算机三级和全国计算机四级考试，结果上机都没有通过。我很郁闷，二级的时候是我不知道怎么样进那个DOS界面把题目调出来，三级的时候是很快就编好了，也通过运行了，可是成绩出来却不及格，四级的时候是编好了，可能是我那题目比较难，好像用了两次循环，结果那破机器竟然承受不了。后来一乱就毁了（当然主要是上机太少了）。不过我那些上机都没有去补考。二级和三级的时候是自恃水平已经远远超过考试要求了，四级的时候则因为自己已经通过高级程序员考试，觉得补考上机好像没必要。（我高程和四级都是在2003年考的）。
建议三：定位学习方向，并好好学习计算机基础知识。在你还不确定学习方向，或者你还在大学本科期间，那么我认为应该先把计算机的基础知识好好学习一下。我认为计算机必学的基础课程而且要精学——首先是数据结构，其次是操作系统、软件工程，数据库。这四门课不管你将来想从事哪个方向的基本上都会用到。当然，有时间的话，其他基础课都是应该掌握的，离散数学、组成原理、体系结构、网络、编译原理甚至跨学科的。方向是很重要的，因为知识其实是无限的，一个小小的领域就够你研究很久了。本科生可能还没有什么方向的感觉，但是到了研究生你一定要清楚自己到底想要做什么，要往哪个方面发展，不要盲目学，瞎学乱学，否则最后可能看似什么都会，其实什么都不会。
我也曾经学习过Java一段时间，这篇文章既然是谈编程语言的入门学习，我也简单说一说。因为有了比较C＋＋扎实的语言基础，所以Java学起来比较轻松。我先找了国内一本薄薄的教材很快看了一遍（几乎都理解，但是只看了一遍），空闲的时间配合清华张孝详老师的java视频。以后其实才算我真正要开始入门JAVA的学习，我用了是《core java》中文第六版（本来想用候捷翻译的第二版的《Thinking in Java》，发现被同学弄丢了），这本书我差不多用了20天才把里面的知识都搞懂，当然包括程序风格的模拟，最重要的时我把有关GUI编程的那三章里面的程序例子几乎可以默写出来（当然，那是因为我理解了，其实这样就变成了我的知识了），里面的API我也记得差不多了。（说明：Java里面的GUI编程没什么用处了，建议大家先跳过，GUI不是Java的长处，如果以后需要的话再查手册或者再记忆学习）。
其实学习了C＋＋以后，学习Java是比较容易了，但是建议不要两种都学啦，他们的用途是不一样的，你应该熟悉其中一种，更重要的是熟悉其应用领域所需要的专业知识甚至平台，以及使用他们的企业，有创业计划的还应该考虑一下他们的应用领域，最重要的是思考他们的潜在的应用领域。
对于初级的学习就讲到这里，接下去的学习其实都是高级部分，先不介绍了，因为：一、我自己都还没有学懂，这里乱吹会误人子弟。 二、高级东西的学习很多，有很多选择，又需要很多繁琐的知识，可能也一下子没办法讲清楚。

4. 对于几乎是零基础的人，直接学 Python 编程合适吗

Python是一门比较适合零基础人员学习的编程语言，只要你想学，愿意学，并选择一个好的学习途径，就一定能学会，我发你一份比较全面的Python课程大纲，对你学习会有帮助的！
阶段一：Python开发基础
Python全栈开发与人工智能之Python开发基础知识学习内容包括：Python基础语法、数据类型、字符编码、文件操作、函数、装饰器、迭代器、内置方法、常用模块等。
阶段二：Python高级编程和数据库开发
Python全栈开发与人工智能之Python高级编程和数据库开发知识学习内容包括：面向对象开发、Socket网络编程、线程、进程、队列、IO多路模型、Mysql数据库开发等。
阶段三：前端开发
Python全栈开发与人工智能之前端开发知识学习内容包括：Html、CSS、JavaScript开发、Jquery&bootstrap开发、前端框架VUE开发等。
阶段四：WEB框架开发
Python全栈开发与人工智能之WEB框架开发学习内容包括：Django框架基础、Django框架进阶、BBS+Blog实战项目开发、缓存和队列中间件、Flask框架学习、Tornado框架学习、Restful API等。
阶段五：爬虫开发
Python全栈开发与人工智能之爬虫开发学习内容包括：爬虫开发实战。
阶段六：全栈项目实战
Python全栈开发与人工智能之全栈项目实战学习内容包括：企业应用工具学习、CRM客户关系管理系统开发、路飞学城在线教育平台开发等。
阶段七：数据分析
Python全栈开发与人工智能之数据分析学习内容包括：金融量化分析。
阶段八：人工智能
Python全栈开发与人工智能之人工智能学习内容包括：机器学习、图形识别、无人机开发、无人驾驶等。
阶段九：自动化运维&开发
Python全栈开发与人工智能之自动化运维&开发学习内容包括：CMDB资产管理系统开发、IT审计+主机管理系统开发、分布式主机监控系统开发等。
阶段十：高并发语言GO开发
Python全栈开发与人工智能之高并发语言GO开发学习内容包括：GO语言基础、数据类型与文件IO操作、函数和面向对象、并发编程等。

5. 我想学编程，什么都不会，零基础，就连大概编程是怎么样的都不知道，谁能教下。

你想学编程，要考虑看三个问题：
1. 你学编程的目的是什么？
2. 你以前学过什么？
3. 你每天能花多少时间？

6. 想学习嵌入式，可是现在什么都不会，不会c、汇编、linux，要怎么学起呢？如果培训，肯定跟不上啊，纠结！

如果你是发自内心的喜欢，坚持到底的精神的话，一切都可能实现，强烈的追求和自律是决不可少的。
但是，如果因为是一些文章什么有钱途之类的，那劝你别学了，去学点自己感兴趣的吧。要知道成功路上无阻碍，有多少人在开头兴致勃勃，而又有多少人在中途放弃了自己的梦想，不是由于其他的原因，一切都是因为自己，是你自己放弃了自己。人生就是一场长跑，没有起点，只有选择和坚持。

7. 应聘量化投资工作需要哪些技术

强烈的兴趣
想做好一件事情没有兴趣也只是三天打鱼两天晒网，最后不得而终，因此需要培养对投资形成强烈的兴趣，每根K线的波动能够刺激你的心脏随之不断跳动。
学习能力
量化交易是一门跨学科知识，必须有快速地问题解决能力和自学能力，懂得锲而不舍不断专研的试错法。研究生已经具备了较好的学习能力。
编程
编程很重要，现在Python是标配，matlab、R拿来做量化的人真的不多。虽然不是做开发，但是基本的简单编程知识还是要会。想学Python和Pandas，推荐 Python基础教程 和 《利用Python进行数据分析》，想学编程知识，推荐 《 代码大全 》 ，这本书没有什么代码，不要为名字所迷惑，不过如果想成为编程高手的话，看了绝不后悔。
看书一定要经典，不经典的书简直就是浪费生命，这三本书如果不想买，网上电子版肯定是很多的，话不多说。
量化知识
很多程序员开始转量化，但是金融知识和量化知识不够。经典的重要性在此显得更为重要，编程的书籍不看经典的我也能进步，可能会慢点，但是量化金融知识不看经典的书，那么可能就会南辕北辙，甚至影响到投资的整个生涯，不对，走偏了的话，就无生涯可谈。
投资的基础知识，比如股票债券基础知识，先来看看滋维博迪的 《投资学（原书第9版）》([美]滋维·博迪（Zvi Bodie）
再来一本干货，很多国内外研究生教程，介绍的更多的是衍生品，约翰赫尔的《期权、期货及其他衍生产品（原书第9版）》([加]约翰·赫尔（John C.Hull）)
期权这么火，推荐 麦克米伦的《金融期货与期权丛书：期权投资策略（原书第5版）》([美]劳伦斯 G.麦克米伦（Lawrence G.McMillan）)
想知道公募基金大佬如何做股票？李腾翻译的大作奉上，主动投资组合管理 创造高收益并控制风险的量化投资方法(原书第2版)
想知道私募基金怎么搞交易的？交易中有哪些技巧？以及如何在量化中走弯路？推荐 范撒普的 通向财务自由之路 ，这可不是一本关于财务分析、会计理论的书籍，真正理解了里面的思想，资金管理、风险控制你就不会纠结。
现在中产压力这么大，那么多人有中年职业危机，想知道怎么把交易当做全职？推荐 埃尔德 以交易为生，他可是将自己如何转行交易，并以交易作为自己的终身职业的心历路程和盘托出。
英语
你可以不说英语、听不懂英语，但最好是要看的懂英语，编程的原生环境是英语，quora、stackoverflow、github也是要求英语阅读能力，要是想用机器学习、深度学习做量化，那么多paper\article都是英语，读不懂怎么做的好？本来是谈量化入门，但好像谈到量化进阶了。
交易
没有途径，实战是最好的方法。确实不行，模拟交易也可以。
量化交易以思想为本，工具为用，路子不能走偏。
快速迭代
类似于实验，都是需要成千上万反反复复的检查、测试。在此，讲到了实验的快速开发和迭代，那么就顺便给个传送门：BigQuant - 人工智能量化投资平台 .，人生苦短，一定要快速迭代，缩短策略开发生命周期。因为你的想法上千个，可能只有几个有价值。

8. 如何自学数据分析

第一方面是数学基础，第二方面是统计学基础，第三方面是计算机基础。要想在数据分析的道路上走得更远，一定要注重数学和统计学的学习。数据分析说到底就是寻找数据背后的规律，而寻找规律就需要具备算法的设计能力，所以数学和统计学对于数据分析是非常重要的。
而想要快速成为数据分析师，则可以从计算机知识开始学起，具体点就是从数据分析工具开始学起，然后在学习工具使用过程中，辅助算法以及行业致死的学习。学习数据分析工具往往从Excel工具开始学起，Excel是目前职场人比较常用的数据分析工具，通常在面对10万条以内的结构化数据时，Excel还是能够胜任的。对于大部分职场人来说，掌握Excel的数据分析功能能够应付大部分常见的数据分析场景。
在掌握Excel之后，接下来就应该进一步学习数据库的相关知识了，可以从关系型数据库开始学起，重点在于Sql语言。掌握数据库之后，数据分析能力会有一个较大幅度的提升，能够分析的数据量也会有明显的提升。如果采用数据库和BI工具进行结合，那么数据分析的结果会更加丰富，同时也会有一个比较直观的呈现界面。
数据分析的最后一步就需要学习编程语言了，目前学习Python语言是个不错的选择，Python语言在大数据分析领域有比较广泛的使用，而且Python语言自身比较简单易学，即使没有编程基础的人也能够学得会。通过Python来采用机器学习的方式实现数据分析是当前比较流行的数据分析方式。
对大数据分析有兴趣的小伙伴们，不妨先从看看大数据分析书籍开始入门！B站上有很多的大数据教学视频，从基础到高级的都有，还挺不错的，知识点讲的很细致，还有完整版的学习路线图。也可以自己去看看，下载学习试试。