学习路径

这是整个体系的最高层入口。先读这里，看清金融、工程两条线的全局、前后依赖与交汇点，再分流到两条线里找具体知识。
往下走有两张分支总图：量化金融能力知识图谱与学习路线（12 门课）与 量化工程能力知识图谱与学习路线（7 门课）；每张分支图再往下是各层的篇章导读与课程讲次。

一、一个 quant，两条线

量化不是单一技能，是两条互补的能力线拧在一起：

• 工程线——怎么把机器造出来。 数据 → 算法 → 框架 → 工程化 → 自动化。它回答的是：怎么做、跑得快不快、复现得了吗、能不能上线。工具与方法导向，在碰到 ML4T 之前基本与具体金融无关。
• 金融线——机器加工的对象，金融本身。 市场 → 定价 → 组合 → 风险 → 执行。它回答的是：做什么、假设对不对、定价准不准、风险在哪。判断导向，与用什么工具基本无关。

缺任一条都不是完整的 quant：只懂工程，能把流水线跑通，却判断不了模型假设合不合理、定价对不对、风险藏在哪；只懂金融，能看懂门道，却落不了地、跑不快、三个月后复现不出自己的结果。两条都通，才算完整。

两条线的形状不同，这决定了怎么学：

• 工程线是一条线性技能阶梯（0→⑤，顺序即依赖，别跳级）：先会写软件，才谈处理数据；先懂算法，才谈接到交易；先会用平台，才谈工程化。
• 金融线是一座分层依赖金字塔（下层是上层地基）：先看懂市场，才谈定价；先会定价，才谈组合；先会组合，才谈风险与执行。越往下越通用耐久（数学、定价理论几十年不变），越往上越贴近实务易变（策略、监管、市场结构）。

规模：工程 7 门课（≈182 讲）＋ 金融 12 门课（≈259 讲）＝ 19 门、约 441 讲，每讲都配可跑的真实代码。

两条线各自的能力塔见分支总图；下面这张是双线融合总图——同一套视觉语言（五色分层、梯形、课程 ID），左金融右工程，中间标出三处交汇：

二、融合脉络图怎么读

• 左右两塔各自独立：左边金融线是分层依赖金字塔（下层是上层地基，越往下越通用耐久）；右边工程线是线性技能阶梯（顺序即依赖，别跳级）。层内缩写就是课程 ID，对照第七节的索引查。
• 中间三条虚线是交汇点：① 同一批东西两种进法（ML4T 给实现 · FI/QI 给判断，含回测陷阱 ↔ 数据挖掘）；② 判断与成本曲线回流（EX 第19讲 → AM 第14讲 → 平台规模化）；③ 工程线缺口指回金融实务（执行 EX · 风险 RM+FR · 衍生品 QF）。
• 底部横条是共享主线：数据 → 因子 → 模型 → 信号 → 回测 → 组合 → 执行 → 监控。工程线负责每一环”造出来、跑得动、复现得了”，金融线负责每一环的”判断”。详见第六节。

两处横跨没画进图里，避免线太乱：INV 投资学作为入门总纲横跨金融全部五层（当字典按需查）；FR 因子风险模型横跨④组合层与⑤实务层（为组合优化提供 Σ，又是风险度量的基础设施）。

三、两条线在哪里交汇

这是”关联”最实的部分——两条线不是各走各的，而是在这几个点上咬合：

1. ML4T ↔ 金融理论/组合（第一个交汇点）。 工程线的 ML4T 是第一处真正碰金融内容的地方：因子构建、组合基础、回测偏差、风险指标。它和金融线的 FI/QI（因子）、AM（组合）讲的是同一批东西——只是 ML4T 从”怎么用代码实现”进，FI/QI/AM 从”为什么这么设计、假设是什么”进。对照着读，一个给实现，一个给判断。
2. 回测陷阱 ↔ 数据挖掘。 ML4T 反复演示的前视 / 幸存者 / 过拟合，正是金融线 FI 第19讲（多重检验）、AP 第07讲（能拟合 ≠ 有解释力）、AM 第11讲（数据挖掘）在讲的同一件事。工程给你”怎么在代码里避开”，金融给你”为什么统计上必然如此”。
3. 进阶篇缺口 → 金融实务（设计上约好的接口）。 工程线进阶篇明确把执行 / 风控 / 衍生品列为 🔴 缺口，指回金融线——EX（执行）、RM（风险）、QF（衍生品）正好补上。工程线自己不重复造这些，交给金融线。
4. 成本曲线的闭环。 金融线 EX 第19讲在真实订单簿上测出交易成本曲线，交回 AM 第14讲做组合优化；而这套东西要在工程线的 pipeline（qlib / MLflow）里才能规模化跑起来。判断来自金融，落地靠工程。
5. 共享的一条主线。 数据 → 因子 → 模型 → 信号 → 回测 → 组合 → 执行 → 监控。工程线负责把这条管道每一环”造出来、跑得动、复现得了”；金融线负责每一环的”判断”。这是两条线最深的合流，单列在第六节。

四、三种读者，三条路径

先读这张总图，再按你的出身选一条路径切进去：

• 工程出身（会写代码、跑得动模型，缺金融判断力）：先沿工程线走到 ML4T（②研究层），已经能跑通策略雏形；然后从交汇点横切到金融线补判断——先②理论层（FI/QI 懂因子为什么有效、AP 懂定价），再上④组合层（AM/ER/FR）、⑤实务层（RM/EX）。金融①基础层（INV）当字典按需查，不必从头啃。

• 金融出身（懂理论、懂判断，缺工程落地）：金融线的 ②③④ 层你可能本就熟，重点补工程线——①基础层（OOP/pandas，落地的地基）、②研究层（ML/ML4T，把判断变成能跑的模型）、③平台层（qlib，从脚本到系统）。工程 ④⑤（MLflow/RD-Agent）等你要上线、要自动化时再补。

• 从零起步：别单线到顶，两条线交替爬升，每爬一层就能在共享主线（第六节）上多接通一环：

  | 台阶 | 工程线 | 金融线 | 爬完你能 |
  |—|—|—|—|
  | 1 | ① OOP · pandas | ① INV | 写干净代码、看懂市场与工具 |
  | 2 | ② ML · ML4T | ② FI · QI | 做出模型 + 懂因子为什么有效 |
  | 3 | ③ qlib | ③④ QF · AM · ER | 驾驭平台 + 懂定价与组合 |
  | 4 | ④ MLflow | ⑤ RM · EX | 能上线 + 懂风险与执行 |
  | 5 | ⑤ RD-Agent | 收官 AP | 前沿自动化 + 用 p=E[mx] 统一理论 |

五、你在哪一层：前序 · 能力 · 后续

无论从哪门课进来，这张表让你知道自己站在哪、前面该会什么、学完能干什么、下一步去哪：

六、贯穿两线的一条主线

这条链是两条线真正合流的地方——每一环，工程给”怎么造”，金融给”判断”：

工程让这条链跑得起来、复现得了、能上线；金融让这条链每一步都对、假设站得住、风险看得见。 两条线各自独立成塔，又在这条主线上环环咬合——这就是这张路径图想说的全部。往下走，去 金融分支 或 工程分支 找具体知识。

七、课程缩写索引

19 门自研课的 ID 对照。图里、表里、各篇正文里出现的缩写都在这查。

金融线 · 12 门 259 讲

工程线 · 7 门 182 讲

八、参考书目总表

两条线锚定与推荐的全部书目，按用途归类。加粗的是已做成实体课的锚定教材（该书被逐章拆成讲次并真跑），其余为深挖或补充阅读。

金融线

入门总纲

• Bodie, Kane & Marcus《Investments》(13e) → INV 全 28 讲，一章一讲，横跨五层

① 基础：数学与宏观

• Mishkin《The Economics of Money, Banking and Financial Markets》 → MB 全 23 讲，每讲配 FRED 真跑
• Sheldon Ross《A First Course in Probability》— 概率论地基
• Steven Shreve《Stochastic Calculus for Finance I & II》— 随机微积分标准教材
• Mankiw《Macroeconomics》— 宏观补充

② 理论：资产定价与基本面

• Cochrane《Asset Pricing》 → AP 全 21 讲，用 $p=E[mx]$ 统一全体系
• 石川《因子投资：方法与实践》 → FI 全 26 讲，A股真跑
• 张然《基本面量化投资》 → QI 全 19 讲，A股 PIT 真跑
• Björk《Arbitrage Theory in Continuous Time》— 连续时间无套利理论
• Graham & Dodd《Security Analysis》— 基本面分析源头
• Damodaran《Investment Valuation》— 估值百科
• Penman《Financial Statement Analysis and Security Valuation》— 报表与估值的接合
• Koller 等（麦肯锡）《Valuation》— 企业估值实务

③ 定价：衍生品与固定收益

• Wilmott《Paul Wilmott on Quantitative Finance》 → QF 全 29 讲，推导 + 数值实现真跑
• Hull《Options, Futures, and Other Derivatives》— 衍生品标准入门
• Gatheral《The Volatility Surface》— 波动率曲面（Heston/SABR 深挖）
• Tuckman《Fixed Income Securities》— 固收标准教材

④ 组合：配置与策略

• Ilmanen《Expected Returns》 → ER 全 23 讲，跨资产风险溢价三分法
• Grinold & Kahn《Active Portfolio Management》 → AM 全 20 讲，IR=TC·IC·√BR
• Barra CNE6 官方规格文档 → FR 全 16 讲（非教材，是规格；A股上手写 Σ=XFXᵀ+Δ）
• 本地 296 篇卖方研报 → IR 全 14 讲（非教材；唯一一门方法论综述课）
• Andrew Ang《Asset Management》— 因子视角的资产管理，补充阅读

⑤ 实务：风险与执行

• McNeil, Frey & Embrechts《Quantitative Risk Management》 → RM 全 20 讲，估计量全手写
• Cartea, Jaimungal & Penalva《Algorithmic and High-Frequency Trading》 → EX 全 20 讲，LOBSTER 真实订单簿
• Bouchaud 等《Trades, Quotes and Prices》— EX 的实证主线
• Hasbrouck《Empirical Market Microstructure》— EX 的计量工具
• Jorion《Value at Risk》— VaR 的监管与实务视角
• López de Prado《Advances in Financial Machine Learning》— 实证严谨性（PBO/deflated Sharpe），同时衔接工程线

工程线

• Lott & Phillips《Python Object-Oriented Programming》(4e) → OOP4 全 32 讲 · 代码库
• McKinney《Python for Data Analysis》(3e) → pandas 全 22 讲 · 代码库
• Raschka, Liu & Mirjalili《Machine Learning with PyTorch and Scikit-Learn》 → ML 全 29 讲 · 代码库
• Jansen《Machine Learning for Algorithmic Trading》(2e) → ML4T 全 26 讲 · 代码库
• Lauchande《Machine Learning Engineering with MLflow》 → MLflow 全 25 讲 · 代码库
• Liu & Zaharia《Practical Deep Learning at Scale with MLflow》— MLflow 进阶
• microsoft/qlib 源码 → qlib 全 26 讲（教材即源码）· https://github.com/microsoft/qlib
• microsoft/RD-Agent 源码 → RD-Agent 全 22 讲（教材即源码）· https://github.com/microsoft/RD-Agent

📌 怎么用这张表：先按第四节选好路径，再回这里取对应的书。加粗的锚定教材建议跟着课走（课已把它拆成讲次并补了真跑代码与「数据与实现」一节）；非加粗的按需查——它们多数是某个专题的深挖，不必通读。