这是量化金融五层金字塔的第 ① 层 · 基础。讲三块地基：金融市场怎么运转、金融量怎么用数学刻画、宏观怎么给收益提供逻辑。
覆盖现状：本层三块地基现已基本补齐——金融数学由 衍生品与量化金融（QF） 系统覆盖 ✅（Itô/SDE/PDE/数值方法）；宏观经济与货币政策由 货币、银行与宏观政策（MB，23 讲） 系统覆盖 ✅（锚定 Mishkin，每讲 FRED 真跑）；金融市场与工具有入门总纲 INV 第01–02讲（🟡）；宏观与大类资产（宏观周期如何驱动资产回报）由 预期收益（ER，23 讲） 覆盖 ✅（锚定 Ilmanen）；时间序列计量由 ML4T 覆盖 ✅。本层已系统覆盖。本篇是领域导读，配经典教材。
系列总纲见 量化金融能力知识图谱与学习路线。 顶层总路径见 量化投资学习路径图。
为什么要懂这一层
量化的每一步都踩在这三块地基上：
- 不懂市场结构，回测里的成交价、手续费、涨跌停、流动性假设就会错，纸面收益和真实收益能差出一大截。
- 不懂随机过程与随机微积分，看不懂期权定价公式、利率模型、风险度量从哪来——它们本质是同一套数学语言写出来的。
- 不懂宏观，做出来的因子只有统计相关、没有经济逻辑，很容易是数据里挖出来的伪发现，一换样本就失效；也读不懂利率与政策为什么这样动（MB 课 专门补这一块）。
这一层不产出策略，但决定了你上面所有判断的地基牢不牢。
这一层讲什么
A. 金融市场与工具
市场怎么组织交易：参与者、交易机制、订单类型、撮合与清算结算；资产类别全景（股票、债券/固收、外汇、商品、衍生品、加密）；交易所与 OTC 的区别；以及最基本也最容易搞错的——收益率、对数收益、复利之间的关系。
B. 金融数学
一条从确定到随机的阶梯：概率与分布 → 随机过程（随机游走、布朗运动、几何布朗运动、Ito 引理、鞅）→ 随机微分方程与定价用的偏微分方程 → 数值方法（蒙特卡洛、有限差分、二叉/三叉树）。其中时间序列计量（平稳性/单位根、ARIMA、GARCH、协整）是这层里唯一被姊妹工程系列 ML4T 系统讲过的部分。
C. 宏观经济与大类资产
给收益找”为什么”的一层：宏观经济（经济周期、货币/财政政策、通胀与就业、央行与利率决议）；宏观指标与信号（GDP/CPI/PMI/非农、收益率曲线与利差、国际收支与汇率）；以及宏观与大类资产的联系（美林投资时钟、risk-on/risk-off、增长×通胀四象限）。
| 知识点 | 一句话 | 覆盖度 |
|---|---|---|
| 市场结构与交易机制 | 决定回测成交假设是否可信 | 🟡 ML4T + INV 第01讲 |
| 资产类别全景 | 股债汇商品衍生品各有定价与风险逻辑 | 🟡 INV 覆盖股债与衍生品入门 |
| 概率与随机过程 | 期权/利率/风险模型的共同语言 | ✅ QF 第04–05讲（布朗运动/二次变差） |
| Ito 引理 · 随机微分方程 | 从布朗运动推到定价方程的关键一步 | ✅ QF 第05–07讲（Itô 推导+模拟验证） |
| 时间序列计量 | 平稳性/ARIMA/GARCH/协整 | ✅ ML4T |
| 数值方法 | 没有解析解时怎么算价格 | ✅ QF 第03、27–29讲（二叉树/有限差分/MC 真跑） |
| 宏观经济与政策 | 利率、周期驱动大类资产 | ✅ MB 第10–14、17–23讲 |
| 宏观与大类资产 | 周期如何转化为各资产的预期收益 | ✅ ER 第16–17讲（增长/通胀因子）、第21讲（增长×通胀四象限） |
常见误区
- 对数收益和简单收益混用：对数收益跨时间可加，简单收益跨资产可加，用错会在组合与多期计算里悄悄出错。
- 把随机微积分当纯数学摆设：它不是选修的理论装饰，是第 ③ 层衍生品定价和第 ⑤ 层风险模型直接依赖的工具，绕不过去（QF 第05讲 正是由它推出 Black-Scholes）。
- 只认统计相关、不问经济逻辑：一个因子在历史上有效，不代表它有道理。宏观知识正是用来判断”这个 alpha 该不该存在”的（ER 第05讲 的三分法就是干这个的）。
推荐教材与怎么读
- 通识入门：Paul Wilmott《Paul Wilmott Introduces Quantitative Finance》——先建立全局观，知道每块拼图在哪。
- 数学地基：Sheldon Ross《A First Course in Probability》补概率；Steven Shreve《Stochastic Calculus for Finance I & II》是金融数学核心，也是本层最硬的一本，值得慢啃。
- 宏观：✅ 已有自研课 货币、银行与宏观政策（MB）（锚定 Mishkin《The Economics of Money, Banking, and Financial Markets》，面向投资、每讲 FRED 真跑）；补充 Mankiw《Macroeconomics》打基础；想把宏观连到资产回报，走 ✅ 自研课 预期收益（ER，23 讲）（锚定 Antti Ilmanen《Expected Returns》，每讲真跑）。
顺序上：先通识，再补概率与随机微积分（数学线，走 QF）；宏观（走 MB，再接 ER 把宏观连到资产回报）可以与数学线并行，它不依赖前面的数学。
和其他层的关系
这是金字塔最底层，往上支撑第 ② 层：资产定价理论要用到随机微积分（QF），基本面研究要用到财务与商业模式知识；宏观与货币政策（MB）则解释了第 ③ 层的利率与曲线为什么是那个样子，ER 再把这些宏观驱动接到第 ④ 层的大类资产配置上。时间序列这块，姊妹工程系列在 【工程·研究篇】机器学习算法与量化应用 里已经落地讲过，可直接迁移。完整地图见 量化金融能力知识图谱与学习路线。