量化金融能力

顶层总路径见 量化投资学习路径图 —— 先看它了解金融、工程两条线的全局与前后依赖、以及两线在哪里交汇，再回本篇深入。
姊妹篇是 量化工程能力知识图谱与学习路线。两者互补：量化工程讲怎么把机器（数据/算法/框架/工程）造出来；量化金融讲这台机器加工的对象——金融本身：市场与宏观、定价与基本面、风险、组合、策略的理论与方法。
一个只懂工程的人能跑通流程，但判断不了模型假设合不合理、定价对不对、风险在哪；补上金融这条线，才算完整的 quant。
说明：这条线已经有十二门自研实体课搭起主干——横跨全塔的入门总纲 投资学（INV，28 讲），深挖理论层的 因子投资（FI，26 讲） 与 基本面量化投资（QI，19 讲），深挖定价层的 衍生品与量化金融（QF，29 讲）（锚定 Wilmott），补基础层宏观的 货币、银行与宏观政策（MB，23 讲）（锚定 Mishkin，每讲 FRED 真跑），补组合层大类资产配置的 预期收益（ER，23 讲）（锚定 Ilmanen，用“风险补偿 vs 错误定价 vs 数据挖掘”三分法逐一审视跨资产风险溢价），深挖组合层主动管理的 主动组合管理（AM，20 讲）（锚定 Grinold-Kahn，把主动管理做成独立学科：IR=TC·IC·√BR、Grinold alpha、转移系数、技能检验，组合优化全手写），收束全局的 资产定价（AP，21 讲）（锚定 Cochrane，用 $p=E[mx]$ 把前几门课收进一个方程），深挖 ⑤ 实务层风险的 定量风险管理（RM，20 讲）（锚定 McNeil-Frey-Embrechts，把风险管理做成独立学科：EVT/copula/相干度量/风险聚合），补上体系最后一块空白的 算法执行与市场微观结构（EX，20 讲）（锚定 Cartea-Jaimungal-Penalva，订单簿重建/冲击标定/最优执行/做市全部在真实订单簿上手写真跑），横跨 ④⑤ 两层、为组合优化提供协方差矩阵的 因子风险模型（FR，16 讲）（锚定 Barra CNE6 规格，在 A股上从 descriptor 到 Σ 全部手写），以及把本地 296 篇卖方研报整理成方法地图的 行业轮动研究方法（IR，14 讲）（方法论综述课：只讲六族方法怎么实现、假设与陷阱，不裁决孰优孰劣）。其余层次仍以经典教材自学（覆盖度里的 🔴 是诚实的”待学”标记）。

📦 每讲都有「数据与实现」一节。 金融线 12 门课 259 讲，每讲末尾固定交代三件事：用了什么数据（哪张表、哪些字段、为什么是它）、做了哪些处理（对齐、滞后、聚合、样本门槛，每一步选择都写出来）、分析伪代码（从原始数据到结论的完整链路）。踩过的坑也留在里面——CFL 稳定性、Riccati 换元、pct_change 前必须先排序、shift(-21) 的方向——因为那才是复现时真正会绊住人的地方。设定值与估计值分开标注，数据不可得的地方如实写不可得。

一、能力模型总览：量化金融五层金字塔

金融同样不是单一技能，而是一条从”看懂市场”到”经得起真实交易”的完整链路。把它拆成五层能力，下层是上层的地基：

贯穿全部的主线（图底）：市场认知 → 收益来源 → 工具定价 → 组合配置 → 风险与执行 → 复盘。右侧每层配一到两本代表教材（详见第三节）。

💡 和工程那张图一样：越往下越通用、越耐久（数学、市场结构、定价理论几十年不变），越往上越贴近实务、越易变（策略、监管、市场结构细节）。金融的地基比工程更”数学”，也更需要对市场的敬畏。

五层与现有课程的对应关系（详见第二节）：工程系列的 ML4T 触及了金融的一部分（市场、因子、组合基础、时序、回测偏差、风险指标）；金融自研课里，INV 投资学作为 MBA 入门总纲横跨全部五层（入门级真跑），FI 因子投资与 QI 基本面量化把第 ② 层（资产定价与基本面）深挖成系统覆盖，QF 衍生品与量化金融（锚定 Wilmott 全 29 章）把第 ③ 层（衍生品、波动率、固收、利率模型、信用）深挖成系统覆盖，并同时补上 ① 层的金融数学（随机微积分、PDE、数值方法）与 ⑤ 层的风险度量（VaR/CVaR、RiskMetrics、CrashMetrics）；MB 货币银行与宏观政策（锚定 Mishkin 全 25 章）再补上 ① 层的宏观经济与货币政策（利率的成因、央行与政策传导、危机、国际金融），每讲配 FRED 真实数据实证；ER 预期收益（锚定 Ilmanen 全 29 章）补上 ④ 层的大类资产配置与 ① 层 C 的宏观与大类资产——跨资产风险溢价的量级、周期性与失效条件，是把 MB 的宏观驱动转化为各类资产预期收益的桥；AP 资产定价（锚定 Cochrane）补上 ② 层最后一块空白SDF 与效用理论，并作为整个体系的收官课，把前六门课挂回同一个方程 $p=E[mx]$；AM 主动组合管理（锚定 Grinold-Kahn）把 ④ 层的主动管理从 ER 的『配置什么』深挖成一门独立学科——从预测（IC）到信息比率（IR=TC·IC·√BR）到最优主动头寸到技能度量，与 RM 对称（RM 是 ⑤ 层风险作为独立学科，AM 是 ④ 层主动管理作为独立学科）；RM 定量风险管理（锚定 McNeil-Frey-Embrechts）把 ⑤ 层的风险从 QF 的『会算 VaR』深挖成一门独立学科——损失分布、极值理论、copula 相依、相干度量与风险聚合，并把 2008 解剖成『正态+相关系数』这个天真假设的三次崩塌；EX 算法执行与市场微观结构（锚定 CJP，配合 Bouchaud 的实证与 Hasbrouck 的计量）补上 ⑤ 层最后一块空白——从逐笔重建订单簿、标定冲击、解最优执行与做市，并把测出来的成本曲线交回 AM 第14讲。FR 因子风险模型（锚定 Barra CNE6 官方规格）补上 AM/RM 共同依赖却都没深挖的基础设施——从 descriptor 到 Σ=XFXᵀ+Δ 全部手写，并用偏误检验验证。IR 行业轮动研究方法把图谱上最后一块 🔴（行业/板块轮动）整理成方法地图——它是体系里唯一一门方法论综述课，因为 296 篇研报互相不兼容，作为『结论目录』必然打架，只能作为『方法目录』来教。仍待补的主要是：风险管理的监管/资本侧（Basel 已由 RM 第16讲触及）。

二、五层知识图谱概览

掌握度：✅ 现有课程系统覆盖　🟡 部分/精简　🔴 待学（现有工程课未覆盖）。标注里”ML4T 第 N 讲”指姊妹系列的课程。

① 基础层 · 金融市场、数学与宏观

📖 本层导读：【金融·基础篇】金融市场、数学与宏观

A. 金融市场与工具 → 🟡 入门总纲 投资学（INV） 第01–02讲（市场/工具/风险收益）

• 市场结构、参与者、交易机制、订单类型、撮合与清算结算 → 🟡 ML4T 第02讲、INV 第01讲
• 资产类别全景：股票、债券/固收、外汇、商品、衍生品、加密 → 🟡（股债与衍生品有 INV 入门，外汇/商品/加密待补）
• 交易所 vs OTC、做市与流动性提供、收益率/对数收益/复利 → 🟡 INV 第01–02、05讲

B. 金融数学 → ✅ 配套实体课 衍生品与量化金融（QF，29 讲） 第04–05、07、27–29讲（推导+数值实现真跑）

• 概率论、随机变量与分布、大数定律/中心极限 → 🟡（工具化使用，非系统）
• 随机过程：随机游走、布朗运动、几何布朗运动、Ito 引理、鞅 → ✅ QF 第04–05讲（二次变差/Itô 引理，模拟验证）
• 随机微分方程、偏微分方程（定价方程）→ ✅ QF 第05–07讲（SDE、BS PDE、化热方程、边界条件）
• 时间序列计量：平稳性/单位根、ARIMA、GARCH、协整 → ✅ ML4T 第11-12讲 + QF 第09讲(GARCH)、第21讲(协整)
• 数值方法：蒙特卡洛、有限差分、二叉/三叉树、数值积分 → ✅ QF 第03、27–29讲（二叉树/有限差分求解器/MC 引擎，真跑收敛验证）

C. 宏观经济与大类资产 → ✅ 配套实体课 货币、银行与宏观政策（MB，23 讲）（锚定 Mishkin，每讲 FRED 真跑）+ 预期收益（ER，23 讲）（锚定 Ilmanen，宏观驱动→各资产预期收益）

• 宏观经济：经济周期、货币政策（利率/QE）、财政政策、通胀与就业、央行与利率决议 → ✅ MB 第10–14讲（央行/货币供给/常规与非常规工具/泰勒规则）、第17–23讲（货币理论与传导）
• 宏观指标与信号：GDP/CPI/PMI/非农就业、收益率曲线与利差、国际收支与汇率 → ✅ MB 第03–06讲（实际利率/利率驱动/信用利差/曲线倒挂）、第15–16讲（汇率与国际体系）
• 宏观与大类资产：美林投资时钟、risk-on/risk-off、宏观周期驱动的资产轮动 → 🟡 MB 每讲的”对投资的含义”（政策周期→久期/信用/汇率敞口）；系统的资产轮动框架仍 🔴

② 理论层 · 资产定价与基本面

📖 本层导读：【金融·理论篇】资产定价与基本面

D. 定价原理 → ✅ 配套实体课 衍生品与量化金融（QF） 第01–03、06讲 + 资产定价（AP，21 讲）（锚定 Cochrane）

• 无套利原理、一价定律、风险中性测度、鞅定价 → ✅ QF 第01–03、06讲（远期无套利、二叉树风险中性概率、Δ对冲复制推出 BS）+ AP 第03–04讲（状态价格/SDF/风险中性三语言等价；无套利 ⟺ 存在 m>0 的完整证明）
• 效用理论、风险厌恶、随机贴现因子 SDF → ✅ 配套实体课 资产定价（AP） 第01–09讲（欧拉方程推出 p=E[mx]、Hansen-Jagannathan 边界、m 与 beta 表示与均值-方差前沿三者等价）；另见 QF 第20讲（Kelly/对数效用）、INV 第06讲
• 资产定价模型的统计检验 → ✅ AP 第10–15讲（GMM/$J$、GRS、Fama-MacBeth 全部手写实现，并给出七条检验清单）
• 消费基础模型与股权溢价之谜 → ✅ AP 第19–21讲（诚实结论：这个谜至今没有被解决）

E. 因子与均衡模型 → ✅ 配套实体课 因子投资（26 讲）（本地 roquant 真跑 A股）；入门先修 投资学（INV） 第09–10、13–14讲

• CAPM、套利定价理论 APT → ✅ 因子投资课 第15讲（A股 真跑 CAPM→FF3）；INV 第09、13讲估 β/画 SML 入门
• 多因子模型：Fama-French 三/五因子、Carhart 动量、q 因子、A股 本土模型 → ✅ 因子投资课 第15–17讲；INV 第14讲 Fama-MacBeth 入门
• 有效市场假说 EMH、市场异象、多重检验/因子动物园 → ✅ 因子投资课 第18–20讲；INV 第10讲 EMH 入门；方法论根源见 AP 第07讲（3 个纯噪声因子的横截面 R² 中位数就有 0.336）

F. 基本面分析与估值（自下而上） → ✅ 配套实体课 基本面量化投资（19 讲）（本地 roquant 真跑 A股）；入门先修 投资学（INV） 第17–18、21–22讲

• 财务报表分析（资产负债表/利润表/现金流量表）、财务比率、盈利质量 → ✅ 基本面量化课（质量五维度）；INV 第18、22讲杜邦分解入门
• 估值：DCF/自由现金流折现、相对估值（PE/PB/EV-EBITDA/PEG）→ ✅ 基本面量化课（相对估值 + RIM）；INV 第17、21讲 DDM/相对估值入门
• 基本面因子（价值/质量/成长）与 alpha 的联系 → ✅ 基本面量化课 + 🟡 ML4T
• 自上而下 vs 自下而上两种选股框架 → 🟡 INV 第17讲（宏观→行业→公司三层漏斗入门）

③ 定价层 · 衍生品与固定收益

📖 本层导读：【金融·定价篇】衍生品与固定收益

G. 期权与波动率 → ✅ 配套实体课 衍生品与量化金融（QF，29 讲） 第02–13讲；入门先修 INV 第19–20、23–24讲

• 远期/期货/期权基础、看跌看涨平价 → ✅ QF 第01–02讲（无套利推导）+ INV 第19、23讲
• Black-Scholes-Merton 模型与推导、希腊字母 → ✅ QF 第06–08讲（Itô+Δ对冲完整推导 BS PDE、希腊字母与有限差分交叉验证）
• 隐含波动率、波动率微笑/曲面/期限结构 → ✅ QF 第08–09讲（IV 反解、微笑/偏斜、GARCH/EWMA 真跑）
• 波动率建模：局部波动率、随机波动率（Heston）、SABR → 🟡 QF 第09讲（建模路线概览）；Heston/SABR 细节仍 🔴（见 Gatheral）
• 奇异期权：亚式/障碍/回望，美式期权（最小二乘蒙特卡洛 LSM）→ ✅ QF 第11–13讲（亚式/多资产/障碍，MC 与解析交叉验证）+ 第28讲（美式自由边界）

H. 固定收益与信用 → ✅ 配套实体课 衍生品与量化金融（QF） 第14–19、23–24讲；入门先修 INV 第11–12、15–16讲

• 债券定价、收益率曲线 bootstrapping、久期/凸性 → ✅ QF 第14讲（真实 FRED 曲线自举即期/远期率）+ INV 第15–16讲
• 利率模型：Vasicek、CIR、Ho-Lee、Hull-White、HJM、LMM → ✅ QF 第16–19讲（Vasicek 解析=MC、Hull-White 校准、HJM/BGM、曲线 PCA）
• 信用风险：违约概率、Merton/KMV 模型、CDS、结构化信用 → ✅ QF 第23–24讲（Merton、违约强度、高斯 copula/CDO、CreditMetrics 迁移矩阵）

这一层原是最大的空白，现已由 QF 系统覆盖（衍生品定价、波动率、固收、利率模型、信用）。仍待深入的只剩随机/局部波动率的细节建模（Heston/SABR）与信用衍生品的工程实务。

④ 组合层 · 配置与策略

📖 本层导读：【金融·组合篇】配置与策略

I. 投资组合管理 → 入门 投资学（INV） 第04、07–08、26、30讲（真跑有效前沿/约束优化/业绩归因）

• 均值-方差/有效前沿、Black-Litterman、风险平价、最小方差、最大分散、HRP、Kelly → ✅/🟡 ML4T 第06、16讲 + INV 第04、07–08讲（Markowitz/切点/约束优化真跑）+ QF 第20讲（Kelly 准则真跑）、第21讲（协整/配对）；BL、多期优化为 🔴
• 因子投资 / Smart Beta：因子构建、因子择时、因子拥挤 → ✅ 因子投资课 + ER 第05、20讲（发表衰减、拥挤与反馈效应，真跑） + 🟡 ML4T
• 跨资产风险溢价与预期收益估计：各类溢价的量级/周期性/失效条件、前瞻性预期收益（构建块）、成本与杠杆的代价 → ✅ 配套实体课 预期收益（ER，23 讲）（锚定 Ilmanen，23 讲全部真跑）
• 主动组合管理（作为独立学科）：信息比率、基本法则 IR=TC·IC·√BR、Grinold alpha、多信号合成、约束与转移系数、交易成本、技能 vs 运气 → ✅ 配套实体课 主动组合管理（AM，20 讲）（锚定 Grinold-Kahn，组合优化与估计量全手写真跑）
• 业绩评估与归因：Sharpe/Sortino/Calmar/信息比率、Brinson 归因、因子归因 → ✅ AM 第16讲（Brinson + 因子归因真跑） + INV 第26、30讲；指标 ✅

J. 交易策略谱系

• 统计套利、配对交易、均值回归 → ✅ ML4T 第12讲
• 动量 / 趋势跟踪（CTA）、事件驱动 / 并购套利 → 🟡 ER 第14讲（跨资产动量的证据与失效条件）；事件驱动 🔴
• 全球宏观、行业/板块轮动、自上而下大类资产配置 → ✅ 大类资产配置由 ER 覆盖（第16–19讲底层因子暴露、第21讲周期四象限、第22–23讲成本与长期资金）+ 宏观侧由 MB 覆盖；行业/板块轮动由 行业轮动研究方法（IR，14 讲） 覆盖 ✅（六族方法的实现与陷阱，锚定本地 296 篇研报）
• 做市、高频交易 → ✅ EX 第15–16、18讲（AS 做市、逆选择边界、盘口失衡；诚实结论：信号真实但吃流动性方净收益为负）

⑤ 实务层 · 风险 · 执行 · 实证

📖 本层导读：【金融·实务篇】风险、执行与实证

K. 风险管理（作为独立学科） → ✅ 两门配套实体课：衍生品与量化金融（QF） 第22、24–26讲（VaR 的实现）+ 定量风险管理（RM，20 讲）（锚定 McNeil-Frey-Embrechts，风险的数学核心）；入门直觉见 INV 第05讲

• VaR / CVaR / ES：参数法、历史模拟、蒙特卡洛 → ✅ QF 第22讲（三算法真跑）+ RM 第02、13讲（统一框架）
• 相干性风险度量（次可加性、ES vs VaR） → ✅ RM 第04–05讲（VaR 违反次可加性的反例、欧拉资本分配）
• 极值理论 EVT（GEV/GPD/POT/Hill） → ✅ RM 第07–08讲（拟合 GPD 估极端 VaR/ES，手写 MLE）
• 相依建模（copula、尾部相依、Sklar 定理） → ✅ RM 第09–12讲（高斯 vs t copula、2008 的相依错误）
• 回测（Kupiec/Christoffersen、可诱出性） → ✅ RM 第14讲（没有度量同时相干且易回测）
• 压力测试、情景分析；市场/信用/流动性/操作风险 → ✅ QF 第25讲（CrashMetrics 最坏情形 + Platinum 对冲）、第26讲（真实事故案例）
• 因子风险模型（Barra 式）、协方差估计 → ✅ 配套实体课 因子风险模型（FR，16 讲）（锚定 Barra CNE6：暴露构造/横截面回归/Newey-West/Volatility Regime/eigenfactor 调整/结构化特异风险/偏误检验，全部手写真跑）+ QF 第24讲（RiskMetrics EWMA）
• 巴塞尔协议、监管资本 → 🟡 RM 第16讲（Basel IRB = Vasicek 大组合极限公式，真跑）；完整监管框架仍 🔴
• 组合信用风险、CDO、CVA/对手方风险 → ✅ RM 第15–17、19讲（Gaussian 单因子、CDO 相关性偏斜、错向风险）

L. 市场微观结构与执行 → ✅ 配套实体课 算法执行与市场微观结构（EX，20 讲）（锚定 Cartea-Jaimungal-Penalva，真实订单簿手写真跑）

• 限价订单簿（LOB）、买卖价差、市场冲击模型 → ✅ EX 第01、05–06讲（手写重建订单簿并与官方快照对账；三种价差口径；平方根冲击律）
• 最优执行（Almgren-Chriss）、TWAP/VWAP/IS 算法、交易成本分析 TCA → ✅ EX 第09–14、19讲（HJB/最优停时、AC 有效前沿、队列位置、四算法真实盘口横评、成本参数标定回填 AM）
• 做市（Avellaneda-Stoikov）、逆选择与做市边界 → ✅ EX 第15–16讲
• 订单流长记忆、传播子模型、盘口失衡信号 → ✅ EX 第04、07、18讲（锚定 Bouchaud《Trades, Quotes and Prices》）

M. 实证方法与统计严谨性 → 入门贯穿 投资学（INV）（样本外/显著性/运气 vs 能力）

• 横截面/时序回归、因子检验、事件研究法 → 🟡 ML4T + INV 第13–14讲（估 β、Fama-MacBeth、t 值真跑）
• 金融交叉验证（Purged/Embargo CV）→ ✅ ML4T 第07讲
• 多重检验 / p-hacking、deflated Sharpe、过拟合概率 PBO → 🟡（INV 第31讲强调样本外验证、第26/30讲区分运气与能力；deflated Sharpe/PBO 方法论待补）

三、学习路线（推荐顺序 + 经典教材）

金融这条线的入门总纲（INV）、① 层的金融数学（QF）与宏观政策（MB）、第 ② 层（FI/QI）、第 ③ 层（QF）都已有自研实体课，QF 还覆盖 ⑤ 层的风险度量；其余层次按下面的顺序配经典教材自学。顺序即依赖：先数学与市场，再定价理论，才谈得上衍生品、组合、风险。

🧭 两条主线贯穿全程：

1. 一笔资金的定价与配置：市场认知 → 收益来源 → 工具定价 → 组合配置 → 风险与执行。
2. 从确定性到不确定性：先学确定现金流（债券），再学带随机性的定价（期权/随机微积分），最后学在不确定性下做决策（组合/风险/执行）。

四、和《量化工程》的关系

两张图是一体两面，缺一不可：

• 只懂工程：能跑通一套 ML→回测→上线的流水线，但判断不了因子背后有没有经济学逻辑、期权定价对不对、风险敞口在哪。
• 只懂金融：懂定价与风险理论，但落不了地、跑不出可复现的系统。
• 两者结合，才既能把研究做扎实、又能把它工程化落地——这也是这套内容体系的完整版图。

已有的 ML4T 课是两张图的交汇点：它把 ML（工程）用到交易（金融）上，顺带补了一部分金融脚手架（市场、因子、组合、回测偏差、风险指标）。金融线现在也有了自己的主干：INV 投资学横跨全塔做 MBA 入门总览，FI/QI 把资产定价与基本面深挖成系统课，QF 衍生品与量化金融把定价层（衍生品/波动率/固收/利率/信用）连同金融数学与风险度量一并深挖，MB 货币银行与宏观政策补上宏观与货币政策这条”为什么”的线，ER 预期收益把宏观驱动接到组合层的大类资产配置上，AM 主动组合管理把组合层的主动管理深挖成独立学科（IR=TC·IC·√BR、Grinold alpha、转移系数、技能检验），AP 资产定价用 $p=E[mx]$ 收束全局，RM 定量风险管理把 ⑤ 层的风险深挖成独立学科（EVT/copula/相干度量），EX 算法执行与市场微观结构补上最后一块空白（订单簿、冲击、最优执行、做市），FR 因子风险模型提供了组合优化真正需要的那个 Σ，IR 行业轮动研究方法则把最后一块空白整理成方法地图。至此五层已系统覆盖，剩下的是各层内部的深化（监管资本等）。