Quant Research 知识库

从零到面试的量化研究学习手册：数理基础、编程、因子与 Alpha、机器学习、策略方向与经典论文。每个难点都配直觉、推导与陷阱拓展，适合大一新生入门，也适合求职者系统复习。

🎲 从数理基础开始 🧭 我该先看哪块？

📖 这个知识库讲什么

QR（Quant Research）的核心是在不确定环境里反复提出假设、验证信号、解释失败。内容覆盖概率统计、线性代数、时间序列、因子研究、机器学习、回测评估、组合优化、经典论文与高频问答——把零散知识组织成面试可表达、入门可上手的体系。

🚀 怎么用这个知识库

快面试了：先刷数学与统计基础速查，再回到薄弱章节补定义、直觉和坑。
有项目要复盘：直接看项目复盘 8 问，写清假设、数据、验证、失败和下一步。
刚入门 / 业余做量化：先在学习路径自查里选一个最像自己的状态，不要从头硬啃。
只想找资源：去工具 · 书单 · 资源和策略方向与论文。

📚 八大板块

数学与统计基础

条件概率、CLT、MLE/GMM、协方差矩阵、SVD、平稳性、协整、随机微积分与 GBM。Q1–Q14

编程 (Python / C++)

数据结构、深浅拷贝、Pandas 性能、GIL 与并行、装饰器、生成器、NumPy 广播与滚动窗口、C++ 延伸。Q15–Q28

因子与 Alpha 策略

Alpha/Beta、Fama-French、量价因子、IC/IR、多重共线性、拥挤、组合优化、回测偏差与交易成本。Q29–Q40

机器学习 / 深度学习

偏差方差、正则化、时序交叉验证、树模型、特征工程、RNN/Transformer、GAN/GNN、RL、信息泄漏、LLM。Q41–Q55

策略方向与经典论文

CTA、趋势跟踪、截面选股、基本面量化、统计套利、市场中性、高频、做市、期权波动率，逐方向附奠基论文。

时序预测、机器学习与资产定价、深度学习量价建模、因子工厂与 Alpha 挖掘。

工具 · 书单 · 资源

回测框架、量化平台、AI+Finance、书单、博主、数据源、券商研报、刷题网站与竞赛。

学习路径 & 项目复盘

A/B/C/D 状态自查、项目复盘 8 问、面试追问的 5 个层次、国内量化面试现实情况。

🔥 数理基础速查

面试前最该确认能讲清楚的高频题（点进去看完整答案 + 深度拓展）：

概率统计：Q1 条件概率与贝叶斯、Q2 大数定律与 CLT、Q5 MLE/GMM、Q6 p 值、Q7 协方差矩阵。
线性代数 / 时间序列：Q8 EVD/SVD、Q10 平稳性、Q11 ARIMA/GARCH、Q12 协整、Q14 GBM。
Python / 数值计算：Q17 Pandas 性能、Q18 GIL 与并行、Q19 SettingWithCopy、Q27 NumPy 广播、Q28 滚动窗口。
因子与 Alpha：Q29 Alpha/Beta、Q31 量价因子、Q32 IC/IR、Q33 多重共线性、Q37 回测偏差、Q39 过拟合。
量化 ML：Q41 偏差-方差、Q43 时序交叉验证、Q45 特征工程、Q52 信息泄漏、Q55 LLM 在量化中的应用。

💡 学习建议

量化是需要持续学习的领域：市场在变，Alpha 在衰减。八股文是入门的钥匙，长期护城河来自对市场的理解、严谨的研究方法论，以及不断迭代的能力。