工具 · 书单 · 资源
这一页把量化研究会用到的开源工具、书单、数据源、券商研报、社区平台、面试备考与论文源集中收好。新手不必全看：先按下面的「怎么选」提示挑一两样落地，再逐步扩展。🌟 表示经典推荐，优先看、反复用。
🧰 开源工具
这一类是做量化要用的"软件工具箱"：回测框架（把你的策略放到历史数据上模拟跑一遍，看赚不赚钱）、数据处理库、AI 工具等等。新手别一上来就装一堆，先用一两个能跑通"拿数据→写策略→看结果"整个流程的就够了。
从回测、平台到 AI + Finance、研报复现和数据处理库，按用途分组。点开链接即可前往 GitHub。
新手别一上来堆框架：A 股入门可先用聚宽 + Tushare/AKShare 拿数据跑通研究闭环；想要本地全流程再上 Qlib；需要事件驱动 + 实盘再看 Backtrader / vnpy。工具是为研究服务的，不要被工具清单牵着走。
回测框架
量化平台
AI + Finance
研报复现
金融工程、优化与数据处理库
资源合集
📚 书单
按用途分好的入门到进阶书单：面试题、数学统计、编程、因子策略、机器学习都有。新手不用全买全读——挑准自己当前最缺的那一两本，把核心章节啃透，比泛泛翻十本都管用。带 🌟 的是最值得优先看的。
按用途分组，🌟 为优先推荐。很多经典都有免费 PDF，面试前先把核心章节刷透，比泛读十本更有用。
面试
| 书名 | 说明 |
|---|---|
| 🌟 《A Practical Guide to Quantitative Finance Interviews》(Xinfeng Zhou) | 绿皮书，量化面试高频参考书；B 站可看 @数学的风 讲解，脑筋急转弯可看 这部分 |
| 《Heard on the Street》(Timothy Crack) | 华尔街经典面试题集，偏概率和智力题 |
| 《Quant Job Interview Questions and Answers》(Mark Joshi) | 偏衍生品定价方向，适合期权岗 |
数学与统计
| 书名 | 说明 |
|---|---|
| 🌟 《Introduction to Probability》(Blitzstein & Hwang) | Harvard 概率论教材，有免费 PDF，例题极好，面试前刷完前 6 章 |
| 《Probability and Statistics for Engineering and the Sciences》(Devore) | 概率统计标准教材，覆盖面广 |
| 《All of Statistics》(Wasserman) | 统计学速成，写给 CS 背景的人看的，紧凑高效 |
| 🌟 《Analysis of Financial Time Series》(Tsay) | 金融时间序列的权威教材，ARMA/GARCH/协整全覆盖 |
| 🌟 《Stochastic Calculus for Finance I & II》(Shreve) | 随机微积分的金标准，I 是离散，II 是连续，推导 Black-Scholes 的必经之路 |
| 《Convex Optimization》(Boyd & Vandenberghe) | 凸优化经典，有免费 PDF，组合优化和风控都离不开 |
编程
| 书名 | 说明 |
|---|---|
| 《Python for Data Analysis》(McKinney) | pandas 作者亲著，数据清洗的工具书 |
| 《Effective Modern C++》(Meyers) | 现代 C++ 最佳实践，Quant Research 可作为工程背景阅读，非本仓库主线 |
| 《Python for Finance》(Hilpisch) | 从零到量化系统的 Python 实战 |
| 《Introduction to Linear Algebra》(Strang) | 配合 MIT 18.06 公开课食用，PCA/因子模型的数学基础 |
因子与策略
| 书名 | 说明 |
|---|---|
| 《Quantitative Equity Portfolio Management》(Chincarini & Kim) | 量化股票组合从因子到实盘的全流程 |
| 🌟 《Advances in Financial Machine Learning》(de Prado) | 金融 ML 实战经典，数据结构化/防过拟合/回测方法论，引用很广 |
| 🌟 《Active Portfolio Management》(Grinold & Kahn) | 主动管理的理论框架，信息比率、alpha 转移，适合基金公司研究员重点阅读 |
| 《Options, Futures, and Other Derivatives》(Hull) | 衍生品入门标准教材，覆盖期货/互换/期权，适合建立全局观 |
| 《Option Volatility and Pricing》(Natenberg) | 期权交易实战视角，Greeks 直觉讲得很好 |
机器学习
| 书名 | 说明 |
|---|---|
| 🌟 《The Elements of Statistical Learning》(Hastie et al.) | 统计学习理论经典，有免费 PDF，树模型/正则化/集成学习讲得很系统 |
| 《Deep Learning》(Goodfellow et al.) | "花书"，深度学习理论基础，CNN/RNN/GAN/优化全覆盖 |
| 《Machine Learning for Asset Managers》(de Prado) | 资管视角的 ML，聚类/特征重要性/组合构建，薄但密度极高 |
中文
| 书名 | 说明 |
|---|---|
| 🌟 石川 等.《因子投资：方法与实践》 | 中文因子投资经典，从因子定义到组合构建和陷阱规避，系统性较强 |
| 丁鹏.《量化投资：策略与技术》 | 国内量化入门经典，适合建立全局认知 |
| 杨博理 等.《量化投资：以Python为工具》 | Python 量化实操入门，有代码可跑 |
✍️ 博主与公众号
这些是持续更新量化内容的中文博主和公众号。适合在啃论文之余，用更口语、更接地气的方式跟上行业动态和新方法，尤其做因子方向时很有用。零基础也能把它们当科普读物慢慢看。
持续更新的中文量化内容源，做因子方向尤其值得关注。
- 🌟 石川 / 川总写量化 — 知乎 / 公众号。因子投资内容系统，文章通常有学术论文支撑，也比较适合非科班读者。做因子方向建议关注。
- 🌟 因子动物园 (Factor Zoo) — 公众号。石川团队出品，系统梳理学术因子文献，追踪前沿论文，适合做因子方向时集中查阅。
- 🌟 量化投资与机器学习 (QIML) — 公众号。国内较活跃的量化公众号之一，覆盖 ML 策略、因子研究、行业招聘动态，信息密度高。
- 交易门 — 播客/公众号。对话国内外交易员和量化基金经理，听行业里的人怎么想问题。
- 数量经济学 — 知乎/公众号。偏学术向，计量经济学与金融实证方法，适合想打扎实理论基础的人。
🌐 社区与平台
这些是提供"免费数据 + 在线回测"的投研平台和问答社区。新手最容易卡在"没数据、没环境"，这类平台让你零配置就能把一个策略想法跑起来验证。先在这里把研究闭环走通，再考虑更专业的工具。
投研平台和问答社区。入门优先选有免费数据 + 回测引擎的平台，先把研究闭环跑起来。
没有数据和环境就想做策略很容易卡住。新手建议从聚宽起步：免费数据 + 在线回测 + 社区策略，零配置就能验证想法；做数字货币可看发明者 FMZ；需要更高质量数据再考虑米筐/优矿。
- 🌟 聚宽 JoinQuant — 国内常用量化投研平台，免费数据、回测引擎、社区策略分享，适合入门。
- 发明者量化 FMZ — 数字货币/期货量化，支持多语言策略，社区活跃。
- 米筐 RiceQuant — 专业量化研究平台，数据质量高，机构用户多。
- 优矿 Uqer — 通联数据旗下，数据全面，API 友好。
- QuantConnect — 国际量化平台，Lean 引擎开源，支持多资产多市场。
- 知乎：量化交易 — 高质量问答和专栏，搜具体问题经常能找到好答案。
- 经管之家 — 老牌经济金融学术论坛，有不少历史沉淀的好帖。
📊 A 股数据源
这是做量化的"原材料"——股价、成交量、财报这些数据从哪里拿。这里从免费开源到机构付费都列了。个人和学生先用免费的（Tushare、AKShare）就足够入门；机构级的数据更全但要花钱。
从免费开源到机构级付费，按需选用。
个人研究优先用 Tushare Pro + AKShare（免费、覆盖广、Python 友好），需要分钟级 K 线和财报再补 BaoStock；机构级的 Wind / Choice 数据更全但付费，学生通常用学校账号。
| 数据源 | 类型 | 链接 |
|---|---|---|
| 🌟 Tushare Pro | 免费，股票/基金/期货/可转债 | tushare.pro |
| 🌟 AKShare | 开源免费 | akfamily/akshare |
| BaoStock | 免费，日K/分钟K/财报 | baostock.com |
| Wind 万得 | 机构级，覆盖全面（付费） | wind.com.cn |
| 东方财富 Choice | 机构级（付费） | choice.eastmoney.com |
| efinance | 开源爬虫 | mpquant/efinance |
🏦 券商金工研报
券商里专门研究量化方法的团队（"金工"＝金融工程）写的研究报告，相当于把学术论文翻译成"怎么在 A 股实操"的指南。它是国内因子和选股方法的重要灵感来源，配合上面的"研报复现"代码仓库一起看效果最好。
国内卖方金工团队是因子和选股方法论的重要来源，配合上面的研报复现仓库一起看效果最好。
| 团队 | 研究方向 |
|---|---|
| 🌟 华泰金工 | 「人工智能选股」系列、因子体系 |
| 🌟 光大金工 | 因子择时、事件驱动 |
| 天风金工 | 基本面因子、另类数据 |
| 中金量化 | 宏观量化、资产配置 |
| 招商金工 | 多因子模型、行业轮动 |
| 开源证券金工 | 覆盖面广 |
🎯 面试备考与竞赛
这里是刷题网站和量化比赛。刷题网站像"量化版 LeetCode"，帮你练面试常考的概率题、智力题；比赛则用真实市场数据比拼，既能练手，又能攒下可以写进简历的项目素材。准备求职时用得上。
刷题和竞赛是检验实力、积累项目素材的好方式。
面试备考
- 🌟 QuantGuide.io — 量化版 LeetCode；英文吃力可先用力扣中文搜同类题。
- Brainstellar — 量化面试脑筋急转弯；优先刷绿皮书。
- Jane Street Puzzles — 简街（Jane Street）月度谜题，高于面试难度。
竞赛
- Jane Street Kaggle — $100K 奖金，真实市场数据。
- WorldQuant BRAIN — 10 万+ 用户，为 alpha 信号付费。
📄 学术论文源
这是找最新学术论文和工作论文的几个常用网站入口（SSRN、arXiv 等）。当你想追前沿、或想顺着某个方向往深里挖原始研究时，就从这里找。新手早期可以先放一放，有需要时再来。
追踪前沿论文和工作论文的常用入口。
- SSRN — 量化金融工作论文。
- arXiv q-fin — 金融领域最新预印本。
- NBER Working Papers
- Risk.net / Journal of Financial Economics / Journal of Portfolio Management