传统量化研究：机构级知识体系
传统量化不是”会很多模型”，而是能把”金融直觉 → 数学表达 → 统计验证 → 组合实现 → 风险约束”连成闭环。
与 ML 量化的区别
| 维度 | 传统量化 | ML 量化 |
|---|---|---|
| 理论基础 | 数理金融 / 计量经济学 | 统计学习 / 优化 / 信息论 |
| 因子来源 | 理论驱动，有经济学解释 | 数据驱动，可解释性弱 |
| 核心工具 | SDE / 回归 / 蒙特卡洛 | LightGBM / LSTM / Transformer |
| 过拟合风险 | 相对较低（参数少、理论约束强） | 极高（需严格时序验证） |
| 擅长资产 | 衍生品 / 固收 / 高频 | 股票选择 / 因子挖掘 / 中低频 |
| 可解释性 | 强，每个参数有金融含义 | 弱，黑箱特性 |
顶级机构的现实做法：用传统框架界定研究边界，用 ML 提升信号提取能力，用风险模型完成落地。
七大模块
第一支柱：数理金融
传统量化的理论基石。ML 量化可以不懂随机微积分，传统量化通常不行。
| 文件 | 核心内容 |
|---|---|
| 随机微积分 | 布朗运动、伊藤积分、伊藤引理、SDE、Girsanov 定理 |
| 无套利定价理论 | FTAP、风险中性测度、等价鞅测度、复制组合 |
| 资产价格模型 | GBM、Heston、SABR、跳跃扩散、利率模型 |
第二支柱：计量经济学
传统量化区别于纯工程师的核心竞争力：知道如何正确地从数据中得出可信的统计推断。
| 文件 | 核心内容 |
|---|---|
| 经典回归理论 | OLS、异方差、自相关、工具变量、HAC 标准误 |
| 时间序列计量 | ADF、协整、VAR、VECM、GARCH、脉冲响应 |
| 面板数据方法 | FE/RE、Hausman、Fama-MacBeth、DID |
| 因果推断 | Rubin 因果模型、RDD、合成控制、事件研究 |
第三支柱：统计套利理论
传统量化核心策略框架。统计套利 ≠ 均值回归，而是更大的框架。
第四支柱：因子投资理论
传统量化的主战场。不是用 ML 挖因子，而是从理论出发理解风险溢价。
| 文件 | 核心内容 |
|---|---|
| 经典因子体系 | 价值、规模、动量、质量、低波动、流动性因子 |
| 因子溢价来源 | 风险补偿、行为金融、拥挤、轮动 |
| 因子研究方法论 | Fama-MacBeth、分组分析、IC/ICIR、正交化 |
| Barra 风险模型 | 结构化模型、因子收益估计、风险归因 |
第五支柱：衍生品定价
传统量化最硬核的金融工程部分。强理论约束、强无套利约束。
| 文件 | 核心内容 |
|---|---|
| 期权定价 | BSM 推导、二叉树、有限差分、蒙特卡洛、随机波动率 |
| 利率衍生品 | IRS、Cap/Floor、Swaption、Vasicek、Hull-White |
| 信用衍生品 | CDS、违约概率、Merton 模型、CDO |
第六支柱：市场微观结构
机构交易能力和执行能力的深水区。信号能否赚钱常常由执行质量决定。
| 文件 | 核心内容 |
|---|---|
| 微观结构理论 | Kyle、Glosten-Milgrom、Avellaneda-Stoikov、VPIN |
| 高频数据分析 | Tick 清洗、U 形曲线、已实现波动率、订单簿 |
| 高频策略类型 | 做市、延迟套利、订单流预测、冰山单 |
| 最优执行理论 | Almgren-Chriss、交易前沿、动态规划 |
第七支柱：组合管理
很多个人研究者最容易低估的一层。机构赚钱靠的是组合，不是单个信号。
| 文件 | 核心内容 |
|---|---|
| 组合构建理论 | Markowitz、Black-Litterman、风险平价、GMV |
| 协方差矩阵估计 | Ledoit-Wolf、因子模型、RMT、DCC-GARCH |
| 绩效归因 | Brinson、因子归因、Grinold 基本法则、Alpha 分解 |
研究工程与治理
机构真正的壁垒不只是知识，还有流程。
| 文件 | 核心内容 |
|---|---|
| 研究工程与治理 | 命题治理、数据治理、特征治理、回测治理、Gate 治理 |
学习路线
按方向的优先级
中低频 Alpha / 因子 / CTA：计量经济学 → 因子投资 → 组合管理 → 统计套利
做市 / 高频 / 执行：微观结构 → 高频数据 → 最优执行 → 风险控制
期权 / 利率 / 结构化：数理金融 → 无套利定价 → PDE/蒙特卡洛 → 波动率曲面
最小可用学习路径
阶段 1（统计基本功）：概率统计 → 回归 → 时间序列 → 假设检验 → 样本外验证
阶段 2（因子与组合）：因子构建 → IC/ICIR → 风险模型 → 组合优化 → 交易成本
阶段 3（策略专题）：趋势 → 均值回归 → 套利 → 事件驱动 → 执行与风控
阶段 4（高级专题）：微观结构 → 衍生品定价 → 高频 → ML 融合
推荐书单
| 书名 | 作者 | 方向 |
|---|---|---|
| Stochastic Calculus for Finance I & II | Shreve | 数理金融 |
| Options, Futures, and Other Derivatives | John Hull | 衍生品定价 |
| Active Portfolio Management | Grinold & Kahn | 因子投资 |
| Econometrics | Hayashi | 计量经济学 |
| Market Microstructure Theory | O’Hara | 微观结构 |
| The Econometrics of Financial Markets | Campbell, Lo, MacKinlay | 金融计量 |
| Algorithmic and High-Frequency Trading | Cartea, Jaimungal | 高频与执行 |
| Expected Returns | Ilmanen | 因子溢价 |