Books that Made Me a Quant

[Zene] Helló srácok, Roman Paluchcci vagyok, kvantitatív kutató és kereskedő, a Quon Guild alapítója. Már elég régóta kértek tőlem könyvajánlókat, egy olvasólistát. Tehát összeállítottam egy listát azokról a könyvekről, amelyeket a legfontosabbnak tartok a kvantitatív pénzügyekben való utam során. Három kategóriába soroltam őket. Vannak könyvek, amelyek alakították a kereskedésről alkotott gondolkodásomat. Vannak könyvek, amelyek alakították a modellezésről alkotott gondolkodásomat, és vannak könyvek, amelyek nagyon fontosak számomra, és amelyek megalapoztak egész utam során. Amit teszünk, az az, hogy végigmegyünk ezeken a kategóriákon egyenként. Elmondom, hogyan hatott rám minden könyv, és hogyan hatott az iparági alkalmazásaimra. Az első a "creating" kategóriában Nathanberg "Option Volatility and Pricing" című könyve. Nos, soha nem fogom elfelejteni az első opciós ügyletemet. Körülbelül 10 évvel ezelőtt volt, és nagyjából 700 dollárt kerestem, de fogalmam sem volt, miért. Ha nálam lett volna Nathan Berg könyve, megértettem volna a portfólió kitettségeket, amelyek ehhez a P&L-hez vezettek. Nos, ez az a könyv, amely minden opciós kereskedő asztalán ott van. Nem csupán nagyszerű bevezetés az árazási elméletbe, hanem számos stratégiát is lefed. És ez vezet el a videóm fő pontjához. Ezeket a könyveket nem szándékozom arra, hogy fedélről fedélre elolvassátok, és azt sem szándékozom, hogy a polcodon álljanak. Amit tenned kell, az az, hogy hatékonyan kell használnod ezeket a könyveket, mint a tantermet, a laboratóriumot. Mindig visszatérhetsz a tanterembe és a laboratóriumba az elmélet megértéséhez, de menj ki a való világba, és próbáld meg megvalósítani, amit tanultál. Így gyűjtesz tapasztalatot ebben az iparágban. Tehát ez vonatkozik minden könyvre, amit itt felsorolok. Az ok, amiért ilyen hatással voltak rám és a karrieremre, az az, hogy hatékonyan használtam őket tantermemként. Aztán kimegyek a való világba. Látom, mi működik. Látom, mi nem, és onnan újraértékelem. Tehát Natenberg "Option Volatility and Pricing" című könyve helyet érdemelt a kereskedési kategóriámban. Következő, két könyv, amelyek mélyreható hatással voltak a kvantitatív kereskedésemre. Itt van az "Advances in Financial Machine Learning" és az "Inside the Black Box". Nos, azt fogom mondani, hogy az "Advances in Financial Machine Learning" egy nehéz olvasmány. Ez megköveteli a matematika, a valószínűségszámítás és a statisztika, sőt a gépi tanulás és az adattudomány, a mesterséges intelligencia bizonyos szintjét az olvasás előtt. De betekintést nyújt az iparág jelenlegi állapotába. Tehát erősen ajánlom ezt a könyvet, ha már nagyon erős technikai háttérrel rendelkezel. Ha nem, akkor az "Inside the Black Box" nagyszerű kiindulópont, mert ebben van az a könyv, amely szerintem a legmélyrehatóbb idézetet tartalmazza, amit egy kvant könyvben olvastam, amikor feljövőben voltam. Itt van megjelölve, és ez az R-négyzet érték és a hozam-előrejelezhetőség kontextusában van. Ahogy egy másik kvant kereskedő fogalmazott, az emberek meggazdagodtak egy 0,02-es R-négyzettel. Egy korábbi alkalmazottam egyszer azt mondta: "Ha 0,15 feletti R-négyzetet látsz", és ez nem azért van, mert hibát követtél el, fuss a másik irányba, mert az SEC letartóztat insider kereskedésért. Tehát ez a könyv alakította azt, ahogyan a kvantitatív kereskedést nézem. Erősen ajánlom. Ez minden alkalommal eszemben volt, amikor kereskedési stratégiát dolgoztam ki, vagy kvantitatív kutatást végeztem. Ez az én hivatalos ajánlásom, ha érdekel a kvantitatív kereskedés megkezdése. Van az "Advances in Financial Machine Learning" és az "Inside the Black Box". Tovább a modellezés kategóriához. Kifejezetten az adattudomány, a gépi tanulás, a mesterséges intelligencia, a mélytanulás, bármi is nevezzük, ötletére fogok összpontosítani. És azt gondolom, hogy ahogy bekapcsolódsz a kvant térbe, nagyon fontos, hogy megértsd a teljes modellfejlesztési folyamatot az adatbeszerzéstől a tisztításon, az előfeldolgozáson, a jellemzők mérnöki munkáján át, a probléma megoldásához szükséges modell hatékony kiválasztásáig, a modell értékeléséig. Ezek nem triviális feladatok. Ezek teljes munkaidős állások. Tehát ez a két könyv nagyban befolyásolta azt, ahogyan erre a teljes fejlesztési életciklusra tekintek. Ez a "Hands-On Machine Learning with Scikit-Learn and TensorFlow" és a "Deep Learning with Python". Francis Trwlet. Nehéz nem megemlíteni ezt a srácot, amikor a mélytanulásról beszélünk. Ez nagyon is lehet a legjobb könyv, amit a mélytanulás kontextusában olvastam, különösen Pythonnal. Azt fogom mondani, hogy ezek nem fedélről fedélre olvasmányok. Ezt szeretném hangsúlyozni az egész listán. A célod az, hogy laboratóriumként használd őket. Tanuld meg az összes különböző technikát az adatbeszerzéshez, a jellemzők mérnöki munkájához, majd próbáld ki őket a való világban. Építsd meg a saját projektjeidet. Lásd, mi működik, mi nem, majd térj vissza a tanterembe, és értékeld újra. Tehát ezek a könyvek alakították azt, ahogyan az adattudományi folyamataimat felépítem, egészen az adatbeszerzéstől a modell üzembe helyezéséig. Ha már egy ideje követed a munkámat, akkor tudod, hogy egyik fő kutatási érdeklődési köröm az alternatív adatok felhasználása az equity alfa előállítására. És az alternatív adatok sok mindent jelenthetnek. Jelenthetnek szöveges adatokat, képeket, videókat. Akár képekből kivont szöveget is jelenthet. Mindenesetre nem tudsz elkerülni a szövegelemzés gondolatát. Tehát, ha be szeretnél kapcsolódni az alt-adat térbe, akkor ajánlom, hogy szerezd be ezt a könyvet: "Getting Started with Natural Language Processing". Ha jelet szeretnél előállítani alternatív adatforrásokból, akkor a szövegelemzés nagyszerű kiindulópont. A jel kinyerése ezekből az adatforrásokból nagyon bonyolult lehet, de ez a gépi tanulás és a mesterséges intelligencia egyik elsődleges felhasználása is a kvant kereskedési térben. Ez nem közvetlenül az árfolyamon van. Ezt a legtöbb ember elvéti. Ezeket a modelleket építed, hogy jelet állíts elő és nyerj ki ezekből az alt-adatforrásokból. Tehát, ha nem vagy tisztában azzal, hogyan kell összeállítani ezeket a folyamatokat, vagy hogyan kell ilyen elemzéseket végezni alternatív adatokon, akkor erősen ajánlom ezt kiindulópontként. Nos, ahogy mondtam, nem tudsz elkerülni a szövegelemzés gondolatát, különösen, ha érdekel az alternatív adatokkal való munka és a kvantitatív kereskedési jelek előállítása. Továbbá, a nagy nyelvi modellek elterjedtsége miatt nem tudod elkerülni a transzformer architektúra és a nyelvi modellek működésének megértését. Olyan dolgok, mint a ChatGPT, a Gemini, a Cloud, a lista folytatódik. És ezért ajánlom a "100-Page Language Models" című könyvet. Nagyon nagy különbség van a nyelvi modellezési feladatok és olyan feladatok között, mint a hangulatelemzés. Ez az, amit ezek a könyvek lehetővé tesznek. Remélhetőleg bevezetnek ebbe a térbe, hogy megértsd az összes ilyen feladatot és azokat a modelleket, amelyek segítenek a megoldásukban. Ez a könyv itt nagyszerű bevezetés a transzformer architektúrába. Semmiképpen sem mélyreható, de ha nem vagy tisztában a generatív szerkezettel magával, akkor nem ajánlanék más kiindulópontot. Az utolsó könyv ebben a modellezési kategóriában szükségből fakad. Sok diákülésem volt az elmúlt hetekben, és mindegyikben visszatérő téma az alacsony szintű lineáris algebra. Függetlenül attól, hogy pénzügyi instrumentumokat szeretnél árazni, vagy valamilyen gépi tanulási modellt szeretnél megvalósítani, nem tudod elkerülni a lineáris algebrát. Minden, amit csinálunk, lényegében egy mátrix vagy egy vektor. Függetlenül attól, hogy valamilyen folyamatot szimulálunk, vagy dimenziócsökkentést végzünk egy adathalmazon. Ezért, ha gyenge vagy nem létező lineáris algebra háttérrel rendelkezel, ajánlom a "Linear Algebra Done Right" című könyvet. Időről időre kinyitom ezt a srácot, és csinálok néhány gyakorló feladatot, hogy felfrissítsem az emlékezetemet. Így tanultam volna meg a lineáris algebrát, amikor először vettem az órán. Tehát, ha gyenge vagy nem létező háttérrel rendelkezel, erősen ajánlom a "Linear Algebra Done Right" című könyvet. Ismétlem, szükségből szerepel ezen a listán. Mielőtt továbblépnénk azokra a könyvekre, amelyek megalapoztak egész kvant utam során, szeretnék felsorolni néhány külön említést a pénzügyi származékok árazásának kontextusában. Az első könyv, amit ebben a térben olvastam, a "Pricing and Hedging Financial Derivatives" volt. És azt kell mondanom, hogy amikor először olvastam ezt a könyvet, nem rendelkeztem a szükséges pénzügyi, matematikai, sőt valószínűségi és statisztikai ismeretekkel ahhoz, hogy teljesen értékelni tudjam. Ezek bizonyosan nehezebb olvasmányok, és megkövetelik ezen tantárgyak előzetes szintjét, de mindenesetre vétség lenne, ha nem említeném őket ezen a listán. Ez az első könyv, amit ebben a térben olvastam, de a kedvencem a "Mathematical Modeling and Computation in Finance". Ez a könyv szinte mindent lefed, amit a pénzügyi származékok árazásáról tudni kell. Mellékelt Python és MATLAB kódja is van. És amikor azt mondom, hogy ez mindent lefed, akkor tényleg mindent lefed. Lényegében egy tankönyv. Ha egy adott folyamat karakterisztikus függvényét keresed, ha egy moment generating function-t keresel, ha azt keresed, hogyan kell egy adott modellt diszkretizálni, ez a könyv biztosan tartalmazni fogja. Tehát erősen ajánlom ezeket, ha érdekel a pénzügyi származékok árazása. Ismétlem, bizonyosan előzetes tudást igényelnek, de ne keress tovább, ha szilárd tankönyvet szeretnél ehhez a témához. Ez az utolsó három könyv nem kapcsolódik a kvantitatív pénzügyekhez, de nélkülük nem lennék ott, ahol ma vagyok. Úgy gondolom, nagyon fontos, ha bekapcsolódsz egy olyan térbe, ahol annyi minden van az irányításodon kívül, és annyi minden változik olyan gyorsan az idővel, hogy megalapozd magad valamiben, ami értelmet ad számodra. És ezek a könyvek sok értelmet adtak nekem az évek során. Az első könyv az "Ego is the Enemy" Ryan Holiday-től. A második Marcus Aurelius "Meditációi". A harmadik pedig minden idők kedvenc könyvem, az Epiktétosz "Diskurzusai és válogatott írásai". Mindezek a könyvek a sztoikus filozófiára összpontosítanak, amely dióhéjban azt mondja, hogy arra koncentrálj, amit irányítani tudsz. Fenomenális érzés egy kvant karrierjéhez, amikor annyi minden van a kezeden kívül. Ez segített alakítani azt, ahogyan nem csak szakmailag, hanem személyesen is megközelítem a dolgokat, hogyan tűzök ki célokat és hogyan haladok feléjük. Soha nem fogom elfelejteni, amikor először hallottam a "Meditációkról". Ez volt az első a három könyv közül, amit elolvastam. Valószínűleg hét évvel ezelőtt volt, talán már nyolc. És nagyon gyorsan megszállottá váltam. Különböző fordításokat szereztem be, és próbáltam megnézni, hol térnek el a fordítók értelmezései, és így tovább. Ez gyorsan elvezetett Ryan Holiday-hez és a kedvenc könyvéhez, az "Ego is the Enemy"-hez. Nem csak az eredményre koncentrálni, hanem haladni, alázatosnak maradni és ténylegesen csinálni. Nem csak beszélni a csinálásról, hanem beletenni a munkát, megvalósítani a dolgokat, építeni a dolgokat, és arra koncentrálni, amit irányítani tudsz. És az utolsó, természetesen, Epiktétosz "Diskurzusai". Ezt a könyvet valószínűleg több mint ezerszer olvastam. Annyi zászlóm van benne, amennyit fel sem tudok számolni. Hány zászlót mozgattam meg és adtam hozzá, távolítottam el. És azt kell mondanom, hogy ez a könyv formált engem. Alakította azt, ahogyan szinte mindenről gondolkodom, és ahogyan a mindennapjaimat élem, haladok a céljaim felé, és hogyan kezelem a különböző kihívásokat. Ezzel lefedtünk mindent az ajánlott olvasólistámon. Ismétlem, nem ajánlom, hogy ezeket a könyveket fedélről fedélre olvassátok. Ehelyett tekintsétek őket tantermeteknek. Szerezz új technikai készségeket. Menj ki a való világba, lásd, mi működik, mi nem, majd térj vissza a tanterembe, és értékeld újra. Így gyűjtesz tapasztalatot kvantként. És ez lesz minden erre a videóra. Remélem, élveztétek. Ez bizonyosan szórakoztató volt összeállítani. Ha élveztétek, és a jövőben is szeretnétek hasonlókat látni, kérlek, lájkoljatok, kommenteljetek, iratkozzatok fel, osszátok meg. Ez rengeteget segít nekem. Mindig nagyra értékelem. Ha szeretnéd elsajátítani a kvantitatív készségeidet, nézd meg a quankild.com oldalt. Ha szeretnél kapcsolatba lépni velem és más kvantokkal a Quanild közösségben, csatlakozz a Discordunkhoz. Linket hagyok az alábbi leírásban. Ezen kívül nagyon szeretnék köszönetet mondani a figyelmetekért, és a következő videóban találkozunk.