参考资料

优先列出原始论文、官方文档和可追溯方法来源。历史研究结论不自动迁移到今天或其他市场。

---

可以配合阅读的公开课程

Google Machine Learning Crash Course. 包含机器学习短课、互动图解、检查题和浏览器练习，适合在第 24 至 28 课之间补充基础概念。

Google MLCC Exercises. 机器学习互动题与浏览器练习目录，可以用来检查分类、回归、过拟合与数据处理概念。

QuantStart, How to Identify Algorithmic Trading Strategies. 讨论怎样从简单、可研究的经典想法开始寻找量化策略。

组合、风险与绩效

Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77-91. 均值方差组合框架的经典来源。

Sharpe, W. F. (1966). Mutual Fund Performance. The Journal of Business, 39(1), 119-138. 风险调整绩效评价的重要来源。

Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal, 35(4), 917-926. 长期对数财富与下注比例的理论来源。

DeMiguel, V., Garlappi, L., & Uppal, R. (2009). Optimal Versus Naive Diversification. The Review of Financial Studies, 22(5), 1915-1953. 讨论复杂优化与 1/N 等权基线的比较。

Ledoit, O., & Wolf, M. (2004). A Well-Conditioned Estimator for Large-Dimensional Covariance Matrices. Journal of Multivariate Analysis, 88(2), 365-411. 协方差收缩估计的重要文献。

Lo, A. W. (2002). The Statistics of Sharpe Ratios. Financial Analysts Journal, 58(4), 36-52. 讨论自相关等因素对夏普统计性质的影响。

趋势、动量与反转

Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers. The Journal of Finance, 48(1), 65-91. 股票截面动量经典研究。

Moskowitz, T. J., Ooi, Y. H., & Pedersen, L. H. (2012). Time Series Momentum. Journal of Financial Economics, 104(2), 228-250. 跨资产时间序列动量研究。

De Bondt, W. F. M., & Thaler, R. (1985). Does the Stock Market Overreact?. The Journal of Finance, 40(3), 793-805. 长期反转与过度反应研究。

Poterba, J. M., & Summers, L. H. (1988). Mean Reversion in Stock Prices. Journal of Financial Economics, 22(1), 27-59. 价格均值回归讨论。

相对价值与因子

Gatev, E., Goetzmann, W. N., & Rouwenhorst, K. G. (2006). Pairs Trading. The Review of Financial Studies, 19(3), 797-827. 配对交易经典研究。

Fama, E. F., & French, K. R. (1993). Common Risk Factors in the Returns on Stocks and Bonds. Journal of Financial Economics, 33(1), 3-56. 市场、规模和价值因子框架。

Carhart, M. M. (1997). On Persistence in Mutual Fund Performance. The Journal of Finance, 52(1), 57-82. 在因子框架中加入动量。

Fama, E. F., & French, K. R. (2015). A Five-Factor Asset Pricing Model. Journal of Financial Economics, 116(1), 1-22. 加入盈利与投资因子。

回测偏差与统计检验

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism. Notices of the American Mathematical Society, 61(5), 458-471. 讨论回测过拟合与样本外衰减。

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the Cross-Section of Expected Returns. The Review of Financial Studies, 29(1), 5-68. 讨论大量因子检验下的显著性门槛。

White, H. (2000). A Reality Check for Data Snooping. Econometrica, 68(5), 1097-1126. 数据窥探下的模型比较方法。

机器学习与深度学习

Breiman, L. (2001). Random Forests. Machine Learning, 45, 5-32. 随机森林的经典来源，说明随机抽样与多棵决策树怎样组合。

Chen, T., & Guestrin, C. (2016). XGBoost. A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785-794. XGBoost 的算法与工程设计来源。

Ke, G., Meng, Q., Finley, T., et al. (2017). LightGBM. A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems 30.

Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735-1780. LSTM 记忆单元与门控设计的经典来源。

Cho, K., van Merriënboer, B., Gulcehre, C., et al. (2014). Learning Phrase Representations Using RNN Encoder-Decoder. Proceedings of EMNLP 2014, 1724-1734. 介绍后来被称为 GRU 的门控循环单元。

Bai, S., Kolter, J. Z., & Koltun, V. (2018). An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling. TCN 与循环模型的系统比较来源。

Vaswani, A., Shazeer, N., Parmar, N., et al. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems 30.

Nie, Y., Nguyen, N. H., Sinthong, P., & Kalagnanam, J. (2023). A Time Series Is Worth 64 Words. International Conference on Learning Representations. PatchTST 的时间片段与通道独立设计来源。

scikit-learn TimeSeriesSplit. 官方时间序列切分说明。

scikit-learn Common pitfalls and recommended practices. 官方预处理泄漏、Pipeline 与随机性说明。

LightGBM Documentation. 模型参数、排序任务和训练接口。

PyTorch Documentation. 张量、神经网络、数据加载与训练接口。

Python、数据与文档

Python 官方教程. 语言、函数、数据结构和虚拟环境。

pandas 用户指南. 时间序列、窗口、缺失与索引对齐。

NumPy 用户指南. 数组、广播和数值计算。

Matplotlib 文档. 教学图表与数据可视化。

AKShare 股票数据文档. A 股历史行情字段与复权选项。

AKShare 数据风险说明. 公开接口与复权数据的已知限制。

Tushare Pro 日线行情文档. 日线字段、更新时间和未复权口径。

SEC EDGAR. 美国上市公司正式提交文件与披露时间查询入口。

pandas DataFrame.pct_change. 相邻行比例变化的官方定义与参数说明。

MkDocs Material 文档. 本手册网站的排版与导航工具。

Mermaid 文档. 手册中可编辑流程图与关系图的语法来源。