unique_ptr

分类： 阅读

  • 2021阅读书单

    2021年看起来是放羊的一年，不知不觉阅读的时间减少了。

    对冲之王：华尔街量化投资传奇

    这本书当成小说来看挺不错的，讲的是华尔街（早期）的一些名角的发家史。这些人相互之间也有联系，书中很好地把他们串了起来。那么到底金融是不是赌博呢？看完我又感觉到了一丝矛盾。

    另外，回想起这本书，也推荐一部华尔街主题的电影——《大空头》。

    推荐指数：4/5

    雪人

    血腥、暴力、一丁点色情。这部悬疑小说看的时候会让人停不下来，疑云在最后一刻才得以破开。书中对于作案手法及过程描述的非常详细，看的有点瘆人…

    此外这本书是我今年在Kindle (硬件)上看的唯一一本书，依然觉得Kindle目前还是只适合看小说，带有图片或者代码的书本还是iPad靠谱。

    推荐指数：5/5

    区块链：通往资产数字化之路

    这本书居然是OREILLY出版。一本非常科普性质的书，如果对区块链的概念一无所知的话还是推荐阅读的，说它是技术书也勉强吧，里面还是有一丁点代码的。老实说看完这本书，我的资产数字化之路还是一样坎坷。

    推荐指数：3/5

    市场微观结构——理论与中国经验

    好像是某“内部”人士写的一本书，讲了一些A股市场相比于国际市场在微观结构上特殊的地方，有一些实证研究，分上下两篇：理论基础、中国经验。下篇看起来能了解一些大陆市场的“发家史”，这本书虽然有点老了，但里面的市场特征有些在现如今还是能关注到的。

    推荐指数：4/5

    此外，以下是正在阅读的书…

    Trades, Quotes and Prices: Financial Markets Under the Microscope

    这本书从非常量化的角度在解析市场微观结构，由浅及深。每一个章节的逻辑（看到目前）基本上是做一些假设，然后推导公式，最后会结合演算结果于实证。读起来需要一些高等数学或线性代数的知识，于我而言阅读起来还是有些吃力的，需要1小时或以上的连续阅读时间，不然下次读的时候”恢复现场”就得好久。

    尽管如此，全书的结构条理是很清晰的，图表排版的也很翔实。

    进度20%，推荐指数：4/5（啃起来有点吃力）

    深入Linux内核架构

    买过实体书里最厚的一本。这本书我是挑感兴趣的章节看的，对于Linux的方方面面写的算是详尽了，各个组件几乎都有涉及。对于复杂的概念逻辑或是结构，都能给出简明清晰的图来解释。现在想来这本书我应该早两年就开始看的，里面一些设计理念，在其他软件设计的场景里是通用的。

    进度：35%，推荐指数：5/5

  • [书单] 2020阅读书单

    发现一些博主都有记录书单的好习惯，而且越牛的大佬书单越是长。所以我就从此开始记录一下读过的书吧。

    《Python数据分析基础教程, Numpy学习指南(第二版)》

    英文书名Numpy Beginner’s Guide, Second Edition

    薄薄一本书，作为Numpy入门可以，但是我更推荐Numpy和Pandas官方的文档，因为本质上都是一些接口介绍和例子，还不如直接搜最新的看。

    推荐指数：2/5

    《量化股票组合管理——积极性投资组合构建和管理的方法》

    英文名是Quantitative Equity Portfolio Management, An Active Approach to Portfolio Construction and Management.

    这本书对于我这种金融初学者是很友好的，由浅入深介绍一些量化的基本概念，全书的公式量不是很多，基本上能够看得懂。全书主要围绕因子以及股票组合展开，从因子模型的构建到投资组合的构建，再到交易成本和绩效分析，整套流程都过了一遍。

    一些缺点：一些深入的内容是一笔带过的。另外寻觅机器学习的读者是无法从本书中获益的。这个跟这本书的性质有关。总的来说是一本不错的入门书，类比一下就是《C++ Primer》以上，《Effective C++》未满。

    推荐指数：4/5

    《积极性投资组合管理——控制风险获取超额收益的数量方法》

    A Quantitative Approach for Providing Superior Returns and Controlling Risk.

    这是本不错的书。上面一本是初级，这本我认为是中级。书中公式量和难度明显高了一节，说实话书中的一些公式我没有完全看懂，所以它是值得你遇到问题时再细看一两遍的那种书。CAPM、风险、收益分解、估价、信息处理、执行……想找的量化关键词，里面都有，而且例子和公式并存。本书中仍以因子为突破点，讨论α和β收益，以及一丢丢机器学习的苗头。另外我觉得这本书更像一本教材，因为后面还有练习题。

    缺点：需要一些线性代数基础知识，公式多了一些。另外此书讨论的股票操作周期是偏低频的（日频、周频为主），希望做高频一点分析的话，可能理论体系不能完全适用。

    推荐指数：4/5

    Mastering the C++17 STL

    这本书是Kindle上买的，主要介绍C++17的新特性，讲的还挺全面，并且有理有据有例子。相比C++11/14之流，C++17在语言特性上又丰富了不少。至于这种更新是好是坏，我觉得至少它比C++20让我看得懂一些吧。

    推荐指数: 3/5

    《一九八四》

    这本书是奥威尔的经典之作，其实是基于现实的科幻。文中的一些点，很遗憾，我在当今社会已经看到了苗头，并且我真希望它不不要继续进展下去。鉴于本站是ICP备案的良好网站，我就不细说了。

    推荐指数：5/5
    同样推荐的还有《美丽新世界》(推荐指数3/5)，写的没这本扣人心魂。

    《Python 源码深度剖析》

    这是一个在线付费书籍（作者不是我）https://www.imooc.com/read/76。

    有一本Python2时代的《Python 源码剖析》是非常经典的，但是原作者断更很久了。这本看下来，作为C++/Python coder，我基本上能对Python里面发生的一些细节有更深的了解，并且这个书的插图配的很好，比阅读干巴巴的文字更有效率。需要一点点的C++以及操作系统、数据结构的背景知识，就能比较流畅地阅读了。

    推荐指数：4/5

    《Python深度学习》

    1. 基于Keras的Python深度学习入门手册。适合我这种机器学习菜，书中内容以实践为主，基础知识介绍地比较全面，但是一些细节是不会去深入的。有点像Tutorial吧。

    推荐指数：3/5

    Hands-On Machine Learning for Algorithmic Trading: Design and Implement investment strategies based on smart algorithms that learn from data using Python

    好家伙，这个书名够长的！这本书写的有点“强行拼凑”的感觉，前面开篇介绍一些金融的基础知识，基本上属于非常浅的知识，后面开始介绍各种ML模型，Topic Modelling, Word Embedding, CNN, RNN, RL真的是应有尽有，但是介绍完一通后，和“因子”“量价”沾边的比例不是很大，有些是强行扯上关系，当然你叫它“基本面量化”我也不大好反对。

    推荐指数：1/5