被華爾街人奉為經典的10本金融書,足夠你入行了
金融圈總是走在一個行業(yè)甚至是一個國家經濟的前端,尤其在華爾街這種地方,就職的人基本都是情商智商雙碾壓的天才,堪稱為開掛的頂配,他們給出的pay也基本都是global pay。
因此,金融圈也成為很多人心目中的圣地。不過高薪水就意味著高要求,想進金融圈沒有一個商學院學位是很難成功的。因此,入行要趁早哦。下面為大家推薦7本華爾街人在讀的金融佳作,涵蓋了很多投資技巧,以及在華爾街上演的精彩故事。
01《證券分析》- 格雷厄姆

格雷厄姆的經典名著,一直被各類投資者奉為價值投資的圣經。
《證券分析》被譽為投資者的圣經,自1934年出版以來,八十年暢銷不衰。市場反復證明,《證券分析》是價值投資的經典之作?!蹲C券分析》第6版是1940年版本的升級版。而《證券分析》1940年版本是作者格雷厄姆和多德最滿意的版本,也是股神巴菲特最為鐘愛的版本。第6版在保持原書原貌的同時,增加了10位華爾街金融大家的導讀,既表明了這本書在華爾街投資大師心目中的重要地位,也為這部經典著作增添了時代氣息。
作者本杰明•格雷厄姆是價值投資理論的奠基人,被譽為“華爾街教父”。他既在美國哥倫比亞大學商學院任過教授,又在華爾街創(chuàng)造過輝煌的投資業(yè)績;既經歷過讓投資者得意忘形的大牛市,又經歷過讓投資者沮喪絕望的大蕭條。市場錘煉了格雷厄姆,也證明了價值投資的意義所在。
02《大空頭》- 邁克爾_劉易斯

20年前,邁克爾•劉易斯的成名作《說謊者的撲克牌》被公認為描寫20世紀80年代華爾街的“教科書”,對美國商業(yè)文化產生了重大的影響。20年后,華爾街翻天覆地的鬧劇之中,劉易斯照舊洞見燭微,以個人視角重現(xiàn)華爾街上演的市場傳奇和詭譎道德劇。
一場金融危機,給一向聲名遠播的華爾街難以想象的重創(chuàng),然而,在一片狼藉之中,卻有一些藉藉無名之輩早已看出市場的漏洞,在眾人瘋狂的時候做空市場,最終賺得豐厚利潤。
本書展現(xiàn)的就是這樣一群智力超群、性格怪異的“終結者”,他們之前僅是名不見經傳的華爾街員工,卻由于對次貸市場的繁榮和金融工具的泛濫充滿質疑和不信任,最終洞見了美聯(lián)儲和財政部都不曾察覺的市場瘋狂,將賭注壓在美國金融機構行將崩潰上。結果,他們打敗了華爾街。
這場小人物財富傳奇的背后,有更多東西引人深思。投行如何用風險的復雜化掩蓋產品的風險?評級制度存在怎樣的盲點?金融界怎樣運用術語的謊言欺騙客戶?人性的缺陷和金融體系的弊端在本書中一一精彩呈現(xiàn)。危機過后,我們應該如何行動?相信這本書會給你全新的思考和啟發(fā)。
03《聰明的投資者》- 格雷厄姆

這是一本投資實務領域的世界級和世紀級的經典著作,自從1949年首次出版以來,本書即成為股市上的《圣經》。本修訂版在完整保留格雷厄姆原著1973年第4版的基礎上,由賈森•茲威格根據(jù)近40年尤其是世紀之交全球股市的大動蕩現(xiàn)實,進一步檢驗和佐證了價值投資理論。其中大量的注釋和每章之后的點評非常有價值。股神巴菲特特為本書撰寫的序言和評論是這個版本的又一個亮點。
本書首先明確了“投資”與“投機”的區(qū)別,指出聰明的投資者當如何確定預期收益。本書著重介紹防御型投資者與積極型投資者的投資組合策略,論述了投資者如何應對市場波動。
本書還對基金投資、投資者與投資顧問的關系、普通投資者證券分析的一般方法、防御型投資者與積極型投資者的證券選擇、可轉換證券及認股權證等問題進行了詳細闡述。在本書后面,作者列舉分析了幾組案例,論述了股息政策,最后著重分析了作為投資中心思想的“安全性”問題。
本書主要面向個人投資者,旨在對普通人在投資策略的選擇和執(zhí)行方面提供相應的指導。本書不是一本教人“如何成為百萬富翁”的書籍,而更多地將注意力集中在投資的原理和投資者的態(tài)度方面,指導投資者避免陷入一些經常性的錯誤之中。
04《非理性繁榮》- 希勒

這本以艾倫格林斯潘那個于1996年發(fā)表的聲名狼藉的關于股票市場的謬論來命名,發(fā)行于2000年的三月書籍,給當時的瀕臨破滅的網絡泡沫經濟澆了一盆冷水。
希勒,這位耶魯大學的經濟學家,打破了市場是有理性的這一神話,取而代之的是通過情緒,群體行為和投機買賣等方面來解釋股票市場。具有諷刺意味的是,《非理性繁榮》幾乎是在市場的頂峰時期出版的。
在本書中,通過大量的證據(jù)來說明,如果20世紀90年代末的股市,房地產市場的繁榮中隱含著大量的泡沫,并且最終房價可能在未來的幾年中開始下跌。
他認為,2000年股市泡沫破滅之后,許多投資者將資金投向房地產市場,這使得美國乃至世界各地的房地產價格均出現(xiàn)了不同程度的上漲。因此,非理性繁榮非沒有消失,只是在另一個市場中再次出現(xiàn)。
希勒教授描述了金融市場波動的心理根源,并且著力列舉和論述了自由市場經濟中,資本市場所固有的不穩(wěn)定性。比如,艾倫·格林斯潘著名的“非理性繁榮”演說給人們帶來的影響。
他認為,最終擺脫這種困境的途徑在于社會制度的改進,比如進一步完善社會保障制度,增加保險品種以保障人們的收入和住房,以及更加分散化的投資選擇。
羅伯特·J·希勒,現(xiàn)為耶魯大學經濟學教授,于1972年在麻省理工學院獲得經濟學博士學位,同時兼任美國國家經濟研究局研究員、美國國家科學院院士、紐約聯(lián)邦儲備委員學術咨詢委員會成員等職務。希勒教授在金融市場、行為經濟學、宏觀經濟學、房地產、統(tǒng)計學方法以及有關市場的公眾輿論和道德判斷等領域皆有著述。2013年,希勒教授獲得諾貝爾經濟學獎。
05《門口的野蠻人》- 布賴恩·伯勒

布賴恩·伯勒的《門口的野蠻人》一書被評為20本最具影響力的商業(yè)書籍之一。該書用紀實性的報道記述了RJR納貝斯克公司收購的前因后果,再現(xiàn)了華爾街歷史上最著名的公司爭奪戰(zhàn),全面展示了企業(yè)管理者如何取得和掌握公司的控股權。門口的野蠻人被華爾街用來形容那些不懷好意的收購者。
06《偉大的博弈》- 戈登

這是一本關于華爾街歷史的書,也是一本關于美國金融史和經濟史的書。它所描述的歷史事件使我們清晰地看到,在很大程度上,華爾街推動了美國從一個原始而單一的經濟體成長為一個強大而復雜的經濟體。在美國經濟發(fā)展的每一個階段中,以華爾街為代表的美國資本市場都扮演著重要的角色。
華爾街為美國經濟的發(fā)展提供源源不斷的資金,實現(xiàn)社會資源的優(yōu)化配置,而華爾街本身也伴隨著美國經濟的發(fā)展而成長為全球金融體系的中心。美國經濟的成功是資本市場和實體經濟之間協(xié)同發(fā)展的很好的例證。
07《戰(zhàn)勝華爾街》- 林奇

《戰(zhàn)勝華爾街》是林奇專門為業(yè)余投資者寫的一本林奇股票投資策略實踐指南:
林奇本人是如何具體實踐自己的投資方法,如何具體選股,如何管理投資組合,從而連續(xù)13年戰(zhàn)勝市場的。
林奇用自己一生的選股經歷,手把手教讀者如何正確選股,如何避免選股陷阱,如何選出漲幅最大又最安全的大牛股。
最重要和最精彩的部分——林奇管理麥哲倫基金13年的投資自傳。
從 0.18億到1億美元的初期,從1億到10億美元的中期,從10億到140億美元的晚期,闡明了林奇連續(xù)13 年戰(zhàn)勝市場的三個主要原因:林奇比別人更加吃苦、林奇比別人更加重視調研、林奇比別人更加靈活。
最實用的部分——21個選股經典案例。
涉及零售業(yè)、房地產業(yè)、服務業(yè)、蕭條行業(yè)、金融業(yè)、周期性行業(yè)等。這不僅是林奇選股的具體操作,更是分行業(yè)選股的要點指南。
歸納總結出25條投資黃金法則。
林奇用一生成功的經驗和失敗的教訓凝結出來的投資真諦,每一個投資者都應該牢記于心,從而在股市迷宮中找到正確的方向。既是一個世界上最成功的基金經理的選股回憶錄,又是一本難得的選股實踐教程和案例集錦。
(點擊上圖了解課程詳情)
AQF量化金融分析師實訓項目學習大綱 >>>點擊咨詢AQF考試
1.1.1. 第一部分:前導及課程介紹
|
1.AQF核心課程 |
|
2.量化策略的Python實現(xiàn)和回測 |
|
3.整體代碼介紹 |
1.1.2. 第二部分:量化投資基礎
|
1.量化投資背景及決策流程 |
|
2.量化擇時 |
|
3.動量及反轉策略 |
|
4.基金結構套利 |
|
5.行業(yè)輪動與相對價值 |
|
6.市場中性和多因子 |
|
7.事件驅動 |
|
8.CTA_1(TD模型) |
|
9.統(tǒng)計套利_低風險套利 |
|
10.大數(shù)據(jù)和輿情分析 |
|
11.機器學習 |
|
12.高頻交易和期權交易 |
|
13.其他策略和策略注意點 |
1.1.3. 第三部分:Python編程知識
|
Python語言環(huán)境搭建 |
1.Python語言環(huán)境搭建 |
|
Python編程基礎 |
1.python數(shù)字運算和Jupyter notebook介紹 |
|
2.字符串 |
|
|
3.Python運算符 |
|
|
4.Tuple和List |
|
|
5.字典 |
|
|
6.字符串格式化 |
|
|
7.控制結構_1.For循環(huán) |
|
|
8.函數(shù) |
|
|
9.全局和局部變量 |
|
|
10.模塊 |
|
|
11.Python當中的重要函數(shù) |
|
|
Python編程進階 |
1.Numpy數(shù)據(jù)分析精講 |
|
2.Pandas數(shù)據(jù)分析詳解 |
|
|
數(shù)據(jù)可視化 |
1.Pandas內置數(shù)據(jù)可視化 |
|
2.Matplotlib基礎 |
|
|
3.Seaborn |
|
|
金融數(shù)據(jù)處理實戰(zhàn) |
1.數(shù)據(jù)獲取_1.本地數(shù)據(jù)讀取 |
|
1.數(shù)據(jù)獲取_2.網絡數(shù)據(jù)讀取_1 |
|
|
1.數(shù)據(jù)獲取_2.網絡數(shù)據(jù)讀取_2.tushare |
|
|
1.數(shù)據(jù)獲取_2_網絡數(shù)據(jù)讀取_3.文件存儲 |
|
|
2.金融數(shù)據(jù)處理_1.同時獲取多只股票 |
|
|
2.金融數(shù)據(jù)處理_2.金融計算 |
|
|
2.金融數(shù)據(jù)處理_3.檢驗分布和相關性 |
|
|
3.金融時間序列分析_1.Python下的時間處理 |
|
|
3.金融時間序列分析_2.Pandas時間格式 |
|
|
3.金融時間序列分析_3.金融數(shù)據(jù)頻率的轉換 |
|
|
4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例1 |
|
|
4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標條件選股分析_1 |
|
|
4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標條件選股分析_2 |
1.1.4. 第四部分:量化交易策略模塊
|
三大經典策略 |
1.三大經典策略_1.SMA |
|
1.三大經典策略_2.動量Momentum |
|
|
1.三大經典策略_3.均值回歸 |
|
|
配對交易策略 |
2.配對交易 |
|
技術分析相關策略 |
3.量化投資與技術分析_1.技術分析理論 |
|
3.量化投資與技術分析_2.CCI策略的Python實現(xiàn) |
|
|
3.量化投資與技術分析_3.布林帶策略的Python實現(xiàn)_1 |
|
|
3.量化投資與技術分析_4.SMA和CCI雙指標交易系統(tǒng) |
|
|
3.量化投資與技術分析_5.形態(tài)識別和移動止損策略 |
|
|
大數(shù)據(jù)輿情分析策略 |
4.大數(shù)據(jù)輿情分析策略_基于谷歌搜索的大數(shù)據(jù)輿情分析 |
|
CTA交易策略 |
5.CTA交易策略_Aberration趨勢跟蹤系統(tǒng) |
|
量化投資與機器學習 |
6.量化投資與機器學習_1_機器學習算法原理_2_邏輯回歸原理 |
|
6.量化投資與機器學習_1_機器學習算法原理_3_SVM算法原理 |
|
|
6.量化投資與機器學習_1_機器學習算法原理_4_決策樹算法原理 |
|
|
6.量化投資與機器學習_1_機器學習算法原理_5_KNN算法原理 |
|
|
6.量化投資與機器學習_1_機器學習算法原理_6_神經網絡算法了解 |
|
|
6.量化投資與機器學習_1_機器學習算法原理_7_K-means算法原理和算法總結 |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_1_數(shù)據(jù)集生成原理 |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_2_數(shù)據(jù)集可視化 |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_3_邏輯回歸算法的python實現(xiàn) |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_4_DT_KNN_NB算法的python實現(xiàn) |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_5_SVM算法的python實現(xiàn) |
|
|
6.量化投資與機器學習_3_機器學習算法實戰(zhàn)_6_基于邏輯回歸和SVM的股市趨勢預測 |
1.1.5. 第五部分:面向對象和實盤交易
|
1.模塊內容整體介紹 |
|
2.面向對象、類、實例、屬性和方法 |
|
3.創(chuàng)建類、實例、方法 |
|
4._init_初始化方法 |
|
5.面向對象程序實例 |
|
6.繼承的概念及代碼實現(xiàn) |
|
7.面向對象繼承的實戰(zhàn)案例 |
|
8.多繼承和量化交易平臺的面向對象開發(fā)思路 |
|
9.用面向對象方法實現(xiàn)股債平衡策略 |
1.1.6. 第六部分 實盤模擬交易
|
基于優(yōu)礦平臺的面向對象策略 |
1.優(yōu)礦平臺介紹 |
|
2.優(yōu)礦平臺回測框架介紹 |
|
|
3.優(yōu)礦框架之context對象、account和position對象 |
|
|
4.優(yōu)礦其它重要操作 |
|
|
5.優(yōu)礦之小市值因子策略 |
|
|
6.優(yōu)礦之雙均線策略 |
|
|
7.優(yōu)礦之均值回歸策略 |
|
|
8.優(yōu)礦之單因子策略模板 |
|
|
9.優(yōu)礦之多因子策略模板 |
|
|
10.優(yōu)礦之因子數(shù)據(jù)處理:去極值和標準化 |
|
|
面向對象實盤交易之Oanda |
1.Oanda平臺介紹和賬戶配置 |
|
2.Oanda賬戶密碼配置和交易框架原理 |
|
|
3.Oanda鏈接賬戶并查看信息 |
|
|
4.Oanda API獲取歷史數(shù)據(jù) |
|
|
5.Oanda市價單和交易狀態(tài)查詢 |
|
|
6.Oanda高級交易訂單 |
|
|
7. Oanda其它高級功能 |
|
|
8. Oanda實戰(zhàn)ADX策略全講解:策略邏輯、數(shù)據(jù)讀取、歷史數(shù)據(jù)處理、可視化、實時數(shù)據(jù)和實時交易 |
|
|
9. Oanda通過實時數(shù)據(jù)API調取實時數(shù)據(jù)、resample |
|
|
面向對象實盤交易之IB |
1.IB實戰(zhàn)平臺介紹及API安裝調試 |
|
2.IB實戰(zhàn)平臺請求和響應遠離、線程控制 |
|
|
3.IB響應函數(shù)wrapper講解 |
|
|
4.IB請求函數(shù)及合約定義 |
|
|
5.IB程序化下單、倉位及賬戶查詢 |
|
|
6.IB三均線交易_金字塔倉位下單控制模型實盤交易之策略原理、線程控制原理、策略結構總覽、響應函數(shù)、交易信號、策略展示等全講解。 |
1.1.7. 第七部分:基于優(yōu)礦的進階學習
|
1.1回測與策略框架 |
|
1.2評價指標 |
|
1.3.1量化策略設計流程簡介 |
|
1.3.2擇時策略舉例(雙均線) |
|
1.3.3量化投資模板1.0選股和擇時 |
|
2.1基于技術分析的量化投資 |
|
2.2.1技術指標簡介 |
|
2.2.2 MACD擇時策略 |
|
2.2.3 WVAD擇時策略 |
|
2.2.4 RSI擇時策略 |
|
2.2.5 MFI擇時策略 |
|
2.2.6 CCI擇時策略 |
|
2.2.7技術指標總結 |
|
2.3通道技術 |
|
3.1.1日期效應 |
|
3.1.2動量效應 |
|
3.2.1格雷厄姆成長投資 |
|
3.2.2積極投資策略 |
|
3.2.3價值投資策略 |
|
3.2.4小型價值股投資策略 |
|
3.3.1交易系統(tǒng)設計的一般原理 |
|
3.3.2均線排列系統(tǒng) |
|
3.3.3金肯納特交易系統(tǒng) |
|
3.3.4海龜交易法系統(tǒng) |
.png)
熱線電話:400-700-9596
AQF考友群:760229148
金融寬客交流群:801860357
微信公眾號:量化金融分析師


.png)


