Stage 1
数学与统计基础
这一阶段的目标是建立量化研究所需的基础数学与统计理解。 虽然量化研究大量依赖代码，但其底层仍然是概率、统计与线性代数结构。
核心主题
量化研究需要的数学基础
概率论
理解随机变量、分布、期望与方差， 这是理解收益率与风险的基础。
线性代数
矩阵与向量是量化模型、回归分析、 以及优化问题的核心工具。
统计推断
统计方法用于检验策略是否有效， 而不仅仅是“看起来有效”。
推荐资源
入门学习资料
概率论基础课程
建议学习概率分布、期望、方差、 以及基本随机变量概念。
线性代数可视化课程
理解矩阵、向量空间、 以及线性变换的直观意义。
统计学习基础
了解统计推断与回归分析的基本思想， 为后续量化研究打基础。
随机过程入门
简单理解随机游走与布朗运动， 帮助理解资产价格变化。
实践任务
建议练习
- 用 Python 模拟正态分布随机变量
- 计算一组股票收益率的均值与方差
- 实现简单线性回归
- 画出随机游走模拟价格序列