Quantitative Research 高强度八周进阶路线

使用说明与边界

这是一条面向 Quantitative Research 实习准备的深度优先、约两个月高强度路线，不是完整的数学金融课程，也不保证覆盖研究岗位所需的全部数学、统计、金融或软件工程内容。学习者假定具备微积分、线性代数、Python 和基础算法；概率统计基础有限，金融知识只作为研究语境。

• 时间预算：Week 1–2 每周 10–12 小时；Week 3–8 每周 15–20 小时。每周预算包含阅读、观看、实现、难题和阶段考核。
• 两条主线：数学/概率理论与统计研究/机器学习。金融只保留 return、covariance、factor intuition、transaction cost、backtest bias 和最低风险指标。
• 应用数学边界：必修 Markov chain、Poisson process、conditional expectation、martingale、stopping time、Brownian motion、quadratic variation、Itô lemma、OU process、state-space/Kalman filter。测度论只作 supporting note；Radon–Nikodym、Girsanov、measure change 和严格随机积分证明列为选做，不假装两个月完成。
• 工作方式：每周保存代码、数据说明、图表、随机种子、环境和短报告。结论必须区分模拟事实、统计证据与未经证明的金融解释。
• 项目策略：只做 2–3 个高质量项目；Kaggle 仅保留 2–3 个有明确研究目的的实验，不再每周强制提交。
• 问题难度：每周有理论/推导题或研究诊断题，另配 1–2 道中高级 LeetCode/算法题；这些不是 Two Sum 或 Contains Duplicate 主线。

目录

1. Week 1：概率、条件期望、联合分布、收敛与金融最低背景
2. Week 2：统计推断、MLE、GLS、似然检验、bootstrap、正则化与研究数据
3. Week 3：离散随机过程与 stopping-time 思维
4. Week 4：连续随机过程、Itô calculus 与 Kalman filter
5. Week 5：时间序列、协整、因子模型、波动率与最低限度组合风险
6. Week 6：机器学习深度与严格时间序列验证
7. Week 7：研究设计、multiple testing 与高效可复现代码
8. Week 8：统计信号模型 vs ML 模型的高难度 capstone
9. 最终完成检查
10. 最终 scope

Week 1：概率、条件期望、联合分布、收敛与金融最低背景

预算：10–12 小时。 目标是从随机变量语言进入研究，而不是背金融术语。

阅读与观看

• 必做·阅读 阅读 Harvard STAT 110 课程教材页 中 conditional probability、expectation、variance、joint distributions 相关章节。
• 必做·观看 观看 MIT OCW 6.041 Lecture Videos 对应概率、条件概率和随机变量的讲次。
• 推荐·阅读 对照 MIT 6.041 Lecture Notes 的习题与证明。

主线与实现

• 推导 conditional expectation 的 tower property、independence 下的 factorization、joint/marginal/conditional density、covariance 与 total variance；说明 conditional expectation 是随机变量而不只是数字。
• 学习 almost sure、in probability、in distribution 的直觉，LLN/CLT 的条件与失败例子；用 simulation 比较 heavy-tail、dependent sample 与 iid 样本。
• 金融最低背景只包括 price/return、simple/log return、covariance、long/short、spread 和 benchmark；不展开债券、衍生品、完整投资管理或微观结构。
• 项目 1 起始：固定 seed，模拟 iid 与 dependent returns，输出联合散点图、条件均值、样本 covariance、收敛曲线和一页解释。

难题、面试与考核

• 中高级算法 1–2 题：LeetCode Monotonic Stack 题组 中选一题；另选 interval/line sweep 题，写 invariant、复杂度和边界证明。
• 理论/推导题：证明 Var(X)=E[Var(X|Y)]+Var(E[X|Y])，构造一个不满足 iid 时样本均值不按 iid 直觉收敛的 simulation，并解释图形。
• 阶段考核：提交 2–3 页 probability note、simulation notebook 和金融最低背景术语表；必须注明哪些结果来自定理、哪些只是有限样本观察。

Week 2：统计推断、MLE、GLS、似然检验、bootstrap、正则化与研究数据

预算：10–12 小时。 目标是把概率模型转为可审计的统计研究。

阅读与观看

• 必做·阅读 阅读 An Introduction to Statistical Learning 中 statistical learning、linear regression、resampling 和 regularization 相关章节。
• 必做·观看 使用 Stanford STATS 191 的讲义/视频索引学习 likelihood、regression inference 和 bootstrap。
• 推荐·阅读 阅读 scikit-learn Linear Models 对照实现，不把 API 输出当作证明。

主线与实现

• 推导 likelihood、score、Fisher information、MLE 的 asymptotic intuition；比较 OLS、MLE 与 GLS，说明异方差/相关误差下 GLS 的权重含义。
• 实现 likelihood-ratio test、Wald test、confidence interval、power simulation 和 nonparametric/bootstrap；记录 Type I error、multiple testing 的基本风险。
• 学习 ridge/lasso 的 bias-variance 取舍、正则化路径、特征标准化、缺失值、日期对齐、schema 和 look-ahead 防护。
• 项目 1：用研究数据做清洗 pipeline，比较 OLS/GLS/regularized model，报告系数不确定性、bootstrap 区间和残差诊断。Kaggle 实验 1 只允许用一个公开 tabular 数据集验证 pipeline，不以 leaderboard 为目标。

难题、面试与考核

• 中高级算法 1–2 题：interval merge/interval query 题，以及 union-find 或 shortest path 题；给出数据结构不变量和复杂度。
• 理论/研究诊断题：手推正态线性模型的 MLE 与 GLS 目标函数；模拟异方差数据，比较 naive standard error、robust/GLS/ bootstrap 结论，写出错误研究者会如何误读 p-value。
• 阶段考核：交付可从原始数据重建的 clean pipeline、统计报告、power/coverage 表和一次 leakage audit。

Week 3：离散随机过程与 stopping-time 思维

预算：15–20 小时。 目标是掌握离散随机过程的结构，而不是把 Markov chain 当作黑盒库。

阅读与观看

• 必做·阅读 阅读 MIT OCW 6.262 Discrete Stochastic Processes 的 Markov chains、Poisson process 与 martingale 相关讲义。
• 必做·观看 观看 Harvard Stat 110 视频资源 中 conditional expectation、Markov chain 和 martingale 相关讲次。
• 推荐·阅读 阅读 MIT 6.262 课程资料 的习题。

主线与实现

• 离散 Markov chain：transition matrix、communicating classes、stationary distribution、detailed balance、mixing 直觉与 hitting time；用线性代数求 stationary distribution 并模拟收敛。
• Poisson process：inter-arrival、independent increments、thinning/superposition；比较离散计数与 Poisson approximation。
• conditional expectation、martingale、stopping time、optional stopping 的直觉；明确适用条件和“停止后仍可随意取期望”的错误。
• 项目 2 起始：实现 Markov chain hitting-time simulation 与 Poisson event simulator，和理论方程/Monte Carlo confidence interval 对照。

难题、面试与考核

• 中高级算法 1–2 题：union-find 连接性题和 weighted graph shortest path 题；说明 amortized complexity 或 heap invariant。
• 理论/推导题：求 gambler's ruin 的 hitting probability/expected time；证明一个简单 martingale，并判断给定 stopping time 是否满足可用的 optional-stopping 条件。
• 阶段考核：提交 transition-matrix 推导、hitting-time 方程、Poisson simulation 和一份“定理条件 vs 实验结果”诊断报告。

Week 4：连续随机过程、Itô calculus 与 Kalman filter

预算：15–20 小时。 目标是建立 applied mathematics 的深度边界：能推导和实现核心结果，但不声称完成测度论概率。

阅读与观看

• 必做·阅读 阅读 MIT OCW 18.S096 Topics in Mathematics with Applications in Finance 中 Brownian motion、Itô lemma 和 stochastic-process notes。
• 必做·观看 观看 NYU Courant Probability and Stochastic Processes 中与 Brownian motion/Itô calculus 相关的公开课程资料。
• 推荐·阅读 阅读 Statsmodels statespace documentation 的 state-space/Kalman 实现说明。

主线与实现

• Brownian motion 的 increments、filtration 直觉、quadratic variation；用 partition simulation 观察 quadratic variation 收敛。
• 推导并应用 Itô lemma；Geometric Brownian Motion 只作例子，不作为金融课程主线。研究 Ornstein–Uhlenbeck process 的 mean reversion、stationary law 和 exact/discretized simulation。
• state-space model、hidden state、observation noise、prediction/update recursion 与 Kalman filter；比较 Kalman 与简单 rolling estimator。
• 选做·supporting note 只做概念阅读：Radon–Nikodym、Girsanov、measure change、严格 stochastic-integral proofs；明确它们不属于两个月必修。
• 项目 2：用 OU 生成数据，分别用 naive、MLE/OLS 离散估计和 Kalman filter 恢复状态，报告参数 bias、预测区间和模型失配。

难题、面试与考核

• 中高级算法 1–2 题：DP 题与 reservoir sampling/streaming top-k 题；说明状态定义、随机性不变量和空间复杂度。
• 理论/推导题：计算 d(X_t^2) 或 d f(t,X_t) 的 Itô 展开；推导 OU 的 conditional mean/variance，并写出 Kalman 一步 update。
• 阶段考核：交付手推笔记、quadratic-variation simulation、OU/Kalman notebook 和“GBM 只是例子、measure change 为选做”的边界说明。

Week 5：时间序列、协整、因子模型、波动率与最低限度组合风险

预算：15–20 小时。 目标是把随机过程和统计模型连接到有限的研究语境。

阅读与观看

• 必做·阅读 阅读 Forecasting: Principles and Practice 的 stationary time series、ARIMA 和 dynamic regression 章节。
• 必做·观看 使用 Columbia IEOR time-series course materials 定位 ARMA、cointegration 和 factor 相关讲义。
• 推荐·阅读 阅读 statsmodels Time Series Analysis 的实现文档。

主线与实现

• weak stationarity、autocovariance/ACF、ARMA/ARIMA、unit root、differencing、cointegration 与 error-correction intuition；区分相关、预测与因果。
• factor model、beta/exposure、横截面排序、rolling volatility；金融只保留 return、covariance、factor intuition、transaction cost 和 minimum risk metrics（volatility、Sharpe 假设、drawdown）。
• 实现一个可解释的时间序列/因子 baseline，严格按时间切分；记录调整、缺失、频率、样本区间和数据 provenance。
• 项目 1 收尾：输出模型假设、参数估计、残差/稳定性诊断和至少一个失败结果；不做债券、衍生品或完整 portfolio optimization。

难题、面试与考核

• 中高级算法 1–2 题：randomized algorithm 题与 amortized-complexity 数据结构题，要求写期望复杂度或势能函数。
• 理论/研究诊断题：证明/验证一个 AR(1) stationary condition；设计 spurious regression 与 cointegration simulation；诊断一个把 contemporaneous feature 偷渡进 label 的回测。
• 阶段考核：提交时间序列研究 memo、协整/单位根诊断、因子暴露表、成本敏感性小表和 reproducible run。

Week 6：机器学习深度与严格时间序列验证

预算：15–20 小时。 目标是学习可验证的 ML，而不是堆叠模型。

阅读与观看

• 必做·阅读 阅读 Stanford CS229 course materials 与 ISLP 中 bias-variance、regularization、PCA、trees/boosting 和 model assessment 部分。
• 必做·观看 观看 MIT 6.036 Introduction to Machine Learning 中 supervised learning、regularization 和 trees 讲次。
• 推荐·阅读 阅读 scikit-learn Cross-Validation、Common Pitfalls 和 probability calibration 文档。

主线与实现

• bias-variance、MLE connection、ridge/lasso、PCA、trees/random forest/boosting；理解 feature selection、scaling 和 missingness 对研究的影响。
• probability calibration、Brier/log loss、rank metrics；实现 nested time-series validation、rolling/expanding split、purged/embargoed CV，画出 label overlap 与 purge 区间。
• 建立 leakage diagnostics：fit transformer 只用训练期、冻结最终 test、检查 target construction、时间戳、feature availability 和 repeated tuning。
• 项目 3 起始：同一数据、同一 frozen test 比较统计 signal model 与 regularized/tree/boosting ML pipeline；只做一次有目的的 Kaggle 实验 2，研究 validation 与 leaderboard 差异，不追求排名。

难题、面试与考核

• 中高级算法 1–2 题：hard/medium DP 题与 randomized streaming top-k/reservoir sampling 题，说明状态、随机不变量和复杂度。
• 理论/研究诊断题：从 squared loss 推导 ridge solution 的 shrinkage；构造一个 calibration 很差但 accuracy 尚可的例子；给定事件标签窗口，画出正确的 purged/embargoed folds 并指出 leakage。
• 阶段考核：提交模型比较表、nested validation 图、calibration curve、leakage audit 和 frozen-test 结论；明确“不优于 baseline”也是有效结果。

Week 7：研究设计、multiple testing 与高效可复现代码

预算：15–20 小时。 目标是控制研究自由度，让结果经得起复核。

阅读与观看

• 必做·阅读 阅读 The Probability of Backtest Overfitting 的 multiple testing/selection 讨论。
• 必做·观看 观看 MIT OCW 6.172 Performance Engineering 的 profiling、benchmark 和性能讲次。
• 推荐·阅读 阅读 Python Packaging User Guide、pytest documentation 和 Kaggle data leakage guidance。

主线与实现

• multiple testing、false discovery、selection bias、backtest overfitting、research registry、预注册假设、探索/确认分离；记录所有试验而非只记录最好结果。
• 设计成本敏感性：spread、commission、slippage、turnover 和执行时点；只报告 gross/net、最低风险指标与合理限制，不做投资建议。
• 将研究拆成 data/schema、features、models、validation、metrics、report；使用 tests、seed、configuration、logging、cache、profiling 和 vectorization。
• 项目 3：建立 src/、tests/、data/README、experiment_registry.csv 和命令行入口；至少五个测试覆盖切分、label、成本、指标和随机性。Kaggle 只复盘前面的实验 1–2，不新增周赛。

难题、面试与考核

• 中高级算法 1–2 题：一道 amortized complexity/动态结构题和一道 shortest path/union-find 题；限时 45 分钟写出正确性证明。
• 研究诊断题：给出 30 个候选信号、多个验证窗口和成本假设，设计 research registry、FDR/多重检验报告和 backtest-overfitting 审计；指出哪些自由度必须冻结。
• 阶段考核：干净环境运行项目，生成 experiment registry、成本敏感性表、profiling 结果和一页 reproducibility audit；报告至少一个负面结论。

Week 8：统计信号模型 vs ML 模型的高难度 capstone

预算：15–20 小时。 这是 2–3 个项目中的最终高质量作品，不是另起一个浅层 notebook。

阅读与观看

• 必做·阅读 重读 ISLP 的 model assessment/regularization 章节，并复核 scikit-learn model evaluation。
• 必做·观看 观看 Dartmouth COSC 74 Machine Learning 中与 generalization、model comparison 或 ensemble 相关的课程资料。
• 推荐·阅读 参考 Jane Street Research overview 和 Two Sigma careers 的研究岗位语言，只用于面试表达，不作为课程内容。

Capstone 必做规格

• 提出一个可证伪研究问题，同时定义统计 signal model（例如带正则化/状态空间的可解释模型）和 ML model；写出数学假设、目标函数、可识别性或适用条件。
• 使用同一数据 provenance、同一预测 horizon、严格 walk-forward/nested/purged validation 和一次 frozen test；说明 feature availability、label overlap、embargo 与所有调参决策。
• 比较 baseline、统计模型和 ML 模型的预测/分类指标、probability calibration、return/risk、turnover、gross/net 与 transaction-cost sensitivity；不以最高收益作为唯一成功标准。
• 写 multiple-testing disclosure、研究 registry 摘要、失败实验、稳健性（时间区间/参数/成本/子样本至少两项）和限制；禁止把相关性写成因果。
• 交付可复现 repository、README、环境文件、测试、运行命令、数据说明、结果图和 1,500–2,500 字研究报告；报告结构为摘要、假设、推导、数据、方法、验证、结果、成本/风险、稳健性、限制、结论。

难题、面试与最终考核

• 中高级算法 1–2 题：从 monotonic stack、interval、union-find/shortest path、DP、reservoir sampling、randomized algorithm、amortized complexity 中抽题，限时完成并口述 trade-off。
• 综合研究题：30 分钟内解释为何选择统计模型和 ML 模型、如何证明没有 leakage、如何解读 calibration、multiple testing 和成本敏感性；另完成一道 conditional expectation/Markov/martingale 或 Itô/Kalman 推导。
• 阶段考核：提交 capstone 报告、作品集 README、两条不夸大的简历 bullet、150 字口头摘要、三张面试图和 45 分钟 Quant Research 模拟面试。通过标准是别人能复现主要结论，且你能清楚说明数据不能证明什么。

最终完成检查

• [ ] 能推导并解释 conditional expectation、joint distribution、MLE/GLS、bootstrap、Markov chain、Poisson、martingale、stopping time、Brownian、Itô、OU、Kalman。
• [ ] 能解释 ARMA/cointegration/factor intuition、bias-variance、regularization、PCA、trees/boosting、calibration、nested/purged/embargoed CV 和 leakage。
• [ ] 两到三个项目均有数学推导、simulation、统计检验、严格时间序列验证、成本敏感性、测试和可复现报告。
• [ ] 完成一次有目的的 Kaggle pipeline/validation 实验和一次复盘实验，不把每周竞赛提交当作主线。
• [ ] 中高级算法题覆盖 monotonic stack/interval、union-find/shortest path、DP、reservoir/streaming、randomized algorithm、amortized complexity；没有 Two Sum/Contains Duplicate 必做主线。
• [ ] 能在模拟面试中区分证明、估计、预测、回测和金融解释的边界。

最终 scope

这仍是约两个月的高强度 Quant Research 实习准备路线，采用应用数学深度边界：核心随机过程和统计/ML 研究方法必须能推导、实现和诊断；测度论及严格随机积分理论仅作选做 supporting note。金融知识被有意压缩为 return、covariance、factor intuition、transaction cost、backtest bias 和最低风险指标，债券、衍生品、完整投资管理与微观结构课程已删除或降级。完成路线不等于完成完整数学金融课程、不保证实习，也不构成投资建议。