MachineLearning+宏观经济学入门长文
本文来自巡洋舰群友 江海 博士的知乎文章 原文地址：
https://zhuanlan.zhihu.com/p/27521935
关于具体的干货，这里就不再复制粘贴了，这里只贴下目录和参考文献，感兴趣的可以点击查看原文去看干货，预期学习时间要再一个小时以上。
一. 金融和统计背景介绍
二. machine learning各个方法和在trading上的应用
2.1 Supervised Learning: Regressions
2.2 Non-Parametric Regression: K-Nearest Neighbor and LOESS
2.3 Tree Based Method ( Random Forest 和 Extreme Gradient Boosting )
2.4 Classification ( Logistic Regression 和 Support Vector Machine )
2.5 Unsupervised Learning ( Principal Component Analysis 和 期权科普 )
参考文献与推荐书籍:
1.《Machine Learning and Alternative Data Approach to Investing》JP Morgan
2.《Systematic Strategies Across Asset Classes》JP Morgan
3. 《Momentum Strategies Across Asset Classes》JP Morgan
4.《An Introduction toStatistical Learning》
5.《The Elements of Statistical Learning》
6.《Active Portfolio Management》
7. 《Quantitative Equity Portfolio》
那这里贴什么了，贴作者结尾的一段话吧，这段话适用于所有的人，这样就不会吓到那些对这个题目不感兴趣的读者了。
最近发现大家都越来越担心自己的工作是不是以后会被机器人取代，特别是人类在围棋上面被毫无悬念的横扫之后。 不学习就直接被淘汰，譬如美国的工人阶层就是一个最明显的例子，即使trump将工业的工作机会强行弄回了美国，但长久以往人类对于工人技术的需求会越来越小，最终会成为书中的历史。 但被机器人取代还是相对比较长期的趋势，而短期更需要担心的还是人和人之间的竞争。
有没有人想过为什么现在社会竞争越来越激烈，我觉得可能分为两部分，一部分是人和科技的竞争，另一部分就是人和人之间的竞争。
人和人之间的竞争加剧很大一个原因就是互联网。因为互联网降低了获得知识的门槛，使得任何人都可以通过互联网低成本地习得所需的知识参与竞争，而原地不动的人自然就会被淘汰掉。
在以前，一个人只能干一类事，因为技能被自己的生活环境局限住了，只能接触到身边力所能及的技能知识，所以一辈子可能都只接触到这一个技能和行业，但这种原始的环境实际上也是一种护城河，保护了自己相对他人的优势。但是现在互联网打破了这种隔离，把所有人都放在了同一个平面靠实力直接竞争，所有想学习的人都可以轻而易举的学习到感兴趣的领域，譬如编程和machine learning等，技能的获得几乎没有成本。
这样一来，竞争的就是每个人对于知识的理解深度和自身的努力程度了，不再具有之前由于生活圈子的局限而产生的护城河，只要利用好了互联网资源，任何人都可以将自己PK下去。
这也是为什么每个人都会焦虑，因为没有安全感，自己在工作上不再是不可取代，世界上任何一个人都有可能取代自己，甚至比自己要求的工资便宜得多，所以给自己所在公司一个理由，why me？
为什么兴趣会越来越重要？因为大批对自己领域感兴趣的人可以毫无阻碍的进入自己所在的领域，还比自己更加有兴趣钻研这个领域，长期以往自己积累的优势自然就会逐渐消失。越觉得自己工作毫无挑战性，那说明自己工作的进入门槛越低，自己在未来竞争中的优势越小。
那怎么办？除了不断学习没其他办法，总不能怪别人太努力吧，特别对于中国这样一个自古就强调努力的民族。
很多人不知道自己的兴趣在哪儿，甚至进入社会之后依然在茫然。我觉得吧，其实想找到自己的的兴趣只有唯一的一个办法。那就是一个字，试！找不到兴趣的原因无他，就是因为自己接触的东西太少了，被自己画的圈限制住了。只有保持好奇心不断去尝试没有接触过的东西，我们才能在对比中找到相对喜欢的东西，自己的视野也在寻找中变宽广了。只有找到自己喜欢的东西才能真心投入时间进去，才能一直积极主动的保持竞争力。
互联网降低学习成本不可阻挡，学习资源只会越来越廉价，知识也会在竞争中不断快速进化，不进则退也只会愈演愈烈，我们能把握住的只有不断学习的能力，找到自己的兴趣和合理的定位，利用优势建立相应的护城河，不然最终只有被取代的命运，无论是被人还是机器人。machine learning固然重要，learning machine似乎更为重要…
怎么建立起自己的优势呢？
平时少看几篇散乱的文章，多看几篇系统阐述的书。
学一个领域最关键的是建立自己的理解系统，而不是死记硬背散落的知识点。只有真的把各个点通过自己理解的逻辑连成线和网才叫真的懂了，这个才是永远不会忘的东西，也是真正的核心竞争力，具体每个点的细节并不是那么重要。
说实话不要觉得看看别人写的文章自己就了解很多了，其实了解的都是皮毛和结果，并不是真正的内功。想要真的形成自己的一套东西，必须扎扎实实的思考出整个框架和逻辑，广度都是建立在一定深度之后，没有深度作为基础的广度就是空中楼阁，遇到实际难题一碰就散。
虽然现在崇尚学科交叉还有复合型人才，但说实话，我现在的体会是切忌把技能点加太多。
我自己就走了弯路，什么都想学，结果什么学的都是皮毛。
之前我是对于任何事情都是非常好奇，物理金融统计量化心理哲学甚至各种运动和做菜，什么都想学并且都想做好，后来发现任何技能点都是需要长时间全身心投入才能做到极致的，而人的精力是有限的，不可能真的什么都学会，反而会把自己仅有的时间碎片化。而我又是一个不喜欢事情只做一半的性格，结果就导致放在waiting list里面的领域越来越多，徒然给自己压力。
对于绝大部分人来说，就像投资一样，如果你把资金全部分散化，确实分散了风险，但永远不可能有很好的收益。一个是深度，一个是广度，也就是收益和风险一个硬币的两面性。从个人来说相当于自己把总量不变的时间分配给不同的技能，虽然确实让自己更加有综合能力，但同时损害的也是自己长久发展的潜力。
全部分散不好，但是集中在一个技能上面同样也会有非常大的风险，时代毕竟一直在变化，谁也保不准自己的技能在未来是不是会被淘汰。当然不排除有人的edge就是重仓，但前提是你的深度可以超过大部分跟你同台竞争的对手，如果不是，那只能说是无谓增加了风险。
很少有人既做到深入专研，又做到对领域外也了如指掌。即使在金融领域，也是在深度的基础上不断积累出的广度，而不是一开始的目标就是广度。不然只会懂得皮毛，并且三心二意。
所以人最重要的就是发现自己擅长的地方，并且从自己擅长的技能里面挑最擅长或者最喜欢的一两个专注的去做，这样才能扎扎实实的make a difference。这种balance的trade-off其实是生活里非常简单的道理，但是往往最容易忽略。
“吾生也有涯，而知也无涯。以有涯随无涯，殆已！”
扩展阅读
阿宅2017-07-01 11:14:24
可是我就是不知道自己喜欢什么，大学都快毕业了，仍然不知道自己应该擅长什么
贾新彬2017-07-03 19:52:07
回复祁同伟同学：如果真想找到喜欢的工作，一开始就找个最难、最有挑战性的工作做下去。坚持一段时间后，如果真的坚持不下去，换个稍微容易一点点的工作。切忌工作从简单向容易发展，因为越简单的工作，涉及的领域和范围越窄，并且容易原地打转。