本文是量化交易零基础入门教程中的一篇，点击蓝字连接可查看该系列详情。
摘要
- 基础知识基本讲完了，本教程也要完结了，最后一篇讲下接下来的学习方向，仅供参考。
自学意识
- 量化交易是不适合分享的行业，自学必不可少。或奇货可居，或敝帚自珍，有价值的内容很难会被公之于众，所以不要幻想会有特别有价值的系统的学习资源等着你去学，或是指望能把别人公开的东西直接搬来就能赚到钱。诚然，会有幸运的时候，但还是不要指望幸运，那没前途的，绝大多数情况都是大浪淘金式的在各种资讯中寻找着思索着只言片语。因此，自学是一个极其重要的能力，有志者需要对它像量化交易本身一样去重视。
之后去学什么？
首先要自问，之前讲过的内容是否都学会了，比如每篇后的自测与自学内容是否都能回答，当时学的时候不理解的地方现在是否理解等。如果明显感觉一路囫囵吞枣强行跟过来的，不妨回头再看看，再动手练练。当然，也不必太完美主义，毕竟有的坑看着不大但是真的深，不妨暂且搁下。
所以如果感觉学得还可以，就可以先到聚宽的量化课堂去学习下，普遍有讲解有代码，其中重点推荐以下文章。
- 双均线策略
- 彼得·林奇的成功投资
- Fama-French三因子火锅
- 凯利公式，你用对了吗？
请尽你所能去读懂这四个文章，你可能会感受到来自数学、编程、金融等方面的知识的不足，可能会感到有之前我没讲过的内容，可能需要你去搜索、去阅读、去询问，可能你会感觉很难搜、很难读、很少有答复，这一切将是刚离开新手村的你将遇到的各种挑战的第一个，而且其实是相对简单的一个，所以哪怕可能会花不少时间，请尽你所能去读懂这四个文章。
当你读懂这四个文章时，你应该可以算是基础入门了，之后就要靠你个人修行了。一个基本的模式是，有一个灵感，然后去研究与实现，在过程中学习新知识，战胜新挑战，最后或成或败都获得新的认识，继续下一个灵感，从而不断前进。当然，你在前进，你渴望的答案可能也在动，就像市场一样不断变动，或向你走来，或离你远去。（题外话：你认为世界是静止的还是运动的，或者说随机是否存在）
特别提下，本教程教的编程知识是非常精简的，所以建议适当简单浏览下python系统的知识，做到以后见到、或想用了知道怎么找即可。集合、元组、列表生成式这三个推荐去重点学下，这三个相对常用但看见不懂想搜索可能都想不出关键词。编程参考资料可以看下这里。
灵感的来源
- 灵感的最重要来源当然是阅读，本人水平太低就不做具体推荐了，以下列举一些可能的内容来源类别。
- 论文
- 研报
- 聚宽的量化课堂与社区
- 知乎量化交易话题下的回答
- 宽客的博客（多数是国外的）
- 各类书籍
关于书籍，除了专门讲量化交易的书，稍稍关注些其他领域可能带来全新的视角，比如财务分析、行为金融、数学、统计学、机器学习、甚至心理学、物理学等，据说美国做量化交易还有用到语音识别的。
学习时，建议用批判的眼光去看，保持自身独立思考，警惕盲从。还是那句话，量化交易行业很难有特别有价值的东西出现在大众眼前的。
除了阅读外，直接参与实际市场也是另一种重要的灵感来源，毕竟多数的阅读资源本身的灵感来自市场的，比如市场交易时，市场对时下新闻的反应、对量价走势的瞬时反应、不同股票或人群的反应、你自己的反应等等，你自己不亲身投入这场波云诡谲之中，很难指望事后体会到其中的种种，而这些可能带给你许多灵感。比如比较知名的冰山算法与不少技术指标当时的发明就离不开发明者对市场的了解。
关于职业化
想要入职量化行业，学历门槛往往较高，但别怕，学历不够的有志者不要被吓倒，毕竟人家也不是真要你的毕业证，无非是希望你能知识储量够基础好，学习新东西快有潜力，学历门槛高只是提效手段，你只要向他们证明你同样用相当的能力即可。你应该被录取的理由是什么？怎么把这个理由告诉他们？回答这个问题比量化交易简单，至少有一个好策略了想入职带他们赚钱，他们总不会还嫌你学历不够吧，当然，这是一个不必要的界，比如若你有相当的策略实现能力或因子发掘能力可能也可以了，所以建议你结合实际情况认真负责的想想，然后真的去试几次。
那做独立的职业量化交易可不可以呢，也是可以的，很多量化交易团队就几个人，甚至一个人的也有，但毕竟人多效率高不少。 实际上，多数还是从原本公司独立出来的，学生毕业阶段就转独立的职业做量化交易还是少，现金流压力可能比较大，但也是有做的好，后来成立公司的。
聚宽也有能帮助展示策略、证明自身、快速职业化与变现的栏目，而且也会有行业内人士来聚宽，找好策略与人才，比如策略被看中要谈买断、发的文章不错被录取等。注意，保护自己的成果不被无良人士窃取。总之，量化行业是相对公平看中实力的，金子总会发光。
完
应该还会继续对整个系列的文章进行修整补充。
