那时候，大模型、AI还没像现在一样普及，写代码还是靠手搓，这里我就分享几本我看过的量化学习书籍，虽说现在写代码主要都靠AI了，但是一些简单的python操作、股票多因子框架还是要知道一些，一方面AI写的东西有时候需要人工复核，另一方面因子挖掘、量化研究有一些底层原理和逻辑，自己心中要知道，否则只依靠AI写出的框架，有时会有过拟合、样本外收益不及预期等问题。
1、对比Excel，轻松学习Python数据分析
这本书是我大约三四年前决定接触量化，看的python编程的第一本书，由于本硕都是金融，因此编程可谓零基础，当时我还是信用研究员，主要用python处理几十万条债券的成交数据、计算信用利差等。
这本书的特点就是对新手十分友好，把python代码和大家熟悉的excel对比，更容易理解和上手，书里面都是一些最基础的、数据分析的操作，掌握了这个，再通过AI编程可能会更好一些。
2、深入浅出Pandas
这本书相当于第一本的进阶版，语句会更复杂一些，案例也更多，这本书我当时翻了两三遍，大部分代码也是跟着敲下来，编程能力大幅提升。但现在有AI了，所以一般推荐。
3、股票多因子模型实战
前两本书都是python语言的学习，这本书就直接进入实务操作了，也就是经典的股票多因子模型，这本书也是主打实操，没有复杂的数学推导和原理解释（Barra模型），从单因子分析到多因子合成，直接给出代码，也有数据案例，照着学一遍，基本就知晓了股票因子开发、因子合成、收益回测的全过程。
4、深入浅出Python量化交易实战
第三本书只有多因子分析，这本书内容就更多一些，包括机器学习（决策树、随机森林）、深度学习、遗传算法等，内容更深一点，也可以了解这些工具的原理，然后再交给AI去处理。
以上四本就是我推荐的还不错的量化入门书籍，没有复杂的公式和数理推导，一切以实务出发，重点推荐第一本和第三本，适合想转型股票量化的同学。
