對於希望進入量化金融領域的數學家來說，有哪些經典論文值得閱讀？
在尋找一些與做市相關的東西時，我偶然發現了這篇論文https://arxiv.org/abs/1105.3115，並認為由於缺乏更好的想法，我將開始深入研究它及其參考文獻。我懷疑這是解決這個問題的一種特別有效的方法，所以有人能給我一份更好的論文清單嗎？我對股票做市策略理論特別感興趣，但會很樂意閱讀一般“量化金融”領域的任何“經典”作品。
該領域現在處於不斷變化的狀態。既然你是碩士水平，我認為你應該專注於更一般的數學作品。如果您是我的學生，而我們忽略了證券分析和會計等特定事物並專注於數學，我建議您從測度理論、實分析、組合學、貝氏分析和決策理論（貝氏和頻率論）開始。重要的是要了解量化金融中使用的許多東西缺乏經驗支持。想想其他類別的問題，例如兩種方法之間的差異。
根據您的精確假設，只有少數可能的工具，一次只能操作兩到三個，一個貝氏，一個頻率主義者和一個概似主義者，如果它與頻率主義者不同。一旦你選擇了你對機率的解釋，你應該只有一個選擇。
在量化金融中，有大量的工具，每一種都被提出來，因為不清楚使用什麼。工具範圍從 OLS 到 GARCH，再到基於分形的分析，從神經網路到數據包絡分析再到隨機森林，你可以在文獻中找到一長串。在一個類別中，我對我發現了 26 種技術進行了回顧。
您希望遠離雜草並遠離大多數基礎文件。要了解為什麼您需要遠離雜草，請考慮 GARCH 現在很大，但在第一篇 GARCH 文章中，他們對股票進行了測試，發現股票嚴重違反了 GARCH 工作所必需的假設。即使它不支持，大多數東西也不支持，那麼為什麼不使用它呢？
去你的一位顧問或你學術圖書館的圖書管理員那裡，從一本關於測度論的書開始。我不會推荐一個，而是建議你在你所在的地方與人們談論它。面對面交談有一個優勢。然後進行實際分析。您可以翻轉訂單。當你開始研究這個時，你會發現許多這些問題實際上是組合問題。許多解決方案確實試圖繞過組合問題。然後我會拿起一本關於貝氏方法的入門書和一本關於決策理論的入門書。
當您進入該領域時，您會發現有人需要您評估神經網路或 ARMA 模型。我建議醫生的命令“首先不要傷害”。你是數學專家，而不是金融或經濟學專家。傾聽他們的意見，深入探勘他們真正需要你什麼以及他們的目標是什麼。在基礎數學上盡可能好，然後再進入金融領域。
PS 拿起一本會計教科書也不會傷害你。
我認為“數學金融方面”是“一般量化金融領域”的起點。這是
金融數學領域頂尖專家的論文集
對於“做市相關的東西”，我會嘗試“實踐中的市場微觀結構”