直奔統計套利

這個問題與我之前的問題有點相關，但沒有在任何其他執行緒中得到解決。該執行緒中的答案一針見血，“如果您打算從頭到尾閱讀教科書，那麼教科書將包含過多的材料，因此您幾乎不知道何時停止閱讀教科書。” 我想對我目前的方法進行驗證，如果有漏洞，我將非常感謝任何掩蓋它們的建議。

我希望以套利量化師的身份進入對沖基金的職業生涯。我擁有 EE 博士學位，主修模擬 IC 設計，擁有 12 年以上的行業經驗。我在工程教育中精通線性代數。以下是我認為我需要學習的內容。

目前，我已經涵蓋了 Stephen Abbott 的“理解分析”的前七章，包括所有練習。我也將介紹第八章。

1. 在閱讀了 Abbott 的書後，我真的認為在繼續測量理論之前閱讀 Rudin 的 PMA 並沒有什麼意義。在我繼續之前真的需要魯丁嗎？
2. 接下來，我打算學習 Rene Schilling 的測度論一書。與上面的＃1一樣，我真的懷疑我是否必須更深入地研究像比林斯利這樣的書。在進入下一階段之前真的有必要學習比林斯利的書嗎？
3. 最後，我將學習 Shreve 的兩卷書或 Oksendal 的關於隨機微分方程的書，我學到的這本書對於我正在尋找的職業類型是必要的。
4. 同時，我將學習面向金融的 Python，特別是面向統計套利的 Python。

在我看來，我可以跨越三個主要層次（不包括 Python，這是一個低垂的果實）

1. 我主要完成的雅培分析
2. Rene Schilling 的測量理論
3. 來自 Oksendal 或 Shreve 材料的隨機微分方程。

添加到此列表中的書籍越多，我完成它所需的時間就越長，這與我在這個問題開頭指出的執行緒中給出的答案完全一致。因此，如果我正在查看作為套利量化者進入對沖基金所需的所有材料的infima ，那會是上面提到的#1、#2 和 #3，還是不止這些？

具體來說，在我開始使用隨機微分方程之前，我是否還必須閱讀魯丁的“數學分析原理”和比林斯利的“機率與測度”？

我經常從學術類型中得到這個問題，對你來說很高興，這條路不涉及任何這些書。

從統計套利的角度來看，您的知識上的主要差距不是數學上的。其中大部分甚至全部都沒有統計數據。相反，它們是套利知識以及如何參與其中的空白。

在測量理論、控制理論、SDE、PDE 等方面擁有足夠技能的博士是一毛錢。招聘經理更關心應聘者能否真正以有意義的方式使用這些技能——沒有人會指派 1-3名其他員工來實施一些甚至不了解市場的新秀數學初級人才的想法。

招聘經理會更關心你是否真的做過一些交易（比如個人賬戶）。他們會對您可以展示多少編碼技能更感興趣。

引用自：https://quant.stackexchange.com/questions/64134