【入门必读】
《Algorithmic Trading: Winning Strategies and Their Rationale》E. Chan
用Python代码演示均值回归、动量策略，侧重策略逻辑与回测陷阱。
《量化投资策略：原理与实战》朱晓冬
中文体系化梳理A股因子、组合构建与风控，适合本土市场。

【进阶深挖】
3.《Advances in Financial Machine Learning》M. López de Prado
金融ML的“圣经”：样本重叠、walk-forward、组合构建、特征重要性。
4.《Algorithmic Trading & DMA》Barry Johnson
微观结构与订单执行，理解滑点、冲击成本，对高频/中频必备。

【因子与组合】
5.《Expected Returns》Antti Ilmanen
系统梳理股票、债券、另类资产因子溢价，建立收益预期框架。
6.《主动投资组合管理》Grinold & Kahn
经典IR、IC、BR公式，为因子权重与风险预算提供数学底座。

【风控与绩效】
7.《Risk Management and Financial Institutions》Hull
VaR、ES、尾部风险，对接监管与实盘。
8.《Performance Attribution》C. Bacon
拆解超额收益来源，验证因子有效性。

【实战工具】
9.《Python for Algorithmic Trading》Yves Hilpisch
从数据获取（tushare、IB API）到Docker部署，全流程代码示例。
1《金融风险管理师手册》GARP
结合FRM体系，补充合规、压力测试与尾部情景。

阅读顺序：1→2→5→6→3→4→7→8→9→10。每本配合回测平台（backtrader/zipline）实操，记录因子衰减与交易成本，再迭代升级。

以上内容来自网络，仅供参考，如需专业人工服务请点击头像查看加V咨询。