学习是一个终身课题，而步入一个新领域最好的时机是10年前，其次，就是当下。在我的人生中，见过的所有成功人士，都具有超人一等的视野、立即行动的决断和日拱一卒的韧性，如果你也能做到这三点，我相信你会是下一个成功者。
除了上述三点，路径很重要。读好书、看视频、阅杂志、逛论坛，这些都是学习路上的必经之地。
1、书单：重点阅读：《华尔街狂人》---主要讲述的是发生在当今世界金融市场中日新月异的技术变革的故事。《程序化交易初级教程》---主要讲国信TS平台的使用。推荐阅读：《期货市场技术分析》、《宽客——华尔街顶级数量金融大师的另类人生》、《高频交易员》、《解读量化投资：西蒙斯用公式打败市场的故事》、《以交易为生》。
2、视频：17集《金融量化简史》---主要讲述200年来量化交易的发展历程，以及交易思想的演变。
3、杂志：重点推荐《futures truth》，以及国际上金融类的知名杂志。
4、论坛：MT4经管之家聚宽等。
不要问我网址或链接是什么，去问“百知谷”吧（百度、知乎、谷歌），这应当是你的一个基本学习能力。
一个人具备文字能力十分重要，你每周都应当把学习的心得通过300字左右来进行一个完整的归纳和表述。下面我举个例子：
本周看了王老师翻译并推荐的书《华尔街狂人》，我注意到在豆瓣里的评分是6.6分，属于国内比较早的量化知识普及丛书。这本书让我惊奇的是对人工智能论述用了很大的章节，你要知道这本书完成于10年前，我很想知道今天中国投资市场上喧嚣尘上的人工智能，会不会重蹈10年美国的覆辙？
现在看来，任何事物都死于泡沫是有道理的，而这个泡沫其实与事物本身无关，而是人们过度的期望，美国上次的人工智能破产就是人们对它在金融市场上的表现期望过高，而当时的计算机硬件以及程序员对它的支持与今天相比，明显不到位。人工进化和遗传算法在10年前看起来是人工智能在金融领域应用的重大突破，而今天，已经变成了一个最基本的策略形成基础。特别是利用遗传算法来消除市场偏见或误差仍然是一项艰难的工作，有的时候，我们消除的恰恰是市场真相。
在真实的世界中，一切预测都是未知数，我也不觉得人工智能会预测未来，但它所给出的对未来的概率，确实对我们交易策略的风险控制有着极高的价值。今天，深度学习又成为了人工智能在金融领域的新宠，但它所表达的数学描述，对于金融市场来说，究竟是更近了，还是更远了呢？
备注：请注意，这个文章的结构属于典型的三段式。1、总结并提出问题；2、用自己的视角来思考和回答问题；3、提出新的想法和问题。这个例子并不是要固定大家的思维，但如果离开了这三点，你总结的东西很难有什么价值，文章段式仅供参考。
每一名同学在研究策略时，都应当养成备注的习惯，看别人的策略和自己写策略都应当进行完整的备注，因为，人脑在代码和自然语言间的转换大多数时间并没有你想的那么顺畅。下面举一个金字塔背离模型的例子（用于股票t+0的无图表交易）：
//策略名：背离模型
//类型：股票t+0
//适用：后台程序化
//使用市场：
//修订时间：2017.12.12
//计算MACD
DIFF:=EMA(CLOSE,12)-EMA(CLOSE,26);
DEA:=EMA(DIFF,9);
MACD:=2*(DIFF-DEA),COLORSTICK;
N:=BARSLAST(CROSS(DIFF,DEA))+1; //计算最近金叉距离
N1:=BARSLAST(CROSS(DEA,DIFF))+1; //计算最近死叉距离
DIFF1:=REF(REF(DIFF,N-1),1);//查金叉时DIFF值
DIFF2:=REF(REF(DIFF,N1-1),1); //查死叉时DIFF值
C1:=REF(REF(C,N-1),1); //查金叉时收盘价
C2:=REF(REF(C,N1-1),1); //查死叉时收盘价
DBL1:=DIFF>DIFF1 AND CROSS(DIFF,DEA) AND C
DBL:=DIFFC2; //顶背离
//买卖条件
TBUY(DBL1 AND TNUMLOSSTRADE<2,100,MKT);//亏损一次后买入
TSELL(DBL AND TBUYHOLDINGEX('','',2)>0,100,MKT);//当前帐户持仓大于0时
TSELL(EVERY(C<=REF(C,1),5),0,MKT);//连续5个周期下跌卖出
研究一个策略，最重要的是要先把思维导图构建出来，以方便进行调整和修改。
当你有想法、有代码、有导图的时候，就可以来跟我深入讨论一些关于量化交易的问题了。
