比较适合入门的人
这本书是非常适合从技术分析过来的人，对已经了解怎么做统计分析的人来说，用处不大。
本书先从心理学的角度说人可能犯的错误，比如hindsight，也就是事后诸葛亮错误；还有各种对regression to mean的误解，也就是tiger今年打球厉害，下一年打球差，一定是因为骄傲这种偏见。看过类似Thinking, fast and slow的人，可以略过这部分。
后面接着介绍了一下逻辑学，以及知识的由来。这部分，如果看过逻辑学导论的，也可以略过了。总体来说，这一章节，主要是讲科学是一套证伪的方法，也就是说，你不能证明某个理论是对的，只能证明它是错误的。有兴趣的，可以去读读波普尔，休谟，培根的书，没太大兴趣的，读一下逻辑学导论就完了。
后面连着几张是讲统计学里面的假设检验的，上了大学统计的人，这些章节都可以跳过。
第一大部分最后一张，是讲为什么技术分析是可以赚钱的，也就是市场是部分无效的。读过阿尔法经济学的人，也可以略过了。反正我是翻翻就过了。
最后2章是拿了几千个技术分析的规则来做假设检验，最后的结果是，没有一个是能够显著盈利的。看到这里，你应该会觉得这本书没啥用，但是其实这本书讲了一套和机器学习非常相像的方法论。我因为读过太多行为金融学，逻辑学和统计学的科普书籍，前面几章几乎都是略过去看的，实在没办法看重复的内容。
这本书对交易者来说，最有用的的是：
1. 如何detrend，就是通过把需要交易的频率的收益率，比如5分钟收益率，减去那个频率的平均收益率。这个做法可以把一些长期趋势去掉。为什么要去掉长期趋势呢？如果你的策略里面long的次数显著大于short的次数，有可能知识你运气好，刚好都在上涨期，比如这接近10年的美股大牛市。其实一般做时间序列分析，都会用到一阶或者二阶差分，用了之后基本上也可以说是去掉了趋势了，只是大部分的时间序列都不是平稳。
2. 如何分析出技术分析是有用没用的。作者并没有说技术分析有用没用，从逻辑上来说，只要找到一个策略是有用的，就可以推翻技术分析没用这个结论。而作者的意思是，如何假设一个策略没用，然后可以去找到一个有用的策略。从数据挖掘的角度来说，可以对一个品种，比如螺纹钢，用一堆的rule去测试，然后把rule的收益率做统计分析，如果显著赚钱的策略通过了假设检验，那么说明是存在可以在螺纹钢上赚钱的策略的。
具体来说，方法是，把不同的rule在螺纹钢的测试集跑回测，然后把收益率做一个histogram，然后看分布，类似于工厂抽检1000个零件，有20个坏了，那么所有批次不及格的可能性有多大。接着跑验证集。
但是作者后面说，对complex的规则，直接跑机器学习的方法也可以，即train, test, validate。
3. 如何去掉随机的因素。除了detrend的方法，另外就是作者说的WRC或者蒙特卡罗模拟了。这个大部分人都知道。
不过我自己做策略，少有去考虑随机部分的因素，因为需要跑的数据实在有点多，就一台普通家用pc，跑一个策略，仅遍历都好几天，也不知道跑这些随机模拟，需要多久了。
作者还有以本介绍他自己写的一个免费软件的书： https://book.douban.com/subject/25754609/ 。可以参考这本书，自己逆向开发一套差不多的系统。
对比起其他仅仅介绍怎么写策略的书来说，个人觉得这本书还是不错的。从我读的书来看，国外作者的书有不少都是喜欢讲方法论多于实际策略的，比如怎么验证策略是可行还是不可行，怎么验证资金管理是可以增强收益的。国内的基本更多在于讲怎么做策略。切入的角度，区别很大。
我入门量化的时候走了很多弯路，如果早期看这本书的话，说不定还可以减少走弯路的可能。
不填5星的原因主要是太多章节的太多内容，我都接触过了。
- 作者: David Aronson
- 出版: Wiley
- 定价: USD 100.00
- 装帧: Hardcover
- 页数: 544
- 时间: 2006-11