Phase 4.6 行业资源与持续学习

学习不是有终点的事。这一节整理值得长期跟踪的信息源、社区和开源项目。

一、核心判断：什么值得持续学习

信息爆炸时代，关键是过滤而非收集。

值得持续跟踪的信息特征：

讲原理和机制，而非只讲工具使用
作者有真实实践经验，不只是理论整理
内容有时效性标注，知道什么时候过时
能引发你产生新的问题，而非只提供答案

二、技术博客与论文

工程类（后端工程师必读）

LMAX 技术博客

关键文章：LMAX Disruptor - High Performance Alternative to Bounded Queues for Exchanging Data Between Concurrent Threads（Martin Thompson, 2011）
为什么：Disruptor 是金融系统低延迟的标杆，这篇是第一手解释

Mechanical Sympathy（机械同情）

作者：Martin Thompson（LMAX 联合创始人）
核心观点：软件工程师需要理解硬件（CPU、内存、缓存）才能写出真正高性能的代码
关键主题：False Sharing、NUMA 架构、内存屏障

Martin Fowler 博客

关键文章：LMAX Architecture（讲 LMAX 整体设计），Event Sourcing，CQRS
为什么：金融系统常用架构模式的权威解释

High Scalability Blog

收录了全球各大公司的架构案例，包括交易所、支付系统
关键案例：NYSE 技术架构，PayPal 分布式系统

量化与金融工程类

Ernie Chan 博客（epchan.blogspot.com）

主题：量化交易策略实现，从研究到实盘
特点：代码示例丰富，注重实用

QuantLib（开源金融计算库）文档

内容：债券定价、期权定价、利率模型等金融数学的参考实现
为什么：了解定价模型的实现细节，而非只看公式

Two Sigma / Jane Street / DE Shaw 的技术文章（偶有公开）

搜索：Jane Street Tech Blog，Two Sigma Engineering
特点：顶级量化公司视角，思路领先业界 5-10 年

三、必读书单

技术类

书名	重点内容	适合阶段
《Designing Data-Intensive Applications》—— Kleppmann	分布式系统、数据一致性，是金融系统架构的理论基础	任何阶段
《The Art of Multiprocessor Programming》	并发编程深度，理解 CAS、无锁数据结构的理论	Phase 3 之后
《Java Performance》—— Scott Oaks	JVM 调优、GC 分析、JIT 编译，低延迟 Java 必读	Phase 3 之后
《Systems Performance》—— Brendan Gregg	Linux 性能分析工具全集（perf、flame graph 等）	Phase 3 之后

金融类

书名	重点内容	适合阶段
《Options, Futures, and Other Derivatives》—— Hull	衍生品定价权威教材，第 10 版	Phase 1-2
《Algorithmic Trading》—— Ernie Chan	量化策略从研究到实盘的全流程	Phase 2-3
《Market Microstructure Theory》—— Maureen O'Hara	市场微结构学术权威，理解价格形成机制	Phase 4
《Inside the Black Box》—— Rishi Narang	量化对冲基金内部的工作方式	Phase 4
《Flash Boys》—— Michael Lewis	HFT 行业的通俗读物，了解市场结构	任何阶段（轻松）
《Liar's Poker》—— Michael Lewis	投行文化入门，理解金融行业生态	任何阶段（轻松）

四、开源项目（可以读代码）

系统基础设施

LMAX Disruptor
  https://github.com/LMAX-Exchange/disruptor
  读 RingBuffer.java 和 AbstractSequencer.java
  学习目标：无锁队列的完整实现

Agrona
  https://github.com/real-logic/agrona
  读 ManyToOneRingBuffer.java、UnsafeBuffer.java
  学习目标：堆外内存操作、高性能数据结构

Aeron
  https://github.com/real-logic/aeron
  读 Publication.java、Subscription.java
  学习目标：高性能网络传输协议

Chronicle Queue
  https://github.com/OpenHFT/Chronicle-Queue
  学习目标：基于内存映射文件的持久化队列，极低延迟

金融协议

QuickFIX/J
  https://github.com/quickfix-j/quickfixj
  读 Session.java（心跳、重传、序号管理）
  学习目标：生产级 FIX 协议实现的工程细节

QuickFIX/n（.NET 版本）
  https://github.com/connamara/quickfixn
  如果你做 .NET 金融系统

SBE（Simple Binary Encoding）
  https://github.com/real-logic/simple-binary-encoding
  学习目标：低延迟金融消息的二进制编码

数据与分析

QuantLib（C++/Python）
  https://github.com/lballabio/QuantLib
  读期权定价、利率模型、风险计算的实现
  学习目标：金融数学在代码中的实现

Zipline（Python 回测）
  https://github.com/quantopian/zipline
  学习目标：事件驱动回测框架的完整实现

vnpy（Python 量化交易框架）
  https://github.com/vnpy/vnpy
  国内最流行的开源量化交易框架
  学习目标：多市场统一接口设计，国内市场对接

五、中国市场特有资源

监管文件（值得精读）

文件	来源	重要性
《证券登记结算管理办法》	证监会	理解 A 股结算规则的法规基础
《期货交易管理条例》	国务院	期货系统合规基础
《反洗钱法》及实施细则	人民银行	AML 系统建设的法律依据
上交所/深交所交易规则	两大交易所	开发前必读，涨跌停、申报要求等
中登结算规则	中国结算	清结算系统建设的技术规范

技术标准与接口文档

上交所行情接口（Level-2）：
  搜索"上交所 行情数据接口规范"
  包含：Snap 快照、逐笔成交、逐笔委托的字段定义

上交所交易接入（QDP/FIX）：
  上交所的标准化交易接口，基于 FIX 协议

深交所类似，搜索"深交所 交易参与人接入说明"

中金所期货接口（CTP）：
  期货行业标准接口，基本上所有期货公司都用
  开源 C++ SDK：https://github.com/nicai0609/ctp

国内社区

知乎量化专栏：

搜索"量化交易"、"金融工程"，有大量实践分享

掘金量化（JoinQuant）论坛：

国内量化平台，有很多策略讨论和技术分享

万矿社区（Wind 的量化平台）：

主要面向机构，有 Wind 数据对接的经验分享

六、证书与系统性学习

对工程师最有价值的认证

证书	机构	对工程师的价值
CFA（特许金融分析师）Level 1	CFA Institute	Level 1 覆盖投资基础、衍生品、固收，工程师学 Level 1 足够建立完整知识框架
FRM（金融风险管理师）	GARP	专注风险管理，与风控系统方向高度相关
PRM（专业风险管理师）	PRMIA	类似 FRM，更注重数学

工程师需要考证吗？

不是必须，但系统学 CFA Level 1 的教材（不一定考试）是建立完整金融知识框架的高效方式。CFA 教材按知识体系组织，而非按市场碎片分散，适合系统性建立认知。

预计时间：100-200 小时精读 Level 1 教材，不需要刷题考试

七、在当前工作中积累

主动创造学习机会

如果你目前不在金融公司，如何积累经验？

策略 1：参与开源金融项目

建议的贡献路径：
从 QuickFIX/J 或 vnpy 开始，读懂核心代码
找到一个明确的 bug 或文档不足的地方
提 PR，和核心贡献者互动
逐步承担更大的功能开发

策略 2：构建个人项目

有区分度的个人项目（按价值排序）：
  ✓ 完整的 OMS（FIX 接入 + 持仓 + 风控）
  ✓ 量化因子研究 + 回测框架
  ✓ 实时行情处理 + WebSocket 推送
  ✗ "CRUD 交易记录"（没有技术深度，不值得花时间）

策略 3：深研金融行业技术博客

把金融科技公司的技术博客当作学习材料：
  - 他们描述问题的方式
  - 他们选择技术方案的理由
  - 他们遇到的边界情况

理解这些，面试时才能证明你"懂这个行业"

在金融公司时，如何加速成长

第一年：广度优先

把能接触到的代码都读一遍（前台/中台/后台）
主动申请轮岗或参与跨团队项目
参加所有业务评审会，哪怕不说话也要听

第二年：深度优先

选定一个方向（交易/量化/风控/后台），深入投入
参与 on-call，直接面对生产问题
主动承担设计文档的撰写（逼自己系统整理思路）

持续：建立个人品牌

在内部 Wiki 写技术分享
在代码评审中提出有建设性的意见
成为某个领域的"go-to person"（有问题大家来找你）

八、职业发展路径参考

技术深度路径

Junior（0-3年）
  ├── 能独立实现功能需求
  └── 理解自己负责模块的业务含义

Mid-level（3-6年）
  ├── 能设计和拆解中等复杂的系统
  ├── 能在需求评审中识别业务风险
  └── 在 1-2 个技术领域有深度

Senior（6-10年）
  ├── 能设计跨系统的复杂架构
  ├── 能量化技术方案的商业价值
  └── 成为某领域的行业级专家

Staff/Principal（10年+）
  ├── 定义技术方向，影响公司策略
  └── 技术决策直接影响 P&L

横向转型路径

工程师 → 量化研究员：
  需要补充：数学统计、金融建模
  路径：先做量化基础设施，逐渐参与因子研究

工程师 → 技术产品经理（TPM）：
  需要补充：需求管理、跨团队协作、商业敏感度
  路径：在需求评审中承担更多责任，主导小项目

工程师 → 风险/合规技术专家：
  需要补充：监管知识（FRM 有帮助）、流程设计
  路径：深入参与合规系统建设，理解监管逻辑

Phase 4 完成检验

完成 Phase 4 后，你应该能够：

业务对话能力

独立主持需求评审，能追问出所有关键边界条件
用业务语言（而非技术术语）解释任何技术决策
主动识别需求中的合规风险和业务逻辑漏洞

深度技术能力（至少一个方向）

能设计一个完整的 OMS，处理所有异常场景
能构建一个从因子研究到回测的量化研究平台
能设计一个毫秒级延迟的实时风控引擎
能设计一个幂等、可重跑的日终清结算流程

行业认知

能解释中国市场的特殊规则（涨跌停、T+1、两融）如何影响系统设计
了解当前监管环境对技术系统的最新要求
能评估一个金融科技公司的技术团队成熟度

整体课程回顾

Phase 1（0-3月）：金融语言关
  ├── 1.1 基础金融概念：利率、汇率、市场分类、机构角色
  ├── 1.2 证券基础：股票、债券、基金、衍生品
  └── 1.3 交易基础：订单类型、撮合、T+N 规则

Phase 2（3-6月）：核心业务关
  ├── 2.1 交易系统：订单生命周期、FIX 协议、订单簿
  ├── 2.2 风险管理：VaR、希腊字母、事前/实时/事后风控
  ├── 2.3 清算与结算：净额清算、DVP、CCP、托管
  └── 2.4 合规与监管：KYC、AML、交易报告、审计日志

Phase 3（6-12月）：技术落地关
  ├── 3.1 低延迟设计：ZGC、Disruptor、对象池
  ├── 3.2 金融数据建模：BigDecimal、持仓模型、事件溯源
  ├── 3.3 消息与通信：QuickFIX/J、Kafka、WebSocket
  ├── 3.4 数据库选型：PostgreSQL、TimescaleDB、Redis
  ├── 3.5 系统可靠性：幂等、对账、灾备、审计日志
  └── 3.6 实践项目：撮合引擎、持仓系统、风控引擎

Phase 4（12-24月）：深度整合
  ├── 4.1 业务对话能力：需求评审、技术翻译、合规识别
  ├── 4.2 交易系统深度：市场微结构、执行算法、OMS 设计
  ├── 4.3 量化方向深度：数据基础、因子研究、回测框架
  ├── 4.4 风控方向深度：实时 VaR、规则引擎、压力测试
  ├── 4.5 清结算方向深度：日终流程、对账系统、企业行为
  └── 4.6 行业资源：书单、开源项目、社区、职业路径

你现在拥有的，不只是一份学习大纲，而是一张进入金融后端工程师世界的完整地图。

Phase 4.6 行业资源与持续学习

一、核心判断：什么值得持续学习​

二、技术博客与论文​

工程类（后端工程师必读）​

量化与金融工程类​

三、必读书单​

技术类​

金融类​

四、开源项目（可以读代码）​

系统基础设施​

金融协议​

数据与分析​

五、中国市场特有资源​

监管文件（值得精读）​

技术标准与接口文档​

国内社区​

六、证书与系统性学习​

对工程师最有价值的认证​

七、在当前工作中积累​

主动创造学习机会​

在金融公司时，如何加速成长​

八、职业发展路径参考​

技术深度路径​

横向转型路径​

Phase 4 完成检验​

整体课程回顾​