高频交易与风控科学基础 — 6周学习计划

定位：从架构设计升维到科学原理，掌握HFT和风控背后的数学模型与算法 目标人群：金融架构师/PM，不需要自己写量化策略，但需要能评审、设计、面试 前置：已完成5个金融系统设计（支付/记账/风控/信贷/清算） 开始日期：2026-04-13 产出目录：docs/finance-design/06-hft-risk-science/

---

为什么需要科学基础？

---

知识体系全景

高频交易 & 风控科学基础
│
├── Part A：高频交易科学（3篇）
│   ├── 01-市场微观结构    → 订单簿/价格发现/做市理论
│   ├── 02-统计套利与量化策略 → 时间序列/协整/因子模型/回测
│   └── 03-延迟工程        → 硬件/网络/算法/系统层面的延迟优化
│
├── Part B：风控科学（5篇）
│   ├── 04-信用风险建模     → 评分卡/PD-LGD-EAD/Basel/压力测试
│   ├── 05-反欺诈科学      → 异常检测/图分析/序列建模/对抗学习
│   ├── 06-市场风险         → VaR/ES/GARCH/EVT/蒙特卡洛
│   ├── 07-实时特征工程     → 滑动窗口/流式计算/特征一致性/特征选择
│   └── 08-ML模型生命周期   → 训练/评估/上线/监控/迭代的科学方法
│
├── Part C：核心算法代码（3个文件）
│   ├── credit-scorecard.ts  → 评分卡核心算法（WOE/IV/评分映射）
│   ├── fraud-detection.ts   → 异常检测算法（Isolation Forest/Z-Score/AutoEncoder）
│   └── risk-metrics.ts      → 风险指标计算（VaR/ES/EWMA/GARCH）
│
└── Part D：面试题集
    └── interview-qa.md      → 20题深度Q&A（HFT 8题 + 风控 12题）

---

6周学习安排

Week 1：市场微观结构 + 统计套利

Week 2：量化策略 + 延迟工程

Week 3：信用风险建模

Week 4：反欺诈科学

Week 5：市场风险 + 特征工程

Week 6：ML生命周期 + 面试冲刺

---

每篇笔记的标准结构

# [主题名称]

## 一、核心概念与直觉
（用类比和图表建立直觉，不上来就甩公式）

## 二、数学基础
（公式推导、核心定理、关键假设）

## 三、实际应用
（在金融系统中如何使用，与架构设计的关联）

## 四、模型/算法详解
（每个模型：原理→假设→优缺点→适用场景→代码示意）

## 五、工程落地要点
（PM/架构师需要关注的：性能/可解释性/合规/监控）

## 六、常见误区
（面试中容易踩的坑）

## 七、与已有笔记的关联
（与Day 56-62风控笔记、W3风控引擎设计的对照）

## 八、延伸阅读
（论文/书籍/课程推荐）

---

交付物清单

---

学习定位提醒

你的定位是：金融架构师/PM，不是Quant

所以学习重点是：
├── ✅ 理解模型的直觉和假设（能讲出why）
├── ✅ 知道每种方法的优缺点和适用场景（能做选型）
├── ✅ 理解工程落地的挑战（能设计系统）
├── ✅ 能评审模型方案（能提出好问题）
├── ✅ 面试能讲清楚科学原理（能展示深度）
│
├── ❌ 不需要自己推导HJB方程
├── ❌ 不需要自己训练生产级模型
└── ❌ 不需要写FPGA代码