春招已经开始，你却没有硬核编程技能？

许多同学咨询老麦：简历背景不足，项目经验又没有，却想进大行。天天喊着要自学编程，赶上AI这条快船，然而电脑里的python还停留在2.7版本。

自己做project？不可能的，这辈子都不可能的。

想选学校的编程课学一学吧，一去上课，发现作业巨多，打分严格，还有期中考试，想想还没有上3.8的GPA，回家默默drop掉了

上网搜集点资料自学吧，发现资料浩如烟海，众说纷纭，书名基本是《从零开始学xx》，《手把手教你xx》，《xx：从小白到进阶》，《菜鸟学xx》，教学网站也长得大同小异，到底怎么选呢？

于是，金融帮的资深导师，编程自学成才的Peter，给大家开个小灶，讲讲他是如何规划学习路线，从Matlab都不会写的小白，一步一步成长为一名投行量化工程师的。

小白阶段

很多人一说起学编程，第一反应是找本语法书看看

这就走上了从入门到放弃的道路，因为语法是空洞无聊的。就好比大家都知道python要会用pandas，但是没有人上来就抱着pandas功能文档啃的。

这一阶段，要避免上面这种从基础踏踏实实学习的心态，要急功近利地学习

快速浏览python常用数据结构

比如list，dict，条件语句是啥，循环怎么写。这里不需要记忆语法怎么写，只需要知道有这些东西存在。

给自己安排一个任务

比如，生成随机数，计算asset到期价格分布。从csv读取现金流数据，计算irr，cashing flow discounting。

给自己布置一个几十行语句，几个function就能完成的小任务，做的时候遇到不会的语法就查资料。那么有哪些资料呢？

工具书

如python cookbook，避开上边提到的《从零》系列书名的组合。

工具网站

遇到bug google一下错误类型，一般第一条都是Stack Overflow，如果某个功能不知道怎么写，英语描述不清，百度也是个好选择

代码包document

最经典就是pandas documents，使用pandas 函数的代码样例、参数形式全在这里。同样是备查性质，不要单独啃。

完成了第二步的小任务，你已经可以在简历上写自己会python了！

进阶阶段

这一阶段的目的，主要是学会下载、调取别人写好的功能，同时提高代码的复用性、结构简洁性。

举个栗子，实现期权定价的功能，我们一般能想到把S,K,T，σ等参数做成函数，提高复用性。

但是往更高一层想，我们还可能遇到call，put，call spread，butterfly等多种类型、计算方法不同的期权，但是这些计算功能可能又共用了这些参数。这种共用某些信息的概念就是“对象”：

我们可以生成一个option对象，用基本的参数初始化，然后每类期权都是一个class method（function），也可以生成subclass去继承公共参数，定义自己的payoff计算方法。

又比如机器学习中，我们通常需要先clean data，然后train，test。这样我们可以先定义一个负责data processing的class，包含了处理missing value，随机混合、train-test split等功能。然后调用机器学习包进行下一步操作。

Geek阶段

学会了写高效率的代码，我们就要正式迈向机器学习，爬虫、多线程、网页制作了

我们已经对python各种数据结构、语法得心应手，可以开发中型、完成更多功能的project。这里有许多分支：选择机器学习的，需要先读一下《统计学习方法》、西瓜书等经典，加深对算法的理解，然后尝试自己下载数据或者参加各种平台举办的比赛。选择数据方向的，可以学习网页数据的爬取，研究多线程、多进程的区别。学习爬虫和网页制作还需要了解html结构等知识。这后面的东西太多，就等Peter之后细讲啦！

有的人问了：

我想进投行

我该学些啥？

别急，就在纽约时间周五晚9点，投行大佬Leon就将带你了解进入大投行的学习规划：

有的人又问了：

没有人督促我

我学习不了啊

别急，很快，Peter大佬的量化编程课就将上线啦！到时候只要在金融帮的小程序里就可以轻松提升自己的硬核技能，赶快扫码老麦，不要错过啦！

老麦

没时间解释了，快扫码老麦，走上金融圈快车道

·《

金融项目和实习，这些经验值不值？

》

纽约最in的Banker创办的机构，致力于帮助金融学生找到理想的学校和工作。关注“纽约金融帮”，走向支付致富之路。