目標是兩件事：先看懂市場在講什麼，再有能力把自己的判斷寫成程式。從總體經濟到量化工具，按這條路的順序分層，每個站都標了定位和該不該花時間。
「明天晚上 8:30，8 月 CPI，市場預期月增 0.4%，這是九月最關鍵的一個數字。」
一句示意的財經新聞（句中數字非實際值）。看不懂的話，這張地圖就是從這裡開始的 —— 每個片段都對應下面的某一層。
對照真實排程：2026 年 8 月的美國 CPI 於 9 月 11 日美東上午 8:30（台灣晚上 8:30）公布。
下面分六層，但不是每個人都要走完。先決定你要的是哪一種，層次照著挑就好 —— 投資不等於量化，看懂市場本身就是一個完整的目標。
目標是讀得懂新聞、知道自己的錢放在什麼風險上。走第一層 → 第三層，第三層只要讀被動投資那一組。不用碰財報、技術分析或程式。
目標是判斷一家公司值多少錢。走第一 → 第二 → 第三層，財報是必修不是選修 —— 估值的每一個輸入值都從三張表來。
走第一 → 第三 → 第零層前半 → 第五層。第零層那半不能跳過：分不清運氣和優勢，回測只會一直騙你。第二、第四層等需要基本面或技術面因子時再回來。
目標是讀完一則財經新聞不用查字典。這一層不用學到能推導模型，只要建立「這個數字為什麼重要、誰在看它」的直覺。
產出挑一份最近公布的美國 CPI，不看媒體解讀、只看官方新聞稿，自己說出三件事：實際值比預期高還是低、跟上一期比是升溫還是降溫、它可能怎麼影響下一次聯準會決議。
全中文、一整學年，下學期就是總體經濟。用台灣的例子講，看新聞時最容易對得上。
兩位經濟學家做的短影片系列，每支十分鐘內，把通膨、利率、景氣循環講到直覺層級。英文，但語速慢、圖多。
諾貝爾獎得主的耶魯公開課，講金融市場為什麼存在、怎麼運作、人在裡面怎麼犯錯。看完會對「市場」這兩個字有完全不同的理解。
最基礎的版本，有中文字幕。前面兩個看不懂的時候回來這裡。
中文總經圖表庫，每個指標都附「這是什麼、怎麼看」。免費版就夠用來學，付費是給要深挖的人。
聖路易聯準銀行維護的免費經濟資料庫，八十萬筆以上時間序列，有 API。以美國與國際總經為主，台灣的數字要回頭找主計總處。
全球重要數據的發布時間表，附市場預期值與前值。「明天晚上 8:30」就是從這種日曆來的。
一年八次的利率決策會議日期，附決議聲明與會議紀錄。「九月最關鍵」的九月，指的就是這裡的日期。
CPI 的官方來源。看過一次原始新聞稿，就知道媒體摘要漏掉了什麼。
台灣的利率決策與理監事會議，一年四次。新聞稿寫得比聯準會直白。
台灣 CPI、GDP、失業率的官方來源。要查原始數字才來。
走個股研究這條路的話，這層是必修 —— 第三層的估值模型，每一個輸入值（現金流、負債、營運資金、折舊）都從財報來，不懂它就只是在填試算表。走資產配置或量化的話可以先跳過，等需要基本面因子時再回來。
產出挑一家你熟悉的台灣上市公司，從公開資訊觀測站抓最近一年的三張財報，說得出：它靠什麼賺錢、營業現金流和淨利差多少、差距從哪裡來。
個股研究與寫程式兩條路都要經過這一層。這一層回答「一個資產值多少錢」和「市場為什麼不照那個價格交易」。前者是估值，後者是市場效率與行為財務。
產出對同一家公司做一份簡單的現金流折現估值，找出最影響結果的兩個假設，各上下調 20%，列出估出來的價值變了多少。
25 講的估值課，從現金流折現到相對估值到選擇權定價。英文、研究所等級，從播放清單第一支開始看，不要從他的首頁進去。他的名言：每個數字背後都有一個故事，估值就是把故事變成數字。
中文的投資學教科書課：風險與報酬、投資組合理論、資本資產定價模型。教科書的順序，適合想要系統性框架的人。
台灣證券市場的制度面：交易怎麼撮合、有哪些商品、財報怎麼讀。想在台股實際操作前，這 8 堂先看過。
遊戲化的入門課，ETF、零股、定期定額、反詐騙。內容淺，但是官方版本。
選修，而且要先講清楚：技術分析在學術研究裡的證據很薄弱。學它的理由不是它能預測，是市場上很多人在用，所以要看得懂那些線和名詞在講什麼。第五層做量化時，很多因子的原型也來自這裡。
產出用 Python 自己算出一檔股票的 20 日移動平均和 14 日 RSI，跟看盤軟體上的數字對得起來；對不起來時，找出是資料還是公式的差異。
這一層最大的坑不是程式寫不出來，是回測過擬合 —— 在歷史資料上調到很漂亮的策略，上線就失效。順序建議是：先在課程裡把「資料洩漏」和「樣本外驗證」弄懂，做一次含手續費與樣本外期間的回測，再去讀書單最後那本。
產出一份簡單策略的回測，必須包含手續費與證交稅、一段完全沒拿來調參數的樣本外期間，並寫下樣本內和樣本外的報酬差多少、你怎麼解釋。
原本三段式的完整免費課，2026 年已從 Udacity 下架、轉成付費課程；YouTube 只剩 10 支導論。看它是為了知道「機器學習接上交易」長什麼樣，不是拿來學完。
Georgia Tech 的正課網站，專案題目、評分標準、參考書單都公開，影片則在校內平台。想動手做的人直接拿題目來做。
量化平台附的免費教材，從資料到回測到實盤走一遍。配合他們開源的 Lean 引擎，回測與實盤能用同一套程式碼。
Quantopian 關站前留下的一整套量化財務講義，Jupyter notebook 形式。統計套利、因子模型、風險模型都有，仍是經典。
MIT 數學系與業界量化人員合開，講金融裡真正在用的數學：時間序列、隨機過程、投資組合最佳化。硬，但每一講都是實務。
台股資料的免費 API：盤後價量、三大法人、融資融券、財報。不帶 token 每小時 300 次，註冊後在請求帶上 token 提高到 600 次。不提供即時報價。
交易所自己開的資料 API，官方、免費、不用註冊。欄位少但是第一手，寫程式驗證其他來源時拿它當基準。
永豐金的 Python API：即時報價、下單、帳務都有，文件與範例齊。要從回測走到實單，台灣目前走這條的人最多。
要用程式下美股單，台灣券商做得到嗎？本站逐家查了 15 家複委託：沒有一家有美股移動停損或 OCO，有下單 API 的只有凱基（C#）。要寫程式就選 IBKR，它的代價和美國遺產稅也一併講清楚。
台灣的量化平台，資料與回測工具部分免費、部分付費。它的部落格對台股資料源的比較文章寫得很實在，先看那些。
分兩批。前半要在第一次回測之前就有：抽樣誤差、相關不等於因果、樣本外驗證、交易成本怎麼吃掉報酬 —— 沒有這幾個概念，你看不出自己的回測在騙你。後半可以等：隨機過程、投資組合最佳化這類數學，做到風險模型時再補。
產出（前半）用亂數產生 100 個毫無邏輯的交易策略，回測挑出表現最好的一個，再拿它去跑一段沒用過的期間。親眼看一次「運氣看起來像實力」是什麼樣子。
五本，按讀的順序排。不附連結，書店都找得到；有中譯本的標了。
有中譯。第一本。講市場效率、講為什麼大多數選股會輸給指數。讀完再決定要不要走主動 —— 而且你會知道自己在對抗什麼。
有中譯。價值投資的原典，巴菲特的老師。「安全邊際」和「市場先生」這兩個概念，比任何指標都重要。
有中譯。講風險、講週期、講第二層思考。薄，但每一章都值得重讀。
第五層的工具書。資料處理、回測、風險計算的 Python 實作，讀完 ML4T 之後拿來當手邊參考。
不是入門書，門檻高。整本在講一件事：為什麼你的回測在騙你，以及怎麼設計才不會被騙。先做過一次含成本與樣本外期間的回測，讀起來才有感覺。