Quant Wiki 免費中文量化百科：先看清內容怎麼來再開始學

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

想用中文免費入門量化金融的人，遲早會搜到 Quant Wiki：免帳號、免安裝，打開 quant-wiki.com 整站直接讀，GitHub 上有 4,054 顆星，規模在同類中文站裡排在最前面。先講結論：把它當一張免費的量化入門地圖，這個價值成立；但它首頁掛出的三個賣點，開源與漢化、量化圖書館、免費開放，兌現程度落差很大，值得在下決定之前分開檢查。這裡給的是基於官方資料與倉庫內容的認識，不是使用評測；付費產品的部分只談位置，不談好不好用。

Quant Wiki 由 LLMQuant 社群維護，2024 年 12 月底開設倉庫，用 MkDocs 架站，站方自述受演算法競賽圈知名的 OI Wiki 啟發，想把同一套社群協作模式搬到量化金融。整包原始內容放在 GitHub 上，任何人都可整份下載離線讀，截至 2026 年 8 月這點都成立。

Pin

四百二十二頁裝了什麼：七個知識區的實際規模

官方倉庫的內容頁逐一清點下來，站上共有 422 頁，分佈相當不平均。

其餘十來頁是專案簡介、常見問答與貢獻指南。兩個數字值得記住：基本概念區獨占將近一半，代表這個站的第一身份是詞典；量化圖書館占近三成，而它正是後面要拆的重點。

基本概念區內部再分四層：金融術語涵蓋市場與交易、金融工具、交易機制、投資理論、經濟指標、公司與市場結構、財務指標與風險波動，從一級市場、可轉換債券、保證金交易到市盈率、VIX 指數都有獨立詞條；機率基礎與統計基礎收條件機率、常態分配、假設檢定、回歸分析這些數學地基；量化術語區則放交易策略、技術指標、希臘字母指標與資本資產訂價模型、Fama-French 三因子模型等經典模型。對完全零基礎的人，這套分層本身就值錢，它等於替你排好了一張從數學到金融再到量化實務的學習順序表。

條目深度差異很大。短的詞條只有一千字上下，把定義講完就結束；長的如總體經濟學、首次公開募股可以到四五千字，帶完整段落結構。入門教程區的夏普比率一篇是原生寫作，從為什麼不能只看報酬率一路推到公式與案例，是全站最接近教科書的內容，同區還有波動率、資產組合理論、事件驅動策略等接續篇目，剛好構成一條入門縱線。站方在常見問答裡也自己承認，很多內容還是空白，等社群補齊。

「漢化」的成分：條目跟英文來源的對應關係

站方對內容性質的說法很誠實，就是開源與漢化。拆開看，基本概念區的大宗是英文免費來源的中文版。以賣權條目為例，它與 Investopedia 的 Put Option 條目從結構到內容都對得上：同樣以主要要點清單開場，同樣依序講保護性賣權、時間價值與內在價值的公式、哪裡可以交易選擇權，連舉的例子都是同一組數字，履約價 20 元、股價 19 元、內在價值 1 元、權利金 1.35 元、時間價值 0.35 元。整個倉庫從頭到尾沒有任何一頁標註 Investopedia 字樣，提及維基百科的也只有三頁。

Pin

翻譯本身是有價值的服務，英文讀得慢的讀者確實受惠，站方把漢化掛在旗幟上也沒有隱瞞。問題出在兩個地方。其一是打破資訊差的宣示與零出處標註的做法並存，讀者無從判斷某個條目是社群原創、譯自哪裡、譯者是誰，而站方自己主張的授權條款恰恰要求姓名標示。其二是品質隨來源浮動，詞條內容相當於把英文站的更新凍結在翻譯當下，之後原文修訂了，中文版不會跟著動。

要公平地說，教程區與求職專區有明顯的原生內容，前者是帶公式的長文，後者收錄 Jane Street、Optiver 等公司的實習與面試攻略，這兩區的價值不在翻譯。判斷某一頁的成色，看它落在哪一區比看站名準。

量化圖書館的 494 個下載連結，現在給你的是一頁廣告

量化圖書館是全站行銷感最重的區塊：122 個書頁，按入門、進階、程式實作、AI 量化四類編排，另有面試資源子區，收綠皮書精講、紅寶書、150 道高頻題這類求職經典，每頁附書封、作者、出版社、難度與推薦度星等，以及一個 PDF 下載連結。量化前沿區的券商研究報告清單也用同一套模式，中信、華泰、廣發等系列報告逐篇掛連結。兩區合計 494 個下載連結。

Pin

實際點開會發現，這些連結現在全部指向同一種東西：一份 2,139 位元組的單頁 PDF，內容是 LLMQuant 社群的自我介紹與產品清單。無論點書籍還是研究報告、無論原始檔名是什麼，回應的檔案大小一模一樣，檔案的修改時間全部落在 2026 年 5 月 28 日世界標準時間 21 時 9 分的那一分鐘內，顯示是一次性的批次替換。那份單頁檔案裡註明原始文件暫時無法提供，但三個月過去沒有恢復跡象，原因與時間表都沒有交代。換句話說，書頁上的下載按鈕已經是空殼，點下去拿到的是社群傳單。

這件事有跡可循。倉庫的提交紀錄顯示，2026 年 1 月底有一筆提交，註明因為 DMCA 問題刪除《Heard on the Street》這本經典量化面試書的頁面，說明書庫曾經真實提供版權書籍，也承受過下架壓力。將近四個月後書庫連結被批次換成廣告單頁，時間序對得上，但替換的具體原因站方沒有說明，這裡不下定論。對讀者的影響很單純：把書庫當書單與書目資訊用還可以，每頁的作者、出版社、難度與章節介紹都是真的；想下載書的人會撲空。

授權寫在 README 裡，LICENSE 檔不在倉庫裡

README 對授權的宣示很完整：姓名標示、非商業性、相同方式分享 4.0 國際版，也就是 CC BY-NC-SA 4.0。對讀者這代表三件事：轉載要署名、商業使用被禁止、改作後要用同一套條款分享。

弔詭的地方在執行層。整個倉庫沒有 LICENSE 檔案，GitHub 的授權欄因此顯示空白，授權的唯一依據是 README 裡的一段文字。想在專案裡復用內容的人，法律上依賴的是 README 的文字敘述，而非一份標準授權檔，這在中文知識庫專案不算罕見做法，但嚴謹度確實差一截。對照它的啟發來源 OI Wiki，同一時間點有 26,542 顆星，規模約為 Quant Wiki 的六倍半；在中文量化這個更小的分眾裡，四千顆星已經是頭部位置。

免費內容的位置：從百科走到付費面試平台的那一頁

理解 Quant Wiki 的另一個關鍵，是看懂它在 LLMQuant 生態裡的位置。這個社群在 GitHub 上有 11 個公開倉庫，包含兩千多顆星的知識框架 QuantMind 與交易代理清單等，與百科直接互導的是兩個產品：論文檢索平台 Quant Paper，以及量化面試準備平台 Quant Question。

百科首頁把這條路畫得很明白，站方的說法是 Quant Wiki 負責學、Quant Question 負責練，後者宣稱有 1,300 多道題目、1,000 多個職缺、70 多份公司清單、1,900 多位訂閱者，核心功能放在 Premium 付費牆內。論文頁也經歷過一次改版，從自動生成的清單換成導向 Quant Paper 的入口頁，後者收錄上百篇論文，按市場資產類別與研究主題雙維度掛了數十個標籤。站內 422 頁裡有 380 頁掛著 LLMQuant 社群橫幅，內頁還附教讀者去 GitHub 按星星的星標指南。

它的商業模式是公開陳列的：免費百科負責聚集流量與建立信任，付費產品負責變現。對讀者而言只需要記住一件事，免費層的內容選擇與呈現，服務的不只是你的學習，還有這條轉化路徑。站方在關於頁自述團隊來自劍橋、牛津、哈佛等校，顧問來自微軟、花旗、Citadel 等機構，這部分無法獨立驗證，當作站方說法參考即可。

維護節奏：十三位貢獻者、AI 協作與一次自動化事故

這個站的規模數字是 4,054 顆星、315 次 fork、13 位貢獻者，以知識庫專案來說社群不算大，內容生產高度集中在少數人與自動化流程手上：貢獻排行榜第二名是一個自動化帳號，提交數 65 次，只比第一名人類貢獻者的 68 次少三次。提交紀錄裡有兩個細節值得知道。

AI 協作的痕跡很明顯，多筆重要提交的共同作者欄標註 Claude Opus 4.6，包括 2026 年 3 月把論文頁改版成 Quant Paper 入口的提交。自動化則出過一次真實事故：一個名為量化學者清單的排程工作每兩天自動覆寫論文頁，把人工策劃的內容蓋回舊版的自動清單，前後拉扯了一個多月，直到 4 月中才移除那份排程並把路由改名收尾。這筆修復提交同時也是倉庫主線的最後一筆內容提交，之後四個月沒有新內容進站，與首頁持續更新的宣稱有落差。知識型網站低頻更新不是問題，但讀者該知道手上的內容是一份靜態快照，稱不上活的知識庫。

另外一個小痕跡出在貢獻入口：貢獻指南教讀者點頁面右上方的編輯此頁按鈕跳轉 GitHub，但建站設定把這顆按鈕的連結指向不存在的 main 分支，專案預設分支其實叫 master，而線上站實際連這顆按鈕都沒有渲染出來。想貢獻內容的人照官方文件走會在第一步就迷路，實際參與只能走 GitHub 的標準流程。

在台灣用它之前要先做的轉換

講回使用建議。整站是簡體中文，市場語境偏中國：研究報告區全部是中國券商的系列，交易機制條目講的是 T+1 與保證金交易那套制度。本地讀者讀基礎概念損失不大，機率統計、因子模型、選擇權定價這些內容沒有市場別，但讀到制度與實務層就要自己做轉換，術語也要對照，比如選擇權、權證、履約價這些台灣慣用詞，站內用的是另一套。

適合的用法有三種。想把量化詞彙一次建立起來的入門者，基本概念區的密度在同類中文資源裡數一數二，免費又免登入；準備外商量化面試的人，求職專區的攻略文有第一手內容，面試題型與實習經驗都不是翻譯來的；想要離線教材包的老師或讀書會，整包倉庫抓下來就是全部內容。

不適合的期待也明確。想要可下載的書庫，那個功能只剩文案；需要繁體中文教材的場景，簡體內容要再加工；想找投資建議或明牌的人，這裡從頭到尾是知識地圖，條目教你什麼是回測、什麼是夏普比率，不會也不該告訴你買什麼。量化知識與實際下單之間的距離，比大多數入門者以為的遠，這條界線值得畫清楚。

想親自確認這個站的成色，兩分鐘就夠：挑一個你已經有概念的條目，例如賣權，讀完再打開 Investopedia 的對應條目對照，你會直接看到內容怎麼來；再點一個量化圖書館的下載連結，看看給你的是書還是別的東西。這兩個動作做完，這個站適不適合你，答案會比任何評測都準。

讀完地圖想動手的人，下一步有幾個方向：想架一套自己的研究與回測環境，QuantDinger 把研究、回測與實單執行收進自架的 Docker；想先零風險感受交易決策，AITradingSimulator 用 LLM 玩紙上交易競賽；想看歷史報酬的長期資料，GlobalAssetHistory 把美股、A 股與加密貨幣畫進同一張熱力圖；做投研需要證據管理，FinSight-AI 提供帶證據追蹤的開源平台。同樣是知識庫形態的站，巴菲特股東信知識庫把七十年股東信做成可檢索的雙鏈結構，可對照著看兩種知識組織路線。

結論：一張值得用的地圖，三個要看破的賣點

Quant Wiki 的免費、開放、可離線、詞彙密度，這些優點都是真的，作為中文世界少見的量化入門地圖，可以放進書籤。同時它的三個招牌各有實相：開源漢化的內容大宗是英文免費來源的中文版且不標出處，量化圖書館的下載連結已經全被換成社群廣告單頁，免費開放的背後站著導流付費產品的首頁。把它當地圖用，別把它當圖書館或教科書，這個工具的價值與邊界就都在你手上了。