针对你数学、物理较好以及有一定C基础的情况，我的建议（也是对所有想要入门量化分析的人）的建议是：
一. 数学
继续打好数学基础，学一学集合论、统计学方面的知识，方便以后可以从初级经济学的学习转向中高级。你大一，集合论和统计学如果没学过建议先入个门。比如国内著名的统计学大师陈希孺先生的《概率论与数理统计 (豆瓣)》、《数理统计学教程 (豆瓣)》等等，写得非常好，请仔细揣摩体会。
二. 经济学&金融学
数学基础可以了，如果学校教的你也觉得很简单，那就看一点计量经济学和中级微观经济学方面的书，看能不能看懂。
比如《计量经济学导论 (豆瓣)》这本书就不错，还有经典的范里安的中级微观经济学教材：《微观经济学 (豆瓣)》，以及经典圣经：《期权、期货和其他衍生品（第5版） (豆瓣)》。
当然，如果你想要出国深造，那么选择看英文版的是很好的选择。
但是如果你是想要更好地利用时间，看中文版也是不错的选择，因为看中文版肯定比英文版快得多。
三. 计算机与编程
1. 计算机
你如果之前没有学过计算机相关知识，我建议可以先看一本书入个门，了解计算机的大致工作原理，我推荐研读一下：《计算机科学概论（第11版） (豆瓣)》
2. 语言
然后，你既然要学习金融方面的知识，我建议可以暂时不学C或者C++，而选择学习python，python更简单，数理分析、科学计算能力更强大。我推荐看一下：《Python基础教程 (豆瓣)》，这本书讲的是python2.7，对初学者而言，还是看这本比较好。
你还可以参照统计语言R来更深入地理解python，我推荐《R语言编程艺术 (豆瓣)》。
然后你可以看一下专讲python用作数据分析的好书：《利用Python进行数据分析(豆瓣)》。（这本书里面讲的python以及对应的pandas、scipy、numpy模块都是基于python2.7的——这就是为什么我推荐的python入门教材是python2.7的，对于初学者，版本问题很可能是个坑，学2.7更好。）
另外，家中常备：《Python标准库 (豆瓣)》，很多问题就不用重新造轮子了。
3. 未来
计量方法严格来讲只是传统方法，为了应对未来、成为宽客，建议学习数据挖掘、机器学习、人工智能方面的知识，我推荐《数据挖掘导论 (豆瓣)》，《机器学习 (豆瓣)》等等书籍。
另：python作为解释型语言，性能不及C等编译型的语言，特别是对于高频交易等，以防万一，建议还是入一下计算机的算法、数据结构、计算机系统坑。。。。当然，这又是个大坑。
四. 实践
现在有一些在线的金融系统，可以给你机会让你写你自己的模型的，你多留意一下，也可以问下老师，闲来没事儿写几个交易模型试一试。
据我所知目前大多数写交易模型的，都没有较强的综合能力（综合经济金融、数学、编程这三个方面），你要想比他们都强，那就把这三个方面的基础都打好。
最后，少年，我看你骨骼惊奇，这本《集体智慧编程 (豆瓣)》我就送给你了，写一个遗传算法为内核、并且底层优化的具有进化特征的交易模型吧，特别是在数据环境本身就具有进化特性的情况下，亮瞎他们！——至少听起来很牛逼~~
R是一种专业性很强的统计语言，如果想学得快一些的话，基本的统计学知识要懂，不然很多东西会掌握的比较慢。掌握基本语法和操作，推荐国内的已经翻译的比如《R语言实战》《R语言编程艺术》，这个过程中最好结合一些小例子来做一些分析的东西。其他还有《R语言实例》《R语言核心技术手册》也都是很好的书！如果需要可视化的话，强烈不推荐学习R本身的作图系统，实在是太不友好了.....还是用ggplot2吧。
掌握了上面的，就可以深入一些了，如果是做数据分析和可视化，推荐《ggplot2：数据分析与图形艺术》，这个才是作图的神器啊.....如果是空间分析相关的，推荐《Applied Spatial Data Analysis with R》，这个如果可以的话看英文版，而且要有地学的一些知识背景，中文版翻译的太次了，尽量不要看。数据挖掘机器学习之类的，可以看看比如《数据挖掘与R语言》、《机器学习——实用案例解析》，不过我觉得这几本书没上面的那几本好，但是可以大概看看是咋回事，最好还是看看专门的相关书籍，熟悉各种算法和流程，到时候搜索R的package，照着文档和例子搞定，不是特别难。
最后，强烈推荐统计之都、R-bloggers，统计之都以及谢益辉、肖凯、刘思喆等人的博客（自行Google以及到上面的网站找链接），订阅一下，会很有帮助，RStudio是个很棒的IDE，用起来很爽，功能很强大。
总之，你可以从《R语言实战》开始出发吧！
摘自百度网友，谢谢。
