量化投资入门到进阶
教材目录
第一章：量化基础知识
第一节 量化投资的概念和优势
第二节 量化投资的历史和未来
第三节 量化投资的流程与应用
第二章：量化策略入门
第一节：MindGo量化交易平台
第二节：MindGo API介绍
第三节：我的第一个量化策略
第三章：Python编程
第一节：Python介绍
第二节：数据类型
第三节：条件与循环
第四节：函数
第五节：numpy
第六节：pandas基础
第七节：pandas进阶
第四章：经典量化策略集锦
第一篇：投资高股息股票
第二篇：从“二八轮动”中学择时
第三篇：网格交易—动态调仓策略
第四篇：进军交易系统，从Dual Thrust中学“趋势”
第五篇：布林强盗，一个霸道的交易系统
第六篇：交易系统终结者—海龟交易法则
第七篇：向彼得林奇投资大师学习PEG选股
第八篇：CAPM模型的应用
第九篇：Fama-French三因子模型应用
第十篇：动量类多因子之择时中选股
第五章：量化研究专题
第一篇：用matplotlib绘图函数实现数据可视化
第二篇：运用Scipy模块实现统计技术
第三篇：10分钟学会用Python做线性回归
第四篇：统计套利：利用相关系数进行配对交易
第五篇：数据处理专题：去极值、标准化、中性化第六篇：数据挖掘专题：分类与预测
第七篇：算法交易入门—VWAP
第八篇：Python实现马克维兹投资组合理论
第九篇：隐马尔科夫模型【机器学习+数据挖掘】
第十篇：机器学习之神经网络入门第一章：量化基础知识
第一节 量化投资的概念和优势
量化投资的概念
量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的
交易方式。
量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，打个
比方来说明，我们先看一看医生治病，中医与西医的诊疗方法不同，中医是望、闻、问、切，
最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要
病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。
医生治疗病人的疾病，投资者治疗市场的疾病，市场的疾病是什么？就是错误定价和估
值，没病或病得比较轻，市场是有效或弱有效的；病得越严重，市场越无效。投资者用资金
投资于低估的证券，直到把它的价格抬升到合理的价格水平上。
但是，定性投资和定量投资的具体做法有些差异，这些差异如同中医和西医的差异，定
性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像是西医，依靠模型判
断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之
前，我会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投
资决策。
量化投资的优势
量化投资的优势在于纪律性、系统性、及时性、准确性和分散化。
1.纪律性：严格执行投资策略，不是投资者情绪的变化而随意更改。这样可以克服人性
的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。
2.系统性：量化投资的系统性特征包括多层次的量化模型、多角度的观察及海量数据的
观察等。多层次模型包括大类资产配置模型、行业选择模型、精选个股模型等。多角度观察
主要包括对宏观周期、市场结构、估值、成长、盈利质量、市场情绪等多个角度分析。此
外，海量数据的处理能力能够更好地在广大的资本市场捕捉到更多的投资机会，拓展更大的
投资机会。
3.及时性：及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻
找新的交易机会。
4.准确性：准确客观评价交易机会，克服主观情绪偏差，从而盈利。5.分散化：在控制风险的条件下，量化投资可以充当分散化投资的工具。表现为两个方
面：一是量化投资不断地从历史中挖掘有望在未来重复的历史规律并且加以利用，这些历史
规律都是较大概率取胜的策略；二是依靠筛选出股票组合来取胜，而不是一只或几只股票取
胜，从投资组合的理念来看也是捕捉大概率获胜的股票，而不是押宝到单个股票。第二节 量化投资的历史和未来
量化投资的历史与现状
讲起量化投资，就不得不提华尔街的传奇人物——詹姆斯·西蒙斯(James Simons)。
这位慧眼独具的投资巨擘，有着一份足以支撑其赫赫名声的光鲜履历：20岁时获得学
士学位;23岁时在加州大学伯克利分校博士毕业;24岁时成为哈佛大学数学系最年轻的教
授;37岁时与中国数学家陈省身联合发表了著名论文《典型群和几何不变式》，并开创了著
名的陈—西蒙斯理论;40岁时运用基本面分析法设立了自己的私人投资基金;43岁时与普林斯
顿大学数学家勒费尔(Henry Laufer)重新开发了交易策略并由此从基本面分析转向数量分
析;45岁时正式成立了文艺复兴科技公司，最终笑傲江湖，成为勇执牛耳的投资霸主。
这段看似青云直上的成名之路，再次为世人印证了一个道理——当代的技术创新，其实
大多源自跨越学科的资源整合，而非从无到有的发明创造。具体说来，即使睿智如西蒙斯，
在最初之时，他也没有直接想到运用量化方法投资，而是和众多投资者一样着眼于外汇市场，
但野心勃勃的西蒙斯并不甘于只是简单因循传统的投资策略。随着经验的不断累积，他开始
思考，为何不运用他最为熟悉的数学方法来搭建投资模型，从而能够科学精准地预测货币市
场的走势变动?这一大胆的跨学科尝试，最终彻底改变了他的人生走向。
通过将数学理论巧妙融合到投资的实战之中，西蒙斯从一个天资卓越的数学家摇身一变，
成为了投资界中首屈一指的“模型先生”。由其运作的大奖章基金(Medallion)在1989-2009
的二十年间，平均年收益率为35%，若算上44%的收益提成，则该基金实际的年化收益率可
高达60%，比同期标普500指数年均回报率高出20多个百分点，即使相较金融大鳄索罗斯
和股神巴菲特的操盘表现，也要遥遥领先十几个百分点。最为难能可贵的是，纵然是在次贷
危机全面爆发的2008年，该基金的投资回报率仍可稳稳保持在80%左右的惊人水准。西蒙
斯通过将数学模型和投资策略相结合，逐步走上神坛，开创了由他扛旗的量化时代，他的骤
富神话更让世人对于量化投资有了最为直观而浅显的认识：这能赚钱，而且能赚很多钱。
但金融行业瞬息万变，老天也没有一味垂青这位叱咤风云的“模型先生”。 自2012年
以来，由西蒙斯掌印的文艺复兴科技公司可谓祸事不断，厄运缠身。其麾下的“文艺复兴机
构期货基金”(RIFF)在2011年仅实现盈利率增长1.84%，到2012年，更是破天荒的亏损了
3.17%，这一亏损幅度甚至超过了同年巴克莱CTA指数的平均降幅(1.59%)。RIFF主要通过
全球范围的期货和远期交易来实现绝对收益，虽属于文艺复兴公司旗下规模较小的基金产品，
但作为公司的明星”印钞机“，其回报率竟会一下暴跌至行业平均水平，难免让众人始料不
及。到2012年底，RIFF 的资产规模已缩减至7.88亿美元，远远低于2011年的40亿美元。
到今年10月底，文艺复兴公司最终宣布正式关闭 RIFF，一代“文艺”明星RIFF就此戛然
陨落。
量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩
大、得到越来越多投资者认可。国外量化投资的兴起和发展主要分为三个阶段：
第一阶段（1971-1977）
1971年，世界上第一只被动量化基金由巴克莱国际投资管理公司发行，1977年世界上
第一只主动量化基金也是巴克莱国际投资管理公司发行，发行规模达到70亿美元，是美国量化投资的开端。
第二阶段（1977-1995）
从1977年到1995年，量化投资在海外经历一个缓慢的发展，这其中受到诸多因素的影
响，随着信息技术和计算机技术方面取得巨大进步，量化投资才迎来了其高速发展的时代。
第三阶段（1995-至今）
从1995年到现在，量化投资技术逐渐趋于成熟，同时被大家所接受。在全部的投资中，
量化投资大约占比30%，指数类投资全部采用定量技术，主动投资中，约有20%-30%采用
定量技术。
事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量
化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内发展还处于初级阶段。
随着我国改革开放30年，证券市场成立二十年，雨后春笋般的在最近短短几年里，国
内打着“量化投资”标签的基金已有9只，加上最近即将发行的长信量化先锋，量化基金数
量将达到10只。此前9只量化基金策略不同，表现亦是参差不齐，量化投资也因而颇受质
疑。
因为我国A股的种种特殊性，在我国A股市场使用量化策略，好比盲人摸象。市场上
最早的几只量化基金，业绩一度饱受病垢。人们对量化基金的争议主要集中于两点，一是A
股市场是否有量化基金生存的土壤，二是基金的量化策略是否可以接受市场长期的检验。
量化投资的未来
相较于海外成熟市场，A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不
够成熟，留给主动投资发掘市场非有效性，产生阿尔法的潜力和空间也更大。投资理念多元
化，也创造出多元分散的alpha机会。
量化投资的技术和方法在国内几乎没有竞争者。中医治疗中医擅长的疾病、西医治疗西
医擅长的疾病；如果把证券市场看作一个病人的话，每个投资者就是医生，定性投资者挖掘
定性投资的机会，治疗定性投资的疾病。证券市场上定性投资者太多了，机会太少，竞争太
激烈；量化投资者太少了，机会很多，竞争很少。这给量化投资创造了良好的发展机遇——
当其他人都摆西瓜摊的时候，我们摆了一个苹果摊。
总的看来，量化投资和定性投资的差别真的有如中医和西医的差别，互有长短、各有千
秋。由此可见，随着2010年4月股指期货的出台，量化投资国内市场发展潜力逐渐显现，
已有北京大学汇丰商学院，上海交通大学安泰管理学院投入数百万开设了专业的量化投资金
融实验室，并开办了量化投资高级研修班，为国内量化投资的市场发展提供了良好学术和实
战环境。
python股票量化交易入门到实践
python股票量化交易入门到实践
1、量化交易的简介
在传统的股票交易中，决策通常是基于人工分析和经验做出的。这种方式容易受到情感因素和偏见的影响，导致投资决定不够准确和科学。量化交易就是一种使用数学模型和算法进行交易决策的方法。它可以通过分析历史数据和市场行情，制定出更为准确的投资策略，并快速执行交易指令，降低了人为干预对交易的影响。
2、Python在量化交易中的应用
Python作为一门高级编程语言，具有语法简单、学习成本低、强大的数据处理能力等特点。因此，Python在量化交易领域得到了广泛应用。Python中有许多专门针对量化交易的库，如pandas、numpy、scipy等，可帮助投资者方便地获取和处理股票数据，进行有效的策略回测和优化。而且Python也支持多线程、异步IO等特性，能够快速处理海量数据和实时行情。
3、Python在股票数据获取中的应用 股票数据是量化交易的基础，如何获取可靠的股票数据是量化交易的第一步。Python可以通过一些库和API获取股票数据，如tuShare、baostock等。以tuShare为例，通过编写Python代码，就可以获取股票的历史行情数据、财务数据等，并进行自定义分析。
4、Python在策略回测中的应用
策略回测是量化交易过程中非常重要的环节，它可以验证投资策略是否有效，并对策略进行相应的修改和优化。Python中有一些专门用于策略回测的库，如backtrader、zipline等。这些库可以帮助投资者快速编写策略，并进行模拟交易，观察策略的表现和收益情况。
5、Python在实盘交易中的应用
实盘交易是最终目的，也是量化交易的核心环节。Python可以与各大券商提供的API进行对接，实现自动化下单和交易，减少人为干预，提高交易效率和准确性。在实盘交易中，Python还可结合机器学习和深度学习等技术进行更加精确的交易决策。
6、总结 Python作为一门强大而又简洁的编程语言，在量化交易领域具有广泛的应用前景。通过使用Python，投资者可以更快、更准确地获取和分析股票数据，并制定出更加科学的投资策略。同时，Python还能帮助投资者快速进行策略回测和实盘交易，提高交易效率和收益水平。相信在未来，Python将会越来越多地应用于股票量化交易的开发和实践中。
金融量化入门书籍
金融量化入门书籍
金融量化是通过数学、统计学和计算机科学等工具来分析和制定投资策略的方法。对于初学者来说，需要掌握一定的基础知识和技能。以下是一些适合初学者的金融量化入门书籍：
1.《金融工程学入门》（Introduction to Financial Engineering）- 作者：Robert
Jarrow
这本书介绍了金融工程的基本概念和方法，包括金融工具的定价、风险管理、期权和期货等内容。它非常适合初学者，因为它从基本概念开始，然后逐步介绍更高级的主题。
2.《量化投资策略与技术》（Quantitative Investment Strategies）- 作者：Lars
Kestner
这本书介绍了量化投资策略的实施方法和技术。它涵盖了交易模型、组合优化、风险管理等主题，并提供了一些用Python编程语言实现这些策略的示例。对于想要实际应用量化投资策略的初学者来说，这本书是一本很实用的指南。
3.《量化交易：如何建立和执行交易策略》（Quantitative Trading: How to Build
Your Own Algorithmic Trading Business）- 作者：Ernie Chan
这本书主要介绍了如何建立和执行量化交易策略。它涵盖了交易策略的开发和回测、交易执行、风险管理等方面的内容。书中还包含了一些在交易策略开发方面的实用技巧和经验。对于对量化交易感兴趣的初学者来说，这本书是一个很好的起点。
4.《量化交易系统开发与实战》- 作者：郭庆华
这本书是一本国内量化交易领域的经典教材，它从零开始介绍了量化交易系统的开发过程和实践方法。书中详细介绍了量化交易策略的开发流程、系统测试和评估、执行和风险控制等内容。对于对量化交易系统的开发和实践感兴趣的初学者来说，这本书是一个很好的选择。
5.《Python金融大数据分析》- 作者：潘洁、霍勇
这本书介绍了使用Python进行金融数据分析的方法和技巧。它涵盖了从数据获取和处理到建立模型和可视化等方面的内容。书中使用Python中的一些流行的金融数据分析库，如pandas、numpy和matplotlib等。对于想要使用Python进行金融量化分析的初学者来说，这本书是一个很好的指南。
学习量化交易如何入门
学习量化交易如何入门？
学习量化交易可以通过以下步骤入门：
1. 理解基本概念：了解量化交易的基本概念和原理，包括什么是量化交易、如何利用数学和计算机模型进行交易决策等。
2. 学习金融市场知识：熟悉金融市场的基本知识，包括股票、期货、外汇等各类资产的交易机制、市场规则和行情分析方法。
3. 学习编程和数据分析：量化交易离不开编程和数据分析的技能。学习一种编程语言（如Python），掌握数据处理和分析的基本技术，以便开发和执行交易策略。
4. 研究交易策略与模型：学习量化交易中常用的交易策略和模型，如均值回归、趋势跟踪、协整性等。可以通过阅读相关书籍、论文和参与在线学习平台的课程来深入了解。
5. 数据获取和处理：学会获取金融市场的历史数据，并进行数据清洗、处理和分析，以便构建和测试交易策略。
6. 回测和优化：使用历史数据对交易策略进行回测，评估其表现和风险，进一步优化和改善策略。
7. 实盘交易：在模拟交易平台或实盘账户中实施交易策略，累积实际交易经验和获取反馈，不断改进和调整策略。
8. 持续学习和研究：量化交易是不断发展的领域，保持持续的学习和研究态度非常重要。阅读相关的书籍、期刊和行业报告，参加学术会议和行业研讨会，与其他量化交易从业者保持交流，持续提升自己的知识和技能。
需要注意的是，量化交易需要时间和精力的投入，初学者可能会面临一些挑战。因此，要保持耐心和恒心，在实践中不断调整和改进。另外，量化交易涉及到金融风险，建议在开始实盘交易之前充分了解、评估自身的风险承受能力。
申论模板
提出对策的“万能八条”：
1。领导重视、提高认识；2。加强宣传、营造气氛；3。教育培训、提高素质；4。健全政策法规、完善制度；5。组织协调、形成机制；6。增加投入、依靠科技；7。加强监管、全面落实；8。总结反思、借鉴经验。
申论具体措施和万能十句式：
一、健全政策法规，完善制度
1、建立健全各项制度（法律），做到有法可依，对。。。进行严厉的
2、制裁和出发，严重者追究刑事责任
3、激励制度
4、利益相关制度
5、分工制度
6、规则制度
7、惩罚制度
8、决策制度：包括社情民意反应制度，社会公示制度，社会听证制度，专家咨询制度，决策的论证制和责任制
二、领导重视，提高认识
1、实行一把手负责制
2、建立和完善引咎辞职制度
3、 建立健全领导问责制度
4、把。。。。。纳入议事日程
5、加强对问题的调查研究，从源头上理清。。。。问题的来龙去脉。
6、增强。。。。的意识
7、倡导。。。。的理念
三、组织协调，形成机制
1、形成深入了解民情，充分反应民意，广泛集中民智，切实珍惜民力的科学决策机制
2、预防应急机制和保障机制（编制应急预案，增加人力，物力，财力 储备）
3、组织机制，协调机制：包括派工作组，成立专门机构，增加人员等建立完善各种监督机制
4、形成信息反馈机制
5、组织专家制定。。。领域的实施细则。
四、加强宣传，营造氛围
1、电视，报纸，网络等媒体要通过各种形式宣传。。。。提高广大人民群众对。。。的认识。
2、舆论关注
3、实行典型示范
4、社会示范
5、在全社会营造关于。。。。良好的文化氛围
五、教育培训，提高素质:
通过。。。。教育培训，提高广大领导干部，工作人员，人民群众的。。。素质
六、增加投入，依靠科技
1、在。。方面，大力增加财政投入
2、增加对。。。的财政和贷款支持
个人做量化经验
个人做量化经验
一、数据处理能力
在量化投资中，数据处理是至关重要的第一步。从海量的数据中提取有用的信息，去伪存真，是我们在投资决策中做出正确判断的基础。对于数据处理的重视和技巧的掌握，使我能够在复杂的市场数据中快速准确地识别出关键信息，从而制定出更精确的投资策略。
二、编程技巧
在量化投资中，编程技能是非常重要的。熟练掌握一门或多门编程语言（如Python, C++, R等）可以大大提高数据处理和策略实现的效率。同时，对于编程语言的深入理解，也有助于我们更好地理解和优化算法设计。
三、算法设计
算法设计是量化投资的核心。一个好的算法不仅可以提高策略的盈利能力，还可以降低风险。在设计算法时，我们需要充分考虑市场的特性和数据的分布，通过不断的测试和优化，找到最适合当前市场的策略。
四、风险管理
风险管理是任何投资策略中不可或缺的一部分。在量化投资中，我们通过设定明确的止损点和止盈点，以及使用其他的风险控制工具，来降低投资的风险。
五、回测系统
回测系统是量化投资中检验策略效果的重要工具。通过回测系统，我们可以模拟策略在历史市场的表现，从而评估策略的有效性和风险。
六、统计分析
统计分析是量化投资的重要工具。通过统计分析，我们可以了解数据的分布和市场的特性，从而为策略设计提供依据。同时，统计分析也是评估策略效果的重要手段。
七、时间序列分析
时间序列分析是处理时间序列数据的重要方法。通过时间序列分析，我们可以更好地理解数据的趋势和周期性，从而设计出更有效的策略。 八、优化技术
优化技术是提高策略效果的重要手段。通过使用优化技术，我们可以找到最优的参数组合，从而提高策略的盈利能力。
九、实盘经验
实盘经验是量化投资中不可或缺的一部分。只有通过实盘操作，我们才能真正了解市场的动态和策略的表现。同时，实盘经验也有助于我们更好地理解市场的特性和风险。
十、持续学习
持续学习是提高量化投资水平的关键。随着市场和技术的不断变化，我们需要不断学习和更新自己的知识和技能，以适应市场的变化。同时，持续学习也有助于我们更好地理解市场和策略，从而提高投资的效果。
量化交易入门知识点总结
量化交易入门知识点总结
量化交易是指运用数学和统计学方法对市场进行分析和操作的交易方式。它通过系统化的交易策略和自动化执行，以实现更加稳定和可控的收益。量化交易已经成为了金融市场中的主流交易方式，它的优势在于能够消除人为情绪因素，提高交易效率，降低交易成本，尤其是对于大数据和高速市场的应用，量化交易更具有优势。通过量化交易，交易者可以利用历史数据和市场规律来制定交易策略，实现交易决策的自动化，提高交易的效率和稳定性。本文将从量化交易的基础概念、常用的量化分析工具、量化交易策略设计和实施等几个方面来介绍量化交易的入门知识点。
一、量化交易的基础概念
1. 量化交易的定义
量化交易是指利用数据，统计学方法和计算机技术进行交易决策的一种交易方式。量化交易依赖于系统化的交易策略和自动执行，以实现更加稳定和可控的收益。量化交易主要依赖于市场的历史数据，并通过数学和统计学模型，以及计算机编程的方法来实现。
2. 量化交易的优势
量化交易相比于传统的交易方式有以下几点优势：
（1）消除人为情绪因素：量化交易主要依赖于系统化的交易策略来进行交易决策，可以有效消除人为情绪因素对交易的影响。
（2）提高交易效率：量化交易可以通过系统化的交易策略和自动化执行，提高交易效率，降低人为交易错误的概率。
（3）降低交易成本：量化交易可以实现交易决策的自动化执行，降低交易成本和交易风险。
（4）提高交易稳定性：量化交易依赖于历史数据和市场规律进行交易决策，更加稳定和可控。
3. 量化交易的四要素
量化交易主要包括四个要素：数据、模型、交易策略和执行系统。其中，数据是量化交易的基础，模型是量化交易的核心，交易策略是量化交易的灵魂，执行系统是量化交易的保障。具体来看，数据是指市场的历史数据，包括价格、成交量、波动率等；模型是指利用数据和数学统计学方法来进行分析和预测市场的变化；交易策略是指基于模型和数据分析得出的具体交易决策；执行系统是指将交易策略自动化执行的技术系统。
量化投资入门
量化投资入门
量化投资是指利用数学模型和统计方法对市场进行分析和预测，以指导投资行为。它在过去几十年里得到了越来越多投资者的关注和认可，因为它可以帮助投资者降低风险、提高收益。本文将通过介绍量化投资的基本概念、方法和常用工具，帮助读者入门量化投资。
一、量化投资的基本概念
量化投资是一种利用大量历史数据和数学模型来进行投资决策的方法。它的核心思想是认为市场具有一定程度的可预测性，并且这种可预测性可以通过统计和数学模型来揭示。量化投资的目标是通过找到市场中的规律和趋势，制定出相应的投资策略，从而获得超额收益。
量化投资的基本概念包括多因子模型、因子选股、因子组合和风险控制。多因子模型是量化投资的基石，它通过分析市场中的各种因素，如市盈率、市净率、市值等，来评估股票的投资价值。因子选股是指根据多因子模型的结果，选择出具有较高投资价值的个股。因子组合是将选出的个股按一定比例组合在一起，形成一个投资组合。风险控制是量化投资中非常重要的一环，通过合理配置资产、控制仓位、设置止损等方式，降低投资风险。
二、量化投资的方法和工具
量化投资的方法和工具主要包括数据获取与处理、模型构建与优化以及交易执行与监控。数据获取与处理是量化投资的第一步，投资者需要获取市场和公司的各种信息，如股价、财报等，并对这些数据进行清洗和整理。模型构建与优化是量化投资的核心步骤，投资者需要选择适合自己的量化模型，并对其进行参数优化和回测验证。交易执行与监控是量化投资的最后一步，投资者需要将模型的交易信号转化为具体的交易指令，并不断监控投资组合的表现，及时调整和更新模型。
量化投资的常用工具包括编程语言、数据分析软件和交易平台。编程语言如Python和R是进行量化投资的常用工具，它们具有灵活的编程能力和丰富的科学计算库。数据分析软件如Excel和MATLAB可以帮助投资者进行数据处理和模型验证。交易平台如量化交易软件和证券交易所的API可以实现自动化交易和实时监控。
量化投资入门到进阶
教材目录
第一章：量化基础知识
第一节 量化投资的概念和优势
第二节 量化投资的历史和未来
第三节 量化投资的流程与应用
第二章：量化策略入门
第一节：MindGo量化交易平台
第二节：MindGo API介绍
第三节：我的第一个量化策略
第三章：Python编程
第一节：Python介绍
第二节：数据类型
第三节：条件与循环
第四节：函数
第五节：numpy
第六节：pandas基础
第七节：pandas进阶
第四章：经典量化策略集锦
第一篇：投资高股息股票
第二篇：从“二八轮动”中学择时
第三篇：网格交易—动态调仓策略
第四篇：进军交易系统，从Dual Thrust中学“趋势”
第五篇：布林强盗，一个霸道的交易系统
第六篇：交易系统终结者—海龟交易法则
第七篇：向彼得林奇投资大师学习PEG选股
第八篇：CAPM模型的应用
第九篇：Fama-French三因子模型应用
第十篇：动量类多因子之择时中选股
第五章：量化研究专题
第一篇：用matplotlib绘图函数实现数据可视化
第二篇：运用Scipy模块实现统计技术
第三篇：10分钟学会用Python做线性回归
第四篇：统计套利：利用相关系数进行配对交易
第五篇：数据处理专题：去极值、标准化、中性化第六篇：数据挖掘专题：分类与预测
第七篇：算法交易入门—VWAP
第八篇：Python实现马克维兹投资组合理论
第九篇：隐马尔科夫模型【机器学习+数据挖掘】
第十篇：机器学习之神经网络入门第一章：量化基础知识
第一节 量化投资的概念和优势
量化投资的概念
量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的
交易方式。
量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，打个
比方来说明，我们先看一看医生治病，中医与西医的诊疗方法不同，中医是望、闻、问、切，
最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要
病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。
量化投资学习路径和技术方案
量化投资学习路径和技术方案
一、学习路径
1. 金融基础知识：学习投资学、金融市场学、证券投资学等基础知识，了解投资理念和风险管理方法。
2. 编程语言学习：掌握Python或R等编程语言，了解其基本语法和数据处理方法。
3. 数据分析和统计学：学习统计学、计量经济学、机器学习等课程，了解数据分析和预测的方法。
4. 量化策略研究：学习量化投资策略的原理和方法，了解不同类型的策略，如趋势跟踪、套利、资产配置等。
5. 模拟交易和回测：通过模拟交易平台进行实践，验证所学策略的有效性，不断优化和调整参数。
6. 实战经验积累：参与实际交易，不断总结经验和教训，逐步提高自己的投资能力。
二、技术方案
1. 编程语言：Python或R，用于数据处理、模型构建和策略实现。
2. 数据源：获取真实的市场数据和基本面数据，如股票、期货、债券等，用于分析和预测。
3. 数据分析工具：使用pandas、numpy等Python库进行数据处理和分析，使用ggplot2等工具进行数据可视化。
4. 量化策略框架：使用Quantopian、Backtrader等框架，实现量化策略并对其进行回测。
5. 模拟交易平台：使用真融宝、聚宽等模拟交易平台，对策略进行验证和优化。
6. 实战交易系统：使用自定义的交易系统和平台，进行实际交易，积累实战经验。
三、实践建议
1. 参与量化投资比赛：参加各类量化投资比赛，锻炼自己的实战能力和策略构建能力。
2. 加入量化投资社区：加入量化投资相关的社区和论坛，与其他投资者交流和分享经验。
3. 持续学习和更新：不断关注市场动态和政策变化，学习新的技术和方法，更新自己的投资策略。
量化投资新手入门基础知识汇总
量化投资新手入门基础知识汇总
量化投资就是利用计算机技术并且采用一定的数学模型去实践投资理念，实现投资策略的过程。
价值投资和趋势投资（技术分析）是引领过去一个世纪的投资方法，随着计算机技术的发展，已有的投资方法和计算机技术想融合，产生了量化投资。relquant雷尔量化投资平台老师讲解量化交易入门学习知识。
一、什么是量化策略？
什么是策略?
策略，可以实现目标的方案集合；在证券交易中，策略是指当预先设定的事件或信号发生时，就采取相应的交易动作。
什么是量化策略？
量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。
量化策略既可以自动执行，也可以人工执行。
二、一个完整的量化策略包含哪些内容？
一个完整的策略需要包含输入、策略处理逻辑、输出；策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。
选股
量化选股就是用量化的方法选择确定的投资组合，期望这样的投资组合可以获得超越大盘的投资收益。常用的选股方法有多因子选股、行业轮动选股、趋势跟踪选股等。
1.多因子选股
多因子选股是最经典的选股方法，该方法采用一系列的因子（比如市盈率、市净率、市销率等）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。比如巴菲特这样的价值投资者就会买入低PE的股票，在PE回归时卖出股票。
2.风格轮动选股
风格轮动选股是利用市场风格特征进行投资，市场在某个时刻偏好大盘股，某个时刻偏好小盘股，如果发现市场切换偏好的规律，并在风格转换的初期介入，就可能获得较大的收益。
3.行业轮动选股
行业轮动选股是由于经济周期的的原因，有些行业启动后会有其他行业跟随启动，通过发现这些跟随规律，我们可以在前者启动后买入后者获得更高的收益，不同的宏观经济阶段和货币政策下，都可能产生不同特征的行业轮动特点。
4.资金流选股
资金流选股是利用资金的流向来判断股票走势。巴菲特说过，股市短期是投票机，长期看一定是称重机。短期投资者的交易，就是一种投票行为，而所谓的票，就是资金。如果资金流入，股票应该会上涨，如果资金流出，股票应该下跌。所以根据资金流向就可以构建相应的投资策略。