引言
今天给大家分享一个微信公众号“Python金融量化”，作者是金融学博士，堪萨斯大学访问学者，专注于分享Python在金融量化领域的实战应用，坚持走原创路线，持续输出技术干货，目前已发表33篇原创文章，总结出Python应用于金融量化中的学习路线图，从零基础开始，由浅入深，搭建Python量化投资知识框架体系，希望对大家的Python学习和实战应用有一定的启示。
Python金融量化
01
Python编程基础
关于Python的入门和基础这一块，公众号分享了两篇文章，着重介绍了零基础该如何建立自己的学习路线图，并分享了相关入门学习资料，具体见以下推文：
结合个人经验分享下Python做金融量化和数据分析的学习路径。
分享Python从入门、进阶、到高阶的学习资料，以及金融投资相关书籍（PDF）。
Python安装与使用
建议安装Anaconda，自带Jupyter notebook和Spyder。Jupyter在交互式编程与数据分析上功能十分强大，公众号上所有文章基本上都是基于Jupyter写的。公众号里回复“Python入门”即可获取相关资料。
Python语言基础
python入门该从哪入手？目前网上学习资料汗牛充栋，大同小异， 基本上围绕以下六个方面：
数值类型（整数、浮点数、布尔型、复数）
字符串（str）及其操作
列表（list）、元组（tuple）、字典（dict）、集合（set）
条件、循环语句
函数
常用内置模块：os、math、time、datetime等
02
Python金融量化常用库
Numpy（数组矩阵）、Pandas（数据处理分析）、Scipy（数理统计）、Statsmodel（数理模型）和Matplotlib（可视化）等是综合应用Python做量化分析必学的轮子（module）。当然，如果要把这些库都从头到尾都学一遍，时间精力上估计也不够。因此，建议“干中学”，以解决学习或工作中的实际问题为指导原则，通过实际应用来学习巩固。
1、矩阵与科学计算：Numpy
2、金融数据处理与分析：Pandas
3、数理模型：Scipy与Statsmodel
这一块目前还没发文，后续推文将会涉及。
4、数据可视化：综合运用Matplotlib与pyecharts
03
Python金融基础分析实例
本部分是结合金融量化基础，以金融场景真实数据，综合应用numpy、pandas、matplotlib、tushare等，实现数据分析和可视化，包括货币时间价值、复利计算、文本分析、金融图谱和宏观量化等。
1、金融量化分析基础：货币时间价值与复利计算
2、财经数据获取与可视化
3、上市公司数据挖掘与分析
4、文本信息挖掘：财经新闻文本分析
5、金融知识图谱
6、宏观分析与量化
（1）大势观澜与研判逻辑
04
Python股票量化初探
本部分主要主要介绍了股票市场分析的量化基础，包括数据获取、量化选股、股票分析入门、量化选股、指数定投和日历效应，体现了Pandas的高级运用和数据可视化分析。
1、获取股票交易数据
2、股票分析入门
2、Python量化选股
3、Python分析指数基金定投
4、Python验证A股月份效应
05
Python量化投资专题
本部分围绕量化投资专题展开，从数据库交互使用、量化策略风险指标、技术分析TA-Lib、量化投资方法论体系、经典策略（多因子、动量、情绪指标等等），这一部分对金融投资理论和Python基础要求均较高，也是公众号后续推文的重点。
1、搭建自己的量化分析数据库
2、Python计算量化策略风险指标
3、技术分析利器之TA-Lib
4、量化投资方法论体系
5、量化投资实战案例
（1）【手把手教你】Python量化股票市场情绪指标ARBR
（4）【Python量化】如何利用欧奈尔的RPS寻找强势股？
（7）【手把手教你】Python量化Fama-French三因子模型
长
按
关
注
解锁更多精彩内容
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
