东方财富 python 接口_【Python量化投资】新手资源大合集

随着Python编程语言的流行和普及，越来越多人对如何应用Python做金融数据分析和量化交易充满兴趣，但是不少人对量化投资本身存在一定的误解或认识不清，有的人过于异想天开，认为可以躺着挣钱（怕是只有岛国老师吧）；有的人则因循守旧，认为没啥卵用； 也有的人盲目追求模型的复杂性，在编程和数学中迷失了方向。

简单理解，量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。所以量化投资只是一种工具，只是用数量化的方法去实践投资理念，交易的本质并没有发生变化。量化投资的优势在于提高了我们分析的广度和深度，通过历史回测获取概率优势，同时自动交易过程可以规避人性中的诸多弱点。随着大数据和人工智能的发展，量化投资将成为市场的主流投资工具，并且将与传统的基本面分析和技术分析深度结合。

那么量化投资应该如何系统的学习呢？

网上关于Python和量化（Quant）的资源汗牛充栋，十分庞杂，让很多踏入这一领域的人不知所措。那些已经掌握了Python编程基础的人，却不知如何切入量化的实际场景； 而那些具备一定金融基础和策略思路的人，却不知如何使用Python来实现策略。 因此，本文主要结合个人经验和网上公开资料，为大家分享Python和量化投资的学习资源，由于精力和关注度有限，经供参考，欢迎大家补充和分享。

量化资源分享

量化可以简单分为 数据管理、策略分析和 策略执行三个模块，数据是基础，策略分析是核心，其中策略自动化执行（算法交易）在国内由于政策限制实施起来比较麻烦。 从Python的角度看，数据层往下分解，要学习的模块主要有Pandas、Numpy、tushare、pandas_datareader以及一些爬虫库等。

策略层往下分解，要掌握的基础工具包括Pandas、matplotlib、scikit-learn、TA-lib、statsmodels等等。当然，在学习上述金融量化常用库前，系统的掌握Python编程基础是很有必要的。从策略的角度看，光会玩Python是远远不够的，必须有自己的策略思路和逻辑 。那么策略的灵感来自哪里？ 除了自身实践总结外，各种量化平台、论坛、博客和学术期刊可能会提供一定的借鉴参考。下面将围绕Python编程、数据源、量化平台、策略来源等方面分享相关的学习资源。

Python编程