大学生金融小白自学python做量化投资需要注意些什么?量化金融其实是一个交叉复合学科，需要掌握数学、计算机、金融等方面的知识。显而易见，对于金融学背景的同学来说，就需要另外学习计算机编程的知识，而计算机背景的同学则需要补充金融知识。由于是24K纯金融学专业背景，所以金程AQF小编就跟大家分享一下，作为一个零编程基础的金融小白，是如何入门量化金融的。
一、量化工具
1、编程语言Python
工欲善其事，必先利其器。想要入门量化，学会一门编程语言是必不可少的。对于量化金融来说，主流的编程语言有Python、MATLAB、Java、C++等。
从开发难度而言，Python和MATLAB比较容易，而Java和C++比较难;从运行速度来说，C++是最快的，因此常用于高频交易。不过对于大部分量化投资者而言，尤其是初学者，开发占用的时间远远大于运行时间，如果追求运行速度的话，也可以先将策略开发出来，再使用C/C++重写高性能代码段。
另外，从量化资源而言，Python资源更多，而且MATLAB是商业软件，Python是开源免费的。所以综上所述，如果是编程零基础的同学，入门量化的编程语言毋庸置疑是选择Python。
至于Python的学习，网上资源就很多了，在这里推荐几个Python教程：
https://python.quantecon.org/ 该教程不仅介绍了Python，而且介绍了NumPy、Pandas、Matplotlib、Scipy等数据分析常用第三方库。不过是全英文的，如果英文比较弱的同学可能看起来比较吃力。https://www.bilibili.com/video/av27789609...
B站上关于Python的教学一搜一大堆，但是水平参差不齐，个人比较推荐鱼C小甲鱼的《零基础入门学习Python》，在B站播放量排名第一，比较浅显易懂，适合入门。缺点是内容局限于编程基础，而不是针对量化金融，没有NumPy、Pandas等数据分析常用第三方库的内容;https://wxb84a237c3cb414e2.h5.xiaoe-tech.com/...
提到量化金融必备的Python技能当然是要王婆卖瓜自卖自夸啦，金融都会量化团队精心研发的《Python量化投资与金融实战应用》包含了Python基础入门知识，以及量化金融涉及的常用数据分析第三方库NumPy、Pandas、Matplotlib等，此外还通过量化金融应用实战案例帮助大家实操练习。平心而论，这个课程是当前市面不说最好也是极好的量化金融Python入门课。
2、数据获取：Tushare & BaoStock
关于数据获取，如果能有Wind那就再好不过啦，但是Wind很贵，如果没有条件的同学可以使用免费的数据源，比如Tushare和BaoStock。
Tushare是一个比较老牌的数据接口，包含沪深股票、指数、公募基金、期货、期权、债券、外汇等非常多的金融数据，现在老版Tushare已经不在维护，转移到新版TusharePro了，使用方法依旧非常简单，缺点是部分数据需要一定积分才可以获取。而BaoStock是2018年的新数据接口，口碑也不错，缺点是只针对股票市场，期货等市场还没有涉及。不过对于入门选手来说，这两个接口都是绰绰有余啦。个人用的比较多的是TusharePro，导入数据直接是DataFrame格式，非常方便。
附上TusharePro和BaoStock的链接：TusharePro：https://www.waditu.com/BaoStock：http://baostock.com/baostock/
3、量化平台
量化平台可以看成是一个已经搭建好的框架。用户只需添加一些自己的买卖条件，即可进行策略回测，免去了自己从无到有搭建基础框架的过程。
目前国内比较主流的量化平台有掘金、优矿、聚宽、米匡等。不过对于策略回测来讲，仅使用Python就完全可以实现了，使用第三方平台的缺点就是你得先琢磨好一阵子如何使用这个平台，而且最重要的是很难摸清平台所有细节，难以把控。
附上常用量化第三方平台的链接：
优矿：https://uqer.io/
聚宽：https://www.joinquant.com/
米匡：https://www.ricequant.com/welcome/
4、其他工具
以上是做量化的一些基础工具。另外根据策略类型的不同，也会用到一些其他Python第三方库。
数据库推荐：SQLite
如果所做的策略需要存储很多数据，那么就需要一个数据库配合使用。Python自带sqlite3库，可以在python中方便的操作SQLite数据库。
附上教程：SQLite 教程 | 菜鸟教程：https://www.runoob.com/sqlite/sqlite-tutorial.html机器学习：Scikit-learn(sklearn)
Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、分类(Classfication)、降维(Dimensionality Reduction)、聚类(Clustering)等方法。网上搜学习资源、学习笔记的话也有非常多。
5、技术分析：TA-Lib
TA-Lib，全称“Technical Analysis Library”, 即技术分析库，涵盖了150多种股票、期货交易软件中常用的技术分析指标，如MACD、RSI、KDJ、动量指标、布林带等等。附上TA-Lib公式大全：http://mrjbq7.github.io/ta-lib/funcs.html爬虫推荐：Beautifulsoup
BeautifulSoup4是爬虫必学的技能。BeautifulSoup最主要的功能是从网页抓取数据。附上中文文档：Beautiful Soup 4.4.0 文档
二、量化策略
掌握了量化金融的基本工具之后，令量化投资者最头大的就是量化策略的灵感了，对于初学者而言，肯定是先从经典策略比如双均线、配对交易、动量反转等开始。众所周知，经典的不一定是最好的，但是是必学的。在掌握了经典策略之后，可以通过阅读券商研报、国外量化论文，或者根据自己对金融理论的理解，编写自己的策略。
01、经典策略
量化交易经典策略主要有择时策略如双均线模型、动量反转、配对交易等，选股策略如最主流的多因子策略，技术分析指标如MACD等。在量化平台比如聚宽社区、优矿社区等都会有涉及，在网上随便搜搜也能搜出一堆。但是这些资源有个问题就是很不适合初学者，比如说优矿社区的策略，即便是提供源码，初学者也是很难看懂的。
我个人是学习纪老师的《量化金融分析师AQF实训项目》入门的，很多经典策略都有非常详细的理论讲解及Python实操，是非常适合入门学习的。当然你也可以阅读一些相关的书籍，书籍推荐在之后会提到，不过看书也有同样的问题就是，如何使用Python将策略实现，自学还是比较困难的。
在这里附上有可能帮到大家的一些学习链接：《量化金融分析师AQF实训项目》https://www.gfedu.cn/class/aqf/aqf/c223.html《JoinQuant-量化交易零基础入门教程》https://www.joinquant.com/view/community/detail/8ec7aaaa899cf928550f89a104637f22
02、券商研报券商研报虽然经常会比较水，但是还是有很多不错的文章可以借鉴的，推荐可以看券商金工部门的研报。我个人用得比较多的是慧博，可以在【系列专题】-【金融工程】里面找研报看。另外，在经管之家也可以搜到一些券商研报资源附上链接：https://bbs.pinggu.org/
03、海外文献量化投资在国内发展时间其实很短，而在海外已经有了几十年的积累沉淀，所以海外量化相关文献也是一个很好的资源，推荐可以参考AQR网站的论文资源：https://www.aqr.com/
04、金融理论顾名思义就是凭借自己的金融知识，深入领会金融资产定价的无套利原则，灵活运用各类金融工具进行投资啦。所以这就靠大家聪明的头脑，以及金融理论储备了，我这里就没什么好说的。
三、量化推荐书籍
作为一个不爱读书的学渣，这个部分就太难为我了，如果是爱读书的好同学，可以参考知乎问题：学习量化交易如何入门?@杨博理的回答，写的非常全面。这里将该答案整理如下：
01、第一部分：预备知识【1】《投资学》作者：博迪，凯恩，马库斯【2】《Trends in Quantitative Finance》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm【3】《计量经济学》【4】《漫步华尔街》作者：麦基尔
02、第二部分：择时策略【1】《海龟交易法则》作者：柯蒂斯·费思【2】《交易策略评估与最佳化》作者：罗伯特·帕多、【3】《量化交易——如何建立自己的算法交易事业》作者：欧内斯特·陈【4】《Building Reliable Trading Systems: Tradable Strategies That Perform As They Backtest and Meet Your Risk-Reward Goals》by Keith Fitschen
03、第三部分：选股策略/投资组合策略【1】一篇论文：Eugene F. Fama, Kenneth R. French. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465.【2】《Quantitative Equity Investing》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm【3】《积极型投资组合管理》作者：格里纳德，卡恩
04、第四部分：进阶【1】《统计套利》作者：安德鲁·波尔【2】《走出幻觉走向成熟》作者: 金融帝国【3】《信号与噪声》作者：纳特•西尔弗【4】《失控》作者：凯文·凯利
四、实践出真知
纸上得来终觉浅，绝知此事要躬行。对于金融行业来说，实践当然是非常重要的。对于在校大学生来说，最好的机会就是找到量化相关的实习，比如去券商基金的金工部门、量化部门等，真正操作一些具体的量化项目，同时也正好检验自己是否是真的对这方面感兴趣。
如果实习暂时难以找到，也可以在学校寻找是否有一些课题机会，或者参加一些量化方面的比赛，都是很好的实践机会。
01、实习大部分券商基金都有金工或者量化部门，是非常好的实习选择。但是如果是之前没有实习经历，可能会比较难获得机会，这时候动用亲戚朋友的力量也是非常可以的。
02、比赛由于量化金融变得越来越火爆，目前针对大学生额量化比赛也是举办得越来越多了，比如量子金服主办的“量子杯”全国高校量化大赛，瑞银集团主办的全球量化大赛等，大家可以多多留意。参加比赛一来可以给自己一个学习研究的动力，二来如果获奖了可以写在简历上，给自己的经历贴上一朵小红花。
03、课题如果实在是实习、比赛都比较困难的话，可以问问导师有没有相关的课题，或者也可以在网上找找项目，实在不行也可以自己用python写写策略回测，或者用模拟盘或者实盘跑一跑自己的策略。
来源：量化前沿
推荐阅读：
扫一扫
7056
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
