python量化投资19种⽅法_【Python量化投资】新⼿资源⼤合
集
osi的七个层次
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
搭建Python环境
⼀直使⽤其⾃带的Jupyter Notebook来做策略分析和写⽂章。
⼊门学习廖雪峰官⽅⽹站：菜鸟教程：GitHub项⽬：
分享notebook格式⼩项⽬，从⼊门到numpy、pandas、matplotlib等各种库的讲解和练习，⾮常适合新⼿⼊门。
⾼阶学习书籍Python for Finance，2014,Yves Hilpisch中⽂版：Python⾦融⼤数据分析，⼈民邮电出版社
Mastering Python for Finance，2015，James Ma Weiming
Personal Finance with Python，2018，Max Humber
Python for Finance，2017，Yuxing Yan
Derivatives Analytics with Python，2015，Yves Hilpisch
QuantEcon Lectures，2019，Thomas J. Sargent and John Stachurski
量化投资以Python为⼯具，2017，蔡⽴耑
零起点Python⼤数据与量化交易，2017，何海
量化交易之路⽤Python做股票量化分析，2017，阿布
量化数据源
⾦融量化数据源主要有三种：⼀是⼤数据⽹站，⼀般只有⽇线级数据；⼆是专业⾦融数据公司，如通联和万德，收费价格⾼但数据齐全且⽐较稳定；三是开源数据模块库，如Tushare，pandas-datareader，ccxt等，github上还有很多不⼀⼀列举。
从pandas中独⽴出来的数据开源库，丰富的数据源，包括美股、A股、宏观数据等。
其他数据源通达信 (免费)
聚宽：jqdatasdk(免费)
新浪、雅虎、东⽅财富⽹(免费)
Wind资讯-经济数据库(收费)
绿壁纸高清全屏
东⽅财富Choice⾦融终端(收费)
同花顺⾦融数据终端 (可免费导出)
在线量化平台和开源框架
平台之间⼤同⼩异，可以重点关注各⼤平台的策略⼤赛(练⼿)、社区(借鉴参考优秀项⽬)和学院(系统学习量化知识框架)板块。国内平台(排名不分先后)：
⼈⼯智能量化平台，社区和学院提供了较丰富的资源。
免费量化数据、投研⼯具、量化学习体系
特⾊是深度报告、量化学堂和量化社区
⾦融⼤数据、策略研究和数据可视化
--Ricequant ： RICEQUANT
涵盖⾦融数据、投资组合管理与风险分析、量化投研交易模块
专注于多因⼦分析，界⾯操作，⿊盒⼦。
国外量化平台：
国外量化平台⾮常多，这⾥只推荐两个。
⽐较知名的平台，旗下有量化三⼤件： pyFolio，zipline，alphalens
平台⽂章提供了构建⾃⼰量化交易系统的思路框架
开源框架(实现本地化)：
⼀般是直接在终端(cmd)上使⽤pip install xxx(库名)进⾏安装，有些可能需要下载安装包离线安装。
Zipline - 回测框架
vnpy - python开源开发框架
easytrader - ⾃动程序化股票交易
pyalgotrade - 基于事件驱动回测框架
quantmod - 量化⾦融建模
backtrader -量化回测框架
insert名词形式
策略来源
量化投资专业⽹站 、博客、论坛
NuclearPhynance : Nuclear Phynance
QuantNet Community ：
Udacity ：
Quant At Risk ：
经管之家 ：
知乎 -宽客 ：
知乎 -量化：
FMZ发明者量化交易平台 : 社区
量化投资书籍
如果完全不懂⾦融投资理论，就谈量化投资，很容易流于形式，画出来漂亮的图表和策略，也就能忽悠⼀下外⾏⽽已。⼀直强调Python只是⼯具，不要舍本逐末，量化投资核⼼是策略和思路，⽽策略的来源需要⼀定的统计和投资学的积累与沉淀。曼昆的宏微观经济学、⽶什⾦的《货币⾦融学》、罗斯《公司理财》、博迪《 投资学》、《⾦融⼯程》、索罗斯《⾦融炼⾦术》)
《 计量经济学导论：现代观点》
主要学习时间序列分析、多元统计线性回归，可结合Python的statsmodels、scipy、sklearn模块进⾏学习。多因⼦模型：基础好的话可以阅读砝码三因⼦的PAPER。
此外，Barra风险模型(多因⼦模型扩展)是现在⾮常主流的量化模型，有很多可以参考的资料，如《Barra Risk Model Handbook(US)》。
投资相关书籍《打开量化投资的⿊箱》 ⾥什·纳兰
《宽客》[美] 斯科特·帕特森
《解读量化投资：西蒙斯⽤公式打败市场的故事》忻海rank不重复排序公式
《漫步华尔街》麦基尔
《海龟交易法则》柯蒂斯·费思
《交易策略评估与最佳化》罗伯特·帕多
《统计套利》 安德鲁·波尔
《信号与噪声》纳特·西尔弗
《量化投资—策略与技术》丁鹏
《量化投资策略：如何实现超额收益Alpha》吴冲锋
《以交易为⽣》埃尔德
《⾼级技术分析》布鲁斯·巴布科克
《积极型投资组合管理》格⾥纳德，卡恩
《⾦融计量学：从初级到⾼级建模技术》斯维特洛扎
《量化交易如何建⽴⾃⼰的算法交易事业》欧内斯特·陈
《聪明的投资者》 本杰明·格雷厄姆
《期权、期货和其他衍⽣品》 约翰·赫尔
学术期刊
⾦融三⼤顶级期刊：Journal of Finance、
Journal of Financial Economics、
Review of Financial Studies
计算机入门自学教程python其他⾦融投资期刊：Journal of Accounting and Economics、Journal of Financial and Quantitative Analysis、Financial Analysts 、Journal Financial Management、Journal of Empirical Finance、Quantitative Finance、Journal of Alternative Investments、Journal of Fixed Income、Journal of Investing、Journal of Portfolio Management、Journal of Trading、Review of Asset Pricing Studies
国内期刊：国内专门讨论量化投资的学术⽂章⽐较少，可关注经济研究、经济学(季刊)、⾦融研究、管理世界、会计研究、投资研究。
结语
dockerfile挂载
量化只是⼀种⼯具或⼿段，量化投资则是⽬前⽐较流⾏的⼀种交易分析框架，需要掌握的知识体系还真⽐较庞杂 。值得关注的是，证券投资的专业性远没有⼯科类的专业性那么可靠。⽐如说，你拥有制造汽车的专业技能，就能造出⼀部汽车；但当你掌握了证券投资的专业知识，却不⼀定能在股票市场上赚到钱。⼀个不难观察到的现象是，很多⾦融专业⼈⼠在股票投资这个领域不⼀定能⼲出好的成绩，⽽⼀些⾮⾦融背景的⼈却表现优异。这可能与证券投资的⾮逻辑性(艺术⽽不是科学)有关，交易市场的本质是零和博弈(不考虑⼿续费等)，尤其是期货交易。但是不得不说这已经是个对专业要求越来越⾼的⾏当，因为在⾼收⼊的引诱下，各种⾼精尖⼈才都挤破脑袋往这个⾏业⾥钻。尤其是近⼏年，⼤型券商和基⾦招⼈连清北复交也不怎么鸟了，指定北美前五⼗⾼校，玩的模型和技术也越来越花了。尽管专业的⾦融背景只是投资成功的必要条件(⾮充分条件)，但是如果连基本的经济⾦融基础也没有，要想与市场上的其他⼈玩，成为⾲菜的概率就更⾼了。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。