引言
随着技术手段的不断成熟，越来越多的投资方式、投资理念不断涌现出来，其中量化交易又是我相对感兴趣的，所以花了一定的时间和精力去学习和研究。在这个过程中发现，不少人对量化投资本身存在一定的误解或认识不清，有的人认为可以躺着挣钱（虽然我也想这样，不过怕是只有岛国老师可以吧）；有的人则认为没啥卵用；也有的人盲目追求模型的复杂性，过度拟合，最终在编程和数学中迷失了方向。
其实，简单理解，量化投资就是利用计算机科技、数学模型去实现投资理念、策略的过程，其优势在于提高了我们分析的广度和深度，通过历史回测快速迭代优化，同时自动交易过程可以规避人性中的诸多弱点。
个人认为，量化投资将可能成为市场的主流投资工具。因此，本文主要结合近期个人经验和网上公开资料，为大家分享量化相关学习资源，由于涉猎范围有限，本文资料仅供参考，欢迎小伙伴们补充和分享。
量化流程
量化资源分享
在众多量化编程语言中，从使用广度、难度、速度等方面综合考虑，Python是应该相对主流的，也是我使用频度最高的一种语言了，因此，本文的资源多从这类语音方面入手，分享一下我涉及到的、后面文章会使用的资源，重点资源会加粗标注！
知识体系
整个量化投资体系，可以大体分为数据管理、策略分析和策略执行三个模块，数据是一切基础，主要包括采集、处理、分析；策略分析是核心，通过采用可视化、机器学习等技术手段，对技术指标、基本面等进行科学分析；而策略执行，国内券商开始逐渐支持，像中泰、华信等。从技术的角度看，要学习的Python模块主要有Pandas、Numpy、tushare、matplotlib、TA-lib以及一些爬虫库等；而从策略的角度看，仅有技术是远远不够的，必须有自己的策略思路和逻辑。
由于大部资料来源于网络，因此，本文只提供关键词、相关资料请自行百度！
01 策略来源
相关网站、博客、论坛
- ARQ、Quantivity、QuantLib、知乎 -量化、FMZ发明者量化交易平台
相关书籍、概念
如果一点金融投资理论都不了解，就谈量化投资，很容易流于形式，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学、经济学的积累与沉淀。不断学习，才是根本。
- 宏微观经济学、《货币金融学》、《投资学》、 《计量经济学导论：现代观点》
- 时间序列分析、多元统计线性回归、多因子模型
个人主推书籍
- 《打开量化投资的黑箱》 、《宽客》、《漫步华尔街》 、 《海龟交易法则》 、《价值》
02 Python编程
Python编程工具
- Anaconda、Pycharm、VS-code
Python入门
- 菜鸟教程、GitHub项目（pyquant）
Python量化高阶
- 《量化投资以Python为工具》、《零起点Python大数据与量化交易》、《量化交易之路用Python做股票量化分析》、《Python for Finance》
03 量化数据源
金融财经数据源一般分为三种：一是数据聚合网站，像新浪、雅虎等；二是专业金融数据公司，如东方财富、同花顺，虽然收费，但数据齐全、稳定；三是开源数据模块库，如Tushare，ccxt等。
Python开源数据
- TuShare/TuShare pro(个人推荐)、Quandl
国际金融和经济数据。
- pandas_datareader、ccxt
其他数据源
- 【免费】通达信 、聚宽、新浪、雅虎、东方财富网
- 【收费】Wind资讯、东方财富Choice金融终端、同花顺金融数据终端
04 在线量化平台和开源框架
平台之间大同小异，可以重点借鉴参考优秀项目、系统学习量化知识框架。
国内平台（排名不分先后）：
- 【个人常用】聚宽 、BigQuant
- 【其他】优矿 、Ricequant、掘金量化
国外量化平台：
国外量化平台非常多，这里只推荐两个。
- Quantopian（比较知名的平台，旗下有量化三大件：pyFolio(个人常用)，zipline，alphalens）、Quantstart
开源框架（实现本地化）：
可使用pip install xxx(库名）进行安装。
- backtrader（个人常用） 、easytrader 、Zipline
结语
投资是一门统计学，而不是科学，充满了非逻辑性。因此，其专业性远没有工科类的专业性那么可靠，学习了相关知识并不一定能在资本市场赚到钱。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！
量化投资只是投资过程中的一种工具或手段，而学习并应用他需要掌握的知识体系相对比较庞杂。但不要过于神化、理想化，没有哪一种工具可以经久不衰、一成不变，我们需要做的仅仅是在变化的过程中，快速的适应它、使用它。
最后，希望大家都能够躺着赚钱（梦想还是要有的，万一实现了呢），共勉加油！
网友评论