python量化投资学习,python量化投资教程

大家好，今天小编关注到一个比较有意思的话题，就是关于python量化投资学习的问题，于是小编就整理了4个相关介绍Python量化投资学习的解答，让我们一起看看吧。

1. 金融硕士MF研一在读，对量化投资很感兴趣，想学Matlab，该怎样入门学习？
2. 学习量化交易，应该如何入门？
3. 未来5-10年，Julia会替代Python成为量化投资热门语言吗？
4. 做量化交易，需要掌握哪些知识与技术？

金融硕士MF研一在读，对量化投资很感兴趣，想学matlab，该怎样入门学习？

谢谢邀请，请问题主想用matlab绘图还是运算，如果想要运算建议学习python，编程简单而且集成了大量的数学运算包，可以轻松调用。绘图的话网上搜索matlab plot有很多绘图的案例。如果真的对matlab感兴趣，可以从淘宝上买教学视频，一般都很便宜，给自己定个计划每天学习一部分，持续下去，总会学会的。

学习量化交易，应该如何入门？

量化投资的门槛还挺高的，从知识储备来说，计算机Python和金融学知识至少都是要了解的，可以选懂一样再学另一样。而真正做量化的时候就涉及到数据，回测框架和策略研究，建议最好先用一个平台，因为自己一个人买数据做框架不现实，我自己用的是聚宽的平台，好处是常规的财务数据，行情数据和技术指标基本都有，入门是够用了。谈到升级，难度就大很多，比如多因子策略，需要用到的回测框架就复杂很多，要做IC回归，T检验，分层测试，这时候就要再补习学的东西，真的都弄了一遍发现常规的因子赚不到什么钱，要要开始因子挖掘，量化也是条不归路，且行且珍惜吧。

提问者的编程能力应该没有太大的问题吧。

做量化，投资者的投资策略都不同的，然后呢，实践出真知。

我觉得吧，直接上手，开发→回测→运行

其中开发和回测直接做，多做，达到自己满意的效果就好。

书不在多，看这几本就行：

系统学习1：Barra USE3 handbook

系统学习2：Quantitative Equity Portfolio Management（QEPM）， Ludwig Chincarini 偏学术风格。

系统学习3：Active Portfolio Management（APM）， Grinold & Kahn 偏业界风格。

系统学习4：Quantitative Equity Portfolio Management（QEPM）， Qian & Hua & Sorensen APM的补充

值得总结的是数学、计算机、分析框架等工具都只是量化投资的形，优质投资想法才是灵魂。所以在修炼上述量化投资的基本功的同时，请不要忘记向有洞察力、有独立思考的其它派系的投资专家学习，无论他/她是价值投资、成长投资、涨停板敢死队、技术分析、主题投资、逆向投资、各类套利。将你自己想出的或者从别人那里习得的投资想法，用量化框架验证、改进、去伪存真，并最终上实盘创造价值。

1.    坚持。坚持是一种习惯的最佳培养方式，到点必须执行某种动作，长期坚持。我就坚持看出，到点就执行，哪怕打开书我就犯困，走神，也要坚持执行，而且坚持看30分及以上。

2.    训练速读速记的能力。这个技能是自学者的必备技能，因为他可以帮你充分利用碎片时间。这个技能经常会给我带来惊喜，长期大量的碎片信息记忆积累，会在不经意的某天链接成知识块，也为我进行系统学习时提供充足的素材、提高学习效率。最重要的一点是，它是灵感的重要来源。

3.    建立学习正反馈机制。为什么人喜欢玩游戏，尤其是电子游戏，有人专门分析过这个问题，那就是游戏有及时的反馈，然玩家随时获得成就感，所以就会不断的投入注意力。我也为自己在学习问题上建立了很多正反馈机制，例如，如果一周内我的学习时间达到10小时，我就会去吃点好吃的。如果超过15小时，我就会去买点自己想要的。如果超过20小时，我就会在周日给自己放一个小***。再例如，激发自己的好奇心和欲望，让自己能够想要去知道结果，或者急切的渴望达成。再再例如，让自己中二一点，给这件事情赋予一个神圣的意义，让整个事情充满仪式感。。。。

4.    与自己的终极目标相结合。这个其实是第三条的超级加强版，其实很多人都论述过这个观点，那就是把一件辛苦的事情和自己的终极目标相结合，那么这件事情会变得非常有乐趣，谁劝都没用。

5.    丰富的学习手段。这个主要是看个人的爱好了，我的做法是把记笔记变成一种乐趣，我纸质笔记和电子笔记都用，还买了彩色笔丰富笔记颜色。总之就是弄一些让自己能够愉悦的学习工具来使用。

量化交易是指通过严谨的数学或统计学模型，借由计算机的***，通过对大量历史数据的分析，从而选择大概率有超额收益的投资方法，然后由计算机直接执行的方式。

注意：量化交易在执行层面上有很强的客观性，但本质上是一种主观性很强的交易方式。因为策略思想，投资逻辑，市场选择以及计算机何时执行都是由投资者事先确定的。

量化交易系统的结构主要由以下几部分组成：

1.寻找策略思想

2.取得所需数据

3.生成策略模型

4.检验策略模型

5.部署实盘交易

6.策略运行评估

注意：每一个组成部分都不是一蹴而就的，需要反复测试，修改，验证。

未来5-10年，Julia会替代Python成为量化投资热门[_a***_]吗？

量化投资不等于python很多语言都可以做。之所以感觉现在一提量化就用python是它的三方库多。很多开发的不用在重新造轮子。特别是分析统计的时候，用着很方便毕竟毕竟是量化是以投为主，而非编程开发编程语言只是一个工具。py入门比较简单，适合非专业人士使用。如果量化真是玩到了一定的级别，比如高频这些场景py肯定是撑不住的！未来其它语言在量化领域能否取代py，取决于投资行业变化。如果未来我们的A股也提供开放的API接口，那用什么语言就无所谓了。

做量化交易，需要掌握哪些知识与技术？

题主目前掌握了Python科学计算库（nunpy，pandas，Matplotilb）。

题主问的是，如果想要从事量化交易，还需要掌握哪些知识与技术呢？特别是数学（量化交易具体涉及到哪些数学知识呢？）和算法模型。

没什么特别需要你专研的，我建议你直接研究一下国内主流的程序化交易软件就行了。

做量化交易，题主需要明白一个道理：量化是形容词，交易是核心。

量化交易，其本质，是交易。

所以，你最需要研究的，不是堆积量化方面，你需要研究的，是如何进行交易。

交易是不编程，不是数学，不是算法模型。交易，是处理风险和收益的，它考验的是人性，是一个期货交易者，对交易的顶级认知。

一套很好的交易策略，给一个不懂交易的人手里，他根本就坚持不下去。因为他不是专业的交易人士，他的人性波动，他的贪婪恐惧，会直接让他忘记什么叫执行。

一个期货交易者走向了量化交易之路，其核心是交易技术。如果他的水平过关，他自己随便学学简单的编程，把自己的交易策略给简单的实现就可以了。或者，他可以花钱雇一个会编程的人，帮他把策略给在软件上实现就可以了。

相反，如果一个人走向了量化交易之路，他精通变成，精通数学，精通算法。但是他不懂交易，那么，他将来依然是被割的命运。

用牛熊策略判断中期趋势。趋势的力量-RSRS择时策略。牛熊策略如果看涨某个指数就买入对应的ETF基金。该策略9月18日看涨沪深300和中证500，9月25日补仓沪深300和新建仓上证50。9月26日建仓创业板。10月12日止损中证500。11月1日建仓中小板。基本上从9月18日起只买不卖。并且持续看好沪深300、上证50和创业板。目前持仓如下：

每日研判分为两个部分：

一、用高频指标分析各综合指数的短期趋势。高频指标用的是信号处理的滤波原理，去掉燥音信号，保留了趋势信号，比一般均线或常见指标能够更精确、更快地反映出趋势。

综合指数我选择了代表大盘股的上证50，代表权重白马的沪深300和代表成长股的创业板。分别分析可以对市场不同风格进行研判。

高频指标最近一次看跌是10月24日看跌权重指数。最近一次看涨是10月30日看涨创业板。从下图日K线来看，研判相当准确。

二、行业趋势。这用到了经典趋势指标MACD。当MACD指标为正（出红柱）时可以认为股票处于上涨趋势中，为负（出绿柱）时可以认为处于下跌趋势中。统计84个申万二级行业中的MACD为正占比。当行业中多数个股MACD出红柱时可以认为行业处于领涨地位。

10月24日后，高频指标看跌，但我发现行业趋势继续小幅扩张，所以多数个股趋势其实是改善的，我最终给出的结论是“正常回调”，本周一（29日）沪指下跌56点，判断为“正常回调”所以是一个比较好的抄底时点。

到此，以上就是小编对于python量化投资学习的问题就介绍到这了，希望介绍关于python量化投资学习的4点解答对大家有用。

标签： 量化 交易 投资