自學python做量化投資

自學python做量化投資

大學生金融小白自學python做量化投資需要注意些什么?量化金融其實是一個交叉復合學科，需要掌握數學、計算機、金融等方面的知識。顯而易見，對于金融學背景的同學來說，就需要另外學習計算機編程的知識，而計算機背景的同學則需要補充金融知識。在這里 reolquant雷爾 量化投資小編整理了一些小編就跟大家分享一下自學python做量化投資的技巧，看看作為一個零編程基礎的金融小白，是如何入門量化金融的。

一、量化工具

1、編程語言Python

工欲善其事，必先利其器。想要入門量化，學會一門編程語言是必不可少的。對于量化金融來說，主流的編程語言有Python、MATLAB、Java、C++等。

從開發難度而言，Python和MATLAB比較容易，而Java和C++比較難;從運行速度來說，C++是最快的，因此常用于高頻交易。不過對于大部分量化投資者而言，尤其是初學者，開發占用的時間遠遠大于運行時間，如果追求運行速度的話，也可以先將策略開發出來，再使用C/C++重寫高性能代碼段。

2、數據獲取：Tushare&BaoStock

關于數據獲取，如果能有Wind那就再好不過啦，但是Wind很貴，如果沒有條件的同學可以使用免費的數據源，比如Tushare和BaoStock。

Tushare是一個比較老牌的數據接口，包含滬深股票、指數、公募基金、期貨、期權、債券、外匯等非常多的金融數據，現在老版Tushare已經不在維護，轉移到新版TusharePro了，使用方法依舊非常簡單，缺點是部分數據需要一定積分才可以獲取。而BaoStock是2018年的新數據接口，口碑也不錯，缺點是只針對股票市場，期貨等市場還沒有涉及。不過對于入門選手來說，這兩個接口都是綽綽有余啦。

3、量化平臺

量化平臺可以看成是一個已經搭建好的框架。用戶只需添加一些自己的買賣條件，即可進行策略回測，免去了自己從無到有搭建基礎框架的過程。

目前國內比較主流的量化平臺有雷爾、優礦、聚寬等。不過對于策略回測來講，僅使用Python就完全可以實現了，使用第三方平臺的缺點就是你得先琢磨好一陣子如何使用這個平臺，而且最重要的是很難摸清平臺所有細節，難以把控。

4、其他工具

以上是做量化的一些基礎工具。另外根據策略類型的不同，也會用到一些其他Python第三方庫。

數據庫推薦：SQLite

如果所做的策略需要存儲很多數據，那么就需要一個數據庫配合使用。Python自帶sqlite3庫，可以在python中方便的操作SQLite數據庫。

二、量化策略

掌握了量化金融的基本工具之后，令量化投資者最頭大的就是量化策略的靈感了，對于初學者而言，肯定是先從經典策略比如雙均線、配對交易、動量反轉等開始。眾所周知，經典的不一定是最好的，但是是必學的。

01、經典策略

量化交易經典策略主要有擇時策略如雙均線模型、動量反轉、配對交易等，選股策略如最主流的多因子策略，技術分析指標如MACD等。

紙上得來終覺淺，絕知此事要躬行。對于金融行業來說，實踐當然是非常重要的。對于在校大學生來說，最好的機會就是找到量化相關的實習，比如去券商基金的金工部門、量化部門等，真正操作一些具體的量化項目，同時也正好檢驗自己是否是真的對這方面感興趣。

如果實習暫時難以找到，也可以在學校尋找是否有一些課題機會，或者參加一些量化方面的比賽，都是很好的實踐機會。

01、實習大部分券商基金都有金工或者量化部門，是非常好的實習選擇。但是如果是之前沒有實習經歷，可能會比較難獲得機會，這時候動用親戚朋友的力量也是非常可以的。

02、比賽由于量化金融變得越來越火爆，目前針對大學生額量化比賽也是舉辦得越來越多了，比如量子金服主辦的“量子杯”全國高校量化大賽，瑞銀集團主辦的全球量化大賽等，大家可以多多留意。參加比賽一來可以給自己一個學習研究的動力，二來如果獲獎了可以寫在簡歷上，給自己的經歷貼上一朵小紅花。

03、課題如果實在是實習、比賽都比較困難的話，可以問問導師有沒有相關的課題，或者也可以在網上找找項目，實在不行也可以自己用python寫寫策略回測，或者用模擬盤或者實盤跑一跑自己的策略。