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。

量化投資在國內市場已經不算新名詞，它的基本理念就是利用計算機技術和數學模型去實踐交易者的策略，因為它強大的信息處理能力和更具理性的優勢，交易者都希望能捕捉到更多的投資機會。

量化交易在國內興起于2005年左右，但是大眾普及度不高，市場基礎薄弱。能夠同時實現“量化”和“交易”的量化平臺有限，僅提供“量化”測試而無法實現“交易”的系統仍然占多數。

目前市面上可以叫出名號的量化交易平臺并不少，像是雷爾、tushare、聚寬、掘金等，都是在排行榜上多次出現的平臺。

我經常會遇到朋友發來這樣的問題，自己忙，不會編程，也沒時間學，如何才能實現「量化」交易或者機器人交易呢？很多人想進入量化的世界，但聽到編程，代碼兩個字，就腦殼疼。

很多人認為，類似量化交易這樣需要制定策略、編程代碼的復雜投資，是專屬于投資大神們的獨門技藝。其實不然，量化交易發展至今數十年，早已變得簡單且大眾化，不再難以觸及。

隨著量化投資的普及，越來越多人開始對于這塊開始剛興趣，想要學習，但是要如何學習呢，相信大家去網上一搜都會有很多的回答。

在量化交易中，越來越多的投資者感到絕望并含淚離場；而留下來的部分投資者卻在量化交易市場混得風生水起，收獲頗豐。

量化交易對于機構，他們擁有著最好的系統，很多都是未公開的頂級量化系統。而對于普通散戶，沒有程序語言開發能力的散戶，是否也有類似的系統呢？

第一節課總共有五部分內容：多因子量化選股模型，數庫因子庫，因子數據預處理，如何篩選有效因子，構建多因子組合。

量化投資：基于對數據的研究與建模，用于發現市場的無效性（簡單來說就是挖掘mis-pricing的投資機會）而建立的一套投資規則。

市面上的量化交易軟件一多，大家就忍不住將它們進行分析和對比，然后再根據軟件各方面的分析結果進行排名，主要就是對軟件的專業性、交易環境、交易體驗等方面進行綜合評價。

量化投資可以克服人性的弱點，如貪婪、恐懼、僥幸心理，也可以克服認知偏差，使每一個決策都有理有據。同時因為它具備強大的信息處理能力，可以幫你捕捉更多的投資機會。

量化投資需要大量的計算機和科研投入，因此在過去幾年主要掌握在專業機構手中，很多對此感興趣的相關專業人士都加入到量化投資策略的開發陣營中

很多散戶投資者時至今日，還以為自己都還是跟上世紀90年代一樣，和坐在電腦后面的高智商、會玩資源組合的莊家本人博弈。