金融投资领域中，基本面分析和技术分析在过去被作为投资交易的主要依据。而随着计算机的发展和人们投资理念的进步，量化交易的概念逐渐成为浪潮。

　　量化交易，简单来说就是用先进的数学统计模型、人工智能等方法替代人为的主观判断，由计算机程序来完成市场研究、基本面分析、事件分析、选股、入场出场等。

　　区别于普通投资按照过往经验以及个人分析进行投资判断，量化交易最重要的过程是将庞大的历史数据，包含历史行情数据、基本面信息、新闻事件，输入搭建好的量化策略模型进行分析，并完成策略自动化执行。

　　量化交易与基本面分析和技术分析并不互斥，基本面分析和技术分析的结果通常是构造和优化量化模型中应考虑到的重要因素。

　　1. 理性与非理性：人很难做到完全的理性，在做决策时通常会受到情绪、环境多方面的影响，有可能一件突发新闻，身边的人随口一提，就会影响判断。而量化交易中，计算机会纯客观地执行既定的策略。

　　2. 交易效率：程序执行的一瞬间和人为操作的几十秒，突发事件来临的时候，手速到底是拼不过计算机。

　　3. 信息广度与深度：量化交易策略通常基于海量的、多维度数据，而人为主观的信息是碎片化的，可能是今天听朋友说起这只股票不错，可能是观察了一段时间K线图，甚至可能只是看了一篇新闻。当然这也带来了两者在风险控制上的差别，传统交易失控的可能性更高。

　　4. 盯盘vs自由：人为手动的传统交易需要长时间专注盯盘，也总有些不得不离开电脑的时刻，而量化交易，则是只要有电，就能不知疲倦地自动运行。

　　基础的金融知识是理解投资原理以及量化交易如何盈利的核心。CFA/FRM/CPA都是金融行业中比较知名的资格证书。例如跟随CFA一级的学习大纲就能够梳理一套较为全面基本的金融知识概览。其中财报、经济学、数量、公司金融、投资组合、权益、衍生品这几部分知识与量化交易的相关性更强。

　　而针对量化交易的不同品类，可以针对性地学习证券知识，上手实操一些模拟股票、期货交易。学习交易中的K线图等技术指标。

　　基础的统计学、数量、概率论。对于入门新手来说，均值、风险、回归、概率分布这些概念和理论的学习必不可少。如果你不知道方差是什么，不知道正态分布是什么，那么就需要在数学统计这一方面进行入门学习。

　　至少掌握一门成熟的编程语言，也是入门量化的基础。例如Java、Python、C++、Matlab等。在量化交易中，Python语言在中低频交易中更为常见，而高频毫秒级交易则更需要C++等语言来实现。

　　以 Python 为例，为了实现量化交易三大模块的操作，除去 Python 的基础语法学习，在数据方面，还需要学习Pandas、Numpy、tushare以及一些爬虫库等；在策略分析和执行方面，也需要掌握Backtrader、VNPY、TA-lib、Pandas、matplotlib等基础工具。

　　金融数据源比较常见的来源于专业金融数据公司，比如 Wind，数据齐全也比较稳定，但是对于个人来说收费还是比较贵的，当然也有一些大数据网站或者开源数据模块库。这里推荐一个新的金融数据源，恒有数：

　　基本股票、基金、债券、期权期货、港股等金融数据都有涵盖，也能提供在线预览、在线下载和在线调试等功 能，API接口适配包括HTTP、Python、MATLAB、Java多种接口语言。现在超值体验套餐也是免费，对于个人量化投资爱好者来说是非常友好的。

　　经管之家特推出限时0元免费领取金融数据，在线取数，随时用随时取，数据精准全覆盖，数据保障全高效，在线用数新时代，每个人都能便捷取数的高质量金融数据社。

　　首先是量化投资当前的市场规模和发展潜力。根据中国证券投资基金业协会上发布的私募基金备案信息，可以发现2018年以来，私募量化基金的备案数持续大幅增加。

　　许多人调侃说现在都是学金融的想学一门编程语言，学计算机的想考CFA。学习量化交易，能够全面培养一个人的搜索能力、行业信息获取能力、金融能力、数学、数据分析能力、编程技能、交易技能。

　　除去个人能力的成长，学习量化交易，你或许能够在业余时间开发出自己的交易系统，也能够进一步拓宽择业范围，有机会进入专业高薪的量化投资行业。前段时间被证实的5000万元年终奖，就来自做量化的二级私募。

　　而在职业规划中，如果有意向在量化领域发展，可以先思考自己更加适合偏技术性的量化IT岗位，还是偏数分统计的量化策略岗位。并更具有针对性地选择深入学习的方向。

　　经管之家重磅推出限时开放免费体验限时0元免费领取金融数据，在线取数，随时用随时取，数据精准全覆盖，数据保障全高效，在线用数新时代，每个人都能便捷取数的高质量金融数据。

打印本文   关闭窗口