量化入门，先了解这些

量化交易采用先进的数学模型替代人为的主观判断，从海量的金融数据中，利用计算机技术找出能实现超额收益的大概率事件，并以此为依据制定策略，从而减少投资者因情绪波动而做出的非理性决策。

一名量化初学者最为关心的，是要如何做才能进入量化的大门，本篇内容要做的就是揭开量化的神秘面纱，让小白们对量化有一个清楚的认知。

量化入门基础知识

对于从未接触过量化的人来说，想了解量化到底是做什么的，关键要掌握四部分的内容：Python基础知识、金融知识、技术指标、量化交易框架。

Python基础知识：掌握一门编程语言最快速的方法就是多写代码，在了解Python基础语法、数据类型、运算方法、流程控制以及函数设计的基础上多做练习。现在有不少平台（譬如牛客网、leetcode等）都提供在线练习的功能，这些平台可以帮助初学者快速提升编程能力。

金融知识：在入门阶段所要掌握的金融知识并不算太难，我们要了解所投资标的市场的操作规则，以国内商品期货为例，各个品种在交易时间（主要是有无夜盘）、交易单位、最小变动价位、涨跌幅限制等方面均有所不同，投资者只有掌握了投资标的市场等操作规则才能将其量化，并实现程序化交易。

技术指标：技术指标是通过图表，研究市场行为反应，以推测价格的变动趋势。常见的技术指标有很多，分类也不尽相同，初学者只要掌握一些比较常用的技术指标（譬如布林线指标、KD 指标、MACD 指标等），明白其含义，如何计算以及如何使用即可。

量化交易框架：现在有很多线上平台（如big quant、优矿、米筐等）提供量化策略编写功能，集成了很多方便的工具，开发者专注于策略的开发，使用十分便捷。当然，也有很多开源的量化交易框架，开发者可以根据自己的需求进行二次开发，比如vnpy，easyquant等框架。量化开发人员应该选择一个适合自己的工具来实现量化策略。

量化策略开发

如果打好了前面的基础，在量化的实战中，量化策略是非常重要的一部分。量化策略的开发主要包括策略研发、风险控制模型、交易成本模型、投资组合构建模型、执行模型。

策略研发：交易策略内容一般包括进出场规则、风险控制规则、资金管理规则。研发一般依照制定交易策略、编写交易模型、历史数据回测、模拟交易、修正模型、实战应用步骤进行。

风险控制模型：风险控制模型主要使用几个常用指标（通常是交易次数、胜率、盈亏比、夏普率、回撤等）来进行判断，但不可能同时满足收益高、风险低、频率高的要求。

交易成本模型：交易成本主要包括前期投入的人力成本、手续费、滑点、故障等。

投资组合管理：对投资组合进行管理，需要对策略、行情进行监控，观察策略运行与市场特征匹配情况，策略调度、资金配比变化，风险测试、头寸规模控制，策略进化、升级与淘汰。这几个步骤都是在交易过程中循环反复的，以保证策略能有效地运行。

· end ·