以下都是根据目前所能自己理解的，去编写的简易文档！
第一部分 金融市场
-
金融市场：资金融通的交换场所！
按交换的标的物划分： 货币市场、资本市场；外汇市场、黄金市场、保险市场 狭义的金融市场：（货币市场、资本市场） 期限在一年或者一年以内的金融资产 - 货币市场 期限在一年以上的金融资产 - 资本市场 银行中长期存贷款市场 有价证券市场 有价证券？- 权利与义务 股票 - 公司的所有权 债券 - 债权 -
狭义的金融市场
1 按交易程序划分 一级市场（发行市场） 发行人和投资人之间的交易 投资人：有钱人、专业的投资机构PE、VC 这个“级”指的是一个企业股份的发行次序和发行时间。 路演 - 100万、200万 个别有钱人 天使投资（angel investment） VC风险投资（venture capital） PE私募（private equity） IPO(首次公开募股) 二级市场（流通市场） 投资人与投资人之间的交易 投资人：普通散户、投资机构 天使投资、风险投资、私募 - 美国 私募 传统、老牌、大型企业 新兴科技创新企业 天使投资、风险投资 2 参与主体 证券交易所 上海 深圳 证券公司 开户 欧美 投行-投资银行 中国、日本-证券公司-券商 英国-商人银行 3 股票和债券的区别 有价证券： 有价格的权利与义务的凭证 股票：公司所有权 按股息获益 债券：债权 按利息获益 -
股票基础知识
1 股票：是股份公司签发的证明股东所持股份的凭证，代表了股东对股份公司净资产的所有权。 2 股票按照股东权利的分类 普通股 #优先股 #香港 #国外 3 股票按照上市地区的分类 在境内上市 A股 人民币普通股票 投资人：境内 人民币进行交易 B股 人民币特种股票 投资人：境外 外币进行交易 在境外上市 H股 - 香港 N股 - 纽约 S股 - 新加坡 4 股票按照股票业绩的分类 ST股（special treatment） 连续亏损两年的股票 ST 连续亏损三年的股票 *ST 垃圾股 蓝筹股 赌场 筹码 蓝色 5 人民币普通股票 股票 - 有价证券 A股 1）电子记账 2）T+1制度 T - trading 不能进行高频交易 T+0制度 高频交易 3）涨跌停限制 10%停牌 6 股票交易的常识 1 股票代码 2 股票价格 股票初始发行价格 = 市盈率还原值×40%+股息还原率×20%+每股净值×20%+预计当年股息与一年期存款利率还原值×20% 股票流通价格 = 投资人之间的成交价格 3 股票的交易时间和过程 （一）集合竞价阶段：9：15 — 9：25 9：15 — 9：19可以申报和撤单 9：20 — 9：25 可以申报，不可以撤单 （二）连续竞价阶段 12.49 买入1000手 12.48 68手 12.49 1000 - 68 成交价格 - 12.49 4 交易费用 7 股票的划分 1 中国股票市场的层次划分 主板 上海证券交易所 深圳证券交易所 中小板 深圳证券交易所 创业板 深圳证券交易所 2 股票的不同性质划分 3 股票数据
绘制K线图
参数需求：candlestick_ochl(axes, day_k.values[:30], width=0.4, colorup="r", colordown="g")
time, open, close, high, low
#查看帮助
>>> help(candlestick_ochl)
Help on function candlestick_ochl in module mpl_finance:
candlestick_ochl(ax, quotes, width=0.2, colorup='k', colordown='r', alpha=1.0)
Plot the time, open, close, high, low as a vertical line ranging
from low to high. Use a rectangular bar to represent the
open-close span. If close >= open, use colorup to color the bar,
otherwise use colordown
Parameters
----------
ax : `Axes`
an Axes instance to plot to
quotes : sequence of (time, open, close, high, low, ...) sequences
As long as the first 5 elements are these values,
the record can be as long as you want (e.g., it may store volume).
time must be in float days format - see date2num
width : float
fraction of a day for the rectangle width
colorup : color
the color of the rectangle where close >= open
colordown : color
the color of the rectangle where close < open
alpha : float
the rectangle alpha level
Returns
-------
ret : tuple
returns (lines, patches) where lines is a list of lines
added and patches is a list of the rectangle patches added
4 周K线图
开盘价：周一的开盘价
收盘价：周五的收盘价
最高价：这一周的最高价
最低价：这一周的最低价
K线图绘制需要使用mpl_finance框架
图形生成使用的是Jupyter Notebook（便于画图与数据展示）
第二部分 quantOS
DataCore
项目首页 下载 文档
简介
DataCore是一款企业级开源量化数据系统，通过标准化接口提供高速实时行情、历史行情和参考数据等核心服务，覆盖股票、商品期货、股指期货、国债期货等品种，适配CTP、万得、聚源、Tushare等各类数据。
JAQS
项目首页 下载 文档 仿真交易
简介
JAQS是一个开源量化策略研究平台，由交易专家和金融技术专家共同设计，实现了自动化信号研究、高效策略开发和多维度回测分析，支持Alpha、CTA、套利等策略的实现。JAQS从实战而来，经实盘检验，本地化开发部署，保障策略安全。
TradeSim
项目首页 下载 文档 仿真交易
简介
TradeSim是一个在线仿真交易平台（未开源），提供账户管理、在线交易、模拟成交等服务，支持股票、期货等品种的交易。 TradeSim中的交易系统模块支持多账户管理、多通道交易、实时风控，提供包括VWAP、TWAP、配对交易、篮子下单在内的算法交易，是一款企业级应用。
第三部分 策略回测
#代码
#初始化
def initialize(context):
# 股票名:兔宝宝
g.security = '002043.XSHE'
#每天循环
def handle_data(context, data):
# 取得最近日收盘价
last_price = data[g.security].close
# 取得过去二十天的平均价格
average_price = data[g.security].mavg(20, 'close')
# 取得当前的现金
cash = context.portfolio.cash
# 如果昨日收盘价高出过去二十日平均价, 则买入，否则卖出。
if last_price > average_price:
# 用当前所有资金买入股票
order_value(g.security, cash)
elif last_price < average_price:
# 将股票仓位调整到0，即全卖出
order_target(g.security, 0)
如何根据回测结果评价策略好坏？很初级地讲，有三：
盈利能力：策略收益与年化收益高，则说明盈利能力强。盈利能力不行说啥都没用。
盈利稳定性：最大回撤要低。最大回撤是指最大亏损幅度，50%则意味着历史上看最大亏损率为50%。
回测可靠性：交易次数要多。交易次数越多意味着经历了越多次的检验，回测的结果也越可靠。
这个策略回撤大，交易次数少，只交易一只股票，并不靠谱。但是结构简单适合新手入门理解整个流程。
第四部分 量化投资
这方面目前自己通过网络上的了解，有基本了解！
量化投资定义：
量化投资其实就是定量投资，是通过分析一定的数据，在有合理逻辑的支撑下，运用某种策略所进行的具有胜率优势的投资。
- 仓位是指投资人实有投资和实际投资资金的比例。
- 量化投资需要合适的数据，并且合乎逻辑！
- 貌似目前量化投资在国内发展并不是很好，准确来说是处于起步阶段！所以说机会很多！
个人小结；
quantOS量化回测平台，获取历史数据与实时行情来进行数据分析，而后进行回测并且分析，后来又进行模拟交易，算是有了一个大概的认知吧！
量化回测应该以挑选优质策略、淘汰劣质策略为核心目的。起到为量化策略进入实盘交易提供一定的依据的作用，只是判断量化策略好坏的第一个门槛。
量化回测结果存在很大的劣势：基于市场制度、市场结构、投资者投资水平、科学技术等一系列因素的不断演变，市场的过去不代表未来
对与金融IT方面，个人还是显得措手不及，并且有想法向这方面发展，毕竟我也想分到那么一块小小的“蛋糕”！
需要学习的地方还有很多，不管是里面技术方面还是其他方面！