搭建系统|为何我坚持要用Python搭建属于自己的股票量化交易系统
前言
前几期我们搭建了自定义的量化行情/选股/回测框架：
搭建系统|说好了个性化的选股工具！教你定制自己的选股财务数据表？
搭建系统|升级基于财务数据的选股工具！从清单中剔除ST股和次新股
搭建系统|“财务数据选股工具”如何与“多维度股票行情分析工具”完成无缝切换
搭建系统|升级基于财务数据的选股工具！添加上日历和排序功能会更好用
搭建系统|不用数据库选股也行！利用Pandas特性的GUI版基本面选股工具
搭建系统|听说backtrader很不错！把它集成到本地GUI回测平台中！
搭建系统|在线改策略很便捷！试一试本地GUI回测平台动态改策略
搭建系统|多维度下不同股票|周期|除权|复权走势对比界面
搭建系统|行情软件可没有！多股票投资组合用的GUI分析界面
搭建系统|想把聚宽本地化吗？一起来创建GUI版的自定义量化回测平台
搭建系统|wxPython布局管理实现多只股票走势对比界面
搭建系统|比Matplotlib更好用的pyecharts打造GUI股票行情分析界面
最近在CSDN平台上开了一场新书《Python股票量化交易从入门到实践》介绍的直播课，由CSDN与异步社区共同举办的一场直播。
京东、当当、天猫热卖中
本期我把直播中所提到的关于“为什么要搭建属于自己的股票量化系统”提炼出来和大家分享。
写作本书的目的
对于读者来说，写作这本书目的是为了分享给读者搭建属于自己的股票量化交易系统的方法。
我一直强调股票交易是个性化的领域，每个人承受的风险程度不同、激进程度不同，擅长炒股技能也不同，所以我们搭建的系统要适合自己，这也是本书和其他量化书观点上最大的不同。
为什么选做股票量化交易。其实，量化交易本身是可以应用在很多投资理财领域的，确切地说只要涉及时间序列的价格变动，就可以应用量化交易去分析，像期货、数字货币，甚至基金定投等，股票投资只是其中的一部分。
我选择股票这个标的，一方面股票投资是全民最主要的理财渠道之一，另一方面原因是它属于在我的认知范围内，比如像科技类题材股像人工智能、芯片、语音、通信、智能家居、电气设备这些板块，因为我处于的行业的背景，很多资讯 事件我能够看得懂。
图中可以看到A 股自古以来“牛短熊长”，周期交替。从2003年至2019年有两轮牛市，我相信以我们国家的发展趋势，未来牛市可期，这也是行业内部人士一致的观点。
很多人在牛市赚了很多钱，最终“退潮”的时候还是亏回去了。所以我们得提前升级自己的交易方法，不然又是重蹈覆辙。
之前看到一则新闻上说，中国的股民有 1.2 亿多，统计股民的行为之后发现他们每天平均看盘2小时，全年平均买19只股，平均2天交易一次。
所以，大多数股民交易频繁，对买卖点的思考并不严谨。如果炒股毫无章法的话，势必沦为“韭菜”被收割。
量化交易它有管理概率、理性交易的思想所在，非常适合在普通股民群体中推广。接下来会展开介绍。
当然，本书将量化交易应用在股票交易中，并不是传授战胜市场、一夜暴富的本领，我也没有这么大的本事。
而是想让读者们通过量化交易管理盈亏的概率，能够更理性地将股票投资作为理财的一个手段，而不是以赌博的心态参与其中。
以散户视角厘清量化交易概念
目前市面的量化书籍包括国外的，大多是金融从业人士编写的，他们的角度和我们普通股民会有些不同。偏研究分析的模型算法可能我们也看不懂、用不到，有些量化系统针对于机构操盘搭建的，也不适合小资金的普通股民。
所以我们作为普通股民中这个视角，该怎么去理解量化交易概念。
量化交易并不一定需要用程序化交易，也不限于交易速度和频率的要求，只要满足了量化交易所涵盖的决策方式就可以称为量化交易。
我们可以理解为是Python数据分析在金融领域的一种应用。
Python 是一种编程语言，目的为了帮助我们快速解决实际问题，我们是将Python 数据分析技术应用到股票量化交易场景之中。
数据分析是对收集来的大量看似杂乱无章的数据进行统计分析和研究，从中提取有用信息，总结出其中一些内在规律和特征，目的就是帮助人们作出判断，提供数据上的支撑。
反映到股票量化交易中，“数据”指的是我们所要分析的股票数据，我们从“数据”中挖掘出能够获利的策略，目的是“交易”，也就是指将策略转换为具体的买卖操作。
以散户视角利用量化交易的优势
传统的交易无论是技术面分析还是基本面分析都属于通过人的思维去做决策，这种高度抽象的模式在深度上会有绝对的优势，但也与交易者个人的经验、盘感，甚至情绪波动都有极大的关联。
假定我们在复盘的时候情绪是相对稳定的，决策也是客观的，而到了盘中的时候，我们的情绪受到股价波动的影响，往往会做出了错误的决策。
在当前一直扩容的市场中，主观交易很难实现全市场的跟踪监测。假定我们设计一个交易策略，在实盘交易前势必要验证下策略在历史上的执行效果。如果用人工方式来验证，当前A股市场有近4千只股票，有几十年的行情数据，我们需要花费大量的时间逐个复盘，同时也非常容易出错，所以显然是不太可行的。然后在开市时间段，还得每天花4小时关注着盘面的走势，太浪费时间了。
所以这些成为了传统交易方式的“硬伤”。
量化交易这种方式能很好地解决这些“硬伤”。
首先它利用计算机的强大运算能力，在广度上占有绝对的优势。利用回测环节去评估策略效果，可以基于大量历史数据去验证，还能自动计算出包括收益率、最大回撤率、夏普比率在内的这些评估指标值，而且又快有准，可以更科学更客观地衡量交易策略的效果。
然后我们获得一个具体的获利概率，并依据概率制定交易的策略，我们可以确信我们的策略是经过回测和度量分析的，是具有概率上的优势的，从而心态上会减少恐惧和犹豫的影响。
我们可以让程序自动监测行情走势，这样我们就不需要过多地关注盘中的价格波动，避免影响心态变化。
所以，我们应该升级自己的炒股方式了，把自己以前炒股的那套方法，抽象成策略模型，用量化的方法去全市场回测评估，然后让程序帮助我们监测行情的走势。
这个才是普通股民所适合的量化交易打开方式。
教你从0到1学习量化交易
我在写书时候的内容结构是采用自顶向下逐层去分解量化交易系统而产生的。
这样有个好处是，分解下来的知识点都是真正用的到的干货，不存在多余的内容，读者们也能由浅入深去学习，前后章节都有联系。
量化交易是将数据、策略和决策综合为一体的系统。
首先是把历史行情、基本面信息、新闻资讯等数据进行初步清洗和处理，而后在大数据的基础上以数学建模、程序设计等方法建立交易策略，在对历史数据的回测中评价交易策略的效果，最终筛选出大概率下盈利的策略，并将它应用于实际交易中产生交易的信号，例如买什么股、什么时候买、买多少、什么时候卖等信息。
交易策略是量化交易的核心，它包括择时、选股、仓位管理、参数优化、度量分析等角度的分析。
全书共9 章，分别能够依次对应到图的各个模块。
思维导图是关于本书各章节的内容架构。
第1 章是理解Python 股票量化交易，主要从多个角度深入剖析量化交易和股票的概念。
第2 章是量化语言Python 的关键应用，针对Python 相关的一些关键知识点进行侧重剖析，使大家对Python 语言有更深层次的理解。
第3 章是第三方库NumPy 快速入门，理解和掌握NumPy 关键知识点将有助于我们更加高效地使用Pandas 库。
第4 章是第三方库Pandas 快速入门，主要介绍Python 环境下最有名的数据统计包Pandas 在量化交易中的应用，掌握Pandas的关键知识点使处理数据变得非常方便、快速和简单。
第5 章是第三方库Matplotlib 快速入门，主要介绍了Matplotlib 库在量化交易中的应用，凭借Matplotlib 库极其强大的绘图功能，我们可以绘制出美观而有说服力 的图形，使得可视化分析效果愈发显著。
第6 章是统计概率理论快速入门，主要介绍了统计概率知识在量化交易中的应 用。无论是主观交易，还是量化交易;无论是交易股票，还是交易期货等，都与统计概率息息相关，学好统计概率是交易中非常重要的基础要求。
第7 章是股票行情数据的获取和管理，主要介绍快速、便捷地得到可靠、真实的股票数据的方法，以及提供高效地管理行情数据的方案。
第8 章是股票技术指标的可视化分析，本章首先定制可视化的接口程序，好的程序框架可以帮助我们在分析中事半功倍，然后在此基础上展开技术指标的计算和可视化，从而挖掘出指标背后的含义。
第9 章是构建股票量化交易策略体系，主要从回测评估和策略制定两个层面介绍如何构建自己的量化交易策略体系，其中回测评估包含了收益和风险维度的介绍， 策略方面包含了择时、选股、仓位管理、参数优化等关键环节的介绍。
读者们按照顺序阅读完成后，可以对量化交易的整体过程以及涉及的知识点有一个全面和清晰的认识。
逐级进阶学习成果
7.1 掌握获取股票行情数据的方法，7.2规整化处理股票数据格式的方法，然后7.3依据自己的需求定制股票行情数据的获取接口，如此一来，不仅可以充分结合Panads、Tushare、BaoStock 等常用接口的优势，而且可以返回规整化后的股票数据格式。
7.4在建立了自选股票池之后，我们需要分别获取股票池中对应股票的行情数据。当获取几千只股票过去几年甚至十几年的行情数据时，下载过程势必会出现耗时过长的问题。因为第二章Python中介绍了多进程和多线程的提速方案，7.5将方案结合至实际应用中。
7.6推荐一款轻型的数据库SQLite，在本地实现高效地数据管理。
8.2介绍股票行情界面中K 线、均线、成交量、MACD、KDJ这些技术指标的原理、计算及可视化方法。8.3在这些基础指标之上二次挖掘出衍生技术指标，以辅助交易策略的制定。
8.4介绍TA-Lib库，它可以让使用者专注于策略的设计，而不用像“重复造 轮子”一样花时间实现技术指标。
8.5是本章所学的结合，介绍如何用Matplotlib 库实现多子图的布局机制来定制我们的行情分析界面。
在回测阶段，用图形化的方式显示出大周期下的买卖价位、持股时间等交易信息，计算得到策略的收益和风险这两个关键的指标，通过直观的图形化分析度量策略的执行效果以及存在的问题和改善的空间。
量化交易策略体系涵盖了择时、风险控制、参数优化、选股、仓位管理策略的制定。
购书福利
为了帮助读者再建立一座从书本知识到实战应用之间的“桥梁”，赠送一个回测小工具。
凭订单进读者交流群获取工具源码！
小工具的功能，其实是我设定了一个炒股的场景。我们根据上市公司的一些财务指标，去过滤出我们心仪的股票加入我们的股票池，然后查看股票的行情走势，选出走势较好的几只股，再制定一个择时策略，对这几只股票进行回测，评估择时策略的效果。
视频效果
扫码看直播回放
加我QQ或者微信了解详情
微信关注：‘元宵大师带你用Python量化交易’