Python 的学习者中，有相当一部分是冲着爬虫去的。因为爬虫可以帮你解决很多工作和生活中的问题，节约你的生命。不过 Python 还有一个神秘而有趣的应用领域，那就是量化交易。
量化交易，就是以数学模型替代人的主观判断来制定交易策略。通常会借助计算机程序来进行策略的计算和验证，最终也常直接用程序根据策略设定的规则自动进行交易。
Python 由于开发方便，工具库丰富，尤其科学计算方面的支持很强大，所以目前在量化领域的使用很广泛。市面上也出现了很多支持 Python 语言的量化平台。通过这些平台，你可以很方便地实现自己的交易策略，进行验证，甚至对接交易系统（由于政策原因，现在很多交易接口暂停开放）。
在交易策略方面，我是外行（虽然曾经也有证券从业资格）。所以本文只是介绍几个 Python 量化平台，以及一些最基本的使用方法。更多的功能、更强大的策略还有待各位自己去挖掘。
目前国内比较知名的几个平台：
右上角的下拉框选择“策略”，就会帮你自动填写上策略回测的基本结构代码。
开始的一些变量是对回测的基本配置。initialize 里可以做一些初始化的工作。handle_data 则是回测代码的核心，用来实现每个交易日（或每分钟）的交易指令。
具体的变量含义，这里不做特别细致的解释，文档里都有说明。仅从命名和注释里也可以看出，设定了回测的时间，股票池，资金，交易频率等。
文档里给了一个最简单的日线策略代码：
def handle_data(account):
for stock in account.universe:
order(stock,100)
复制代码此策略就是，在每个交易日，把股票池里每一只股票都买入一手。
account.universe 就是开头设定的 universe 值。这里遍历股票池中的股票。
order 是买卖指令，函数原型是：order(symbol, amount)
参数 symbol 是股票代码，amount 是买卖数量，正为买入，负为卖出。此处买入 100 股，即 1 手。
点击“运行”，或 Ctrl+Enter，即可在页面上看到策略的执行情况。
我们再尝试改动一点点，写一个自己的策略。
我拍脑袋想了这样一个策略：
如果一只未持有的股票 2 个交易日累计涨了 10% 以上，就以当前资金的 5% 买入它。反过来，如果累计跌了 10% 以上，就全部卖出止损。
下面把它实现出来看下回测效果如何。
时间设为去年（2015）全年，起始资金 10 万元。
universe = set_universe('A')
复制代码股票池为 A 股所有股票。
account.get_attribute_history('closePrice', 3)
复制代码取得股票池中所有股票前 3 天的收盘价（closePrice）。
hist[s][2] - hist[s][0]
复制代码得到 1 天前和 3 天前收盘价的差值。
account.valid_secpos
复制代码是账户当前所持有的证券信息。
如果收盘价 2 天的差值满足买入条件且未持有，就执行：
order_pct(s, 0.05)
复制代码order_pct 表示按账户当前总价值的百分比买入股票。
如果满足卖出条件则执行：
order_to(s, 0)
复制代码OK，一个简单到不行的策略已完成。运行一下：
居然，这么简单的策略在最高的时候有超过 90% 的收益，即使在经历了年中的股灾和下半年的震荡之后，到年底也还有 30% 多的收益率，应该超越了大部分散户去年的成绩吧。如果按照这个策略进行交易，啧啧，想想还有点小激动呢。（喂！快醒醒！）
然而现实是残酷的，真实的市场分分钟教你做人。
量化投资以及程序化交易是很有前途的行业，但在你想从事这行，甚至用它赚钱之前，请先深入了解它。
有兴趣的，去看下这个问题：