大学生如何入门Python量化金融？
前言
既然您已经点进来这篇文章，应该就不需要我再强调目前量化金融是多么火爆，前景多么广阔了吧？那我们就直接开门见山。
量化金融其实是一个交叉复合学科，需要掌握数学、计算机、金融等方面的知识。 显而易见，对于金融学背景的同学来说，就需要另外学习计算机编程的知识，而计算机背景的同学则需要补充金融知识。由于本人是24K纯金融学专业背景，所以就跟大家分享一下，作为一个零编程基础的金融学子，是如何入门量化金融的。
【----帮助Python学习，以下所有学习资料文末免费领！----】
一、量化工具
01编程语言：Python
工欲善其事，必先利其器。想要入门量化，学会一门编程语言是必不可少的。对于量化金融来说，主流的编程语言有Python、MATLAB、Java、C++等。
从开发难度而言，Python和MATLAB比较容易，而Java和C++比较难；从运行速度来说，C++是最快的，因此常用于高频交易。不过对于大部分量化投资者而言，尤其是初学者，开发占用的时间远远大于运行时间，如果追求运行速度的话，也可以先将策略开发出来，再使用C/C++重写高性能代码段。
另外，从量化资源而言，Python资源更多，而且MATLAB是商业软件，Python是开源免费的。所以综上所述，如果是编程零基础的同学，入门量化的编程语言毋庸置疑是选择Python。
02.数据获取：Tushare & BaoStock
关于数据获取，如果能有Wind那就再好不过啦，但是Wind很贵，如果没有条件的同学可以使用免费的数据源，比如Tushare和BaoStock。
Tushare是一个比较老牌的数据接口，包含沪深股票、指数、公募基金、期货、期权、债券、外汇等非常多的金融数据，现在老版Tushare已经不在维护，转移到新版TusharePro了，使用方法依旧非常简单，缺点是部分数据需要一定积分才可以获取。
而BaoStock是2018年的新数据接口，口碑也不错，缺点是只针对股票市场，期货等市场还没有涉及。不过对于入门选手来说，这两个接口都是绰绰有余啦。个人用的比较多的是TusharePro，导入数据直接是DataFrame格式，非常方便。
03.量化平台
量化平台可以看成是一个已经搭建好的框架。用户只需添加一些自己的买卖条件，即可进行策略回测，免去了自己从无到有搭建基础框架的过程。
目前国内比较主流的量化平台有优矿、聚宽、米匡等。不过对于策略回测来讲，仅使用Python就完全可以实现了，使用第三方平台的缺点就是你得先琢磨好一阵子如何使用这个平台，而且最重要的是很难摸清平台所有细节，难以把控。
04.其他工具
以上是做量化的一些基础工具。另外根据策略类型的不同，也会用到一些其他Python第三方库。
- 数据库推荐：SQLite
如果所做的策略需要存储很多数据，那么就需要一个数据库配合使用。Python自带sqlite3库，可以在python中方便的操作SQLite数据库。
机器学习：Scikit-learn(sklearn)
Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、分类(Classfication)、降维(Dimensionality Reduction)、聚类(Clustering)等方法。网上搜学习资源、学习笔记的话也有非常多。
- 技术分析：TA-Lib
TA-Lib，全称“Technical Analysis Library”, 即技术分析库，涵盖了150多种股票、期货交易软件中常用的技术分析指标，如MACD、RSI、KDJ、动量指标、布林带等等。
- 爬虫推荐：Beautifulsoup
BeautifulSoup4是爬虫必学的技能。BeautifulSoup最主要的功能是从网页抓取数据。
二、量化策略
掌握了量化金融的基本工具之后，令量化投资者最头大的就是量化策略的灵感了，对于初学者而言，肯定是先从经典策略比如双均线、配对交易、动量反转等开始。众所周知，经典的不一定是最好的，但是是必学的。在掌握了经典策略之后，可以通过阅读券商研报、国外量化论文，或者根据自己对金融理论的理解，编写自己的策略。
01经典策略
量化交易经典策略主要有择时策略如双均线模型、动量反转、配对交易等，选股策略如最主流的多因子策略，技术分析指标如MACD等。 在量化平台比如聚宽社区、优矿社区等都会有涉及，在网上随便搜搜也能搜出一堆。但是这些资源有个问题就是很不适合初学者，比如说优矿社区的策略，即便是提供源码，初学者也是很难看懂的。
02券商研报
券商研报虽然经常会比较水，但是还是有很多不错的文章可以借鉴的，推荐可以看券商金工部门的研报。
03海外文献
量化投资在国内发展时间其实很短，而在海外已经有了几十年的积累沉淀，所以海外量化相关文献也是一个很好的资源，
04.金融理论
顾名思义就是凭借自己的金融知识，深入领会金融资产定价的无套利原则，灵活运用各类金融工具进行投资啦。所以这就靠大家聪明的头脑，以及金融理论储备了，我这里就没什么好说的。
三、量化推荐书籍
作为一个不爱读书的学渣，这个部分就太难为我了，如果是爱读书的好同学，可以参考知乎。
01第一部分：预备知识
【1】 《投资学》作者：博迪，凯恩，马库斯
【2】 《Trends in Quantitative Finance》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm
【3】 《计量经济学》
【4】 《漫步华尔街》作者：麦基尔
02第二部分：择时策略
【1】《海龟交易法则》作者：柯蒂斯·费思
【2】《交易策略评估与最佳化》作者：罗伯特·帕多、
【3】《量化交易——如何建立自己的算法交易事业》作者：欧内斯特·陈
【4】《Building Reliable Trading Systems: Tradable Strategies That Perform As They Backtest and Meet Your Risk-Reward Goals》by Keith Fitschen
03第三部分：选股策略/投资组合策略
【1】一篇论文：Eugene F. Fama, Kenneth R. French. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465.
【2】 《Quantitative Equity Investing》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm
【3】 《积极型投资组合管理》作者：格里纳德，卡恩
04第四部分：进阶
【1】《统计套利》作者：安德鲁·波尔
【2】《走出幻觉走向成熟》作者: 金融帝国
【3】《信号与噪声》作者：纳特•西尔弗
【4】《失控》作者：凯文·凯利
四、实践出真知
纸上得来终觉浅，绝知此事要躬行。对于金融行业来说，实践当然是非常重要的。对于在校大学生来说，最好的机会就是找到量化相关的实习，比如去券商基金的金工部门、量化部门等，真正操作一些具体的量化项目，同时也正好检验自己是否是真的对这方面感兴趣。
如果实习暂时难以找到，也可以在学校寻找是否有一些课题机会，或者参加一些量化方面的比赛，都是很好的实践机会。
01实习
大部分券商基金都有金工或者量化部门，是非常好的实习选择。但是如果是之前没有实习经历，可能会比较难获得机会，这时候动用亲戚朋友的力量也是非常可以的。
02比赛
由于量化金融变得越来越火爆，目前针对大学生额量化比赛也是举办得越来越多了，比如量子金服主办的“量子杯”全国高校量化大赛，瑞银集团主办的全球量化大赛等，大家可以多多留意。参加比赛一来可以给自己一个学习研究的动力，二来如果获奖了可以写在简历上，给自己的经历贴上一朵小红花。
03课题
如果实在是实习、比赛都比较困难的话，可以问问导师有没有相关的课题，或者也可以在网上找找项目，实在不行也可以自己用python写写策略回测，或者用模拟盘或者实盘跑一跑自己的策略。
零基础Python学习资源介绍
Python学习路线汇总
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取哈）
Python必备开发工具
温馨提示：篇幅有限，已打包文件夹，获取方式在：文末
Python学习视频600合集
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
Python基础
Python自动化办公教程
python爬虫
python机器学习
实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
100道Python练习题
检查学习结果。
面试刷题
资料领取
上述这份完整版的Python全套学习资料已经上传CSDN官方，朋友们如果需要可以微信扫描下方CSDN官方认证二维码输入“领取资料” 即可领取
好文推荐
了解python的前景：https://blog.csdn.net/xiangxue888/article/details/129726286
了解python的副业：https://blog.csdn.net/xiangxue888/article/details/129726009