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

在这里插入图片描述

Python自动化办公教程

在这里插入图片描述

python爬虫

在这里插入图片描述

python机器学习

在这里插入图片描述

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。

在这里插入图片描述

100道Python练习题

检查学习结果。

面试刷题

在这里插入图片描述
在这里插入图片描述

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

在这里插入图片描述

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

你可能感兴趣的:(程序员,Python,职业和发展,python,金融,开发语言)