纯小白应该怎么学Python？量化交易方向

很多想要了解量化交易的小伙伴，无奈网上的学习资料有限，今天黑马程序员给大家分享下量化交易方向Python的学习路线。

一、Python做量化交易需要学什么？

二、量化交易的分类

趋势性交易

适合一些主观交易的高手，用技术指标作为辅助工具在市场中如鱼得水的，但如果只用各种技术指标或指标组合作为核心算法构建模型，从未见过能长期盈利的。

一般也会做一些量化分析操作，使用编程如python/matlab 。

市场中性

在任何市场环境下风险更低，收益稳定性更高，资金容量更大。适合一些量化交易者，发现市场中的alpha因子赚取额外收益，例如股票与股指期货的对冲策略等。

会做一些量化分析操作，使用编程如python/matlab。

高频交易

在极短的时间内频繁买进卖出，完成多次大量的交易，此类交易方式对硬件系统以及市场环境的要求极高，所以只有在成熟市场中的专业机构才会得到应用

适合一些算法高手，使用C/C++编程语言，去进行算法交易，对软硬件条件要求比较高。

1、金融专业出生，对金融市场环境非深入了解（交易员、基金经理）

2、基本了解金融基础、投资知识，对数据挖掘、机器学习方法擅长，挖掘股票等的价值 （quanter）

三、量化交易的优势

严格的纪律性

完备的系统性

完备的系统性具体表现为“三多”。

首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；

其次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；

再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

靠数学模型取胜

股票实际操作过程中，运用概率分析，提高买卖成功的概率

四、量化交易全球的发展历史

量化投资的产生(60年代)

1969年，爱德华·索普利用他发明的“科学股票市场系统”（实际上是一种股票权证定价模型），成立了第一个量化投资基金。索普也被称之为量化投资的鼻祖

量化投资的兴起(70~80年代)

1988年，詹姆斯·西蒙斯成立了大奖章基金，从事高频交易和多策略交易。基金成立20多年来收益率达到了年化70%左右，除去报酬后达到40%以上。西蒙斯也因此被称为"量化对冲之王"。

量化交易的繁荣(90年代)

1991年，彼得·穆勒发明了alpha系统策略等，开始用计算机+金融数据来设计模型，构建组合

2012年到2016年量化对冲策略管理的资金规模增长了20倍，管理期货策略更是增长了30倍，增长的速度是所有策略中最快的。相比美国量化基金发展历程，中国现在基本处于美国90年代至21世纪之间的阶段。

量化投资元年

2010年，沪深300股指期货上市，此时的量化基金终于具备了可行的对冲工具，各种量化投资策略如alpha策略、股指期货套利策略才真正有了大展拳脚的空间，可以说2010年是中国量化投资元年。

量化投资高速发展、多元化发展

2013-2015年股指新政之前可以说是国内量化基金有史以来最风光的一段时期。国内量化投资机构成批涌现，国内量化投资高速发展。

需要入门课程、资料、工具、笔记的小伙伴，点击这里领取！