Python 量化交易 | 菜鸟教程

量化交易（Quantitative Trading）是利用数学模型、统计学方法和计算机程序来进行金融交易的一种方式。
量化交易用系统性的、基于数据的方法来识别和执行交易机会，取代凭感觉、凭消息的主观决策，目标是让投资决策更高效、更可复制。
本教程将带你用 Python 从零开始，走完获取数据、分析数据、编写策略、回测验证的完整量化流程。
量化交易的出发点很简单：把一套交易思路写成明确的规则，让计算机来验证和执行。
比如"短期均线上穿长期均线就买入，下穿就卖出"，这就是一条可以被程序精确执行的规则。
围绕这样的规则，量化交易者要做四件事：获取市场数据、把想法变成策略、用历史数据回测验证、最后控制好风险。
需要澄清一个常见误解：量化交易不等于高频交易。
高频交易只是量化交易中持仓时间极短、交易频率极高的一类，大部分量化策略的持仓周期是数天甚至数月。
按频率划分，量化交易大致可以分为以下几类：
本教程介绍的策略以后两者为主，它们对硬件没有要求，一台普通电脑就能完成学习和实践。
传统的主观交易依赖人的经验和判断，量化交易则把决策权交给事先写好的模型。
量化并不是要取代人，而是把人从重复的盯盘劳动中解放出来，让精力集中在策略研究本身。
一门成熟的量化交易体系，通常具备下面几个特征：
注意：量化交易的目标是通过系统性的方法提高交易效率和准确性，但模型在历史数据上有效不代表未来一定有效。任何量化策略都有失效的可能。
量化交易是一套严谨的研究方法，但它不是稳赚不赔的代名词。
历史回测表现优秀的产品，未来可能因为市场环境变化而失效，历史上因模型失效导致巨额亏损的机构案例并不少见。
本教程所有内容仅用于技术学习，不构成任何投资建议。