「合輯·收藏」Python量化從入門到精通

07-03

引言

自2018年9月27日發第一篇推文以來，公眾號「Python金融量化」專註於分享Python在金融量化領域的實戰應用，堅持走原創路線，持續輸出技術乾貨，已發表29篇原創文章，關注者從零到破萬。這一路走來充滿了成長的彷徨和喜悅，在此非常感謝大家的一路支持！學習是一個循序漸進的過程，只有通過不斷的總結才能形成系統的知識框架。今天將已發送的推文進行一次梳理和總結，歸納出Python應用於金融量化中的學習路線圖，從零基礎開始，由淺入深，搭建Python量化投資知識框架體系，希望對大家的學習和實戰應用有一定的啟示。

原文見：https://mp.weixin.qq.com/s/HcyFjDcxdgc5_OgLXsEfPA

01 Python編程基礎

關於Python的入門和基礎這一塊，公眾號分享了兩篇文章，著重介紹了零基礎該如何建立自己的學習路線圖，並分享了相關入門學習資料，具體見以下推文：

（1）【Python金融量化】零基礎如何開始學？

結合個人經驗分享下Python做金融量化和數據分析的學習路徑。

（2）【資料分享】Python量化從入門到高階

分享Python從入門、進階、到高階的學習資料，以及金融投資相關書籍（PDF）。

Python安裝與使用

建議安裝Anaconda，自帶Jupyter notebook和Spyder。Jupyter在互動式編程與數據分析上功能十分強大，公眾號上所有文章基本上都是基於Jupyter寫的。公眾號里回復「Python入門」即可獲取相關資料。

Python語言基礎

python入門該從哪入手？目前網上學習資料汗牛充棟，大同小異，基本上圍繞以下六個方面：

數值類型（整數、浮點數、布爾型、複數）
字元串（str）及其操作
列表（list）、元組（tuple）、字典（dict）、集合（set）
條件、循環語句
函數
常用內置模塊：os、math、time、datetime等

02 Python金融量化常用庫

Numpy（數組矩陣）、Pandas（數據處理分析）、Scipy（數理統計）、Statsmodel（數理模型）和Matplotlib（可視化）等是綜合應用Python做量化分析必學的輪子（module）。當然，如果要把這些庫都從頭到尾都學一遍，時間精力上估計也不夠。因此，建議「干中學」，以解決學習或工作中的實際問題為指導原則，通過實際應用來學習鞏固。

1、矩陣與科學計算：Numpy

【手把手教你】玩轉Python量化金融工具之NumPy

2、金融數據處理與分析：Pandas

【手把手教你】玩轉Python金融量化利器之Pandas

3、數理模型：Scipy與Statsmodel

這一塊目前還沒發文，後續推文將會涉及。

4、數據可視化：綜合運用Matplotlib與pyecharts

（1）【Python金融量化】A股沉浮啟示錄

（2）2018你不可不知的十大關鍵詞

03 Python金融基礎分析實例

本部分是結合金融量化基礎，以金融場景真實數據，綜合應用numpy、pandas、matplotlib、tushare等，實現數據分析和可視化，包括貨幣時間價值、複利計算、文本分析、金融圖譜和宏觀量化等。

1、金融量化分析基礎：貨幣時間價值與複利計算

（1）【手把手教你】Python金融財務分析

（2）【手把手教你】時間序列之日期處理

2、財經數據獲取與可視化

【手把手教你】Python獲取財經數據和可視化分析

3、上市公司數據挖掘與分析

【Python金融量化】上市公司知多少？

4、文本信息挖掘：財經新聞文本分析

（1）【Python金融量化】財經新聞文本分析

（2）【文本挖掘】Python帶你笑看江湖

5、金融知識圖譜

【手把手教你】用Python構建小型金融知識圖譜

6、宏觀分析與量化

（1）大勢觀瀾與研判邏輯

（2）【宏觀量化】股市趨勢與拐點如何看？

04 Python股票量化初探

本部分主要主要介紹了股票市場分析的量化基礎，包括數據獲取、量化選股、股票分析入門、量化選股、指數定投和日曆效應，體現了Pandas的高級運用和數據可視化分析。

1、獲取股票交易數據

【手把手教你】Python獲取交易數據

2、股票分析入門

【Python量化】股票分析入門

2、Python量化選股

Python量化選股初探

3、Python分析指數基金定投

（1）Python數說指數定投策略

（2）【Python量化】怎麼在基金定投上實現收益最大化

4、Python驗證A股月份效應

A股指數圖譜：是否有月份效應？

05 Python量化投資專題

本部分圍繞量化投資專題展開，從資料庫交互使用、量化策略風險指標、技術分析TA-Lib、量化投資方法論體系、經典策略（多因子、動量、情緒指標等等），這一部分對金融投資理論和Python基礎要求均較高，也是公眾號後續推文的重點。

1、搭建自己的量化分析資料庫

【手把手教你】搭建自己的量化分析資料庫

2、Python計算量化策略風險指標

【手把手教你】Python量化策略風險指標

3、技術分析利器之TA-Lib

（1）【手把手教你】股市技術分析利器之TA-Lib（一）

（2）【手把手教你】股市技術分析利器之TA-Lib（二）

4、量化投資方法論體系

【乾貨分享】一文講透量化投資方法論體系

5、量化投資實戰案例

（1）【手把手教你】Python量化股票市場情緒指標ARBR

（2）【手把手教你】動量指標的Python量化回測

（3）【手把手教你】量價關係分析與Python實現

（4）【Python量化】如何利用歐奈爾的RPS尋找強勢股？

（5）什麼是多因子量化選股模型？

（6）如何對選股因子進行量化回測？

（7）【手把手教你】Python量化Fama-French三因子模型