既然您已經(jīng)點進來這篇文章，應該就不需要我再強調(diào)目前量化金融是多么火爆，前景多么廣闊了吧？那我們就直接開門見山。

量化金融其實是一個交叉復合學科，需要掌握數(shù)學、計算機、金融等方面的知識。顯而易見，對于金融學背景的同學來說，就需要另外學習計算機編程的知識，而計算機背景的同學則需要補充金融知識。今天就跟大家分享一下，作為一個零編程基礎(chǔ)的金融學子，是如何入門量化金融的？

一、量化工具

01.編程語言：Python

工欲善其事，必先利其器。想要入門量化，學會一門編程語言是必不可少的。對于量化金融來說，主流的編程語言有Python、MATLAB、Java、C++等。

從開發(fā)難度而言，Python和MATLAB比較容易，而Java和C++比較難；從運行速度來說，C++是快的，因此常用于高頻交易。不過對于大部分量化投資者而言，尤其是初學者，開發(fā)占用的時間遠遠大于運行時間，如果追求運行速度的話，也可以先將策略開發(fā)出來，再使用C/C++重寫高性能代碼段。

另外，從量化資源而言，Python資源更多，而且MATLAB是商業(yè)軟件，Python是開源免費的。所以綜上所述，如果是編程零基礎(chǔ)的同學，入門量化的編程語言毋庸置疑是選擇Python。

至于Python的學習，網(wǎng)上資源就很多了，在這里推薦一門《Python實操課程》，該課程是利用Python的語言的智能性、簡潔性、高效性與金融的專業(yè)實戰(zhàn)相結(jié)合，使學習該語言的學員，具備語言匯編能力，將錯綜復雜的金融數(shù)據(jù)進行模塊化梳理，進而建立科學的金融模型，協(xié)助做出*的投資決策，旨在幫助金融從業(yè)人員增強行業(yè)競爭力。

Python

02 數(shù)據(jù)獲?。篢ushare & BaoStock

關(guān)于數(shù)據(jù)獲取，如果能有Wind那就再好不過啦，但是Wind很貴，如果沒有條件的同學可以使用免費的數(shù)據(jù)源，比如Tushare和BaoStock。

Tushare是一個比較老牌的數(shù)據(jù)接口，包含滬深股票、指數(shù)、公募基金、期貨、期權(quán)、債券、外匯等多的金融數(shù)據(jù)，現(xiàn)在老版Tushare已經(jīng)不在維護，轉(zhuǎn)移到新版TusharePro了，使用方法依舊*簡單，缺點是部分數(shù)據(jù)需要一定積分才可以獲取。

而BaoStock是2018年的新數(shù)據(jù)接口，口碑也不錯，缺點是只針對股票市場，期貨等市場還沒有涉及。不過對于入門選手來說，這兩個接口都是綽綽有余啦。個人用的比較多的是TusharePro，導入數(shù)據(jù)直接是DataFrame格式，方便。

03.量化平臺

量化平臺可以看成是一個已經(jīng)搭建好的框架。用戶只需添加一些自己的買賣條件，即可進行策略回測，免去了自己從無到有搭建基礎(chǔ)框架的過程。

目前國內(nèi)比較主流的量化平臺有優(yōu)礦、聚寬、米匡等。不過對于策略回測來講，僅使用Python就完全可以實現(xiàn)了，使用第三方平臺的缺點就是你得先琢磨好一陣子如何使用這個平臺，而且重要的是很難摸清平臺所有細節(jié)，難以把控。

04 其他工具

以上是做量化的一些基礎(chǔ)工具。另外根據(jù)策略類型的不同，也會用到一些其他Python第三方庫。

數(shù)據(jù)庫推薦：SQLite

如果所做的策略需要存儲很多數(shù)據(jù)，那么就需要一個數(shù)據(jù)庫配合使用。Python自帶sqlite3庫，可以在python中方便的操作SQLite數(shù)據(jù)庫。

機器學習：Scikit-learn(sklearn)

Scikit-learn(sklearn)是機器學習中常用的第三方模塊，對常用的機器學習方法進行了封裝，包括回歸(Regression)、分類(Classfication)、降維(Dimensionality Reduction)、聚類(Clustering)等方法。網(wǎng)上搜學習資源、學習筆記的話也有*多。

技術(shù)分析：TA-Lib

TA-Lib，全稱“Technical Analysis Library”, 即技術(shù)分析庫，涵蓋了150多種股票、期貨交易軟件中常用的技術(shù)分析指標，如MACD、RSI、KDJ、動量指標、布林帶等等。

爬蟲推薦：Beautifulsoup

BeautifulSoup4是爬蟲必學的技能。BeautifulSoup*主要的功能是從網(wǎng)頁抓取數(shù)據(jù)。