量化入门
由small_q创建，最终由small_q 被浏览 65 用户
平台介绍与量化入门
3.1 新旧两版数据平台对比
| 新版数据平台 | 旧版数据平台 |
|---|---|
| 使用SQL读取数据\n数据读取速度快 | 使用DataSource读取数据\n数据读取速度慢 |
| 查询表与字段在首页→数据平台\n这当中的表名与字段名千万别放在DataSource里读取 | 查询表与字段在首页→知识库旁边的小三角→数据\n这当中的表名与字段名千万别放在SQL里读取 |
| https://bigquant.com/data/home | https://bigquant.com/wiki/doc/5pww5o2u-Na4yW9fNFN |
\
3.2 新旧两版因子表达式引擎对比
新版的各种数据计算，包括因子表达式，都可以在SQL中一次性完成，而旧版则需要多个模块来完成
以下是同一数据处理流程，在新旧两版上的实现，可以看出，新版不仅流程简洁，而且速度更快
\
3.3 量化入门需要的编程技能准备
3.3.1 量化入门需要的编程知识
3.3.1.1 Python
Python面向过程编程（系统全面掌握，因为涉及Python语言的基本逻辑）
- Python语言基本元素：语法逻辑、变量、赋值、保留字、内建函数
- 基本数据类型：数字及运算、真假无与逻辑判断、字符串及其操作
- 分支语句与循环语句：if语句、for循环、while循环
- 自定义函数：函数封装和调用、全局变量与局部变量
- 组合数据类型：列表、元组、集合、字典、及各自对应的索引、函数、方法
- 程序异常处理：try-except
- 文件的读写：普通文件读写方式、with语句文件读写方式
Python面向对象编程（了解即可）
- 类与对象
- 构造属性与方法
- 面向对象编程的三大核心思想：封装、继承、多态
Python数据处理与分析（了解常用方法即可，进阶方法可以现用现查）
- Numpy包与Pandas包基本操作
- 数据获取与网络爬虫
- 数据清洗与整理
- 数据分析基本思路与可视化
3.3.1.2 SQL
SQL语言基本逻辑
- 基础查询（深）
- 条件查询（深）
- 排序查询（深）
- 常见函数（浅）
- 分组查询（深）
- 连接查询（深）
- 子查询（浅）
- 分页查询（浅）
- 联合查询（浅）
3.3.2 学习Python与SQL编程语言的方法
学习途径可以参考我们平台提供的资源
- 宽客学院中有系统的编程课程
- 知识库中有很多编程应用的专题讨论
一定要多加练习，多运用到量化的实际当中，并且要持续学习，代码只有多写才能学会