量化入门
【1. 基础金融知识】 金融市场概念：了解股票、债券、期货、期权等不同金融工具。 市场结构：熟悉交易所、经纪商、市场参与者等市场基础结构。 投资理论：学习基本的投资理论，如现代投资组合理论、资本资产定价模型（CAPM）等。 【2. 数学和统计学基础】 统计学：学习描述性统计、概率论、假设检验、回归分析等。 数学：了解线性代数、微积分、优化理论等对量化投资有帮助的数学知识。 【3. 编程技能】 编程语言：掌握至少一种编程语言，Python是一个很好的选择，因为它在金融领域广泛使用，并拥有丰富的库和社区支持。 数据处理：学会使用诸如Pandas、NumPy等数据分析工具。 算法开发：练习编写算法，从简单的技术指标计算到更复杂的策略。 【4. 量化策略开发】 量化策略基础：了解各种量化交易策略，如动量交易、对冲策略、算法交易等。 模型构建与测试：学习构建量化交易模型并进行历史数据回测。 【5. 风险管理】 风险理论：了解不同的风险类型，如市场风险、信用风险等。 风险控制：学习如何在量化模型中实现风险控制。 【6. 实战经验】 模拟交易：在模拟环境中测试你的策略，这是提升技能的重要步骤。 实际操作：小规模开始实际操作，理解真实市场与理论之间的差异。 【7. 持续学习和进步】 最新研究：关注量化投资领域的最新研究和发展。 社区参与：加入量化投资相关的论坛和社群，与其他投资者交流。 "量化入门"是金融领域的一个重要起点，特指理解和掌握量化金融的基础概念、工具和技术的过程。这些工具和技术基于数学模型和统计分析，目的是更准确、更有效地描述和解释金融市场行为。量化金融的核心在于利用大数据、高级算法和强大的计算能力去提取隐藏在海量信息中的价值，从而辅助决策制定，如投资策略的制定、风险管理、资产定价、交易执行等。对于初涉此领域的学习者，"量化入门"意味着需要掌握一定的数学、统计学和编程基础，同时理解金融市场的基本规则和运行机制，以便能够运用量化方法分析金融问题，进而在金融市场中获得竞争优势。
量化交易零基础入门教程
一个面向零编程基础的量化交易新手入门教程，力求让高中生知识水平的人都能学会量化交易最基本的知识，快速迈过第一道门槛，从而具备进一步自主深入学习的能力。
（tips：文末罗列所有量化核心工具）
特点
- 从零开始教编程。靠谱的量化交易学习资源稀少，且具有不讲编程、代码较难、过多等不适合新手等问题，本教程中则会从零开始教编程，解决量化入门过难过编程门槛这一问题。
- 量化与编程相结合。本教程不仅会教编程，而且会尽量结合量化情景，减少“我要做量化交易为什么要看这些用来培训程序员的东西”的愤懑。
- 简易精炼，快速入门。尽量只讲最核心最常用的知识，助你快速摆脱想学习量化却处
更新时间：2024-02-02 11:29
年化81%持仓10支策略源码分享
本贴最早于2022年1月份创建，因平台升级之前分享的源码不能正常运行，分享个新的源码共大家借鉴
基于BQ平台提供平台能力以及基础数据的封装，可实现小白1天内快速入门，附带的源码策略年化收益81%，基于此策略打开你的量化入门之路。
策略介绍： 平台策略主要分成二种，AI策略、自定义编码策略。\n AI策略：AI主要定义因子及过滤条件，由AI算法自动进行训练，根据训练出来的模型输出交易计划。优点：入门简单，利用AI能力自动形成选股算法；缺点：选股逻辑非完全自主控制，存在选出来的票，不清楚它的逻辑情况。
\n自定义编码策略：选股规则可根据自己的设想实现，便于验证自己的想法有
更新时间：2023-12-09 00:17
量化入门
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] |
更新时间：2023-12-04 08:29
零基础《AI挑战虚拟股票预测大赛》入门教程
更新时间：2023-11-26 16:58
量化入门及在实操中的应用
对于想学量化又不想自己花过多的时间看平台文档研究的朋友，本人从零到量化实操的角度录制了量化入门课程，以低价出售方式引领有需要的朋友量化入门，大家学会量化基础技能后，以后共同探讨进步。
==课程介绍：== 本课程是针对零基础者实现股票量分分析的开发过程讲解（有编程经验者学习更快，无编程经验者也可学习），采用可视化界面进行量化策略开发。从量化方式辅助实操角度，介绍量化分析在实操中的辅助应用。
==本课程重点解决的问题：== 1、炒股经验不足，如何快速积累经验：使用量化方式，用量化策略分析历史数据，将历史数据的经验，转化成自己的经验 2、选股逻辑有效性，如何快速验证：自己想的或从
更新时间：2023-10-09 06:38
【327%收益策略源码分享
基于BQ平台提供平台能力以及基础数据的封装，可实现小白1天内快速入门，本文绝对干货，附带的源码策略年化收益112%，2年累计收益327%，属稳妥型策略，可用于实际实操，基于此策略打开你的量化入门之路。
策略介绍： 平台策略主要分成二种，AI策略、自定义编码策略。 **AI策略：**主要定义因子及过滤条件，由AI算法自动进行训练，根据训练出来的模型输出交易计划。优点：入门简单，利用AI能力自动形成选股算法；缺点：AI算法对于我们来说是个黑盒子，调优困难。 **自定义编码策略：**选股规则可根据自己的设想实现，针对策略问题进行选股逻辑优化简单，1个策略
更新时间：2023-01-10 10:01
大数据人工智能研究之七：零基础python代码策略模型实战
重要观点
本文概述
本文主要介绍了python基础、爬虫、与数据库交互、调用机器学习、深度学习、NLP等。分别介绍了各个模块的安装，环境的搭建等。并且以机器学习选股为例，把各个模块连贯起来，核心代码基本都有详尽的解释。
大数据AI时代，python无往不胜的包装能力、可组合性、可嵌入性都很好，可以把各种复杂性包装在Python模块里,非常友好的供调用。Python资源丰富，深度学习如keras，机器学习如sk-learn，科学计算如numpy、，自然语言处理如jieba等。Python将极大提高工作效率无论是科学计算，还是图形界面显示；无论是机器学习还是深度学习；无论是操作e
更新时间：2022-07-29 05:23
基于BQ平台量化开发，1天轻松入门
基于BQ平台提供平台能力以及基础数据的封装，可实现小白1天内快速入门，本文绝对干货，附带的源码策略年化收益100%，2年累计收益279%，2年最大回撤15%，可用于实际实操，基于此策略打开你的量化入门之路。
策略介绍：
平台策略主要分成二种：AI策略、自定义编码策略。
**AI策略：**主要定义因子及过滤条件，由AI算法自动进行训练，根据训练出来的模型输出交易计划。优点：入门简单，利用AI能力自动形成选股算法；缺点：AI算法对于我们来说是个黑盒子，调优困难。
**自定义编码策略：**选股规则可根据自己的设想实现，针对策略问题进行选股逻辑优化简单，1个
更新时间：2022-03-26 07:55