🌱 量化交易者成长路径

第1阶段：Python基础 + 金融入门（2-3个月）

学习目标

掌握Python编程基础，能够使用pandas进行数据清洗和分析，理解基本的金融市场概念和交易术语。

技能清单

Python语法NumPy数组Pandas DataFrameMatplotlib绘图股票基础K线图解读技术指标入门

推荐资源

书籍：《利用Python进行数据分析》(Wes McKinney)、《Python金融大数据分析》(Yves Hilpisch)

在线课程：DataCamp Python量化分析、Udemy Python for Finance

工具：Jupyter Notebook、VS Code、Anaconda

实战项目

从AKShare获取A股行情数据，使用pandas计算日均线和成交量，用matplotlib绘制K线图和成交量柱状图，标注关键价格信息。

👉 推荐阅读：量化技术入门教程 · 工具推荐：AKShare

第2阶段：数据处理 + 策略开发（3-4个月）

学习目标

能够利用金融数据计算技术分析指标，开发简单的量化交易策略，并能用Python生成交易信号。

技能清单

数据清洗时间序列处理技术指标(MA/MACD/RSI)信号生成向量化回测性能评估

推荐资源

书籍：《量化交易：如何建立自己的算法交易事业》(Ernest Chan)、《Python量化交易实战》(王晓华)

策略参考：双均线交叉策略、布林带均值回归策略、MACD金叉死叉策略

实战项目

开发双均线趋势跟踪策略：使用Tushare获取沪深300历史数据，计算20日和60日均线，实现向量化回测并计算夏普比率和最大回撤。

👉 推荐阅读：策略模型详解 · 了解各交易品种特性

第3阶段：回测系统 + 绩效分析（2-3个月）

学习目标

掌握Backtrader等专业回测框架的使用方法，能够进行多参数优化和绩效归因分析，理解过拟合问题并学会避免。

技能清单

Backtrader框架事件驱动回测滑点/佣金模拟参数优化交叉验证绩效报告

推荐资源

书籍：《Backtrader量化交易实战》(王小川)、《交易策略评估与优化》(Robert Pardo)

工具：Backtrader、PyBroker、QuantStats库

实战项目

在Backtrader中实现完整的双均线策略回测：包含佣金设置、滑点模拟、多周期数据加载，输出回测报告（含夏普比率、最大回撤、盈亏比等指标），并进行参数敏感性分析。

👉 推荐阅读：Backtrader使用教程 · 回测中的常见陷阱

第4阶段：实盘交易 + 风控体系（3-6个月）

学习目标

能够将回测验证的策略部署到实盘环境，建立完善的风控体系，实现从模拟交易到小资金实盘的平稳过渡。

技能清单

券商API(IB/富途)仓位管理(凯利公式)止损策略风控引擎日志监控VPS部署

推荐资源

书籍：《海龟交易法则》(Curtis Faith)、《交易风险管理》(Larry Harris)

工具：IB盈透API(ib_insync)、富途API、腾讯云轻量服务器

实战项目

部署一个完整的实盘交易系统：阿里云VPS上运行Backtrader实盘策略，通过IB盈透API执行交易，配置钉钉机器人实时推送交易信号和风控告警，每日自动生成交易日志和绩效统计。

👉 推荐阅读：VPS部署量化策略 · 完善风控体系 · 各品种实盘注意事项

第5阶段：机器学习 + 高频交易（6-12个月）

学习目标

掌握机器学习在量化交易中的应用，了解高频交易的原理与实现路径，具备独立研究新型策略的能力。

技能清单

Scikit-learnXGBoost/LightGBMLSTM/Transformer因子挖掘Alpha策略订单流分析

推荐资源

书籍：《机器学习在量化投资中的应用》(Stefan Jansen)、《Advances in Financial Machine Learning》(Marcos López de Prado)

课程：Coursera Machine Learning for Trading、QuantInsti EPAT

实战项目

使用LSTM模型预测股票未来5日收益方向，构建多因子选股模型（包含动量因子、价值因子、质量因子），在A股市场进行月度调仓回测，与基准指数进行对比分析。

👉 推荐阅读：机器学习策略案例 · 返回首页查看更多内容