小白快速入门量化交易的自学路径

今年已然过去一半了，年初立的flag都实现了吗？

据我多年来的观察，很多小白萌新开始学习量化，特别是年初的时候立下“宏图大志”，但有相当一部分最终没能"上岸"，从入门到放弃，从然后到没有然后，并不是因为他们不够聪明或不够努力，原因有很多，我觉得大部分只是方向或方法没对。

特别是对于没有编程基础的萌新，为了入门量化，先买了一本厚厚的Python编程书，看着看着就昏昏欲睡，这个很正常，这的确很无趣，因为这只是为了学习而学习，记住了很多知识，却感觉无法落地。

就跟很多国人从小学到大学学了十几年的英语一样，记住语法单词只是为了考试，觉得很无趣，要是说你附近有一群漂亮的外国妹子，你要用英语去勾搭她们，一个个是不是就来劲了。

一开始，你只能一个一个单词往外蹦，什么"hello"啊，什么"welcome"啊，什么"beautiful"啊，可能一个主谓宾的整句都说不了，加上肢体语言，不妨碍你们的大体沟通。

跟她们混久了，听着相互之间的沟通，慢慢就会短句了，再过久一些，不仅长句复合句会了，连口语发音味道儿都正了。

你瞧瞧，同样是学英语，为什么一个是无趣至极，一个是相当来劲呢，他们之间的差别主要在哪里？

我个人觉得主要是两点：一是目的动机，二是即时反馈。

高效率做事讲究"以终为始"，要紧扣目标，不要走弯路跑偏了，以考试为目的，not cool，因为大部分人感觉自己都是被动应付考试，勾搭妹子，very cool，因为你觉得自己在做一件自己认可且有趣的事情。

你以提高考试分数作为学习目标，但是努力学习到分数明显提高之间有非常大的时间间隔，也就是你要在这段长时间里面忍受无趣，而跟外国友人学英语，学了马上就能用，别人提了一个新词儿"pretty"，你转头就能对妹子说"you look so pretty today"，换来莞尔一笑，也就是这种即时反馈，将无趣碎片化了，从忍受变为享受。

用高大上的话来说就是"正向飞轮"，在这个学习的过程中，你学了一个知识点，然后学以致用完成了一件小事儿，完成这个行为给你带来了满足感和正反馈，激励你乐乐呵呵学新的知识点，如此反复循环，像滚雪球一样，滚着滚着你就不知不觉入门了。

那学量化交易也是如此，首先要想清楚自己为什么要学量化。

是看到媒体宣传量化对冲基金赚钱，自己也想从事该行业？

看到身边有人学习量化交易，自己也想学习一下？

自己有投资想法，想形成交易系统，并用量化分析方法验证其准确性？

自己已经有稳定的盈利系统，想解放双手和坚持纪律性，用程序化自动交易？

学量化的动机和目的是什么都可以，关键是看自己的渴望掌握这项技能的程度，为自己的学习赋予自己认可的意义。

比如说，你学量化纯粹是为了赚钱，入门量化需要学100个知识点，你预计将来可以提高交易胜率，多赚或少亏10w，这样一个知识点就相当于多赚或少亏1000块钱，这样一换算，是不是学习动力就足一点了。

学习量化，为了交易赚钱可以，为了谈资装X也可以，为了勾搭宽客也可以，只要自己足够认可足够渴求就可以了，这样咱就能保持着未来燎原的星星之火。

接下来，最重要的就是打造出能有即时正反馈的学习路径，形成正向飞轮，入门量化就跟滚雪球似的。

上面都是虚头巴脑的大道理，都是自己浅薄的想法，以下正式唠唠具体的学习路径：

交易想法 -> 量化基础 -> 量化平台 -> 量化策略

这是抽象的概括，下文会把每个步骤详细讲讲，这里需要确定快速入门的学习原则：适度学习，够用就行。

最新版《新华字典》中，收录了13000多个汉字，而日常生活中只需要用到其中3000多个，也就是说，不用啃完编程书籍等大部头才可以开始，按常用按需学习就行。

一、交易想法

很多人做量化，都是因为自己有初始的交易想法，想验证正确性提高交易胜率，或想解放双手追求效率，全自动程序化盯盘交易，量化跟人工智能AI一样，都是手段，用来实现自己想要的目的，不是为了量化或AI本身而学习。

有初始的投资想法，在开始学习的时候有一个好处，就是可以在学习量化时有的放矢，听到相关的知识点的时候，脑子就会在想，我想要的功能可不可以这样实现。比如，你想实现均线交易策略，那么你在学习pandas模块时，听到rolling和mean函数，就会有“确认过眼神，找到对的人”的赶脚。

如果在交易想法这边还是没有感觉，可以多看一些交易书籍和研报论文，这里我可以给大伙儿推荐一些，相信以下这3个交易策略合集类资料能给量化萌新一些交易思路方面的启发，粗粗算下来，这3份资料里面的策略/指标思路合计下来不少于1000个。

首先映入眼帘的是前NASA登月科学家、现量化先驱佩里•考夫曼的量化神作《交易系统与方法》，说起这老爷子，国人可能觉得很陌生，但在量化圈子里，或多或少都听说过“考夫曼均线”，学名为“自适应移动均线”（Adaptive Moving Average，简称AMA），这就是他的杰作之一。

《261个策略/指标，萌新Quant在这本量化神作中学到的》

在此书当中，披露了老爷子数百个交易策略和技术指标，而且全部都有对应的源代码，虽然用的是国外的TradeStation平台，但其编程方式非常口语化的，只要能认识简单的英文，不敢保证你能顺滑地编写策略，但是看懂策略的交易思想是铁定没问题的。

第二本也是一位量化大牛的神作，其中涵盖了股票、期货、期权、外汇、加密货币、ETF等投资领域的151个交易策略，那就是Zura Kakushadze的《151 Trading Strategies》，作者另外一本名著就是《101 Formulaic Alphas》（坊间俗称“Alpha101”）。

最初是2018年8月发表在SSRN上的同名论文，后来在同年年底整理成书，目前全网传播较多的是361页的论文版本，但个人感觉阅读效果较好的是480页的电子书版本，不仅标签完善，而且参考文献跳转非常顺滑。

《推荐一本量化宝藏书籍，内含151个量化交易策略》

书中内容的组织形式是，每一个小节对应一个量化策略，开头会三言两语引入策略，然后概括出核心规则/公式，最后给出策略的构建方法，其间会穿插很多参考文献，告诉你策略idea的来源和为什么这样设置，所以很多人说这本书只是一个目录，那2000个参考文献才是本体。

第三个就更厉害了，它是一个被称为量化神集的github项目，在这里面，策略数目直接就是696个，关键是通通都有高清源码，除此之外，还有量化书籍、量化库、视频课程、博客等。

这个github项目的贡献者/维护者是Edouard d'Archimbaud、James Munro和GrimyFishTank，所有的量化资源都被分门别类、整整齐齐码放在那里，静静地等待有缘人驻足观看，可惜的是，以前是统统免费，现在部分内容要付费订阅了，如果你依然感兴趣的话，可以去瞅瞅。

《分享一个量化交易神集：696个策略，55本书，97个库...》

二、量化基础

这里面主要包含两大部分，一个是量化通识，另一个是编程基础。

关于量化通识，看量化故事类的书籍都可以有所了解，以前我也列过一个书单，有时间的话可以挑自己感兴趣的慢慢看。