量化投资视频教程

如果你已经会写 Python，却在看到「因子」「回测」「IC 值」这些词时心里发虚，这门课就是补这块的。它不教你怎么一夜之间跑赢大盘，它解决的是更前面的问题：把一套交易想法翻译成能跑、能验证、能看出哪里错了的代码。

先说清楚它不覆盖什么

这门课的重心在股票量化，方法是把策略拆成「选股—调仓—回测」这条链路，用 Python 一步步实现。它不会把你训练成衍生品定价专家，也不涉及高频撮合、低延迟撮合这类工程话题。如果你的目标是搞清楚 CTA、期权做市或者机器学习因子挖掘的前沿做法，这里的深度不够，别指望一门课全包。它的定位更接近：让你第一次完整地跑通一个从数据到信号的流程，并且知道每个环节容易在哪里出错。

学之前该有的底子

• Python 基础语法能写函数和类，pandas 至少会读写 CSV、做列运算和分组聚合。如果 pandas 只会 read_csv，先补一下再进来，否则回测部分会卡住。
• 知道什么是收益率、波动率、夏普比率，不需要推导，但要能看懂一条净值曲线在说什么。
• 对股票市场的基本规则有概念：复权、停牌、涨跌停、T+1。这些细节直接决定回测结果真不真实。

缺哪一块就补哪一块。数学不是门槛，真正的门槛是耐心——处理脏数据、核对一天的对账、发现回测收益高得离谱然后去找哪里偷看了未来。

课程里会反复出现的几个硬骨头

第一块是数据。复权处理错了，均线策略的回测结果能差出好几个百分点；停牌和涨跌停不剔除，你以为能成交的价格其实根本买不到。第二块是因子。课程会讲到怎么把原始行情加工成可排序的指标，以及怎么用分组收益、IC 值这类方法判断一个因子到底有没有信息量，而不是只看它某段区间涨得好。第三块是回测框架的写法：信号生成、仓位分配、手续费与滑点、逐日结算。这几步任何一处写反，结论就废了。第四块是选股策略的落地，从单因子到多因子打分，再到组合构建。课程里出现的聚类选股这类大作业，本质就是逼你把前面的零件拼成一台能转的机器。

练习该怎么用

配套的课后作业和分课资料是这门课真正值钱的部分，别只看视频。建议的顺序是：先不看答案，用当课讲的方法自己实现一遍；跑出来的净值曲线和参考结果对不上时，不要急着改参数调收益，先去查数据对齐、时间戳、复权方式这些地方。对不上的原因，八成不是策略问题，是工程问题。把每一次对不上的原因记下来，这份记录比课程笔记有用得多。

看完应该能回答的问题

• 给你一段行情数据，你能不能判断它是否已经复权、是否可以直接用于回测？
• 一个因子在历史上分组收益单调，是不是就能拿去做实盘？还需要看什么？
• 你的回测年化收益高得离谱，你会按什么顺序排查未来函数、幸存者偏差、成交假设？
• 从信号到下单，中间还差哪些模块，各自最容易出什么错？

如果这几个问题你答不上来，就按课的顺序走一遍；如果只是其中一两个含糊，挑对应的章节补，不用从头看。量化这件事，会写代码只是入场券，能对自己跑出来的数字保持怀疑，才算入门。