从“代码小白”到能跑通策略：这门课填补了什么能力缺口
很多人想接触量化投资，却卡在两个地方：一是完全不懂 Python，连变量和列表都分不清；二是虽然会写几行代码，但面对股票价格数据时，不知道该怎么清洗、怎么计算均线、怎么写回测逻辑。这门课正是为了解决这个断层而设计的。它假设你没有任何编程和量化基础，因此没有一上来就讲复杂的金融模型，而是先花大量篇幅夯实 Python 基础语法、列表循环、函数以及面向对象思想。这意味着你在学策略之前，先补上了作为开发者的基本工具短板。随后课程引入 Numpy 和 Pandas，这两个库是处理金融时序数据的利器，缺了它们，后续的指标计算和回测开发都无法落地。
学习路径建议：先抓语言，再攻数据分析
由于课程内容跨度较大，建议的学习顺序不要跳跃。前八个章节依次覆盖了 Python 的核心语法（课时 2-8），这是地基，务必跟着视频敲代码，确保理解列表推导式、函数定义类和对象的基本用法。如果这部分底子打不牢，后面学 Pandas 时会非常吃力。从第九章 Numpy 开始，进入数据处理阶段。建议你重点熟悉 Pandas 的 DataFrame 操作，因为它是后续所有策略编写的数据载体。资料包中通常包含配套的练习题或脚本，建议每学完一个章节，立刻在本地环境复现代码，而不是只看不练。量化投资最忌讳“眼高手低”，只有亲手把数据读进来、算出结果，才能建立真实的体感。
学完能独立做什么：从看盘到编写策略
完成本课程后，你应该能够独立使用 Python 获取证券标的的价格信息，并对这些数据进行清洗和处理。更重要的是，你将掌握如何基于历史数据编写简单的量化交易策略，例如双均线策略或动量策略。你可以自己搭建一个本地回测环境，输入历史数据，验证策略在过去一段时间的表现，计算收益率、最大回撤等关键指标。这并不意味着你就能立即实盘盈利，但你将具备从数据获取、处理到策略实现的完整闭环能力，为后续深入研习更复杂的高频或因子模型打下坚实基础。如果你是想转行做量化开发，或者想在投资中引入系统化思维，这门课是一个极低门槛的入口。
课程目录
〖课程介绍〗: 适用人群 量化交易入门者。 7 w) o+ u7 m3 b8 ~ 课程概述 - A$ ^6 c: h6 ^3 \, e0 t 没有Python基础，没有量化概念，都不是问题，本课程是专门为编程零基础、量化交易零基础者而打造。利用当下最火热的编程语言Python，对证券标的的价格信息进行分析处理，一步一步完成策略的编写！ ! }) \3 M0 M; D% ~" q; `/ } : |/ R1 b' q' F2 w9 ^( v 〖课程目录〗: / S4 |$ b9 R7 W 章节1:量化投资概念 课时1量化投资概念16:37 章节2 ython 基础语法 " d4 o( O' h! g; ?% Q. B: b, y 课时2Python 基础语法12:48 . J9 M/ X* `* O4 y9 C5 T& j: r 章节3:列表与循环 ( @% ~/ b% y2 |- G; D 课时3列表与循环(1)10:57 7 F0 p' G3 D# J4 Q 课时4列表与循环(2)13:04 章节4:流程控制与推导式 课时5流程控制与推导式16:02 * H' n1 s9 e( B1 G 章节5:函数 # r; z9 V8 G* C* s+ j 课时6函数13:46 章节6:面向对象 课时7面向对象(1)11:55 ( w: Z; R, W$ H7 O' G! k 课时8面向对象(2)12:06 h- D" x1 r7 T# M8 h 章节7:Numpy ! B% M7 ^+ {9 L8 l8 O' V 课时9Numpy11:55 ( i' g# I" k. f$ x- o; w6 j 章节8 andas ' p4 U, C, q$ j" [5 Q9 i, J8 w6 S 课时10Pandas(1)11:00 课时11Pandas(2)11:33 5 K: p/ }$ z) g/ ~, P 课时12Pandas(3)11:38 章节9:双均线策略编写 ?. b9 A2 _9 F 课时13均线计算(1)15:11 $ X, c9 p; q( I% ?/ V8 ]7 F 课时14均线计算(2)09:57 课时15金叉与死叉计算(1)15:30 课时16金叉与死叉计算(2)08:50 课时17买入与卖出12:31 2 J: k$ S9 ? X7 N' j8 N0 [ 课时18持仓与资金计算14:59 课时19收益计算与可视化15:10 章节10:结束语 6 G4 L1 U6 k. F 课时20结束语04:31
〖课程介绍〗: 适用人群 量化交易入门者。7 w) o+ u7 m3 b8 ~ 课程概述- A$ ^6 c: h6 ^3 \, e0 t 没有Python基础
