跨入金融科技门槛：你缺的不是代码，是交易逻辑

很多转行做量化的同学，往往卡在两个极端：要么懂 Python 但不懂市场，写出的回测代码跑出来的夏普比率全是幻觉；要么懂一点金融理论，却没法把策略逻辑落地为可执行的信号系统。这门课程的核心价值，正是在于填补“编程能力”与“交易实战”之间的巨大鸿沟。它并非单纯教你调用某个现成的量化框架，而是从最底层的金融常识和数学基础讲起，重新梳理股票量化交易所需的知识体系。对于有一定编程基础，但对金融市场缺乏系统认知的初学者来说，这是一次难得的“补漏”机会。课程强调去繁就简，旨在让你快速建立对量化交易全貌的认知，避免因概念模糊导致后续学习中的逻辑混乱。

知识拆解：从理论推导到策略工程化

要成为一名合格的量化开发工程师，你需要掌握三块核心拼图，而这正是本课程的递进脉络。首先是金融与数学基础，包括证券交易规则、涨跌幅限制、撮合机制等实战常识，以及复利计算、概率统计等支撑策略模型的数学工具。其次是编程技巧的结合，重点在于如何利用 Python 处理金融时间序列数据，清洗脏数据，并构建高效的数据管道。最后是策略开发实战，这是最考验工程能力的环节。你需要学习如何将模糊的交易想法转化为严谨的买入卖出信号，如何处理滑点和手续费对收益的侵蚀，以及如何构建稳健的回测系统来验证策略的有效性。每一部分都有配套的练习，切忌只看视频不动手，回测结果的细微偏差往往隐藏着代码逻辑的陷阱。

学完能做什么：独立构建并验证交易系统

完成这套学习路径后，你应当能够独立回答以下问题：如何从源头获取并清洗股票历史行情数据？如何设计一个包含入场、出场、仓位管理的完整策略逻辑？如何编写代码模拟真实交易环境下的资金曲线，并计算年化收益、最大回撤等关键指标？更重要的是，你应当具备区分“过拟合”与“真实Alpha”的能力，不再盲目崇拜回测图表上的完美曲线。课程资料中的代码案例和练习题，建议配合本地 Python 环境（如 Jupyter Notebook）进行反复调试。不要只追求跑通官方示例，试着修改参数、更换标的、甚至加入自己的逻辑，只有在不断破坏和重建代码的过程中，你才能内化那些关于风控和策略优化的底层思维，真正达到入门金融科技行业的水平。

课程介绍

Python 量化交易工程师养成实战-金融高薪领域视频课程，。课程将去繁从简-系统化学习量化交易知识，详细讲解股票量化交易涉及的金融知识、数学应用以及编程技巧，从基础金融知识到交易策略开发实现，体系、高效、实用。学完本课程，可基本掌握量化交易所涉及的金融知识、数学知识以及计算机编程知识，达到量化交易开发工程师水平，迈进金融科技、证券行业。

课程目录

├── 第1章课程介绍与学习指南/
│ └── [ 36M] 1-1量化交易开发课程导学.mp4
├── 第2章初识量化交易-必知的量化交易基础/
│ ├── [ 44M] 2-1初识量化交易(上).mp4
│ ├── [ 30M] 2-2初识量化交易(下).mp4
│ ├── [ 38M] 2-3量化交易开发流程.mp4
│ ├── [ 80M] 2-4量化交易分类–交易产品.mp4
│ ├── [ 32M] 2-5量化交易分类–盈利模式.mp4
│ └── [ 40M] 2-6量化交易分类–策略信号.mp4
├── 第3章进军量化交易开发第一课-基本的股票交易维度和概念/
│ ├── [ 55M] 3-1股票基本概念（上）.mp4
│ ├── [4.9M] 3-2股票基本概念（下）.mp4
│ ├── [ 46M] 3-3股票行业分类.mp4
│ ├── [ 95M] 3-4影响股价因素.mp4
│ ├── [ 40M] 3-5股票交易基础知识.mp4
│ ├── [ 30M] 3-6基本选股及量化思想下的选股.mp4
│ ├── [ 75M] 3-7股票交易必懂-择时.mp4
│ └── [ 93M] 3-8量化交易平台.mp4
├── 第4章量化交易开发Numpy应用-股价分析实战/
│ ├── [147M] 4-1基于Numpy股价统计分析实战.mp4
│ └── [ 68M] 4-2基于Numpy股价均线实战.mp4
├── 第5章量化交易开发Pandas应用-股票分析实战/
│ ├── [133M] 5-1基于Pandas股票时间序列分析实战.mp4
│ └── [125M] 5-2基于Pandas实现K线图.mp4
├── 第6章量化交易开发Matplotlib应用-股票技术分析实战/
│ ├── [126M] 6-1基于Matplotlib实现MACD.mp4
│ └── [103M] 6-2基于Matplotlib实现KDJ.mp4
├── 第7章量化策略编写-Python量化交易编程第一步/
│ ├── [ 71M] 7-1股票量化交易策略核心函数组成.mp4
│ ├── [113M] 7-2设置函数应用实战.mp4
│ ├── [ 76M] 7-3定时函数应用实战.mp4
│ ├── [111M] 7-4交易函数应用实战.mp4
│ ├── [100M] 7-5量化交易策略实战–交易对象.mp4
│ ├── [ 85M] 7-6量化交易策略实战–策略信息.mp4
│ └── [ 85M] 7-7量化交易策略实战–账户信息.mp4
├── 第8章量化交易的前提-Python量化交易数据获取/
│ ├── [ 93M] 8-1 量化交易数据获取–股票历史.mp4
│ ├── [ 56M] 8-2量化交易数据获取–财务数据.mp4
│ ├── [ 71M] 8-3量化交易数据获取–成分股.mp4
│ ├── [ 38M] 8-4量化交易数据获取–标的信息.mp4
│ └── [ 98M] 8-5量化交易数据获取–交易数据.mp4
└── 第9章股市投资第一步-Python基本面量化选股/
├── [184M] 9-1量化选股–量化选股概况.mp4
├── [ 78M] 9-2量化选股–营收因子选股.mp4
├── [ 50M] 9-3量化选股–财务因子选股.mp4
├── [ 45M] 9-4量化选股–规模类因子选股.mp4
├── [ 67M] 9-5量化选股–价值类因子.mp4
└── [ 34M] 9-6量化选股–质量类因子.mp4
├── 第10章 Python量化择时–技术指标函数/
│ ├── [ 98M] 10-1 量化择时基本概念
│ ├── [ 79M] 10-2 趋向指标上–MACD、EMV、UOS(一)
│ ├── [ 73M] 10-3 趋向指标上–MACD、EMV、UOS (二)
│ ├── [ 95M] 10-4 趋向指标中–GDX、JS
│ ├── [132M] 10-5 趋向指标下–MA、VMA
│ ├── [128M] 10-6 反趋向指标–RSI、WR与KDJ
│ ├── [184M] 10-7 压力支撑指标函数
│ └── [ 89M] 10-8 量价指标函数
├── 第11章 Python量化交易–策略回测实现/
│ ├── [ 73M] 11-1 量化交易策略回测流程
│ ├── [143M] 11-2 MACD指标量化策略
│ ├── [181M] 11-3 MACD指标量化策略回测实现
│ ├── [ 81M] 11-4 量化策略风险指标–Alpha、Beta与夏普
│ ├── [ 56M] 11-5 量化策略风险指标–索提诺比率、信息比率与策略波动率
│ └── [ 35M] 11-6 量化策略风险指标–基准波动率与最大回撤
├── 第12章 Python量化交易–因子分析/
│ ├── [ 57M] 12-1 量化因子分析–因子分析概述
│ ├── [ 89M] 12-2 量化因子分析–自定义因子实战
│ ├── [118M] 12-3 量化因子分析–因子分析结果
│ ├── [ 68M] 12-4 量化因子分析–alpha因子实战
│ └── [ 80M] 12-5 量化因子分析–基本面因子实战
└── 第13章Python量化交易策略实战案例/
├── [ 51M] 13-10量化交易策略实战–大小盘轮动策略（上）
├── [ 46M] 13-11量化交易策略实战–大小盘轮动策略（中）
├── [ 76M] 13-12量化交易策略实战–大小盘轮动策略（下）
├── [ 48M] 13-13量化交易策略实战–逆三因子量化交易策略-策略详解
├── [185M] 13-14量化交易策略实战–逆三因子量化交易策略-代码实战
├── [ 10M] 13-15量化交易策略实战–逆三因子量化交易策略-小结
├── [107M] 13-1量化交易策略实战案例–双均线策略
├── [111M] 13-2量化交易策略实战–KDJ策略
├── [ 71M] 13-3量化交易策略实战–MA-RSI策略（上）
├── [106M] 13-4量化交易策略实战–MA-RSI策略（下）
├── [101M] 13-5量化交易策略实战–能量型量化交易策略
├── [158M] 13-6量化交易策略实战–BOLL量化交易策略
├── [100M] 13-7量化交易策略实战–新能源股票轮动量化交易策略
├── [ 71M] 13-8量化交易策略实战–低估值量化交易策略（上）
└── [144M] 13-9量化交易策略实战–低估值量化交易策略（下）
└── 资料代码/