量化阶段：

• 基础工具使用
• 对经典指标和基础交易策略实现
• 设计交易系统，开发选股，择时，风险控制等策略模块
• 实现GUI化处理，对接数据API，实现自动化处理

量化对象：

股票【这里就不能做空，但是未来很有可能会做空，应该需要留意】，从基础知识，基础工具到实战【模拟盘-实盘】。

2. 学习内容：

1、深入理解量化交易的本质、发展、优势、意义和过程。

2、掌握基础工具的使用方法，如 Python、Pandas、NumPy、Matplotlib、TA-Lib、Tushare、Statsmodels 和应用数学等。

对于笔者而言，最主要还是利用数学工具，机器学习开发策略，最重要的实现手段是通过观察或者数据挖掘来分析【异常点】，发现数据分布的不正常，从而发掘市场变化。未来，建模是非常重要的工作之一。

3、掌握常用的金融交易技术指标实现方法，如 K 线、均线、成交量、KDJ 等。通过学习，我们能够绘制出股票行情软件中的分析界面以捕捉个股动向，效果展示如下图所示：

笔者是采用了backtrader，双均线策略，sh600000股票进行分析

4、掌握常用的量化交易策略的实现方法，如择时、选股、风险控制、度量等。通过学习，我们可以制定量化交易策略以及度量策略效果，应用交易策略来辅助股票交易，效果展示如下图所示：

这里笔者插一句：未来很有可能是选股的天下，择时等技术面式微的可能性很大，笔者测试过1991-2019年的3000多个股数据，突破20日均线的效果一般，后来在比对sh600000的双均线交易策略中才发现，【行情好的时候，均线策略就好，行情不好的时候，均线策略就差】的本质情况，也就是说日线本身不好，那么均线策略也就差。大家更应该挑选好的公司来进行交易。择时存在的巨大不确定性要远超于选股，在逻辑性上严重依附于日线的表现。

这个backtrader已经实现了

5、掌握量化交易系统人机交互的实现方法，以制作自己的量化交易工具为背景将本专栏知识点贯穿汇总，呈现整体的交易工具雏形，效果展示如下图所示：

这是笔者下一步的重要计划，项目实现的主要尝试领域。当前笔者以两位大佬的作品将backtrader进行全方位的学习和操作，然后加上自己的理解和思考。

然后搞几个小小小的项目的学习掌握好业务设计和程序设计等事情，笔者在接触到GUI就发现自己缺乏【开发】能力，不能将零散的东西汇聚在一起，只能通过对于项目的学习和开发进行处理。

3. 适合人群：

就是本人，金融专业，有想发财的想法，跟上现代化社会的步伐。

4. 学习目的：

实现自动化交易，学好数学，以客观理性的角度看待世界

5. 大纲介绍：

学习路径，框架设计：

知识体系和框架

重点课程：

1. 管理概率==理性交易（对应第 2 节）
2. 线性回归拟合股价沉浮（对应第 22 节）
3. 最大回撤评价策略风险（对应第 18 节）
4. 寻找最优化策略参数（对应第 19 节）
5. 标记 A 股市场涨跌周期（对应第 15 节）
6. Tushare Pro 接口介绍（对应第 15 节）【改为baostock或者爬虫】