如何入门量化投资？

首先，你对一个金融衍生品，非常的熟悉，有你的交易计划，包括，进场逻辑、出场逻辑、风险规则、在相对时间里可以赚钱。相对稳定的收益。把你的模式，逻辑让写程序的，开发出来。当然你蠢宴要自己写程序也行。

几个月前刚刚做量化交易的尝试，运用了10多年自认为有效的技术指标来做统计分析，得出的结论就是完全靠技术指标来指导交易就是扯蛋，在大量样本面前，一切都是假象。由此也彻底放弃了技术指标的研究，真的没有太大用处。

当然也有可能是自己的见识浅薄，也许真的有人单纯靠技术指标而实现稳定盈利的。但这种是否具有持续性，或者说一旦对市场产生了影响指标可能就失效了，这个不好说。现在的想法还是要做基本面方面的研究，把精力放在公司发展，跟随公司共同成长，这笑档戚才是王道。

说到入门，我是野路子，程序员出身碰陵。自己写脚本采集数据到数据库，然后基于数据用C#做计算和统计分析，技术到不是太大的问题，主要还是到底以什么方式来实现盈利。如果仅通过技术指标可行，那么程序就变得重要，因为都是可以经过量化计算的；如果需要靠人脑分析未来公司业务发展规模，这种是很难用程序量化的，不同行业不同公司太复杂了，很难实现量化。

所以我个人认为学习量化交易，应当从基础理论的学习，仓位管理，止盈止损的控制，策略的周期，校验策略，小额实盘交易，小中额度实盘交易，最后大额实盘交易。最最重要的是，要有很好的情绪管理，超强抗压能力，敏锐的洞察力是交易成功并盈利的重要法则！

python量化交易半个月可以学会的。

如果已经有了Python基础，半个月可以入门的，如果没有Python基础，就先学Python，学一两个月有了基础后，再结合量化或乱缓交易的模型，边学Python语言，边学以Python实现量化模型，上手也会很快的。

大家可能觉得搞量化的人就是整天和大量数据打交道，用一行行代码写出复杂的模型，然后没完没了地Run，在回测和优化中挣扎，沉浸在数学和统计海洋里的一群人。

实际上，这只是表面现象。虽然每个搞量化的人必须会写代衫模码，也必须陪扮具备扎实的数学功底，在开发策略的过程中，的确需要分析大量数据，不断做回测和优化，但是，这一切的背后是强大的金融思维和对金融市场的深刻理解在支撑的。

换句话说，如果你没有经济、金融的完整知识体系和工作经验，或者没有正确的、科学的思维方式，无论数学多么地好，也很可能在做无用功；即便编程多么在行，也只能沦为码农一枚（没有歧视程序员的意思哦）。

反过来说，如果你具备科学的思维和逻辑，并发现了经济、金融的某些规律，想做Quant就不难了。接下来，你只需花点时间学习编程工具，好好利用数据和代码为你实现自己的想法。

1. 代码数量

可以统计代码行数，或者字符数量。

2. 代码质量

显然，代码长不等于工作量很大。不光要考虑代码的数量，还要考虑代码的质量。那么什么样的代码是高质量的呢？什么样的代码是“好”的呢？

“好代码”的评判标准可能非常主观。主流的价值观中大概有以下标准：可读性好（注释不多不少，版面整洁，符合公司规则，变量名有意义等）bug 少（正确处理各种异常和错误）。优雅（设计优雅，实现优雅）

扩展资料：

程序员的日常工作

1.确认通过审查方案的目标，输入数据，分析师，监事，和客户的输出要求的项目要求。

2.安排项目要求在编程序列分析要求准备工作流程图和使用计算机知识的能力，题材，编程语言和逻辑图。

3.编码工作流程的信息转换成计算机语禅罩言的项目要求。

4.通过输入编码信息的计算机程序。

5.确认程序 *** 作进行测试，修改程序序列和/或代码。

6.准备写 *** 作指令供用户参考。

7.保持历史记录，通过记录方案的制定和修订。

8.维护客户的信息和保护保密的业务。

技能/资格：一般的编程技巧，分析信息，解决问题，软件算法设计，软件性能优化，注重细节，软件设计，软件调试，软件贺陪闹开发基础，软件文档，软件测试。程序员其实分为很多种，大家开发的语言可能不尽相同，但是都是乱旅有他们的共同点。

参考资料来源：百度百科-程序员

---