Interactive Knowledge Site · 2026-06-07
Python量化交易：实战入门与技巧｜交互知识站
这不是一本“照着抄代码就能量化赚钱”的网页化 PDF，而是一套重新组织过的量化学习路线：先理解量化世界观，再跑通平台和 Python，再进入数据、回测、因子、指标与策略实例。
整站更适合把这本书当成量化入门工作台来用：你可以按章节推进，也可以按原则、图版和术语回查关键节点。
Interactive Knowledge Site · 2026-06-07
这不是一本“照着抄代码就能量化赚钱”的网页化 PDF，而是一套重新组织过的量化学习路线：先理解量化世界观，再跑通平台和 Python，再进入数据、回测、因子、指标与策略实例。
整站更适合把这本书当成量化入门工作台来用：你可以按章节推进，也可以按原则、图版和术语回查关键节点。
图版来自扫描版 PDF 的关键页渲染，作为章节与原则的视觉锚点，而不是装饰性插图。
第一章的任务是去神秘化量化交易：它不是黑箱暴富术，而是一种把交易规则、数据和执行纪律明确写出来的系统化方法。
第 36 页起第二章的重点不是界面截图，而是把聚宽平台的完整策略实验流程串起来：建策略、回测、模拟、通知。
第 62 页起第三章看似基础，实际上是在铺量化编程的最底层跑道：环境、解释器、命令行和 Notebook。
第 80 页起第四章把数值、字符串、变量、运算符和代码格式重新摆正位置：量化代码质量，首先取决于基础语法是否稳。
第 104 页起第五章是从“会写语句”走向“会组织逻辑”的关键一跃：选择、循环和控制语句决定策略行为能否真正被表达。
第 120 页起第六章是在教你如何组织数据。量化里很多问题不是算不出，而是数据结构选错了。
第 140 页起第七章的关键意义，是让你开始把重复动作抽象成函数，并建立参数、作用域和职责边界意识。
第 156 页起第八章把代码组织从函数进一步推向类、模块和包，为后续更完整的策略工程做准备。
第 170 页起第九章是整本书的中轴：它第一次把策略写作的真实结构完整展开，让量化从“想法”变成“可运行对象”。
第 196 页起第十章的价值，是把量化常用的数值、表格和时间处理能力接进策略世界，形成真正可计算的数据链。
第 224 页起第十一章把平台中的关键数据函数梳理出来，相当于给量化策略接上“感知世界”的传感器。
第 254 页起第十二章通过双均线策略把回测的完整观察路径搭出来：写策略、配参数、看详情、看风险指标。
第 274 页起第十三章把量化学习推进到研究层：你不再只消费指标，而开始分析哪些变量能够解释收益和轮动。
第 294 页起第十四章虽然罗列了很多指标，但真正应该学到的是指标分类法和使用场景，而不是把名字背得滚瓜烂熟。
第 328 页起第十五章是整本书的组装车间：前面的平台、语法、数据、指标、对象和回测，终于在多个策略实例里真正串起来。
这本书的真正入口不是某个技术指标，而是先把量化交易理解成一套把规则、数据、执行和复盘写清楚的系统。
Platform Workflow聚宽这一章的价值不在截图演示，而在于把量化平台的完整工作流串起来：注册、建策略、回测、模拟、通知。
Python Foundations这本书把大量篇幅给了 Python 环境、语法、流程控制和数据类型，这不是跑题，而是在补量化初学者最容易断层的地方。
Function And OOP当量化策略开始变长，真正的分水岭不是又学了一个函数，而是会不会把逻辑拆成功能块、模块边界和可维护对象。
Strategy Lifecycle第9章最核心的贡献，是把量化策略拆成可执行生命周期：initialize、盘前、盘中、盘后、定时、下单、日志、对象。
Data And Libraries这本书中段把量化常用库和获取数据函数分开讲，其实是在搭两层能力：本地处理数据和从平台取回市场信息。
Backtest Metrics双均线回测这一章的重点，不是双均线本身，而是让读者学会怎么看回测过程、参数、详情和风险指标。
Factor Analysis因子分析部分把量化从策略使用者推进到研究者位置：你开始不只是用指标，而是分析哪些特征在解释收益。
Technical Indicators第14章列了大量均线、超买超卖、趋势、能量、压力支撑指标，但真正要学的是指标分类和使用边界。
Strategy ExamplesMACD、KD、追涨、轮动、小市值这些策略实例，最重要的不是名字，而是让读者看到完整策略怎样从指标、选股、调度到回测闭环。
Risk Discipline量化并不会自动消灭风险。策略再漂亮，也要面对滑点、手续费、样本偏差、回撤和失效期。
