建立一个量化模型的一般过程通常包括以下几个步骤：

1、确定研究问题和目标：明确研究的问题和目标，确定量化模型需要解决的问题，包括交易策略的确定、市场行为的分析等。
2、收集数据和数据分析：收集适合研究问题的数据，包括历史价格、成交量、财务数据等，通过数据分析，探索数据背后的市场规律、相关性和变化趋势等。
3、建立模型：根据研究问题和数据分析的结果，选择合适的模型，并构建数学或统计模型来描述市场行为，包括一般性模型、实时模型、均衡模型等。
4、参数估计：对模型中的参数进行估计，比如利用最大似然估计、贝叶斯估计等方法，通过计算机模拟和实验结果，调整模型的参数。
5、回测和模型优化：对建立的模型进行回测和优化，比较模型的预测结果和实际市场走势之间的误差和相似度，根据结果对模型进行调整和优化。
6、策略实现：把最终确定的模型应用到实际的交易环境中，通过交易平台和算法交易等方式，测试模型的可操作性和盈利效果。

至于如何从零开始建立量化模型，建议投资者通过读书学习、参加专业课程和加入量化交易社区等方式逐步积累经验和知识。对于初学者来说，可以先学习基本的数据分析方法、统计学概念、编程技能等。建议从《Python金融大数据分析》、《统计学习方法》、《期权、期货及其他衍生品》等书籍入手。如果想要更加深入，可以尝试学习量化交易工具如Python量化投资以及量化投资策略的开发。