一、核心基础知识（地基部分）

这部分是您构建整个量化大厦的基石，缺一不可。

金融市场知识

股票基础： 理解股票是什么、交易规则（A股、港股、美股等）、交易时间、涨跌停制度、T+1等基本概念。宏观经济： 了解利率、通货膨胀、GDP、货币政策等如何影响整体市场。财务分析： 能读懂公司的财务报表（利润表、资产负债表、现金流量表），理解PE（市盈率）、PB（市净率）、ROE（净资产收益率）等关键指标。投资学理论： 了解现代投资组合理论（MPT）、资本资产定价模型（CAPM）、有效市场假说（EMH）等。即使它们有缺陷，也是理解的起点。

数学与统计学

概率论： 核心中的核心。理解随机变量、概率分布、期望、方差、协方差、大数定律等。统计学： 线性回归、时间序列分析（AR, MA, ARIMA模型等）、假设检验、蒙特卡洛模拟等。这是您从数据中挖掘规律的主要工具。线性代数： 矩阵运算、特征值、特征向量等，在多因子模型和风险管理中广泛应用。微积分： 理解变化和优化的基础，在衍生品定价和高级模型中很重要。

编程能力

这是将您的想法付诸实现的“手艺”。Python是当今量化领域的绝对主流和首选。Python基础： 熟练使用NumPy（数值计算）、Pandas（数据处理和分析）、Matplotlib/Seaborn（数据可视化）这“三件套”。数据分析库： 学习Scipy（科学计算）、Statsmodels（统计模型）等。机器学习： Scikit-learn是必备的，用于开发预测模型（如回归、分类、聚类）。二、专业技能与工具（建筑材料）

在打好地基后，您需要学习如何用这些材料来建造房子。

数据获取与处理

如何获取高质量的历史数据和实时数据？常见数据源有Tushare、Baostock、AkShare（国内）、Yahoo Finance、Alpha Vantage、Quandl（国际）等。专业机构会使用Wind、Choice等付费数据库。数据清洗和预处理的能力至关重要，因为原始数据往往存在缺失、异常值等问题。

策略开发与回测

策略思想： 学习常见的策略类型，如趋势跟踪、均值回归、配对交易、因子投资等。回测框架： 学习使用回测平台来验证您的策略想法。常用的有：入门/中级： Backtrader、Zipline、VectorBT专业级： QuantConnect、WorldQuant的Web平台回测陷阱： 深刻理解过拟合（Overfitting）、未来函数（Look-ahead Bias）、幸存者偏差（Survivorship Bias） 等概念，否则回测结果毫无意义。

风险管理

设计策略时，必须考虑如何控制风险。包括：仓位管理： 每次交易投入多少资金？止损/止盈： 如何设定退出条件？评估指标： 不仅要看收益，更要关注夏普比率（Sharpe Ratio）、最大回撤（Max Drawdown）、索提诺比率（Sortino Ratio） 等风险调整后收益指标。

实盘交易与系统搭建

券商API： 了解如何通过券商提供的API接口进行程序化下单（国内如华泰、国泰君安等，国外如Interactive Brokers等）。系统架构： 对于更复杂的系统，可能需要了解数据库（如MySQL）、消息队列、Linux服务器运维等知识，以保证策略的稳定运行。三、思维与软技能（建筑师的大脑）

这是区分普通程序员和优秀量化工程师的关键。

逻辑思维与批判性思维： 能够严谨地推导策略逻辑，并能对自己的想法进行批判和证伪。好奇心与钻研精神： 市场在不断变化，需要持续学习新知识、研究新现象。抗压能力： 实盘交易中，策略必然会遇到回撤期，能否坚持策略逻辑、保持情绪稳定至关重要。耐心与细致： 策略研发和回测是一个需要极度耐心和细致的工作，一个小错误可能导致巨大的损失。