量化交易入门路线:零基础先学什么、用什么工具、按什么顺序(附入门书单)
入门篇 — 先学什么、后学什么,每一步看哪篇
先说结论:量化入门先学什么:先学一点 Python 和 pandas,拿到一份能自动更新的 A 股日线,跑通第一个回测,看懂结果和回测里的坑,再跑一段模拟盘,最后才决定要不要实盘。量化不保证赚钱。很多人停在回测和模拟盘,这很正常,也比直接拿真钱试错便宜。
怎么选: 按这个顺序走:先学一点 Python 和 pandas,拿到一份能自动更新的 A 股日线,跑通第一个回测,学会看结果、找出回测里的坑,再跑一段模拟盘,最后才决定要不要上实盘。量化不保证赚钱。很多人停在回测和模拟盘,这很正常,也比直接拿真钱试错便宜。一开始一个数据源加一个回测框架就够,比如 AKShare 加 backtrader。这篇是学习顺序,每一步配一篇站内教程,并附书单。它不排先数据再回测的工具顺序,也不是本站常见问题页,也不写死券商门槛和收费。门槛和收费以开户券商的说明为准。
适合谁: 第一次接触量化、想知道先学什么、后学什么、每一步看哪篇,以及哪本书有免费在线版或核实过的中文版的人。会一点 Python,或者愿意学一点。还不会写代码的人,可以先用聚宽、米筐、BigQuant,或先看 AI 选股和 TradingView;想把整条流程掌握在自己手里,仍要回到这条路线,学一点 Python。
不适合谁: 想要一份收益承诺,或想在这篇里查到券商开通门槛和收费表的人。门槛和收费以开户券商和各平台官方说明为准,对比是量化交易软件怎么选,不是这篇。已经跑通回测、只想看模拟盘账本的人,直接看模拟盘对接。英文站另有一篇学习计划,不是这篇的语言版本。这篇也不用来排工具顺序,也不是本站常见问题页。
英文版是同一篇: quantitative trading for beginners。英文站另有一篇学习计划,不是本篇的语言版本。这篇也不排先数据再回测的工具顺序,也不是本站常见问题页。
本站与文中提到的书籍出版社、平台和券商都没有合作关系,书单不放购买链接。书的版本和中文版信息于 2026-10-22 对照作者官网、出版社官网和豆瓣读书核对。
01 · 量化是什么、难不难、能不能赚钱
量化交易就是把“什么时候买、买什么、买多少”写成明确的规则,用程序在历史数据上检验,确认靠谱再让程序去执行。它解决的是“规则是否前后一致、有没有被历史数据检验过”,不解决“规则本身能不能赚钱”。
- 难不难:入门不难,会一点 Python 就能跑通第一个回测;难的是后面的检查:数据对不对、有没有不小心用到未来的数据、成本算够没有、换一段行情还灵不灵。
- 能不能赚钱:不保证。回测赚钱、实盘亏钱是常态而不是例外,最常见的原因是过拟合(规则只是刚好贴合了过去)、手续费和滑点没算够,以及行情变了。
- 值不值得学:即使最后不上实盘,这套流程也能帮你把模糊的交易想法变成能检验的规则,知道自己的想法在历史上到底表现如何。
02 · 开始之前要会什么
- Python 基础:变量、列表、字典、循环、函数,能看懂别人的示例代码。
- pandas:行情数据都是表格,读表、筛选、按日期对齐、算滚动均值是天天要用的。下面书单的第一本就是讲这个的。
- 一点统计:平均数、波动(标准差)、相关性。看回测结果时要用,不需要先系统学完,遇到再补。
不会编程也能先体验:聚宽、米筐、BigQuant 这类在线平台有现成数据和例子(见 量化交易软件怎么选);只想用 AI 辅助选股,先看 AI 炒股软件怎么选;想先学看盘和筛选,看 TradingView 上手。
03 · 六步路线:每一步学什么、做到什么算过关
| 步骤 | 学什么 | 做到这一步算过关 | 看哪篇 |
|---|---|---|---|
| 第 1 步 · 打基础 | Python 基础语法,用 pandas 读表、筛选、按日期对齐;装好自己的 Python 环境 | 能把一张股票日线表读进来,算出每天的涨跌幅和 20 日均线 | 本地 Python 环境与 SQLite 准备、从零搭建云端量化工作台 |
| 第 2 步 · 拿数据 | 免费数据源各自的毛病,数据怎么存下来、每天自动更新 | 本地有一份能每天自动更新的 A 股日线数据 | 数据源怎么选、Tushare 和 AKShare 怎么选、akshare 数据实操 |
| 第 3 步 · 第一个回测 | 选一个回测框架,把一个最简单的策略(比如双均线)跑通 | 能说清这个策略在哪段时间、扣了多少成本、结果是多少 | backtrader 回测入门、量化回测框架怎么选 |
| 第 4 步 · 看懂结果、避开坑 | 收益、最大回撤、夏普怎么读;未来函数、过拟合、成本没算够这三个最常见的坑 | 能自己指出一个回测结果哪里可能“太好了不像真的” | backtrader 回测入门(结果怎么读、四个必避的坑) |
| 第 5 步 · 模拟盘 | 用实时行情、不花真钱跑一段时间,对比回测和模拟的差距 | 模拟盘跑满一段时间,差距在你能接受的范围内 | 模拟盘对接 |
| 第 6 步 · 再决定要不要实盘 | 券商量化终端怎么开通、代码跑在哪、个人程序化交易要先报告 | 清楚开通条件、费用和报告要求,再决定上不上真钱 | 量化交易软件怎么选、QMT 和 PTrade 怎么选 |
几点补充:
- 工具先少后多:一开始一个数据源加一个回测框架就够了,比如 AKShare 加 backtrader。backtrader 的仓库已经长期没有更新,但用来学回测的基本概念仍然合适;要换框架,对比见回测框架那篇。
- 第 4 步最容易被跳过:回测结果好看时,先怀疑再高兴。最常见的错是用了当天收盘后才知道的数据去决定当天的买卖,也就是“偷看未来”。
- 第 6 步之前先读规则:让程序连你的账户自动下单,就属于程序化交易。按上交所的通知,在上交所做股票程序化交易,首次开展前要先向券商报告,细节见 QMT 和 PTrade 怎么选 的第 07 节。
04 · 起步要花多少钱
- 研究和回测:可以一分钱不花。AKShare、backtrader、Qlib 都是免费开源的,在自己电脑上就能跑。
- 数据:AKShare 免费但可能突然失效;Tushare 免费档只能取非复权日线,复权行情和财务数据要付费积分档,标价见 Tushare 和 AKShare 怎么选。
- 服务器:可选。想让脚本每天自动跑、不开着自己的电脑,才需要云服务器,见 云服务器开通与远程连接。
- 实盘:券商量化终端的门槛和费用各家不一样,以开户券商的说明为准;各平台免费能用到哪一步,见量化交易软件那篇的“免费方案”一节。
05 · 走完六步之后:三个进阶方向
- 用机器学习选股:从 Qlib 上手 开始,我们在 Windows 上实际跑通过一遍。
- 用大模型做投研:部署一个开源的 AI 投研 Agent,从 Docker 一键部署开源投研 Agent 开始;更多项目见 AI 量化开源项目有哪些。
- 交易机器人和加密货币:规则和风险都和 A 股不同,先看 量化交易机器人怎么选。
06 · 入门书单
只列我们核实过作者、版本的书;中文版信息来自豆瓣读书的图书条目,买之前以出版社信息为准。
- 先看这本:Wes McKinney(pandas 的作者)的《Python for Data Analysis》,第 3 版。2022 年 8 月出版,按 pandas 2.0 和 Python 3.10 更新,作者在 官网提供官方免费在线版。中文版是机械工业出版社的《利用Python进行数据分析(原书第3版)》,2023 年 10 月出版。它不讲量化,讲的是量化天天要用的表格处理,零基础从这本开始最划算。
- 跑通回测之后:Stefan Jansen 的《Machine Learning for Trading》,目前是第 3 版。配套代码在作者的 GitHub 仓库免费公开(MIT 许可),也收录在本站的 工具页;第 2 版的代码在仓库的 second-edition 分支。我们没有查到中文版。
- 想深入机器学习:Marcos López de Prado 的《Advances in Financial Machine Learning》,Wiley 2018 年出版。讲的是金融数据上用机器学习最容易犯的错,数学较多,不建议当第一本。中文版是中信出版集团的《金融机器学习》,2021 年出版。
- 可选:Yves Hilpisch 的《Python for Finance》第 2 版(O'Reilly)。覆盖面广,但作者的代码仓库写明代码基于 Python 3.7,跟着敲时要注意新旧版本差异。我们没有查到这一版的中文译本。
常见问题
怎么选?
按这个顺序走:先学一点 Python 和 pandas,拿到一份能自动更新的 A 股日线,跑通第一个回测,学会看结果、找出回测里的坑,再跑一段模拟盘,最后才决定要不要上实盘。量化不保证赚钱。很多人停在回测和模拟盘,这很正常,也比直接拿真钱试错便宜。一开始一个数据源加一个回测框架就够,比如 AKShare 加 backtrader。这篇是学习顺序,每一步配一篇站内教程,并附书单。它不排先数据再回测的工具顺序,也不是本站常见问题页,也不写死券商门槛和收费。门槛和收费以开户券商的说明为准。
适合谁?
第一次接触量化、想知道先学什么、后学什么、每一步看哪篇,以及哪本书有免费在线版或核实过的中文版的人。会一点 Python,或者愿意学一点。还不会写代码的人,可以先用聚宽、米筐、BigQuant,或先看 AI 选股和 TradingView;想把整条流程掌握在自己手里,仍要回到这条路线,学一点 Python。
不适合谁?
想要一份收益承诺,或想在这篇里查到券商开通门槛和收费表的人。门槛和收费以开户券商和各平台官方说明为准,对比是量化交易软件怎么选,不是这篇。已经跑通回测、只想看模拟盘账本的人,直接看模拟盘对接。英文站另有一篇学习计划,不是这篇的语言版本。这篇也不用来排工具顺序,也不是本站常见问题页。
量化交易难吗?
入门不难,做好很难。会一点 Python,照着教程一两天就能跑通第一个回测;难的是后面:数据有没有错、回测有没有偷看未来、成本算没算够、换一段行情还灵不灵。大部分时间花在这些检查上,而不是写策略本身。
量化交易真的能赚钱吗?
不保证。量化只是把交易规则写成程序、用历史数据检验,规则本身好不好,程序替你决定不了。回测赚钱、实盘亏钱很常见,原因通常是过拟合、没算够手续费和滑点、或者行情变了。所以要先回测、再模拟盘,确认差距在能接受的范围内再考虑真钱。
不会编程能做量化吗?
能做一部分。聚宽、米筐、BigQuant 这类在线平台有现成的数据和例子,BigQuant 还有拖模块的可视化写法;不写代码、只想用 AI 辅助选股,可以先看 AI 炒股软件怎么选。但想把流程完全掌握在自己手里,迟早要学一点 Python。
学量化要多少钱起步?
研究和回测阶段可以一分钱不花:AKShare、backtrader、Qlib 都是免费开源的,在自己电脑上就能跑。要花钱的是更稳定的数据(比如 Tushare 的付费积分档)、可选的云服务器,以及上实盘时券商量化终端可能有的门槛,这些以各家官方和开户券商的说明为准。
量化入门看什么书?
零基础先看 Wes McKinney 的《Python for Data Analysis》第 3 版,作者官网有官方免费在线版,中文版是机械工业出版社的《利用Python进行数据分析(原书第3版)》。跑通第一个回测之后,再看 Stefan Jansen 的《Machine Learning for Trading》和 López de Prado 的《Advances in Financial Machine Learning》(中文版《金融机器学习》)。
个人做量化要向交易所报告吗?
让程序连你的账户自动下单,就属于程序化交易。按上交所的通知,在上交所开展股票程序化交易的投资者,首次开展前要先向券商报告。只做研究、回测和模拟盘不涉及这一步。细节见 QMT 和 PTrade 怎么选。
本文不构成任何投资建议。量化交易同样可能亏损,回测和模拟盘的结果不代表未来收益;书籍、平台和券商的信息以其官方说明为准。