这是一个面向零编程基础的量化交易新手入门教程，力求让大家都能学会量化投资最基本的知识，迈过“万事开头难”这个坎，从而具备进一步自主深入学习的能力。
为什么需要量化投资及交易？
传统的投资交易方式（手持镰刀，辛苦劳作，守得一亩三分地）：
量化投资交易方式（各种机械自动化操作，碾压式工作，效率惊人）：
金融最为发达的美国，量化投资交易已大行其道，占据了70%以上的股市成交量。可以说量化投资交易是未来的趋势。
量化投资是做什么的？
大致了解了量化投资，我们来看看量化投资是做什么的？
量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。为了便于理解，我们可以说量化投资主要做这些事情：
1、从一个灵感开始，这个灵感就是指那些你想验证的可能会盈利的方法，比如我们可能听说过银行股可能是良好的投资品种、一旦跨过20日均线后股价会继续涨、流传许久的羊驼交易法等等。
灵感的获取的方式可以是阅读、听人说、自己悟等等。这里我们以一个简单的情况为例进行讲解。
比如你的灵感是这样的：
如果股价显著低于近几日的平均价，则买入；
如果股价显著高于近几日的平均价，则卖出 ；
现在，你想知道这样操作究竟会不会赚钱？
2、把灵感细化成明确的可执行的交易策略
一般来说，灵感都很模糊，需要将其细化成明确的可执行的策略，目的是为了能得到确定的结果，以及为后续程序化准备。
比如，你通过阅读了解到索罗斯的反身性概念，想将它应用到股市，这个反身性就很模糊，就需要明确什么条件下买卖，买卖什么品种，买卖多少量等，从而形成一个明确的交易策略，让不同人根据你的描述在相同情形下都能做出相同的操作。
继续以之前那个关于平均价的灵感为例，显然刚才的那个灵感是不够明确的。比如多低叫显著低于？多高叫显著高于？近几日究竟是几日？买入卖出是买卖多少？
于是，我们将我们的灵感进一步细化：
如果股价低于近20日平均价10%，则用全部可用资金买入；
如果股价高于近20日平均价10%，则卖出全部所持的该股票；
还有一点不明确的地方，买卖哪个股票呢？我们认为这个交易方法盈利与否应该跟交易哪个股票关系不大，但st股票除外，所以股票的选择范围是除st股外的国内A股的所有股票。
所以我们进一步细化：
每个交易日监测是除st股外的国内A股的所有股票的股价 ；
如果股价低于近20日平均价10%，则用全部可用资金买入该股票 ；
如果股价高于近20日平均价10%，则卖出全部所持有的该股票；
现在我们基本已经把之前的灵感细化成明确的可执行的交易策略。当然，可能还有些地方不够明确，也可能有些细节还不确定要改动，这些可以随时想到随时再改，不必一次做到完美。
3、把策略转成程序
就是把明确后的策略通过编程转成程序，好让计算机能根据历史数据模拟执行该策略，以及能根据实际行情进行反应并模拟交易或真实交易。
简言之，就是把刚刚的策略翻译成计算机可识别的代码语言，即把这个：
每个交易日监测是除st股外的国内A股的所有股票的股价 ；
如果股价低于近20日平均价10%，则用全部可用资金买入该股票；
如果股价高于近20日平均价10%，则卖出全部所持有的该股票；
写成类似这样的代码（下面的代码并不完全符合，只是展示下大概的样子）：
def initialize(context):g.security = ['002043.XSHE','002582.XSHE']def handle_data(context, data):for i in g.security:last_price = data[i].closeaverage_price = data[i].mavg(20, 'close')cash = context.portfolio.cashif last_price > average_price:order_value(i, cash)elif last_price < average_price:order_target(i, 0)
这样一来，就把刚才细化好策略转成了代码程序，计算机就能运行了。这个过程你可以理解成用计算机能听懂的语言（代码），把你的策略告诉给计算机了。
4、检验策略效果
现在计算机理解了你的策略，你现在可以借助计算机的力量来验证你的策略了。
基本的检验策略方法有回测和模拟交易两种方法。
回测是让计算机能根据一段时间的历史数据模拟执行该策略，根据结果评价并改进策略。
继续之前的那个均价的策略例子的话就是这样的： 设定初始的虚拟资产比如500000元、一个时期比如20060101到20160101，把这一时期的各种数据如估计股价行情等发给计算机，计算机会利用这些数据模仿真实的市场，执行你刚才告诉它的策略程序。最后计算机会给你一份报告，根据这个报告你就会知道，在20060101的500000元，按照你的策略交易到20160101，会怎样？一般包括盈亏情况，下单情况，持仓变化，以及一些统计指标等，从而你能据此评估交易策略的好坏。 如果结果不好，则需要分析原因并改进。如果结果不错，则可以考虑用模拟交易进一步验证。
模拟交易是让计算机能根据实际行情模拟执行该策略一段时间，根据结果评价并改进策略。
与回测不同，回测是用历史数据模拟，模拟交易使用实际的实时行情来模拟执行策略的。
举例就是这样： 设定初始的虚拟资产比如500000元，选择开始执行模拟交易的时间点，比如明天。那么从明天开始，股市开始交易，真实的行情数据就会实时地发送到计算机，计算机会利用真实的数据模仿真实的市场，执行你的策略程序。同时，你会得到一份实时更新的报告。这报告类似于回测得到的报告，不同的是会根据实际行情变化更新。同样你能据此评估交易策略的好坏。
可见，回测是用历史数据模拟执行策略，模拟交易是用未来的实际行情模拟执行策略。如果策略在回测与模拟交易的表现都非常好，你可以考虑进行完全真实的真金白银的实盘交易。
进行实盘交易并不断维护修正 实盘交易就是让计算机能自动根据实际行情，用真金白银自动执行策略，进行下单交易。注意，这时不再是用虚拟资产模拟交易，亏损和盈利都是真钱。实盘交易一般也会给出一份类似模拟交易的会不断更新的报告，从而不断要观察策略的实盘表现并及时调整与改进策略，使之持续平稳盈利。
量化投资的价值何在？
做量化投资需要什么