量化投资 · 教学指南

← 量化首页 ｜ 技术综述

一份可运行的 Python 量化教学指南：动手实现、跑得通，强调「原理 + 公式 + 可运行代码」三位一体。所有代码在本地运行（PyTorch + 真实数据），结果图表作为静态图嵌入正文，无需在线执行。

本指南是配套技术综述的「怎么做」之书；想先建立全局认知、理解「为什么」，请看 量化技术综述 ↗。

怎么用这本书

• 每章先讲清金融含义，再讲数学与代码；技术一律「结合金融」来讲。
• 代码有两份形态：正文里的讲解片段 + 每章独立子目录 guide/code/chXX/ 下的可独立运行完整脚本（随站点发布，可在线查看/下载）。
• 数据采用「快照优先」范式（首次拉取落盘，默认读快照），保证可复现。

完整目录

图例：✅ 蓝色链接 = 已发布（可点击）；⬜ 灰色 = 计划中，陆续发布。

Part 0 · 预备与基石

• ✅ ch0F 金融市场与工具基础 —— 零基础金融地基：市场与撮合、账户与委托、复权与收益口径、风险与估值、工具谱系、A股现行制度（含可运行演示）。
• ⬜ ch00 环境、数据与你的第一个策略
• ⬜ ch01 金融数据处理与可视化
• ⬜ ch02 收益、风险与组合理论
• ⬜ ch03 因子与多因子模型
• ⬜ ch04 回测引擎与绩效评估

Part 1 · 机器学习量化

• ⬜ ch05 用机器学习预测收益（特征/标签/时序CV）
• ⬜ ch06 树模型、梯度提升与 Qlib 工作流
• ⬜ ch07 深度学习时序模型（MLP/LSTM/GRU/TCN）
• ⬜ ch08 Transformer 与图神经网络

Part 2 · 进阶与前沿

• ⬜ ch09 强化学习交易（FinRL）
• ⬜ ch10 时序基础模型（zero-shot 预测）
• ⬜ ch11 大模型与另类数据（情绪 / 财报 NLP / LLM 因子）
• ⬜ ch12 LLM Agent 量化系统

Part 3 · 工程与实战

• ⬜ ch13 组合优化与风险管理实战
• ⬜ ch14 完整 pipeline 与实盘工程

Part 4 · A股实务与实盘工程

• ⬜ ch15 A股特色数据与实务玩法〔对标 stock〕
• ⬜ ch16 事件驱动实盘交易系统〔对标 vnpy〕

附录

• ⬜ A 数学预备 ／ B 资源清单 ／ C 常见报错与环境兼容 ／ D 金融概念详解词典 ／ E 四框架源码导读对照

免责声明

本书为个人学习笔记，内容仅供学习研究，不构成任何投资建议。市场是对抗性的，任何回测曲线默认假设其过拟合，直到被严格证伪。