量化投资需要把数据、策略、系统、执行四个方面综合起来完成一个有机的整体。你用了这些学科的知识去构建一个数理模型，一个投资决策模型，这是一个相对客观和理性的系统，是可以被应用于投资的DI一步到zui后一步的。

Python核心量化工具：Numpy/Scipy/Matplotlib/Pandas

基本面选股与择时判断买卖点：

对于股票市场，量化投资主要包括量化选股、量化择时、算法交易、股票组合配置、资金或仓位管理、风险控制等。

选股的目标是从市场上所有可交易的股票中，筛选出适合自己投资风格的、具有一定安全边际的股票候选集合，通常称为“股票池”，并可根据自己的操作周期或市场行情变化，不定时地调整该股票池，作为下一阶段择时或调仓的基础。

量化选股的依据可以是基本面，也可以是技术面，或二者的结合。

择时的目标是确定股票的具体买卖时机，其依据主要是技术面。取决于投资周期或风格（例如中长线、短线，或超短线），择时策略可以从比较粗略的对股票价位相对高低位置的判断，到依据更*的技术指标或事件消息等作为信号来触发交易动作。

一般来说，择时动作的产生可以基于日K线（或周K线），也可以基于日内的小时或分钟级别K线，甚至tick级的分时图等。

Python在金融学中的应用，*广泛，还可以开发出各种基于Python的金融和衍生品分析软件等。

融跃本着为学员服务的理念，精心打造了一款适合金融从业者学习的《Python实操课程》，该课程是利用Python的语言的智能性、简洁性、高效性与金融的专业实战相结合，使学习该语言的学员，具备语言汇编能力，将错综复杂的金融数据进行模块化梳理，进而建立科学的金融模型，协助做出*的投资决策，旨在帮助金融从业人员增强行业竞争力。

本课程的三步走特色：

Python

1、程序设计与模拟

（1）掌握简单语法

（2）熟悉环境配置

（3）编写简单程序

（4）进行模拟设计

2、数据透视机分析

（1）梳理数据模型

（2）掌握数据分析

（3）细化数据抓取

（4）深化数据解剖

3、金融建模及决策

（1）经典模型再现

（2）汇编交易策略

（3）模拟衍生定价

（4）债券组合管理