既然您已经点进来这篇文章，应该就不需要我再强调目前量化金融是多么火爆，前景多么广阔了吧？那我们就直接开门见山。

量化金融其实是一个交叉复合学科，需要掌握数学、计算机、金融等方面的知识。显而易见，对于金融学背景的同学来说，就需要另外学习计算机编程的知识，而计算机背景的同学则需要补充金融知识。今天就跟大家分享一下，作为一个零编程基础的金融学子，是如何入门量化金融的？

一、量化工具

01.编程语言：Python

工欲善其事，必先利其器。想要入门量化，学会一门编程语言是必不可少的。对于量化金融来说，主流的编程语言有Python、MATLAB、Java、C++等。

从开发难度而言，Python和MATLAB比较容易，而Java和C++比较难；从运行速度来说，C++是快的，因此常用于高频交易。不过对于大部分量化投资者而言，尤其是初学者，开发占用的时间远远大于运行时间，如果追求运行速度的话，也可以先将策略开发出来，再使用C/C++重写高性能代码段。

另外，从量化资源而言，Python资源更多，而且MATLAB是商业软件，Python是开源免费的。所以综上所述，如果是编程零基础的同学，入门量化的编程语言毋庸置疑是选择Python。

至于Python的学习，网上资源就很多了，在这里推荐一门《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。

Python

02 数据获取：Tushare & BaoStock

关于数据获取，如果能有Wind那就再好不过啦，但是Wind很贵，如果没有条件的同学可以使用免费的数据源，比如Tushare和BaoStock。

Tushare是一个比较老牌的数据接口，包含沪深股票、指数、公募基金、期货、期权、债券、外汇等多的金融数据，现在老版Tushare已经不在维护，转移到新版TusharePro了，使用方法依旧*简单，缺点是部分数据需要一定积分才可以获取。

而BaoStock是2018年的新数据接口，口碑也不错，缺点是只针对股票市场，期货等市场还没有涉及。不过对于入门选手来说，这两个接口都是绰绰有余啦。个人用的比较多的是TusharePro，导入数据直接是DataFrame格式，方便。

03.量化平台

量化平台可以看成是一个已经搭建好的框架。用户只需添加一些自己的买卖条件，即可进行策略回测，免去了自己从无到有搭建基础框架的过程。

目前国内比较主流的量化平台有优矿、聚宽、米匡等。不过对于策略回测来讲，仅使用Python就完全可以实现了，使用第三方平台的缺点就是你得先琢磨好一阵子如何使用这个平台，而且重要的是很难摸清平台所有细节，难以把控。

04 其他工具

以上是做量化的一些基础工具。另外根据策略类型的不同，也会用到一些其他Python第三方库。

数据库推荐：SQLite

如果所做的策略需要存储很多数据，那么就需要一个数据库配合使用。Python自带sqlite3库，可以在python中方便的操作SQLite数据库。

机器学习：Scikit-learn(sklearn)

Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、分类(Classfication)、降维(Dimensionality Reduction)、聚类(Clustering)等方法。网上搜学习资源、学习笔记的话也有*多。

技术分析：TA-Lib

TA-Lib，全称“Technical Analysis Library”, 即技术分析库，涵盖了150多种股票、期货交易软件中常用的技术分析指标，如MACD、RSI、KDJ、动量指标、布林带等等。

爬虫推荐：Beautifulsoup

BeautifulSoup4是爬虫必学的技能。BeautifulSoup*主要的功能是从网页抓取数据。