这门课解决什么工作场景

很多金融、财务或泛商科背景的上班族，日常常被重复的报表整理和基础数据处理困住：每周要从几十份 Excel 里提取收盘价、算波动率、回测一个简单的均线策略，手工操作既慢又容易出错。这门课的定位，就是把 Python 当成替代 Excel 高级操作的自动化工具，让你在面对“取行情、清洗数据、算因子、跑简单回测”这类场景时，能写几十行代码跑完一整周的手工活。它不教你做高频交易系统，也不涉及复杂的衍生品定价模型，核心价值在于打通“从拿到原始行情数据到产出一份可视化分析报告”这条最基础的链路。如果你目前完全靠手工复制粘贴做金融数据处理，学完会明显觉得效率提升了一个量级。

适合什么基础与建议先看哪几块

这门课对编程基础的要求确实是零，但默认你具备基本的金融常识，至少知道收盘价、收益率、均线这些概念是什么。资料编排是按典型的语法递进顺序来的，如果你完全没写过代码，建议严格按顺序看，不要跳过前两块里的环境配置和 Notebook 工具使用——很多人卡在第一步不是逻辑没听懂，而是本地环境没装好导致无法运行。有一定其他语言基础的人，可以直接从核心数据结构章节开始看，重点放在列表和字典的操作上，因为后续处理行情数据时，这两个结构用得最多。类与异常处理那块，对于纯做数据处理的新手来说，前期可以快速略过，等你需要把一段计算逻辑封装成可复用的工具时，再回来细看也不迟。

学完能独立做什么与资料怎么配合练习

把基础语法部分过完，你能够独立完成的工作是：写一个脚本读取本地或网页导出的历史行情 CSV 文件，计算每日收益率和移动平均线，筛选出符合特定技术指标信号的交易日，最后把结果画成简单的走势图。这听起来不复杂，但足以应付绝大多数日常的金融数据整理和基础策略验证需求。配合资料练习时，不要只盯着视频看，强烈建议开着 Notebook 边看边敲。每看完一个语法点，自己造几条假的行情数据去测试。比如学完字典操作，就试着用字典构建一个包含开盘收盘最高最低价的数据结构；学完文件操作，就尝试把计算结果写回一个新的文本文件里。代码只有自己跑报错几次，才能真正记住语法，为后续进阶学习专门的量化分析库打下基础。


01 Python环境配置与基本操作 · 02 Python核心操作 · 03 Python类与习题实例 · 04 Python科学计算库-Numpy基本操作

课程目录

*   01 Python环境配置与基本操作/

  *   01 课程内容与大纲介绍

  *   02 Python环境配置

  *   03 Python库安装工具

  *   04 Notebook工具使用

  *   05 Python简介

  *   06 Python数值运算

  *   07 Python字符串操作

*   02 Python核心操作/

  *   01 索引结构

  *   02 List基础结构

  *   03 List核心操作

  *   04 字典基础定义

  *   05 字典的核心操作

  *   06 Set结构

  *   07 赋值机制

  *   08 判断结构

  *   09 循环结构

  *   10 函数定义

  *   11 模块与包

*   03 Python类与习题实例/

  *   01 异常处理模块

  *   02 文件操作

  *   03 类的基本定义

  *   04 类的属性操作

  *   05 时间操作

  *   06 Python练习题-1

  *   07 Python练习题-2

  *   08 Python练习题-4

*   04 Python科学计算库-Numpy基本操作/

  *   01 Numpy工具包概述

  *   02 数组结构

  *   03 属性与赋值操作

  *   04 数据索引方法

  *   05 数值计算方法

  *   06 排序操作

  *   07 数组形状

  *   08 数组生成常用函数

  *   09 随机模块

  *   10 读写模块

*   05 Python数据分析处理库-Pandas/

  *   01 Pandas工具包使用简介

  *   02 数据信息读取与展示

  *   03 索引方法

  *   04 groupby函数使用方法

  *   05 数值运算

  *   06 merge合并操作

  *   07 pivot数据透视表

  *   08 时间操作

  *   09 apply自定义函数

  *   10 常用操作

  *   11 字符串操作

*   06 金融数据时间序列分析/

  *   01 金融时间序列数据统计分析

  *   02 序列变化情况分析计算

  *   03 连续指标变化情况分析

  *   04 时间序列重采样操作

  *   05 短均与长均计算实例

  *   06 指标相关情况分析

  *   07 回归方程与相关系数实例

*   07 双均线交易策略实例/

  *   01 金叉与死叉介绍

  *   02 买点与卖点可视化分析

  *   03 策略收益效果分析

  *   04 均线调参实例

*   08 策略收益与风险评估指标解析/

  *   01 回测收益率指标解读

  *   02 年化指标分析

  *   03 回撤区间的作用

  *   04 夏普比率的作用

  *   05 阿尔法与贝塔概述

*   09 量化交易与回测平台解读/

  *   01 量化交易概述

  *   02 量化交易所需技能分析

  *   03 Ricequant交易平台简介

*   10 Ricequant回测选股分析实战/

  *   01 策略任务分析

  *   02 股票池筛选

  *   03 策略效果演示与指标分析

  *   04 定时器功能与作用

*   11 因子数据预处理实例/

  *   01 百分位去极值方法

  *   02 基于百分位去极值实例

  *   03 Mad法去极值演示

  *   04 3Sigma方法实例

  *   05 标准化处理方法

  *   06 中性化处理方法通俗解释

  *   07 策略任务概述

*   12 因子选股策略实例/

  *   01 股票数据获取

  *   02 过滤筛选因子指标数据

  *   03 因子数据预处理

  *   04 股票池筛选

  *   05 策略效果评估分析

*   13 因子分析实战/

  *   01 因子分析概述

  *   02 Alphalens工具包介绍

  *   03 获取因子指标数据

  *   04 获取给定区间全部数据

  *   05 数据格式转换

  *   06 IC指标值计算

  *   07 工具包绘图展示

  *   08 因子收益率简介

*   14 因子打分选股实战/

  *   01 打分法选股策略概述

  *   02 整体任务流程梳理

  *   03 策略初始化与数据读取

  *   04 因子打分与排序

  *   05 完成选股方法

  *   06 完成策略交易展示结果

  *   07 策略总结与分析

*   15 回归分析策略/

  *   01 回归问题概述

  *   02 误差项定义

  *   03 独立同分布的意义

  *   04 似然函数的作用

  *   05 参数求解

  *   06 梯度下降通俗解释

  *   07 参数更新方法

  *   08 优化参数设置

  *   09 回归任务概述

  *   10 特征可视化展示

  *   11 构建回归方程

  *   12 回归分析结果

*   16 聚类分析策略/

  *   01 KMEANS算法概述

  *   02 KMEANS工作流程

  *   03 KMEANS迭代可视化展示

  *   04 DBSCAN聚类算法

  *   05 DBSCAN工作流程

  *   06 DBSCAN可视化展示

  *   07 聚类分析实例

  *   08 统计分析所需数据准备

  *   09 统计效果展示

*   17 拓展：fbprophet时间序列预测神器/

  *   01 fbprophet股价预测任务概述

  *   02 时间序列分析

  *   03 fbprophet时间序列预测实例

  *   04 亚马逊股价趋势

  *   05 突变点调参

*   18 拓展：基于深度学习的时间序列预测/

  *   01 任务目标与数据源

  *   02 构建时间序列数据

  *   03 训练时间序列数据预测结果

  *   04 多特征预测结果

  *   05 序列结果预测

*   19 拓展：可视化库-Matplotlib/

  *   01 Matplotlib概述

  *   02 子图与标注

  *   03 风格设置

  *   04 条形图

  *   05 条形图细节

  *   06 条形图外观

  *   07 盒图绘制

  *   08 盒图细节

  *   09 绘图细节设置

  *   10 绘图细节设置2

  *   11 直方图与散点图

  *   12 3D图绘制

  *   13 pie图

  *   14 子图布局

  *   15 结合pandas与sklearn

*   20 拓展：可视化库-Seaborn/

  *   01 整体布局风格设置

  *   02 风格细节设置

  *   03 调色板

  *   04 调色板颜色设置

  *   05 单变量分析绘图

  *   06 回归分析绘图

  *   07 多变量分析绘图

  *   08 分类属性绘图

  *   09 Facetgrid使用方法

  *   10 Facetgrid绘制多变量

  *   11 热度图绘制