先搞清楚：这套资料解决什么工作场景

很多上班族对量化的印象停留在“自动赚钱机器”，买课后才发现连跑通一段行情数据都费劲。这套资料的核心定位不是教你预测涨跌，而是解决一个非常具体的场景：用 Python 把一段时间的股票行情、财务数据抓下来、清洗成结构化表格，再基于这些数据去验证某个交易想法在过去是否站得住脚。它面向的是金融数据分析的工程链路，而不是金融理论推演。如果你目前的工作涉及业务数据复盘、运营指标归因，或者你正准备转行做偏数据方向的岗位，用股票数据当练习素材是相当硬核的，因为金融数据噪声大、缺失多、格式杂，能把它处理干净，去应对普通的电商或后台业务数据基本是降维打击。

适合什么基础，建议先看哪几块

这套资料对零基础相对宽容，但你需要做好心理准备：它不是那种看一遍就能懂的速成视频。如果你完全没写过代码，建议老实跟着前置基础里的变量类型、循环遍历和异常处理走，不要觉得这些加推篇不重要，直接跳去跑策略代码大概率会卡在报错上。如果你本身有其他语言基础，只是没碰过金融数据，可以直接从 Pandas 构建数据表和 Matplotlib 绘图这两块切入，重点看它怎么把原始的行情记录转成 DataFrame，以及怎么用图表把随机漫步轨迹画出来。这个模拟过程能帮你快速建立对价格波动的直观认知，比一上来就钻进技术指标公式里要务实得多。不管哪种基础，环境搭建和文件创建细节都要先过一遍，避免后面写策略时因为路径配置不对反复折腾。

资料怎么配合练习，学完能独立做什么

这套资料的正确用法不是按顺序看完，而是边看边在自己电脑上跑。它的编排逻辑是先给你工具，再给你场景。前期的基础工具部分，建议你拿任意一只熟悉的股票历史数据当样本，自己动手用 NumPy 和 Pandas 做一遍切片、汇总和可视化，不要只用它自带的数据集。等工具用熟了，再进入策略设计部分，这时候重点不是策略有多复杂，而是理解整个回测的闭环：数据获取、信号生成、模拟买卖、收益统计。学完之后，你独立能做的事情其实很明确——给定一份历史行情数据，你能写出一段可复用的 Python 脚本，计算出某个简单交易规则在过去的胜率和盈亏比，并把结果用图表呈现出来。这离真正稳定的实盘交易还有很远的距离，但作为一个数据分析和自动化处理的实战项目，它已经足够让你的代码能力脱胎换骨。


以股票数据为分析标的，以搭建量化交易策略为学习场景，由基础工具的使用逐步进阶到策略的设计，由浅入深、由技术到思维地为读者讲解Python金融数据分析和挖掘技术在

课程目录

*   贯穿小册：Python金融数据分析实战型项目【加推篇】

*   前置基础：量化交易及应用场景简介

*   前置基础：开发环境及基础工具说明

*   前置基础：创建一个Python文件的细节【加推篇】

*   前置基础：Python变量类型及动态特性【加推篇】

*   前置基础：玩转Python遍历工具for..in【加推篇】

*   前置基础：无可或缺的Python异常处理【加推篇】

*   前置基础：NumPy模拟随机漫步理论

*   前置基础：Pandas构建DataFrame股票数据

*   前置基础：Matplotlib函数式绘图的方式

*   前置基础：Matplotlib对象式绘图的方式

*   前置基础：Matplotlib模拟随机漫步轨迹【加推篇】

*   前置基础：从概率角度谈市场中的博弈

*   股票数据获取：Pandas金融模块获取股票数据

*   股票数据获取：差异化分析常用股票数据接口

*   股票数据获取：详解网络爬虫的原理和过程

*   股票数据获取：爬虫方式获取行业板块数据

*   股票数据获取：爬虫抓取东方财富网股吧帖子【加推篇】

*   股票数据分析：全方位访问DataFrame格式股票数据

*   股票数据分析：遍历DataFrame格式股票数据的方法

*   股票数据分析：股票分时明细数据的获取【加推篇】

*   股票数据分析：分时明细数据周期重采样【加推篇】

*   股票数据分析：如何计算主力资金的流入流出【加推篇】

*   股票数据分析：除权数据前复权和后复权处理【加推篇】

*   技术指标可视化：自定义Matplotlib版股票行情界面

*   技术指标可视化：pyecharts实现Web版股票行情界面

*   技术指标可视化：pyecharts从V0.5至V1版的转变

*   技术指标可视化：TA-Lib技术指标库的扩展应用【加推篇】

*   技术指标可视化：用TA-Lib封装更灵活的指标库【加推篇】

*   股票交易策略：线性回归算法建立选股策略

*   股票交易策略：基于欧奈尔RPS指标选股策略【加推篇】

*   股票交易策略：海龟择时策略入门量化交易

*   股票交易策略：收益与风险维度度量策略效果

*   股票交易策略：择时策略融入ATR风险控制

*   股票交易策略：择时策略融入ATR动态仓位管理【加推篇】

*   股票交易策略：蒙特卡洛算法最优化策略参数

*   股票交易策略：基于凯利公式的仓位管理

*   量化策略回测：扒一扒量化回测中常见的陷阱【加推篇】

*   量化策略回测：创建属于自己的回测框架【加推篇】

*   量化策略回测：如何利用聚宽平台回测交易策略【加推篇】

*   量化策略回测：基于BackTrader建立双均线策略【加推篇】

*   远程下单方案：微信机器人实时提醒交易【加推篇】

*   远程下单方案：SMTP邮件实时提醒交易【加推篇】

*   远程下单方案：钉钉机器人实时提醒交易【加推篇】

*   自动交易方案：模拟股票客户端交易的原理【加推篇】

*   效率优化措施：Python扩展C/C++加速执行【加推篇】

*   结尾篇：贯穿知识点才能学以致用