量化编程、Python入门及量化策略、量化知识总结贴

Ricequant 量化社区的初衷让各位爱好量化的人士可以碰撞思维,在分享和争辩中学习到有用且实战的量化知识。有赖于各位在社区中贡献满满的干货以及有质量的讨论,从编程入门教学到技术指标再到多因子选股、财务数据分析等,囊括了很多方面的知识。

我在此组织 整理了下社区所发的内容、并分类出来,方便大家更容易找到相应的知识点。此贴会不断地更新
在此感谢很多的**贡献了很多有趣的讨论,由于篇幅原因就不一一列出了。
下面开始放毒了:

Python入门


- [廖雪峰老师的Python教程](http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000)

- [python基础之字典与集合](https://www.ricequant.com/community/topic/713/)

- [python基础之基本数据类型](https://www.ricequant.com/community/topic/580/)

- [python基础之列表](https://www.ricequant.com/community/topic/581/)

- [python基础之元组](https://www.ricequant.com/community/topic/582/)

- [numpy 矩阵运算](https://www.ricequant.com/community/topic/439/)

- [【Python 教程 101】 series and dataframe](https://www.ricequant.com/community/topic/522/)

- [【Python 教程 101】应用:从日收益率到月收益率](https://www.ricequant.com/community/topic/523/)

- [【散沙】Python科学计算系列 - B站链接](

http://www.bilibili.com/video/av3635746/)

- [散沙-python数据分析教学视频](

https://www.ricequant.com/community/topic/188)

- [一些Python的入门学习资料](https://www.ricequant.com/community/topic/543)

- [pandas的两种基本的数据结构series和dataframe ]( https://www.ricequant.com/community/topic/522/)



Ricequant 平台入门教学


- [【Ricequant教学 1】 - Ricequant和策略交易IDE介绍 ](https://www.ricequant.com/community/topic/165 )

- [ 【Ricequant教学 2】- 开始编写第一个量化交易策略 ](https://www.ricequant.com/community/topic/169)

- [ 【Ricequant教学 3】 - 回测第一个量化交易策略 ](https://www.ricequant.com/community/topic/170 )

- [ 【Ricequant教学 4】- 在python策略中使用Ta-lib计算技术指标 ](https://www.ricequant.com/community/topic/174)

- [【Ricequant教学 5】 - 进行Fundamental查询来探索价值投资 & Screener功能](https://www.ricequant.com/community/topic/178)

- [ 【Ricequant Research教学1】 - Research平台基本功能简介 ](https://www.ricequant.com/community/topic/247)

**技术分析指标及TALIB的使用**

- [在python策略中使用Ta-lib计算技术指标](https://www.ricequant.com/community/topic/174)

- [SMA 入门策略 - 移动平均线](https://www.ricequant.com/community/topic/278)

- [STOCH(KD指标)](

https://www.ricequant.com/community/topic/388)

- [平均趋向指数ADX和动向指数DMI](

https://www.ricequant.com/community/topic/273)

- [RSI指标](

https://www.ricequant.com/community/topic/299)

- [趋势指标分享 - Aroon indicator](

https://www.ricequant.com/community/topic/311)

- [Bollinger Bands应用](

https://www.ricequant.com/community/topic/419)

- [自制DMI指标](

https://www.ricequant.com/community/topic/674/)

- [顺势指标(CCI)的应用](https://www.ricequant.com/community/topic/982)



【价值投资】【财务分析】【基本面】


- [进行Fundamental查询来探索价值投资 & Screener功能](https://www.ricequant.com/community/topic/178/)

- [Graham number 格雷厄姆数字价值投资法](https://www.ricequant.com/community/topic/285/)

- [格林布拉特价值投资神奇公式](https://www.ricequant.com/community/topic/549)

- [策略-迈克尔喜伟收益型投资](https://www.ricequant.com/community/topic/476)

- [投资成长型公司](https://www.ricequant.com/community/topic/448/)

- [ growth investment 结合市场技术指标策略](https://www.ricequant.com/community/topic/290)

- [在ricequant上用股票市盈率数据做反转策略回测](

https://www.ricequant.com/community/topic/223)

- [基本面、高收益交集策略](

https://www.ricequant.com/community/topic/46)

- [基本面选股器: Piotroski F-Score ranking system](

https://www.ricequant.com/community/topic/297)

- [多因子策略(一) ](https://www.ricequant.com/community/topic/352 )



研究分享


  -  [线性回归](https://www.ricequant.com/community/topic/482)

- [相关系数基础 ](https://www.ricequant.com/community/topic/589/ )

 - [Beta对冲](https://www.ricequant.com/community/topic/496/)

- [斯皮尔曼秩相关系数 ](https://www.ricequant.com/community/topic/488/)

- [Spearman Rank 相关系数](https://www.ricequant.com/community/topic/846)

- [参数预估的不稳定性](https://www.ricequant.com/community/topic/490/ )

- [回归模型的违背](https://www.ricequant.com/community/topic/497/ )

- [回归系数的不稳定性](https://www.ricequant.com/community/topic/498/ )

- [应用机器学习的建议(一)](https://www.ricequant.com/community/topic/707/)

- [应用机器学习的建议(二)](https://www.ricequant.com/community/topic/737/)

- [单因子量化研究(自动版))](https://www.ricequant.com/community/topic/725)

- [择时策略参数优化](https://www.ricequant.com/community/topic/646/)

 - [恒生&标普500研究](https://www.ricequant.com/community/topic/1025/)



理论实证


 - [Markowitz 资产组合优化原理在Python中的应用](https://www.ricequant.com/community/topic/180)

 - [Fama-French三因素模型(一)](https://www.ricequant.com/community/topic/708/)

 - [Fama三因素模型(二)一个简单的策略运用](https://www.ricequant.com/community/topic/732/)

 - [Fama三因素模型(三)因子风险暴露Factor Risk Exposure](https://www.ricequant.com/community/topic/805/)

 - [Fama三因素模型(四)Fama五因素模型!](https://www.ricequant.com/community/topic/811)

 - [套利定价模型(APT)的应用](https://www.ricequant.com/community/topic/804/)

 - [HMM在股票上的简单应用](https://www.ricequant.com/community/topic/788)

 - [隐马尔科夫链模型对于沪深300指数建模的进一步研究](https://www.ricequant.com/community/topic/822)

 - [GARCH模型:对波动率建模](https://www.ricequant.com/community/topic/992/)

 - [ARMA+GARCH交易策略在沪深300指数上的应用](https://www.ricequant.com/community/topic/1319/)

 - [用Ricequant 做主成分分析法(PCA) 建立统计因子模型的一些分享](https://www.ricequant.com/community/topic/550/)

 - [Carhart four-factor model 四因子模型 研究部分](https://www.ricequant.com/community/topic/859/)



经典策略


- [海龟交易系统的python完全版](

https://www.ricequant.com/community/topic/180)

- [趋势策略小试牛刀,海龟交易体系的构建](

https://www.ricequant.com/community/topic/62/)

- [配对交易-paper-version](

https://www.ricequant.com/community/topic/51)

- [配对交易(Revised Version)](

https://www.ricequant.com/community/topic/49)

- [震荡行情利器——网格交易策略](https://www.ricequant.com/community/topic/539/)

- [Kelly Formula 凯利公式的简单应用](https://www.ricequant.com/community/topic/598)

**轮动策略、ETF**

- [相关性较低的ETF组合策略]( https://www.ricequant.com/community/topic/548)

- [ETF轮动策略](

https://www.ricequant.com/community/topic/467)

- [A股市场的ETF轮动策略](

https://www.ricequant.com/community/topic/283)

- [沪深300etf套利](

https://www.ricequant.com/community/topic/338)

- [a股etf秘史-转 ](https://www.ricequant.com/community/topic/545 )




动量、趋势、反转


- [Worst-K策略](

https://www.ricequant.com/community/topic/531/)

- [Dual Thrust 交易策略](

https://www.ricequant.com/community/topic/392/)

- [比想象中效果要差的网格交易法](

https://www.ricequant.com/community/topic/456)

- [趋势还是反转-关于mfi和rsi的一些思考](

https://www.ricequant.com/community/topic/294)



舆情大数据


- [滚雪球-雪球滚起来吧-到底我们是否能靠舆情事件赚钱呢](

https://www.ricequant.com/community/topic/551)

- [一起举牌吧,A股举牌概念策略分享](

https://www.ricequant.com/community/topic/374)



论文、书籍、阅读材料等


- [【论文分享】量化交易领域经典学术论文](https://www.ricequant.com/community/topic/272)

- [ 开启你的量化之旅 | 量化投资学习资源](https://www.ricequant.com/community/topic/47)

- [【Python教学】一些Python的入门学习资料,持续添加...](https://www.ricequant.com/community/topic/543)

- [【paper分享】101个Alpha-World Quant](https://www.ricequant.com/community/topic/519)

- [【学习资料】Python、R语言、计量经济学、投资书籍、研究报告等(Book+Video)](https://www.ricequant.com/community/topic/449)



@ETF拯救世界 @东边的小石头 @铁公鸡金融 @魏员外 @大只若鱼 @不明觉厉的小伙伴  @Mario@坚信价值  @一只特立独行的猪     @股民老K    @今日话题  @DAVID自由之路 @非典型伪价值投机  @数亮投资01 @502的牛 @漩涡鸣人NARUTO @耐力投资
雪球转发:427回复:409喜欢:2218

精彩评论

cfuwxd 2016-02-18 14:28

毒放的太多,策略和指标大多数都是有毒的。python本身,大家自己好好学习吧,最好还是看官方文档。做量化的话,直接装anaconda。pandas需要用。tushare是挺好的免费数据来源。

cfuwxd 2016-02-18 17:23

这里可以展开说的太多。简答说几句
1. 历史数据是有意义的,统计上会有价值。
2. 历史数据会影响未来,未来并不是独立的。
3. 通过统计可以发现规律,如果规律可以被一些理论支持会比较好
4. 量化的问题,不应该是基于假设的必然成果,而是对于正确方法的一种实现方式。
5. 无论量化与否,我们都面临不确定的未来,没有任何一种方法可以确定未来,所以这本身是个不确定性的游戏。
6. 面对这个不确定性的游戏,可以有很多方法和研究,确实有些有用。

感觉说了几句,对你们也没啥用。

ghostshang 2016-06-04 17:28

能做点新手教程不,就是那种傻瓜版的,一看就会的

老歪 2016-02-18 13:58

上次上去看了下,还要编程。头大,不喜欢

全部评论

Allen_Hu 09-10 21:55

能否分享下python代码?谢谢

洞庭飞虹 04-09 07:54

good

论股谈医悟禅 2017-06-22 18:52

好像很丰富

伯阳 2017-06-04 17:35

学习

Ricequant量化 2017-03-21 09:48

github源码一直都在啊,最近还大更新了啊.....对此我表示不服!