零基础路线完整 14 课
QUANT LEARNING PATH · 2026
从第一行数据，
走到可验证的量化系统
14课循序渐进：Python、行情数据、指标、策略、回测、多因子、模拟交易与实盘风控。每一课都有明确目标和课后练习。
从第1课开始 →完整路线14
从零基础到系统运维
3基础阶段7研究阶段4实践阶段
课程目录
按顺序完成，不跳过研究纪律
每一课约8—30分钟。建议边阅读边使用配套教学数据完成练习。
01基础认知
认识量化交易
从零建立量化交易的正确概念，理解数据、规则、验证和执行之间的关系。
02开发环境
搭建 Python 开发环境
理解Python、Anaconda、环境和编辑器的分工，完成一套稳定的量化学习环境。
03Python 基础
量化需要的 Python 基础
围绕价格、收益率和交易信号，掌握变量、容器、条件、循环、函数和文件。
04数据处理
用 Pandas 处理行情数据
掌握DataFrame、日期索引、筛选、排序、缺失值和滚动窗口的核心用法。
05市场基础
A股交易规则与数据口径
理解交易日、涨跌停、停牌、T+1、复权、费用和可交易性对策略的影响。
06市场数据
认识行情数据与字段
系统理解OHLCV、成交额、换手率、复权因子和数据主键，建立质量检查习惯。
07指标计算
计算第一个量化指标
使用价格序列计算四类最常用指标，并理解每个指标回答的问题。
08策略入门
完成第一个交易策略
把20日均线规则实现成可运行策略，正确滞后信号并生成策略净值。
09回测基础
理解回测系统
拆解回测引擎的核心模块，理解事件顺序、订单撮合和结果记录。
10研究纪律
避开常见回测陷阱
识别未来函数、幸存者偏差、过拟合、样本选择和成本低估。
11绩效风控
评价收益与风险
学习累计收益、年化收益、波动率、夏普、最大回撤和换手率的解释方式。
12进阶策略
多因子选股入门
理解因子、截面比较、去极值、标准化、打分、分组检验和组合构建。
13模拟交易
从回测进入模拟交易
建立模拟盘验收流程，检查数据更新、信号、订单、状态恢复和通知。
14实盘运维
实盘风控与系统运维
理解QMT/PTrade等执行环境中的权限、风控、监控、对账、应急和合规边界。
01
从规则出发
先把假设写清楚，再写代码。
02
让结果可复核
保留数据、参数、信号和交易日志。
03
风险先于收益
回测、模拟和实盘采用不同验收标准。