A股投资入门到量化选股

Appearance

量化投资工具与平台 ​

做量化投资，工具就像厨师的刀具——好的工具不会自动做出好菜，但差的工具会让好菜也做不好。本章介绍量化投资常用工具和平台，帮你搭建一个趁手的工作环境。

编程语言：为什么首选Python ​

量化投资可以选择多种编程语言，但对绝大多数人来说，Python是最佳选择。

Python的优势 ​

优势说明
语法简洁代码读起来接近英语，学习成本低
金融库丰富pandas、numpy、matplotlib等库专为数据分析设计
社区活跃遇到问题搜索一下，大概率能找到解答
免费开源不需要购买任何许可证
跨平台Windows、Mac、Linux都能用

其他语言对比 ​

  • C++：速度快，但开发效率低，适合高频交易机构，个人投资者没必要。
  • R语言：统计分析能力强，但通用性不如Python，金融生态略逊。
  • MATLAB：数学建模方便，但收费昂贵，个人使用成本高。
  • Java：企业级系统常用，但数据分析领域的库不如Python丰富。

结论：如果你是量化入门者，直接学Python，不用纠结。

Python环境安装 ​

推荐安装方式：Anaconda ​

Anaconda是一个Python发行版，预先打包了数据分析和科学计算常用库，省去了逐个安装的麻烦。

安装步骤：

  1. 访问 anaconda.com 下载对应操作系统的安装包
  2. 运行安装程序，一路按默认选项即可
  3. 安装完成后，打开"Anaconda Navigator"或命令行验证

安装完成后，打开命令行（Windows是Anaconda Prompt），输入：

bash
python --version

如果显示类似 Python 3.11.x，说明安装成功。

额外安装量化相关库 ​

Anaconda已经自带了pandas、numpy、matplotlib等常用库。你还需要安装获取股票数据的库：

bash
pip install akshare
pip install tushare
  • akshare：免费开源的金融数据接口库
  • tushare：需要注册获取token的金融数据接口库

后续章节会详细介绍它们的用法。

开发环境选择 ​

Jupyter Notebook（强烈推荐新手使用） ​

Jupyter Notebook是一个交互式的编程环境，特点是可以把代码、文字说明、图表混排在同一个页面中。

它的优势在于：

  • 逐块运行：不需要一次性运行整个程序，可以一段一段地执行代码，方便调试
  • 即时反馈：输入代码后立刻看到结果，学习体验好
  • 可视化方便：图表直接显示在代码下方，不用弹出新窗口
  • 笔记功能：可以在代码之间插入Markdown文字，记录思路

启动方式：在命令行输入 jupyter notebook，浏览器会自动打开编辑界面。

Anaconda安装后，Jupyter Notebook已经自带，不需要额外安装。

VS Code ​

VS Code（Visual Studio Code）是微软开发的免费代码编辑器，功能强大，插件丰富。

适合的场景：

  • 写较长的Python脚本文件
  • 管理多个代码文件组成的项目
  • 需要版本控制（Git）功能

安装方式：从 code.visualstudio.com 下载安装，然后安装"Python"插件。

两者怎么选 ​

  • 学习阶段：用Jupyter Notebook，方便边学边试
  • 正式开发阶段：用VS Code，方便管理代码和项目
  • 实际工作中：两者配合使用，Notebook做实验和探索，VS Code写正式代码

数据源 ​

数据是量化投资的"原材料"。以下是A股常用的数据获取方式。

AKShare（推荐新手） ​

AKShare是一个免费开源的Python金融数据接口库，由国内开发者维护。

特点：

  • 完全免费，不需要注册，不需要token
  • 覆盖A股行情、财务数据、基金、期货、宏观经济等
  • 接口丰富，更新活跃
  • 文档中文，对国内用户友好

安装：

bash
pip install akshare

简单示例：

python
import akshare as ak

# 获取贵州茅台的日K线数据
df = ak.stock_zh_a_hist(symbol="600519", period="daily",
                         start_date="20240101", end_date="20241231")
print(df.head())  # 查看前5行

Tushare ​

Tushare是另一个常用的金融数据接口，提供了更结构化的数据服务。

特点：

  • 需要注册账号并获取token（一种身份验证凭证）
  • 免费版有积分限制，高级功能需要付费或积累积分
  • 数据质量较高，经过清洗和整理
  • 适合需要长期稳定数据源的用户

安装：

bash
pip install tushare

使用前需要设置token：

python
import tushare as ts

ts.set_token('你的token字符串')
pro = ts.pro_api()

# 获取股票日线行情
df = pro.daily(ts_code='600519.SH', start_date='20240101',
               end_date='20241231')
print(df.head())

Wind、Choice（付费专业工具） ​

  • Wind（万得）：国内金融数据行业的标杆，数据最全最专业，但价格昂贵，年费通常数万元以上，主要面向机构投资者。
  • Choice（东方财富）：性价比相对较高的付费数据终端，功能也很全面。

个人入门阶段不建议购买付费数据源，AKShare完全够用。

免费数据源 vs 付费数据源 ​

对比项AKShare / TushareWind / Choice
费用免费数万/年
数据覆盖基本面、行情为主全面（含另类数据）
数据质量偶有缺失或延迟高质量、实时
适合人群个人投资者、学习者专业机构
技术支持社区专属客服

入门阶段用AKShare即可，等策略成熟后再考虑付费数据源。

回测框架 ​

回测（Backtesting）是指用历史数据来模拟策略表现，看看"如果过去按这个策略操作，结果会怎样"。

Backtrader（推荐学习使用） ​

Backtrader是一个开源的Python回测框架，功能完善，社区活跃。

特点：

  • 完全免费开源
  • 支持复杂策略的编写和回测
  • 内置多种技术指标
  • 可以输出详细的绩效报告

安装：

bash
pip install backtrader

Backtrader的学习曲线稍陡，但掌握了之后非常灵活。适合想要深入理解回测原理的学习者。

聚宽（JoinQuant） ​

聚宽是一个在线量化平台，提供网页版的策略编写和回测环境。

特点：

  • 在线使用，不需要安装任何软件
  • 内置A股数据，不需要自己获取
  • 提供图形化的回测报告
  • 有活跃的策略社区可以学习

访问地址：joinquant.com

适合不想折腾本地环境的新手，直接在浏览器里就能开始写策略。

米筐（RiceQuant） ​

米筐是另一个在线量化平台，功能和聚宽类似。

特点：

  • 界面美观，操作友好
  • 支持股票、期货等品种
  • 提供模拟交易功能

访问地址：ricequant.com

本地回测 vs 在线平台 ​

对比项本地回测（Backtrader）在线平台（聚宽/米筐）
安装需要配置本地环境浏览器打开即用
数据需要自己获取和管理平台提供
灵活性高，完全自由定制受平台API限制
学习深度深，理解底层原理浅，快速上手
代码迁移代码属于自己代码在平台上
费用免费基础功能免费，高级功能付费

建议：先用在线平台快速入门，理解回测的概念和流程；然后过渡到本地环境，获得更大的灵活性。

数据可视化工具 ​

量化分析中，图表是理解数据的重要手段。

Matplotlib ​

Python最基础的绑图库，几乎所有其他可视化库都基于它。

python
import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4, 5], [10, 25, 15, 30, 20])
plt.title("示例图表")
plt.xlabel("日期")
plt.ylabel("价格")
plt.show()

基于Matplotlib的金融图表 ​

对于K线图等专业金融图表，可以使用 mplfinance 库：

bash
pip install mplfinance

必装库清单汇总 ​

以下是个人量化投资环境的推荐安装清单：

库名用途安装命令
pandas表格数据处理Anaconda自带
numpy数值计算Anaconda自带
matplotlib基础绑图Anaconda自带
akshareA股数据获取pip install akshare
tushareA股数据获取（备用）pip install tushare
backtrader策略回测pip install backtrader
mplfinance金融K线图pip install mplfinance

一键安装命令：

bash
pip install akshare tushare backtrader mplfinance

工具选择路线图 ​

根据你的学习阶段，推荐不同的工具组合：

第一阶段：入门探索（第1-2周） ​

  • 环境：Jupyter Notebook
  • 数据：AKShare
  • 目标：学会获取数据、画图表、做简单的统计计算

第二阶段：策略学习（第3-6周） ​

  • 环境：Jupyter Notebook + 在线平台（聚宽）
  • 数据：AKShare
  • 目标：学会编写简单策略，在在线平台上回测

第三阶段：独立开发（第7周以后） ​

  • 环境：VS Code + Jupyter Notebook
  • 数据：AKShare / Tushare
  • 回测：Backtrader
  • 目标：开发自己的策略，进行系统化回测和分析

常见问题 ​

Q：我的电脑配置够用吗？ ​

量化入门对电脑配置要求很低。任何一台近5年购买的电脑都可以。内存建议8G以上（处理大量数据时更顺畅），但没有也行，只是速度慢一些。

Q：Windows还是Mac？ ​

都可以。Python和相关库在两个系统上都能正常运行。本系列教程的代码在两个系统上完全通用。

Q：需要买云服务器吗？ ​

不需要。入门阶段所有工作都在本地电脑完成。等你的策略需要每天定时运行（比如每天收盘后自动选股），再考虑云服务器也不迟。

Q：在线平台安全吗？ ​

不要在在线平台上运行涉及实盘交易的敏感策略，也不要上传个人交易账户信息。用于学习和回测是安全的。

小结 ​

  • Python是量化投资的首选编程语言，语法简洁、生态丰富。
  • 开发环境推荐Jupyter Notebook入门，VS Code进阶。
  • 数据获取推荐从AKShare开始（免费、无门槛），需要更稳定数据时考虑Tushare。
  • 回测可以从在线平台（聚宽）快速上手，后续过渡到本地Backtrader获得更大自由度。
  • 工具是为投资逻辑服务的，不要花太多时间纠结工具选择，尽快动手才是关键。

下一步 ​

工欲善其事，必先利其器。下一章我们将正式开始Python编程学习，为后续的数据获取和策略开发打好基础。

→ 下一章：Python投资分析入门

仅供学习交流，不构成任何投资建议