# quant-wiki

**Repository Path**: phonenix/quant-wiki

## Basic Information

- **Project Name**: quant-wiki
- **Description**: 量化交易知识百科全书 — 从零基础到实战的完整学习路线
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-10
- **Last Updated**: 2026-05-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 量化交易知识百科全书

> 面向有编程基础（Go/Python）、从事过多因子数据分析、金融市场零基础的开发者

## 学习路径总览

```mermaid
graph TD
    A[阶段一：打基础 1-2周] --> B[阶段二：因子全流程 3-4周]
    B --> C[阶段三：策略与回测 5-6周]
    C --> D[阶段四：风控与工程化 7-8周]
    D --> E[阶段五：机器学习进阶]

    A1[01-市场基础] --> A
    A2[02-数学与统计 基础篇] --> A
    A3[03-Python工具链] --> A
    A4[04-数据获取与存储] --> A

    B1[05-因子分析] --> B
    B2[02-数学与统计 进阶篇] --> B

    C1[06-策略开发] --> C
    C2[07-回测系统] --> C

    D1[08-风险管理] --> D
    D2[09-实盘与工程化] --> D

    E1[10-机器学习] --> E
```

## 阶段一：打基础（第 1-2 周）

**目标**：能拉取 A 股数据，用 Python 做基本的数据处理和可视化

### 市场基础
| 文档 | 核心内容 |
|------|---------|
| [01-01 A股市场概述与交易规则](01-市场基础/01-01-A股市场概述与交易规则.md) | 交易所、交易时间、涨跌停、T+1、费用计算 |
| [01-03 复权与除权除息](01-市场基础/01-03-复权与除权除息.md) | 前复权/后复权原理，为什么回测必须用复权数据 |
| [01-04 主要指数与选股池](01-市场基础/01-04-主要指数与选股池.md) | 沪深300/中证500/成分股/股票池过滤规则 |

### Python 工具链
| 文档 | 核心内容 |
|------|---------|
| [03-01 NumPy核心操作](03-Python工具链/03-01-NumPy核心操作.md) | ndarray、向量化、线性代数 |
| [03-02 Pandas数据处理](03-Python工具链/03-02-Pandas数据处理.md) | DataFrame、groupby、merge、缺失值 |
| [03-03 Pandas时间序列操作](03-Python工具链/03-03-Pandas高级时间序列操作.md) | rolling、shift、resample、多层索引 |
| [03-04 数据可视化](03-Python工具链/03-04-数据可视化.md) | matplotlib、seaborn、mplfinance |

### 数据获取
| 文档 | 核心内容 |
|------|---------|
| [04-01 AKShare数据获取](04-数据获取与存储/04-01-AKShare数据获取.md) | 行情/财务/指数数据批量获取 |
| [04-03 数据清洗与对齐](04-数据获取与存储/04-03-数据清洗与对齐.md) | 停牌处理、异常值、交易日对齐 |
| [04-04 SQLite本地存储](04-数据获取与存储/04-04-SQLite本地存储方案.md) | 数据库设计、全量导入、增量更新 |

### 因子入门
| 文档 | 核心内容 |
|------|---------|
| [05-01 因子分析概述](05-因子分析/05-01-因子分析概述.md) | Alpha因子/风险因子、Fama-French、全流程总览 |
| [05-02 价值因子计算](05-因子分析/05-02-价值因子计算.md) | PE/PB/PS/EP/BP/TTM计算 |

### 回测入门
| 文档 | 核心内容 |
|------|---------|
| [07-01 回测原理与常见陷阱](07-回测系统/07-01-回测原理与常见陷阱.md) | 前视偏差、幸存者偏差、过拟合、成本建模 |

---

## 阶段二：因子全流程（第 3-4 周）

**目标**：掌握因子从计算到检验到合成的完整流程

### 数学统计（进阶）
| 文档 | 核心内容 |
|------|---------|
| [02-01 概率论基础](02-数学与统计/02-01-概率论基础.md) | 期望、方差、大数定律、常用分布 |
| [02-02 描述性统计与分布](02-数学与统计/02-02-描述性统计与分布.md) | 偏度、峰度、QQ图、正态性检验 |
| [02-03 假设检验](02-数学与统计/02-03-假设检验.md) | t检验、p值、多重检验校正 |
| [02-04 相关性与回归分析](02-数学与统计/02-04-相关性与回归分析.md) | Pearson、Spearman、多元回归、Lasso |
| [02-05 时间序列分析基础](02-数学与统计/02-05-时间序列分析基础.md) | 平稳性、ADF、ARIMA、GARCH、协整 |

### 因子分析（核心）
| 文档 | 核心内容 |
|------|---------|
| [05-03 质量因子计算](05-因子分析/05-03-质量因子计算.md) | ROE、杜邦分解、现金流质量 |
| [05-04 成长因子计算](05-因子分析/05-04-成长因子计算.md) | 同比、环比、CAGR |
| [05-05 动量与反转因子计算](05-因子分析/05-05-动量与反转因子计算.md) | 价格动量、短期反转、动量崩溃 |
| [05-06 波动与风险因子计算](05-因子分析/05-06-波动与风险因子计算.md) | 波动率、Beta、残差波动率 |
| [05-07 技术因子与量价因子](05-因子分析/05-07-技术因子与量价因子.md) | MA、RSI、MACD、布林带 |
| [05-08 因子去极值与标准化](05-因子分析/05-08-因子去极值与标准化.md) | MAD、Winsorize、Z-score |
| [05-09 因子中性化](05-因子分析/05-09-因子中性化.md) | 行业中性、市值中性、双重中性化 |
| [05-10 因子有效性检验](05-因子分析/05-10-因子有效性检验.md) | IC、IR、分层回测、因子衰减 |
| [05-11 因子相关性分析](05-因子分析/05-11-因子相关性分析.md) | 相关矩阵、共线性、正交化 |
| [05-12 因子合成方法](05-因子分析/05-12-因子合成方法.md) | 等权、IC加权、PCA |
| [05-13 Barra风险模型](05-因子分析/05-13-Barra风险模型.md) | CNE5/CNE6、因子暴露、风险归因 |

---

## 阶段三：策略与回测（第 5-6 周）

**目标**：能独立开发和回测完整的量化策略

### 策略开发
| 文档 | 核心内容 |
|------|---------|
| [06-01 策略开发概述](06-策略开发/06-01-策略开发概述.md) | 策略分类、开发流程、策略容量 |
| [06-02 多因子选股策略](06-策略开发/06-02-多因子选股策略.md) | 完整选股流程、换仓、成本 |
| [06-03 动量策略](06-策略开发/06-03-动量策略.md) | 截面动量、行业轮动、参数扫描 |
| [06-04 均值回归策略](06-策略开发/06-04-均值回归策略.md) | 布林带、RSI超卖 |
| [06-05 配对交易策略](06-策略开发/06-05-配对交易策略.md) | 协整、价差、Z-score |
| [06-06 指数增强策略](06-策略开发/06-06-指数增强策略.md) | 基准跟踪、Alpha叠加 |
| [06-07 事件驱动策略](06-策略开发/06-07-事件驱动策略.md) | 事件研究、异常收益率 |
| [06-08 策略组合与资金分配](06-策略开发/06-08-策略组合与资金分配.md) | ERC、风险平价、凯利公式 |

### 回测系统
| 文档 | 核心内容 |
|------|---------|
| [07-02 Backtrader框架使用](07-回测系统/07-02-Backtrader框架使用.md) | 数据源、Strategy、Analyzer |
| [07-03 自建向量化回测引擎](07-回测系统/07-03-自建向量化回测引擎.md) | 信号→仓位→收益的向量化实现 |
| [07-04 自建事件驱动回测引擎](07-回测系统/07-04-自建事件驱动回测引擎.md) | 事件队列、撮合引擎 |
| [07-05 策略评价指标体系](07-回测系统/07-05-策略评价指标体系.md) | 夏普、回撤、Alpha、Beta |
| [07-06 回测报告生成](07-回测系统/07-06-回测报告生成.md) | HTML报告、月度收益热力图 |

---

## 阶段四：风控与工程化（第 7-8 周）

**目标**：掌握风险管理方法，了解实盘系统架构

### 风险管理
| 文档 | 核心内容 |
|------|---------|
| [08-01 风险类型与度量](08-风险管理/08-01-风险类型与度量.md) | 市场风险、波动率、下行风险 |
| [08-02 仓位管理方法](08-风险管理/08-02-仓位管理方法.md) | 凯利公式、等波动仓位 |
| [08-03 止损止盈机制](08-风险管理/08-03-止损止盈机制.md) | 追踪止损、ATR止损 |
| [08-04 组合风控与回撤控制](08-风险管理/08-04-组合风控与回撤控制.md) | 波动率目标、压力测试 |
| [08-05 风险平价模型](08-风险管理/08-05-风险平价模型.md) | ERC算法、风险平价 |
| [08-06 VaR与CVaR计算](08-风险管理/08-06-VaR与CVaR计算.md) | 参数法、历史模拟、MC |

### 实盘与工程化
| 文档 | 核心内容 |
|------|---------|
| [09-01 量化系统架构设计](09-实盘与工程化/09-01-量化系统架构设计.md) | 分层架构、Python+Go混合 |
| [09-02 券商API对接](09-实盘与工程化/09-02-券商API对接.md) | QMT、XTP、vnpy |
| [09-03 交易执行与订单管理](09-实盘与工程化/09-03-交易执行与订单管理.md) | 订单状态机、TWAP/VWAP |
| [09-04 Go在量化中的应用](09-实盘与工程化/09-04-Go在量化中的应用.md) | 回测引擎、交易网关、gRPC |
| [09-05 消息队列与微服务](09-实盘与工程化/09-05-消息队列与微服务.md) | Redis、Kafka、Protobuf |
| [09-06 监控告警与日志系统](09-实盘与工程化/09-06-监控告警与日志系统.md) | Prometheus、Grafana |
| [09-07 实盘部署与运维](09-实盘与工程化/09-07-实盘部署与运维.md) | Docker、systemd、灾备 |

---

## 阶段五：机器学习进阶

**目标**：用 ML 方法增强因子挖掘和策略开发

### 机器学习
| 文档 | 核心内容 |
|------|---------|
| [10-01 机器学习在量化中的定位](10-机器学习/10-01-机器学习在量化中的定位.md) | 应用场景、局限、过拟合 |
| [10-02 特征工程与因子挖掘](10-机器学习/10-02-特征工程与因子挖掘.md) | 自动因子生成、特征选择 |
| [10-03 树模型因子筛选](10-机器学习/10-03-树模型因子筛选.md) | LightGBM、SHAP |
| [10-04 神经网络因子合成](10-机器学习/10-04-神经网络因子合成.md) | MLP、滚动训练 |
| [10-05 LSTM与时间序列预测](10-机器学习/10-05-LSTM与时间序列预测.md) | LSTM、GRU、Transformer |
| [10-06 强化学习与交易决策](10-机器学习/10-06-强化学习与交易决策.md) | DQN、PPO、MDP |
| [10-07 模型评估与过拟合防范](10-机器学习/10-07-模型评估与过拟合防范.md) | 时间序列CV、Purged CV |

---

## 补充：数学与统计

| 文档 | 核心内容 |
|------|---------|
| [02-06 协方差矩阵与多元统计](02-数学与统计/02-06-协方差矩阵与多元统计.md) | 协方差矩阵、PCA、Ledoit-Wolf |
| [02-07 蒙特卡洛模拟](02-数学与统计/02-07-蒙特卡洛模拟.md) | GBM、期权定价、MC-VaR |
| [02-08 信息论基础](02-数学与统计/02-08-信息论基础.md) | 熵、互信息、KL散度 |

## 补充：Python 工具链

| 文档 | 核心内容 |
|------|---------|
| [03-05 SciPy科学计算](03-Python工具链/03-05-SciPy科学计算.md) | stats、optimize、linalg |
| [03-06 Jupyter与开发环境](03-Python工具链/03-06-Jupyter与开发环境.md) | Notebook、venv、项目组织 |

## 补充：数据获取

| 文档 | 核心内容 |
|------|---------|
| [04-02 Tushare数据获取](04-数据获取与存储/04-02-Tushare数据获取.md) | Token、接口、与AKShare对比 |
| [04-05 MySQL与PostgreSQL方案](04-数据获取与存储/04-05-MySQL与PostgreSQL方案.md) | ORM、分区表、迁移 |
| [04-06 数据自动化更新](04-数据获取与存储/04-06-数据自动化更新.md) | APScheduler、完整性校验 |

---

## 关键路径（最短学习路径）

如果时间有限，按以下顺序学习即可覆盖核心内容：

```
01-01 → 01-03 → 01-04 → 03-01 → 03-02 → 03-03 → 03-04 →
04-01 → 04-03 → 04-04 → 05-01 → 05-02 → 05-08 → 05-10 →
06-02 → 07-01 → 07-03 → 07-05 → 08-01 → 08-02 → 09-01 → 09-04
```

## 文档约定

- 所有 Python 代码示例均可直接在 Jupyter Notebook 中运行
- 数据源默认使用 AKShare（免费开源，无需注册）
- 每篇文档包含：概念解释 → 数学原理 → 代码示例（2-3个） → 检查清单
- 代码中使用真实 A 股数据（沪深300成分股等）

## 推荐资源

- **AKShare**：https://github.com/akfamily/akshare
- **vnpy**：https://github.com/vnpy/vnpy
- **qlib（微软）**：https://github.com/microsoft/qlib
- **backtrader**：https://github.com/mementum/backtrader