最近在社区中经常看到“量化”的字眼，于是便找了一本《Python量化炒股入门与实战技巧》一书浏览。有感而发，做个记录。
书本内容概述
- 本书1-10章 写了Python的数据结构与语言本身相关内容，对入门者的确比较实用。以及量化这块常用的Python包：Numpy、Pandas、Marplotlib。
- 第11-19章：是与量化相关的一些内容，包含基础数据的获取方式、选股的策略、择时的策略、常用的技术指标、如何利用量化平台进行策略回测、策略因子分析，以及最后常见策略的实践讲解。
具体的开发语言不在这里赘述，是通用的计算机能力，可以在课后学习。书中推荐的是聚宽的量化平台：https://www.joinquant.com/
重点分析
选股&择时
股票交易简单来说，就是在合适的时间买入对的股，并在合适的时机卖出，从中赚取差价。所以选股与择时就属于赚钱的核心两步。
- 选股
从书中提供的pandas包，可以帮助我们通过多种维度选取合适的股票，如通过公司财务数据（利润率、毛利率等）、公司基础信息（如市值、员工数量等）等选取你认为值得投资的股票。相比一个个找会更加科学与快速。 - 择时
目前市面上有很多常见的技术指标可以帮助你择时，如MACD、布林带BOLL等几十种，他们是对股票每天的价格、市值、换手、成交额、成交量等一些基础的信息通过某些公式，进行量化，从而让用户对当前市场情绪、股票的涨跌趋势有一个更直观的理解。
策略
策略，可以理解为就是选股&择时交易的一种特定方法组合，如当A条件满足时，就买入某股票。这就是一个策略，而A条件是一个判断规则，叫做“因子”，你可以定义多个因子，如“5日均线上穿10日均线”、“股票换手率>10%”等等，定义了因子之后，可以在编写不同策略时复用。
所以如果你有一套交易方法，当…时，买入股票，另当…时，卖出股票，就已经是一个策略，剩下的就是代码开发的事了。
- 回测
对于你编写好的策略，平台还提供自测功能，避免上线后出问题，否则那就是真金白银的损失了。所以你可以利用历史数据，接入你的策略，查看买卖交易点及收益率、胜率等，来评估你的策略优劣程度
绘图
对于一些因子、指标等数据，可能只是一些连续的数字，从中你无法比较直观的看出变化趋势及对比。那么可以利用已有的工具包进行绘图。
书中提供的事Seaborn包，用到的时候可以继续查阅资料。
感想
-
对量化策略的看法
在现阶段量化投资盛行的时代，提高了人们根据已有数据进行选股和择时的效率，在一定程度上，也提供了交易的频率，某些交易数据会与技术指标相吻合，如当股票跌破了某些技术指标时，股价会加速下跌，在这种场景下，量化也会扩大这种趋势的发展。
人们常说：炒股是反人性的。
人避免不了会有七情六欲，上涨时会贪婪，下跌时会恐惧。在量化策略的加持下，理论上会一定程度缓解这些情感，毕竟有策略的炒股是有一定理论支撑的，能够使人更加的理性，当然也只是一定程度，除非你永远是轻仓或模拟。 -
对因子的看法
因子是选股择时的条件，换句话说，也可以理解为影响股价的技术因子。 我们知道影响股价的因素极多，如果能被几十个因子就能预判，那理论上股价会一直涨下去或一直跌，因为趋势一旦形成，加上所有人的策略共识，那么趋势是不容易被改变的。 根据上证的稳定3000来看，显然不是。 所以因子应该理性看待，也许多个因子叠加起来，胜率超过50%，甚至55%，那还是有一些用的。
市场瞬息万变，理性看待。
