开启量化投资之旅 [教材]

关注 MindGo 量化平台微信公众号，获取量化投资教材视频 ［章节描述］本章内容主要介绍 MindGo 量化交易平台，包括投资研究、策略研发、策略交易等，使得初学者能熟悉整个环境，并最终开启量化投资之旅。

第一节 MindGO 量化交易平台介绍

MindGo 量化交易平台是同花顺旗下的人工智能投资平台，拥有海量的金融数据，强大的回测引擎，接近真实市场环境的仿真交易平台，支持目前广泛使用的 Python 脚本语言，轻松实现量化交易策略，开启量化投资之旅。

A.MindGo 是一个学习交流平台：包括：量化社区、策略广场、学习干货、量化竞赛等，提供给入门级用户一个良好的学习交流环境。

B.MindGo 是一个数据平台：数据包括：股票、基金、指数、期货、行业、行情、财务、同花顺特色数据等等，提供给用户免费使用。

C.MindGo 是一个策略研究平台：包括：Zipline、Jupter Notebook、Python 3、自然语句、多因子等等支持用户投资研究和策略研发。

D.MindGo 是一个量化策略交易平台：包括：仿真交易、策略监控、交易实时提醒、交易记录查询等，提供给用户一个完善的交易环境。

第二节 数据 一般而言，量化投资的流程为：数据—研发&回测—交易执行。

1.MindGo 数据

A.MindGo 量化交易平台提供行情、财务、行业、同花顺特色数据，数据标的包括股票、基金、指数、期货等品种，用户只需要通过简单的函数即可获取这些数据，进行数据研究和策略研发。

B.MindGo 支持第三方数据库数据调用，包括 Quandl 数据、Tushare 数据、iFinD 数据等等，满足用户在数据研究和研发策略中的数据需求。

C.用户还可以将自己搜集到的数据导入到平台进行数据研究和策略研发。

2.数据获取的方式：函数运行。用户只需要找到相应的数据函数，输入参数并运行即可获取到数据。(以下案例只需理解过程即可，具体会到第四章详细讲述)

第一步：确定获取数据的函数，get_price(symbol_list, start_date, end_date, fre_step, fields, skip_paused = False, fq = 'pre', bar_count = 0, is_panel = 0)

第二步：确定函数内置参数:2017 年 3 月 3 日向前获取 3 个交易日的平安银行的收盘价、最高价、最低价数据。get_price(['000001.SZ'], None, '20170303', '1d', ['close', 'high', 'low'], True, 'pre', 3, is_panel=0)

第三步：运行函数，获取数据。

第三节 研发 研发主要分为：策略研发和数据研究，两者都需要用到大量的数据，一旦脱离了数据，也就没有了策略研发和数据研究。

1.策略研发：

A.在 MindGo 量化交易平台的策略编译器中，结合平台自身的获取数据函数，获取数据函数的使用方法，会以完整简洁的 API 文档的形成呈现，用户使用 python 3 编写量化策略。如下图： B.在 MindGo 量化交易平台的多因子研究中，用户可以通过对近 200 个选股因子的组合。批量产出策略。如下图： 2.数据研究：在 MindGo 量化交易平台的研究环境中，用户可以使用 Python 3 进行数据分析、数据研究。

A.数据可视化:通常数据分析者使用 Excel 完成以下饼图，达到数据可视化，而实际上，运用 Python 语言可以批量处理数据，效率高。

B.投资理论研究：在研究环境中，运用 Python 语言实现马克维兹投资组合理论。对于在校大学生而言，Python 语言可以辅佐他们学习投资理论。

C.行情绘制与分析：通常投资者都是通过行情软件来观察行情与分析行情，在研究环境中，只有有行情数据，即可瞬间完成绘制与分析。

第四节 回测 通常情况下，编写完整个策略后，需要在历史行情中进行回测，分析量化策略的代码是够正确、量化策略是否按照投资逻辑进去交易，策略是否会出现异常情况等等，这些都可以在编译器和回测详情列表中完成。如下图，回测详情中包括交易明细，历史持仓等等详细数据：

第五节 交易 当量化策略能够在历史行情中，按照策略逻辑交易，并对策略回测各项指标衡量，包括策略年华收益、最大回撤、策略收益波动率等，来判断该量化策略是否进行模拟交易测试。MindGo 量化交易平台提供一个完整的交易模块，满足用户对量化交易的需求，包括：仿真交易、交易记录查询等。

第六章 学习交流 MindGo 量化交易平台作为学习交流平台，体现在以下几个方面:

A.提供了一个策略库，用户可以免费使用该策略库，对于入门级用户而言，是一个非常不错的学习库，不仅可以学习量化策略的逻辑思维，而且可以学习 Python 语言编写技巧。

B.提供了一个量化交流社区，用户可以借鉴学习他人分享的成果，参与 MindGo 定期举办的量化竞赛，在社区问答中提出疑难问题等等。

C.提供了一整套教学教材和配套视频，入门级用户完全可以线上学习，并线上及时收到技术人员的疑问反馈。

第七节 学习路径

对于量化入门级用户而言，一条完整清晰的学习路径是非常关键的。

从整体的角度出发，量化入门级用户应当明确量化投资的概念、理解量化策略的框架、熟悉 MindGo 量化平台、熟练运用 Python 语言。在此基础上，尝试策略研发和数据研究，达到专业级用户水平。

之后的章节，本教材围绕着量化策略和 Python 语言工具进行讲述，使得入门级用户最终能学会用 Python 语言、灵活编写经典量化策略、初步拥有策略研发和数据研究能力。

整条路径的每个环节都不是孤立的，每个环节之间相互补充、相互印证，坚持并有效地推进学习路径是非常关键的！

MindGo 官网： http://quant.10jqka.com.cn/platform/html/home.html