当前位置：首页 > 金融资讯> AI量化选股学习路径，个人如何使用量化交易软件>

AI量化选股学习路径，个人如何使用量化交易软件

2018-07-03 09:03

AI量化选股学习路径与个人量化软件操作指南

一、AI量化选股能力构建路径（零基础到实战）

1. 知识体系筑基阶段

金融市场基础掌握股票/ETF/可转债交易规则（如T+1、涨跌停制度）理解财务指标：PE/PB/ROE在量化模型中的应用场景（参考13）

编程与数学基础Python核心技能：Pandas数据处理（数据清洗）、NumPy数值计算、Matplotlib可视化统计学重点：时间序列分析（ARIMA模型）、回归分析（线性/逻辑回归）

2. 数据获取与处理

免费数据源

　　平台

　　数据类型

　　更新频率

　　接口方式

　　Tushare Pro

　　A股历史行情、财务数据

　　日级

　　Python API

　　AKShare

　　全球宏观数据、基金持仓

　　实时

　　REST API

　　聚宽JQData

　　Level-2逐笔数据（需申请）

　　分钟级

　　本地化部署

　　数据预处理流程

3. AI模型构建实战

特征工程技术指标：MACD/RSI/Bollinger Bands的Python实现另类数据：新闻情绪分析（使用NLP库TextBlob）

经典AI选股模型

二、个人量化软件选择与操作详解

1. 零代码平台推荐（适合新手）

　　软件名称

　　特点

　　适用策略类型

　　费用结构

　　同花顺问财

　　自然语言策略生成

　　多因子选股/技术择时

　　基础功能免费

　　文华T8

　　积木式策略搭建（麦语言）

　　期货CTA/套利策略

　　年费3000元起

　　迅投QMT

　　支持Python/VBA双语言

　　高频交易（50ms级别）

　　需券商开通（50万门槛）

2. 编程型平台进阶（适合开发者）

　　VNPY开源框架操作流程

环境搭建：conda create -n vnpy python=3.8
连接券商：修改vnpy/trader/gateway/ctp_gateway.py 配置CTP接口
策略开发：继承CtaTemplate类实现on_tick方法

3. 全流程操作演示（以聚宽为例）

数据获取

策略编写

回测参数设置

三、风险管理关键要点

策略失效监测设置最大连续亏损次数（如5次）自动暂停动态调整仓位：仓位=√(夏普比率)×可用资金
资金分配模型凯利公式优化：f = (bp - q)/b （b为赔率，p为胜率）多策略分散：股票中性策略+CTA策略组合

四、学习资源推荐

书籍：《Python金融大数据分析》《量化交易之路》

课程：Coursera《Machine Learning for Trading》

社区：聚宽研究平台、QuantConnect开源策略库

　　操作建议：新手可从同花顺问财的AI选股模块入手（图示步骤见1），逐步过渡到Python量化分析。实盘前需进行至少200次历史回测与3个月模拟盘验证，重点关注策略在极端行情（如2024年2月A股波动）中的表现。

shicai0515
买黄金在线预约/微信报价

+ 复制

上一篇：ETF经历了怎样的发展历程？

下一篇：没有了！

声明本站分享的文章旨在促进信息交流，不以盈利为目的，本文观点与本站立场无关，不承担任何责任。部分内容文章及图片来自互联网或自媒体，版权归属于原作者，不保证该信息（包括但不限于文字、图片、图表及数据）的准确性、真实性、完整性、有效性、及时性、原创性等，如无意侵犯媒体或个人知识产权，请来电或致函告之，本站将在第一时间处理。未经证实的信息仅供参考，不做任何投资和交易根据，据此操作风险自担。本站拥有对此声明的最终解释权。