量化交易学习路线图
这是一份为零编程基础、但有多年金融市场经验的从业者定制的自学计划：以 B 站免费资源为主， 分 6 个阶段、约 30–36 周（每周约 5 小时），从"看懂量化"一路走到"能独立搭建并运营一套面向国内期货市场的量化交易系统"。 每个阶段都有明确的资源、实践任务和通关标准，配套的 quant-system 代码脚手架让学与练一一对应。
总览：先看清整条路，再迈第一步
这份路线图遵循三条原则。第一，里程碑驱动而非课时驱动：每个阶段都有"通关标准"， 达标就进入下一阶段，避免囤课和无限拖延。第二，前期借股票课打基础、后期全面转向期货： B 站上股票向的量化资源最丰富，编程与回测的方法是通用的，而最终系统按你的本行——国内期货市场来搭建。 第三，学与练一一对应：配套的 quant-system 脚手架提供了一条从"拉数据 → 写策略 → 跑回测 → 模拟盘" 的完整代码链路，学到哪个阶段，就回来读对应的那块代码。
你的优势与短板都很清楚：十多年金融从业经验意味着你懂市场、懂交易逻辑，这正是量化里最值钱的"策略想法"来源； 短板只是编程和工具，而这恰恰是可以按部就班补齐的部分。下表是六个阶段的整体安排，后续章节逐一展开。
| 阶段 | 时间 | 核心产出 | 通关标准 |
|---|---|---|---|
| 0 建立认知 | 第 1–2 周 | 看懂量化全景，写下想验证的交易想法 | 能讲清回测、因子、策略、实盘四个概念 |
| 1 Python 零基础 | 第 3–10 周 | 能写读文件、算数据的小脚本 | 独立完成"读 CSV 算均线"小程序 |
| 2 数据分析三件套 | 第 11–14 周 | 掌握 NumPy / Pandas / Matplotlib | 独立完成"拉数据→清洗→算指标→画图" |
| 3 回测框架 | 第 15–18 周 | 跑通 Backtrader 回测，看懂绩效指标 | 独立写一个新策略并出回测报告 |
| 4 期货量化专项 | 第 19–26 周 | 掌握天勤 TqSdk，了解 vn.py 生态 | 模拟盘跑通第一个期货自动交易程序 |
| 5 系统整合 | 第 27–36 周 | 自己的系统：风控、日志、复盘闭环 | 模拟盘无人值守稳定运行 2–3 个月 |
阶段 0 · 建立量化认知
不碰代码第 1–2 周 · 约 10 小时 · 目标：先弄明白量化是什么、能做什么、怎么做
这个阶段刻意不安排任何编程内容。量化入门最常见的失败方式，是第一天就被 Python 环境和报错劝退—— 先用两周时间把概念地图建立起来，后面的学习会顺畅得多。
推荐资源（均为免费）
| 资源 | 说明 | 怎么看 |
|---|---|---|
| BigQuant《AI量化投资训练营·基础班》[1] | 量化平台官方免费课，专为金融小白设计、全程无需编程（B 站配套视频 26 集[2]） | 选看前 10 集左右，建立概念框架 |
| 渔阳《量化小学》[3] | 《乱世华尔街》作者、QuantOS 创始人主讲的入门经典，讲透量化底层逻辑（配套代码开源在 GitHub[4]） | 2018 年录制，概念不过时，选看核心章节 |
| 邢不行 B 站免费视频[5] | 国内最知名的量化 UP 主，覆盖股票、期货、期权，讲解通俗、案例驱动 | 每天 1–2 个视频，兴趣驱动即可 |
实践任务
- 用自己的话写下"量化交易和主观交易的三个区别"，写不出来就再回去看。
- 列出你从业多年积累的、最想用数据验证的 2–3 个交易想法——这是你后续学策略的原材料。
能向同事讲清"回测、因子、策略、实盘"四个概念；能说清一套双均线策略从信号到下单的完整逻辑。
学不动了怎么办：觉得枯燥就先换邢不行的案例视频看，兴趣比顺序重要，别在第一周放弃。
阶段 1 · Python 零基础
最枯燥也最重要第 3–10 周 · 约 30–40 小时 · 目标：能独立写出读文件、算数据、画图的小脚本
Python 是整条路线的地基，这一阶段投入最大、也最枯燥，但没有捷径。 选小甲鱼这套课是因为它足够口语化、适合零基础，且在 B 站长期口碑稳定[6]。
推荐资源
| 资源 | 说明 | 怎么看 |
|---|---|---|
| 小甲鱼《零基础入门学习Python》[6] | B 站最经典的 Python 入门课，讲解风趣、配套完善 | 只看核心章节，见下方清单 |
只需要看这些章节：变量与数据类型、列表与字典、条件与循环、函数、文件读写， 以及"类与对象"的前几集（后面 Backtrader 会用到类，届时再回炉）。 可以跳过：爬虫、Web 开发、游戏、GUI 等所有拓展章节——它们对量化学习没有直接帮助。
实践任务
- 第 1 周：安装 Python 与 VS Code，跑通第一行 print——环境问题就消耗掉很多人的第一周，提前有心理准备。
- 每集视频跟着敲代码，只看不敲等于没学。
- 结业小项目：读取一个 CSV 文件，计算其中一列的 10 日均值并打印结果。
不看教程独立写出 100 行以内的小脚本；遇到报错能先自己读报错信息、搜索解决，而不是立刻求助。
学不动了怎么办：卡在"类与对象"可先跳过；优先练熟函数、列表和字典，这三样覆盖 80% 的量化代码。
阶段 2 · 数据分析三件套
第一次摸到行情数据第 11–14 周 · 约 20 小时 · 目标：掌握 NumPy / Pandas / Matplotlib，能独立处理行情数据
量化的日常工作 80% 是数据处理。这一阶段结束后，你将第一次亲手摸到期货行情数据， 并把脚手架里的数据模块跑起来。
推荐资源
| 资源 | 说明 | 怎么看 |
|---|---|---|
| 嵩天《Python数据分析与展示》[7] | 北京理工大学 MOOC，覆盖 NumPy / Pandas / Matplotlib，讲解系统 | 主线课程，全程跟完 |
| 莫烦 Python · Matplotlib[8] | 短平快的画图教程，适合速查 | 配合嵩天课穿插看 |
实践任务（开始使用 quant-system 脚手架）
- 运行脚手架的 data/fetch_data.py，逐行读懂：它用 akshare 拉取螺纹钢主力连续的日线数据并存成 CSV。
- 把 config.py 里的品种换成 CU（铜）或 AU（黄金）重跑，体会"改配置不改代码"。
- 用 Pandas 读取 CSV、计算 10 日和 30 日均线、用 Matplotlib 画出收盘价与两条均线。
不看教程独立完成"拉数据 → 清洗 → 计算指标 → 画图"的全流程，并保存为可重复运行的脚本。
学不动了怎么办：Pandas 吃力说明阶段 1 的列表、字典还没练熟，回去补一周再继续。
阶段 3 · 回测框架 Backtrader
检验策略想法的第一把尺子第 15–18 周 · 约 20 小时 · 目标：跑通回测、看懂绩效，能独立评估一个策略
回测是量化的核心环节：用历史数据检验策略想法。Backtrader 是中文教程最丰富的 Python 回测框架， 与 B 站资源形成闭环，也是脚手架采用的回测引擎[9]。
推荐资源
| 资源 | 说明 | 怎么看 |
|---|---|---|
| 国信证券《7堂课学会Python量化交易》[10] | 券商官方免费课，来源可靠、内容精简 | 先看这个建立回测概念 |
| Backtrader 量化入门系列[11] | 按天推进的实操系列，从数据到绩效分析 | 主线课程 |
| 事件驱动回测框架实战（全 18 集）[12] | 系统性讲框架原理与用法 | 选看，补框架细节 |
| 路飞学城《Python金融量化分析》[13] · 哲学喵量化《零基础学量化交易》[14] | 口碑较好的补充资源，风格各异 | 卡壳时换口味用 |
实践任务（脚手架核心）
- 逐行读懂 strategy/double_ma.py：一个策略类的三块——指标声明、信号下单、订单跟踪。
- 运行 backtest/run_backtest.py，对照输出的总收益率、夏普比率、最大回撤、胜率逐个弄懂含义。
- 修改 config.py 的 FAST_MA / SLOW_MA 参数（如 5/20、20/60），重跑对比绩效，直观感受参数对结果的影响。
不看教程独立写出一个新的简单策略（如单均线、KDJ），并跑出完整回测报告；能解释夏普比率和最大回撤各自衡量什么。
学不动了怎么办：先看国信 7 堂课再回头看 Backtrader 教程；框架细节不必一次全懂，先跑通再深究。
阶段 4 · 期货量化专项
全面转向你的本行第 19–26 周 · 约 30–40 小时 · 目标：掌握期货实盘工具链，在模拟盘跑通自动交易
从这一阶段起，学习内容全面转向期货。技术选型上以天勤 TqSdk为主线——官方中文文档完善、 免费模拟盘、是国内期货实盘最轻量的路径[15]； 同时了解 vn.py 生态作为进阶方向（功能更强但部署较重，脚手架不采用）。
推荐资源
| 资源 | 说明 | 怎么看 |
|---|---|---|
| 天勤 TqSdk 官方文档[15] | 十分钟入门 → K线 → 回测 → 模拟盘 → 实盘，路径完整，中文友好 | 本阶段最重要的一份资料，按顺序精读 |
| vn.py 陈晓优《从零开始量化投资》[16] | 国内最主流开源期货框架 vn.py 作者本人的入门课 | 选看，建立对 vn.py 生态的认知 |
| 小白量化期货自动交易培训课[17] | 覆盖 CTP / 天勤等期货自动交易接口的工具流实操课 | 当工具手册查阅，留意其与自家产品的绑定 |
实践任务（第一次实盘级代码）
- 注册免费快期账户，安装 tqsdk。
- 读懂并运行 live/tqsdk_demo.py：同一条双均线逻辑，由实时行情驱动，TargetPosTask 自动管理下单——这就是程序化交易的最小形态。
- 让它跑一整天，观察信号生成、自动下单、持仓变化的完整过程。
在天勤模拟盘跑通第一个期货自动交易程序，并稳定运行一周以上；理解模拟盘与实盘在数据、撮合上的差别。
学不动了怎么办：TqSdk 文档配有官方 AI 助手可直接提问；接口问题优先查文档"常见问题"章节。
阶段 5 · 系统整合与模拟盘验证
从会用到自建第 27–36 周 · 约 40–60 小时 · 目标：把学到的所有东西组装成自己的系统，并经受模拟盘考验
这个阶段不再安排新课程，重心是在自己的 quant-system 上持续迭代。 一个"能用的"量化系统，策略只是一部分，风控、日志、复盘才是长期活下来的关键。
迭代任务清单
- 风控：加入止损、单品种仓位上限、单日最大亏损熔断——期货有杠杆，风控优先级永远高于收益。
- 日志：每一条信号、每一笔成交落盘记录，出问题时能完整回放。
- 复盘：每周自动导出绩效报告，对照市场走势复盘策略表现。
- 数据升级：按需从日线扩展到分钟线、Tick 数据（天勤免费档即可支撑）。
- 策略升级：把阶段 0 写下的那 2–3 个交易想法变成代码——这是你相对纯程序员的最大优势所在。
系统在模拟盘无人值守稳定运行 2–3 个月，策略日志完整、周报持续产出。达标后，才谈得上用小资金试水实盘。
之后的方向：进阶可研究 vn.py 图形化客户端、券商 QMT/miniQMT 接入、机器学习因子；但先把简单系统跑稳，比追新工具有用得多。
避坑指南：别人交过学费的地方
- 警惕标题党引流课 B 站上大量"7 天速通量化""全 N 集最全教程""学不会退出 IT 界"式视频，多为培训机构搬运剪辑后引流卖课， 播放量高不等于质量好。本路线图列出的资源都已按口碑和来源筛过。
- 别囤课，用通关标准驱动 收藏夹里躺 20 套课不如学完一套。每个阶段只开列出的资源，达标就进下一阶段，不达标就继续练，不开新课。
- 过拟合是新手第一大坑 参数调得回测越漂亮，未来表现往往越差。改参数对比绩效时保持怀疑：如果一个策略只在很窄的参数区间赚钱， 它大概率捕捉的是历史噪音而不是规律。
- 模拟盘先行，没有例外 任何策略上实盘前，先在模拟盘无人值守跑 2–3 个月。期货的杠杆会放大一切错误，包括代码里的 bug。
- 学习期不花钱买数据、不急着买课 akshare 加天勤的免费额度完全够支撑到阶段 5；等系统真正跑起来、确实需要更高频数据时再考虑付费方案。
- 量化不等于稳赚 脚手架里的双均线是教学策略，直接实盘大概率亏钱。量化的本质是把你的交易逻辑纪律化、可验证化， 而不是点石成金。
进度自查清单
把这份页面保存下来，每完成一项就勾掉一项——勾完最后一条，你的系统就已经在模拟盘上跑过完整的考验了。