量化投資需要把數(shù)據(jù)、策略、系統(tǒng)、執(zhí)行四個(gè)方面綜合起來(lái)完成一個(gè)有機(jī)的整體。你用了這些學(xué)科的知識(shí)去構(gòu)建一個(gè)數(shù)理模型，一個(gè)投資決策模型，這是一個(gè)相對(duì)客觀和理性的系統(tǒng)，是可以被應(yīng)用于投資的第一步到一步的。

Python，MongoDB：

Python核心量化工具：Numpy/Scipy/Matplotlib/Pandas
Mongodb：非關(guān)系型數(shù)據(jù)庫(kù)(nosql ),屬于文檔型數(shù)據(jù)庫(kù)，在適量級(jí)的內(nèi)存的Mongodb的性能是非常迅速的。》》》點(diǎn)擊學(xué)習(xí)量化金融分析師AQF實(shí)訓(xùn)項(xiàng)目

基本面選股與擇時(shí)判斷買(mǎi)賣(mài)點(diǎn)：

對(duì)于股票市場(chǎng)，量化投資主要包括量化選股、量化擇時(shí)、算法交易、股票組合配置、資金或倉(cāng)位管理、風(fēng)險(xiǎn)控制等。

選股的目標(biāo)是從市場(chǎng)上所有可交易的股票中，篩選出適合自己投資風(fēng)格的、具有一定安全邊際的股票候選集合，通常稱(chēng)為“股票池”，并可根據(jù)自己的操作周期或市場(chǎng)行情變化，不定時(shí)地調(diào)整該股票池，作為下一階段擇時(shí)或調(diào)倉(cāng)的基礎(chǔ)。

量化選股的依據(jù)可以是基本面，也可以是技術(shù)面，或二者的結(jié)合。

擇時(shí)的目標(biāo)是確定股票的具體買(mǎi)賣(mài)時(shí)機(jī)，其依據(jù)主要是技術(shù)面。取決于投資周期或風(fēng)格（例如中長(zhǎng)線(xiàn)、短線(xiàn)，或超短線(xiàn)），擇時(shí)策略可以從比較粗略的對(duì)股票價(jià)位相對(duì)高低位置的判斷，到依據(jù)更精確的技術(shù)指標(biāo)或事件消息等作為信號(hào)來(lái)觸發(fā)交易動(dòng)作。
一般來(lái)說(shuō)，擇時(shí)動(dòng)作的產(chǎn)生可以基于日K線(xiàn)（或周K線(xiàn)），也可以基于日內(nèi)的小時(shí)或分鐘級(jí)別K線(xiàn)，甚至tick級(jí)的分時(shí)圖等。

神經(jīng)網(wǎng)路與深度學(xué)習(xí)在量化交易中的應(yīng)用：

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)新的領(lǐng)域，它基于多層神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)中的抽象進(jìn)行建模，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)。從市場(chǎng)微觀結(jié)構(gòu)的角度來(lái)說(shuō)，股票價(jià)格的形成和變化是由買(mǎi)賣(mài)雙方的交易行為決定的，對(duì)高頻市場(chǎng)行情數(shù)據(jù)利用深度學(xué)習(xí)方法進(jìn)行挖掘可以獲得對(duì)未來(lái)股票價(jià)格走勢(shì)有預(yù)測(cè)能力的模式。