量化投資需要把數(shù)據(jù)、策略、系統(tǒng)、執(zhí)行四個方面綜合起來完成一個有機的整體。你用了這些學(xué)科的知識去構(gòu)建一個數(shù)理模型，一個投資決策模型，這是一個相對客觀和理性的系統(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(nosql ),屬于文檔型數(shù)據(jù)庫，在適量級的內(nèi)存的Mongodb的性能是非常迅速的。》》》點擊學(xué)習(xí)量化金融分析師AQF實訓(xùn)項目

基本面選股與擇時判斷買賣點：

對于股票市場，量化投資主要包括量化選股、量化擇時、算法交易、股票組合配置、資金或倉位管理、風(fēng)險控制等。

選股的目標(biāo)是從市場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，通常稱為“股票池”，并可根據(jù)自己的操作周期或市場行情變化，不定時地調(diào)整該股票池，作為下一階段擇時或調(diào)倉的基礎(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。

擇時的目標(biāo)是確定股票的具體買賣時機，其依據(jù)主要是技術(shù)面。取決于投資周期或風(fēng)格（例如中長線、短線，或超短線），擇時策略可以從比較粗略的對股票價位相對高低位置的判斷，到依據(jù)更精確的技術(shù)指標(biāo)或事件消息等作為信號來觸發(fā)交易動作。
一般來說，擇時動作的產(chǎn)生可以基于日K線（或周K線），也可以基于日內(nèi)的小時或分鐘級別K線，甚至tick級的分時圖等。

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)是機器學(xué)習(xí)的一個新的領(lǐng)域，它基于多層神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)中的抽象進行建模，其動機在于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機制來解釋數(shù)據(jù)。從市場微觀結(jié)構(gòu)的角度來說，股票價格的形成和變化是由買賣雙方的交易行為決定的，對高頻市場行情數(shù)據(jù)利用深度學(xué)習(xí)方法進行挖掘可以獲得對未來股票價格走勢有預(yù)測能力的模式。