就跟JavaScript在web领域无可撼动的地位一样，Python也已经在金融量化投资领域占据了重要位置，从各个业务链条都能找到相应的框架实现。
在量化投资（证券和比特币）开源项目里，全球star数排名前10位里面，有7个是Python实现的。从数据获取到策略回测再到交易，覆盖了整个业务链。
而全球注册用户数最多的商业量化平台Uqer优矿，也同样是基于Python实现和提供服务的。国内后来的其他量化平台，例如RiceQuant和JoinQuant，也主推Python环境。可见Python在量化平台应用的绝对占有程度。
Python是一门比较全面与平衡的语言，既能满足包括web在内的系统应用的开发，又能满足数据统计分析等数学领域的计算需求，同时也能作为胶水语言跟其它开发语言互通融合。
在数据分析方面，没有其他语言能像Python这样既能精于计算又能保持性能，对于时间序列数据的处理展现了简单便捷的优势。而如此适用的特点，主要得益于有如下框架和工具的支持：
Numpy：底层基于C实现的科学计算包
具有强大的N维数组对象；Array具有数据广播功能的函数库；具有完整的线性代数和随机数生成函数
SciPy：开源算法和数学工具包
最优化线性代数、积分、插值、特殊函数；快速傅里叶变换；信号处理和图像处理常微分方程求解；其他科学与工程中常用的计算
其功能与Matlab和Scilab等类似
Pandas：起源于AQR的数据处理包，具有金融数据分析基因
基于Series、DataFrame和
Pannel多维表结构数据；数据自动对齐功能；数据清洗和计算功能；时间序列数据快速处理功能
Matplotlib：基于Python的数据绘图包，能够绘制出各类丰富的图形和报表
另外，Python在机器学习领域的应用也越来越多，其中的开源项目包括了scikit-learn、Theano、Orange等
1、简单易学Python是一门简单而又简约的语言。阅读好的Python程序感觉就像阅读英语。Python非常容易上手，学习曲线比较平缓。
2、高级语言垃圾自动处理且面向对象的高级语言。Python 具备所有脚本语言的简单和易用性，并且具有在编译语言中才能找到的高级软件工程工具。
3、扩展移植可与其他语言无缝对接并能实现跨平台。
4、开源项目只要能想到的，几乎都有现成的包能找到。
目前市面上已经出现了不少针对金融领域数据分析和量化的书籍，有了这些书籍，实现金融数据处理完成量化投资分析便容易多了。
金融领域主要的Python书籍：《Python for Data Analysis》
《Python for Finance》《Mastering Python for Finance》《Machine Learning in Action》
来源：天善社区挖地兔的博客
链接：https://ask.hellobi.com/blog/waditu/6433
Python量化课程_现场学习Python量化投资思想，策略与实战：
时间：2017年10月2-5日 (四天)
安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
地点：北京市海淀区厂洼街3号丹龙大厦
学费：5000元 / 4200元 (仅限全日制在读本科生及硕士生优惠价)；食宿自理
蔡立耑（Terry Tsai），美国伊利诺伊大学金融硕士，华盛顿大学经济学硕士、博士，在国内外如美国、韩国有丰富的授课经验。带领博、硕士生从事投资决策、金融衍生品、风险分析、交易策略等领域的研究。
生长于台湾，求学于美国，在台湾的信息与金融业担任高级顾问，不仅拥有扎实的金融理论基础，而且具备广阔的国际视野与前沿的研究理念！经管之家资深金牌量化投资讲师。
主持多项金融大数据研究项目，涉及SAS、R、Matlab、Mathematica、Java 与C#、F# 等多种统计分析工具与编程语言。在数据处理、数据分析以及数据可视化等数据科学领域有丰富的经验和独到的见解。
亲身实践各种金融应用，主持研究团队与台湾知名大学与企业合作开展各种金融研究，例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。
1：现场教学，可现场和老师互动，解决当下的课程疑惑；
2：课程内容丰富，囊括了许多量化投资的理论知识；
3：课程内容新颖，应用前沿的学术理论；
4：教学过程深入浅出, 以实例与实作印证所学；
5：学员能快速掌握灵活Python，能在现实中通过此工具解决量化投资等综合金融问题；
6：可操作性强，将所介绍理论在实战中一一展示，即学即用，在实战中搭建课程的整体脉络。
Day 1
一，Python 编程
1, 数据类型
1.1 数值类型，字符串，列表，元组，字典，集合
1.2 可变与不可变
2, 基本语法
2.1 常用运算符
2.2 常用语句
2.3 函数的定义与调用
3, 进阶技巧
3.1 切片，迭代，列表解析，生成器，迭代器
3.2
面向对象
3.2.1 类，封装，与继承
3.3 函数式编程
3.3.1 map/reduce
3.3.2 匿名函数
3.3.3 装饰器
3.3.4 偏函数
Day 2
二，数据探索
1, Numpy：数组和向量计算
2, Pandas 与金融数据处理
2.1 数据清理，转换，合并，重塑
2.2 数据聚合与分组运算
3, Matplotlib 与数据可视化
4, 时间序列数据
4.1 日期的采样，频率，移动，及算术运算
三，基于事件趋动的自动化交易系统实践
Day 3
四，基本面选股
1, 财务指标选股模型
2, 积极成长策略
3, 兼具价值与成长之GARP策略
五，常用技术指标
1, K线
2, RSI
3, 均线系统
3.1 移动平均
3.2 MACD
4, 通道
4.1 唐奇安通道
4.2 布林带通道
4.2.1 随机指标KDJ
4.2.2 量价关系
4.2.3 能量潮OBV指标
六，动量
七，宏观择时分析
八，Kelly公式与仓位控制
九，配对交易
Day 4
十，卡曼滤波器与股价预测
十一，网格交易
十二，缠论
十三，机器学习与量化交易
1, 神经网路
2, 随机森林
3, KNN分析
4, 支持向量机
5, 线性判别分析
6, 二次判别分析
7, 逻辑回归
1：点击底部“阅读原文”，网上填写信息提交；
2：给予反馈，确认报名信息；
3：网上订单缴费；
4：开课前一周发送课程电子版讲义，软件准备及交通住宿指南。
现场班老学员9折优惠；
同一单位三人以上同时报名9折优惠；
以上优惠不叠加。
魏老师
QQ：2881989714
Tel：010-68478566
Mail：vip@pinggu.org
