金融量化分析学习笔记：从市场基础到经典策略纵览

博客园 Hear7（caodneg7）的一份量化分析学习笔记长文。价值在于「全景纵览」：它把一条学习路径串起来——A 股市场基础 → Python 数据工具 → 自建回测框架的思路 → 聚宽平台上的九类经典策略（含完整代码）。素材见 raw/collections/quant-survey-notes/01-金融量化分析-hear7-博客园.md。

量化量化投资经典策略聚宽Python学习笔记

这是什么

一份课程笔记式的量化入门长文，正文分四部分：一、金融与量化投资（股票市场常识 + 量化是什么）；二、量化投资与 Python（IPython / NumPy / pandas / Matplotlib 工具教程）；三、实现简单的量化框架（自建回测要哪些零件）；四、在线平台与量化投资（聚宽 JoinQuant 平台 + 双均线/小市值/均值回归/布林带/PEG/羊驼/海龟/鳄鱼等经典策略的完整聚宽代码）。它的多数策略与本站量化课堂同源，但这份笔记胜在「一份文件纵览全部 + 代码最完整」。

核心要点

第一部分：A 股市场与量化基础

股票是股份公司发给出资人的凭证，持有者即股东。面值是票面金额，市值是市场价值。IPO = 公司经交易所公开向社会增发股票募资。股票的用途：出资证明/股东身份/参与经营意见 + 分红与交易获利。
股票分类按业绩：蓝筹股（资本雄厚、信誉优良）、绩优股（业绩优良）、ST 股（特别处理：连续两年亏损或每股净资产低于股票面值）。
按上市地：A 股（大陆，人民币，T+1、涨跌幅 10%）、B 股（大陆，外币，原文标 T+1、T+3，未展开）、H 股（香港，T+0、不设涨跌幅）、N 股（纽约）、S 股（新加坡）。
市场构成：上市公司、投资者（含机构）、证监会/证券业协会/交易所、证券中介。交易所：上交所只有一个主板（沪指）；深交所有主板（深成指）、中小板、创业板。
影响股价的六类因素：公司自身（基本面最根本）、行业、市场（大户操纵/投机等）、心理（情绪与从众）、经济（周期/财政/汇率）、政治。
A 股交易规则：个人须在券商开户委托；交易日周一至周五；时段为 9:15–9:25 开盘集合竞价、9:30–11:30 前市连续竞价、13:00–15:00 后市连续竞价、14:57–15:00 深交所收盘集合竞价；T+1（买入次日才能卖）；涨跌停。
金融分析两派：基本面（宏观财政货币 → 行业 → 公司财务业绩）与技术面（K 线、MA、KDJ、MACD 等指标）。
量化投资 = 用计算机技术 + 数学模型去实践投资理念、实现投资策略。四点优势：避开主观情绪/人性弱点/认知偏差更客观；能同时多角度、多层次观察；及时跟踪市场发现新统计模型找机会；决策前能用回测验证效果。
量化策略核心内容四件：选股、择时、仓位管理、止盈止损。生命周期五步：产生想法/学知识 → 用 Python 实现 → 回测/模拟交易检验 → 实盘 → 优化或放弃。

第二部分：Python 工具链

为什么选 Python：相对 Excel、SAS/SPSS、R。三条使用路线：自己写（NumPy+pandas+Matplotlib…）、在线平台（聚宽、优矿、米筐、Quantopian）、开源框架（RQAlpha、QUANTAXIS）。
IPython：交互式命令行。要点：TAB 自动补全、? 内省、! 执行系统命令、%run/%paste/%cpaste、魔术命令（%timeit、%pdb 等）、命令历史、输入输出变量（_、_2、_i2）、%bookmark 目录书签、Notebook。
NumPy：高性能科学计算基础包，pandas 建在它上面。核心是 ndarray 多维数组；特性：元素同型、无需循环的整组运算、读写磁盘、线性代数/随机数/傅里叶、可接 C/C++。
pandas：数据分析包，基于 NumPy。两大结构 Series（带标签一维）与 DataFrame（表格，可看作共用索引的 Series 字典）；集成时间序列；灵活处理缺失数据。
Matplotlib：绘图可视化。plot 的线型/点型/颜色、title/xlabel/ylabel、hist、figure 画布 + subplot 子图 + subplots_adjust 调间距。

第三部分：自建量化框架要哪些零件

七个零件：开始/结束时间、现金与持仓数据 → 获取历史数据 → 交易函数 → 计算并绘制收益曲线 → 回测主体框架 → 计算各项指标 → 留给用户写：初始化函数与每日处理函数。这一节说明：一个最小回测框架 = 数据 + 撮合 + 记账 + 指标，用户只需填「策略逻辑」。

第四部分：聚宽平台与九类经典策略

JoinQuant 主要框架：initialize（初始化）+ handle_data（每个周期调用）；取历史数据、交易函数、按天/按分钟回测、风险指标。多篇代码共用一套成本设置模板：OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5)。
双均线（单股版）：对 601318.XSHG，5 日与 60 日均线金叉全仓买入、死叉清仓（attribute_history 取收价、order_value/order_target）。均线周期分类：5/10 日短线、30/60 日中期（季线）、120/240 日长期（年线）。
小市值（因子选股）：沪深 300 池，每 30 日 get_fundamentals(query(valuation)...) 取市值字段、排序取最小 N=10 只，卖出不在名单的、等分现金买入新进名单的。
多因子选股：正文只讲思路（因子 = 增长率/市值/ROE 等标准；选因子最大或最小的 N 只；多因子 = 如何同时考虑多个因子），无独立代码。
均值回归：理论 =「跌下去迟早涨回来」，价格以均线为中心波动。用 30 日均线与当日开盘价算偏离度 (MA−P)/MA，每月（run_monthly）选偏离度最高的 10 只调仓（沪深 300 池）。
布林带（Bollinger Band）：中轨 20 日均线 ± N 倍 20 日标准差（N=2）。演示为反着用：价格突破上轨且已持仓则卖出、跌破下轨且空仓则买入——典型的均值回归式布林。
PEG 策略：PEG = PE ÷ G ÷ 100（G = 净利润同比增速），越低越可能低估。先过滤 PE 与净利润增速为负的股票（沪深 300 池、30 日调仓、取 PEG 最小 10 只）。字段用聚宽 valuation.pe_ratio 与 indicator.inc_net_profit_year_on_year。
羊驼交易法则：随机买入 N=10 只；每 30 日（run_monthly(handle,2)）用区间涨幅排序，卖掉涨幅最差的 1 只，再买入池内不在持仓且涨幅居前的一只补位（约 9 成资金）。
海龟交易法则（分钟回测演示）：唐奇安通道 20 日高点入市、10 日低点离场；N（ATR 类波动率）用「真实波幅三选一取最大再滚动平均」算；每单位仓位 = 总资产 1% ÷ N；价格比上次买入高 0.5N 加一单位、跌破最后买入价 −2N 止损。单标的演示（000060.XSHE）。
鳄鱼交易法则（注释指到聚宽社区 post 595）：用蓝/红/绿三条均线纠缠判定「睡着的鳄鱼」（三条线互相偏离 <2%，近 20 日都要「纠缠」才入选），结合碎形（fractal）突破与 AO/AC 动量指标进出场；风控分三层——大盘 3 日跌 3% 全清、个股累计收益 +30% 止盈、−10% 止损；约每半年重选股票池。

机制 / 论证

为什么量化能避免情绪：人的弱点（追涨杀跌、从众、判断失误）来自主观与心理因素；把规则固定成代码后，决策不经过情绪。这告诉我们：量化的卖点是纪律与可回测，不是预测更准。
为什么策略核心是四件事：选股定「买什么」、择时定「何时买」、仓位管理定「买多少」、止盈止损定「怎么离场」——任何策略都落在这四个旋钮上（与本站量化策略的组成（输入 / 逻辑 / 输出）一致）。
为什么「回测验证」是量化的关键优势：策略能先在历史数据上检验、模拟交易后再上实盘——这给了「先试错后下注」的能力；但回测本身的偏差问题要另看 QuantStart 方法论。
经典策略的机制各一句话：
- 双均线：短均线上穿长均线=买的人愿出更高价（强势），反之弱势。
- 小市值/因子：用一条可量化标准（市值最小）选出市场冷落的股票，赌它被纠偏。
- 均值回归：价格围绕均线波动，偏离越多越可能弹回（反趋势）。
- 布林带：价格突破统计带（均线 ± Nσ）就是超买/超卖信号。
- PEG：把「贵不贵」和「长得快不快」压成一个数，越低越像被低估的成长股。
- 羊驼：趋势的朴素赌注——卖掉表现差的，留表现好的（动量端）+ 随机换入（分散端）。
- 海龟：趋势跟踪 + 波动率仓位——突破进场、用 N 控每笔风险（单笔约 1%）。
- 鳄鱼：均线纠缠=蓄势（鳄鱼睡觉），突破+动量确认=启动（鳄鱼张嘴），吃趋势的一段。

可操作

本页代码是全批最完整的聚宽示例；不重贴代码，把关键 API 与参数提炼如下（均来自 raw 各策略代码块）：
- 全局模板：set_benchmark('000300.XSHG')、set_option('use_real_price', True)、set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')。
- 入口：initialize(context) 一次；handle_data(context, data) 每日/每周期；before_trading_start(context) 开盘前（海龟用它算当日 N）；定时任务用 run_monthly(fn, 1)（每月第 1 个交易日）、run_monthly(handle, 2)。
- 取数：attribute_history(stock, N)（N 日收价均线）、attribute_history(stock, 2, '1d', ('high','low','close'))（多字段）、history(period, field, security_list)、get_index_stocks('000300.XSHG')（沪深 300 成分）、get_current_data()[stock].day_open（当日开盘价）。
- 财务取数：get_fundamentals(query(valuation).filter(valuation.code.in_(pool)))，字段例 valuation.market_cap（市值）、valuation.pe_ratio（PE）、indicator.inc_net_profit_year_on_year（净利润同比）。
- 下单：order(security, unit)（按股数）、order_value(stock, cash)（按金额）、order_target(stock, 0)（清仓到 0）、order_target_value(stock, 0)（按目标金额清仓）。
- 状态：context.portfolio.positions（持仓字典）、context.portfolio.available_cash / .cash、context.portfolio.total_value、context.current_dt；用户变量放 g.xxx。

策略参数速查表：

策略	股票池	调仓/频率	关键参数	买卖规则
双均线（单股）	601318	每日 handle_data	MA5/MA60	金叉买、死叉卖
小市值	沪深300	每 30 日	N=10	市值最小 10 只
均值回归	沪深300	每月 1 次	MA30、10 只	偏离度 (MA−P)/MA 最大 10 只
布林带	600036 等	每日	MA20、±2σ	破上轨卖、破下轨买
PEG	沪深300	每 30 日	N=10、滤负值	PEG 最小 10 只
羊驼	沪深300	每 30 日	N=10、每次换 1 只	卖最差 1 只、补涨幅高者
海龟	单标的 000060	分钟	20 日入/10 日出、0.5N 加仓、2N 止损、unit=1%资产/N	突破买、止损离场
鳄鱼	沪深300	约半年换池 + 每日 handle	三线 <2% 纠缠、AO/AC、止盈 +30%/止损 −10%、大盘 −3%	碎形突破 + AO/AC 上行进场

Python 工具要点（只列可操作条目）：NumPy 创建（array/arange/linspace/zeros/ones/empty/eye）、切片是视图需 copy()、布尔索引 a[a>5]、&/| 组合条件、ufunc 与统计方法（sum/mean/std/min/max/argmin）；pandas 的 loc（标签）/iloc（下标）区分、索引对齐、NaN 处理（dropna/fillna/isnull）、pd.to_datetime/date_range、read_csv/to_csv 参数；IPython 魔术命令与 %run。

与量化课堂同源对照

本篇多数策略在聚宽量化课堂有对应专篇：本篇是入门纵览（带完整代码），量化课堂页是系统深度版。逐策略对应：

双均线 ↔ 双均线策略——本篇为单股 MA5/60，课堂版为多股票版。
海龟 ↔ 海龟策略——唐奇安通道 + N 值仓位同源。
羊驼 ↔ 羊驼交易系统——「卖差补强」同源。
均值回归 ↔ 均值回归进阶策略——偏离度选超跌同源；课堂版把「偏离多少算超跌」统计化。
PEG ↔ 彼得·林奇的成功投资（PEG 估值入门）与 PEG 动态选股策略——PEG=PE÷G 同源。
小市值/因子选股 ↔ 多因子策略入门——因子选股思路同源。
均值回归式布林带 ↔ 均值回归（买超跌赌反转）——本篇为「破上轨卖、破下轨买」的反向布林变体。
鳄鱼法则在量化课堂无对应专篇，仅本篇展开。

术语

蓝筹 / 绩优 / ST：按业绩分的股票类别；ST = 连续两年亏损或每股净资产低于面值（以当时规则为准）。
A/B/H/N/S 股：按上市地与币种分的股票。
T+1 / T+0：买入后第几个交易日才能卖出。
集合竞价 / 连续竞价：开盘、收盘时段的撮合方式。
涨跌停：单日价格波动上限（A 股 10%）。
K 线、MA、KDJ、MACD：常用技术指标。
量化投资：计算机 + 数学模型执行投资理念。
因子：一条可量化的选股/择时标准（增长率、市值、ROE…）。
金叉 / 死叉：短均线上穿/下穿长均线。
唐奇安通道：前 N 日最高/最低价构成的通道（海龟用）。
N 值 / Unit：海龟的波动率度量与标准仓位单位（单笔风险≈总资产 1%）。
偏离度 (MA−P)/MA：价格相对均线的超跌/超涨程度。
布林带：均线 ± N 倍标准差的价格统计带。
PEG：市盈率 ÷ 盈利增长率。
碎形（fractal）、AO、AC：Bill Williams 鳄鱼系统的价格形态与动量指标。
回测 / 模拟交易：历史数据验证 / 实时行情联动的试运行。

不确定 / 待验证

这是博客园个人学习笔记（Hear7/caodneg7，链接约 2018-12 发布），信息是二手整理，非官方文档；部分规则有时代与口径风险：B 股「T+1 交易、T+3 交收」、ST 定义、涨跌幅等应以现行交易所规则为准 [需要验证]。
代码带时代痕迹：多处 print x（Python 2 写法）、df.sort(columns=...)（旧 pandas 写法）、print g.buy_stock——代码只作学习示意，落地以聚宽现行官方 API 为准 [需要验证]。
「动量策略」「反转策略」「小市值策略」在正文只出现在策略清单里，没有独立小节（小市值由因子选股代码承担）——本篇实际展开的是列出的八段代码策略。
各策略无回测收益数字、无基准与区间，无法评价好坏；鳄鱼法则来源只给聚宽社区链接（post 595），非原作者署名确认。
与本站更系统的同主题页（量化课堂、聚宽入门）相比，本篇属入门纵览；有出入处以量化课堂/官方文档为准。