Quant-for-Beginners · 中文零基础量化金融 Notebook 路线 · Phase 1 已上线
快速开始 · 课程目录 · 学习路线 · 后续规划 · YiboQuant成长会
哈喽大家好我是Yibo, 这是一份面向零基础读者的中文量化金融教程。每章可在约 30 分钟内跑通：真实数据 → 收益率分析 → 双均线策略 → 回测评估。
本仓库由 Yibo 整理维护：侧重可运行的 Notebook 与清晰图示，而非堆砌公式。内容持续更新，欢迎 Star 以便后续查阅。
| 项目 | 说明 |
|---|---|
| 形式 | Jupyter Notebook + 配套交互 HTML |
| 数据 | yfinance akshare 免费日线行情 |
| 第一期 | 4 章（已全部上线） |
| 第二期 | 4 章（即将全部上线） |
| 不适合 | 已具备完整回测框架、仅需高级因子参考的读者 |
git clone https://github.com/yibohere/Quant-for-Beginners.git
cd Quant-for-Beginners
pip install -r requirements.txt
jupyter lab| 章 | 主题 | Notebook | 你将完成 |
|---|---|---|---|
| 01 | 什么是量化金融 | 打开 | 建立量化直觉；下载真实 AAPL 行情 |
| 02 | 你的第一个量化实验 | 打开 | OHLCV、收益率、波动对比 |
| 03 | 移动平均线策略 | 打开 | MA5/MA20、金叉/死叉、首个交易规则 |
| 04 | 策略回测 | 打开 | 模拟交易、净值曲线、胜率与回撤 |
配套演示：布朗运动与随机游走（浏览器本地打开，对应第一章理论部分）
章节示意图见 assets/images/；本地运行 Notebook 可得到交互式图表
Phase 1（当前）
├── 01 量化认知与真实数据
├── 02 收益率与数据分析
├── 03 双均线策略
└── 04 策略回测
Phase 2（即将上线）
├── 01 理解波动率
├── 02 夏普比率与Beta
├── 03 最大回撤与仓位管理
└── 04 多标的组合与相关性
Phase 3（规划） 因子 · 组合 · 夏普比率
Phase 4（规划） 机器学习与 AI 量化
| 章节 | 进度称号 |
|---|---|
| 第 1 章 | Lv.1 量化探索者 |
| 第 2 章 | Lv.1 数据分析 |
| 第 3 章 | Lv.2 策略设计师 |
| 第 4 章 | Lv.3 回测分析师 |
Quant-for-Beginners/
├── notebooks/phase1_intro/ # 第一期课程
├── assets/
│ ├── images/ # README 与传播用配图
│ └── interactive/ # 独立 HTML 演示
├── scripts/ # 配图生成、Notebook 维护脚本
├── docs/ROADMAP.md # 详细路线图
├── src/ # 可复用模块（建设中）
├── study/ # 个人学习笔记与调试脚本（见下方说明）
└── requirements.txt
study/ 是跟随本教程学习时沉淀下来的个人笔记与调试代码，不属于教程正文，可自由修改、加批注，不影响 notebooks/ 下的原始课程。
study/
├── README.md # 学习目录说明 + 章节进度索引
├── notes/ # 每章一篇 Markdown 笔记（心得、公式推导、疑问）
│ └── chXX_*.md
└── scratch/ # 调试用可运行 .py 脚本（断点单步、打印中间状态）
notes/：以 Markdown 记录每章学习心得、对原章节代码的逐段注释、待办疑问。scratch/：当光看笔记不够、需要实际运行或断点调试时，把代码拆成.py在这里单步跑。- 调试脚本引用数据用相对路径指向仓库根的
data/，不重复存数据。
| 章节 | 主题 | 状态 |
|---|---|---|
| 05 | AI 预测涨跌（入门） | 规划中 |
| 06 | XGBoost 量化策略 | 规划中 |
| 07 | LSTM 时间序列 | 规划中 |
| 08 | Transformer 交易 | 规划中 |
| 09 | 多因子选股 | 规划中 |
| 10 | AI 量化系统搭建 | 规划中 |
完整说明见 docs/ROADMAP.md。
Yibo Cheng (翊博)：项目发起人与主要维护者 GitHub：@yibohere
欢迎提交 Issue / Pull Request：文案优化、图示改进、示策略例与勘误。
本仓库仅供学习与研究，不构成任何投资建议。历史回测结果不代表未来表现，市场有风险。
如果这份路线对你有帮助，欢迎 Star