QA: 为什么选择 quant？

严格来说现在不算 quant，只能说先做个 QD 笱着攒钱，等跑出一个好看的资金曲线，做一个量化散户，如果要赚钱，可以直接去做 QR，quant trading 的本质还是交易，量化投资的本质还是投资，还有不亚于互联网的数理统计和 coding 要求，从线性代数到时间序列，从数据结构生命周期到各种 wait-lock、free-lock，运气好的话有师傅带。交易本质上是从其他市场参与者的口袋里赚钱，必然是一个零和博弈，你必须非常清楚你赚的是谁的钱，一时凭运气赚的认知外的钱肯定会亏回去，这是一个一将功成万骨枯的地方，也适合最优秀最聪明最有野心的大脑。

---

QA: 怎么制定自己的量化交易学习路线？

选择一个市场/品种作为主战场，需要流动性好，难度系数低，比如 BTC/USDT。

选择交易策略，大致分两类，多因子策略和规则类策略（技术指标）。

入门量化可以先从规则类策略入手，选择一个商业量化平台，用指标型的策略练手。用商业量化平台作为出发点的原因有两点：一是你不用获取数据，平台上有现成的数据，甚至有质量不错的 tick 数据；二是回测和实盘都有现成的框架，上手就能用。

在发现一些策略并且发现能赚钱之后，下一步逐渐走上多因子的路线。

在对个股构建因子时，以从上到下顺序挖掘因子，宏观上可以对 PMI、CPI 等构建因子，然后到公司的基本面上去，对公司财报中的资金成本、盈利能力等相关指标构建因子，接下来对股票的量价数据构建因子。如果是对期货构建因子，也是遵从同样的步骤，从产供销、库存等基本面数据着手考虑，然后再构建量价方面的因子。

找到这些因子后，你要做一个因子池，这个因子池就是你的典藏图书馆，你的弹药库。在池子里把因子们分为几个大类：基本面因子、量价因子和另类因子（我是这么分的），展开说说这三类因子。

首先基本面因子通常是一些季频变动或年频变动的低频因子；量价因子和技术分析的本源一样，本质上是对行为金融学中"人的行为模式"进行刻画，这类因子可以用遗传规划辅助挖掘；另类因子是指市场上不常见的、非传统因子，比如刷卡消费数据和消费板块股票截面收益的关系。

一个在我的经验上总结的，切实可行的量化交易学习方案是：商业平台练手 → 自己写回测轮子（也可以用现成本地框架），获取数据在本地做回测 → 多因子框架搭建，挖掘因子。