在AI这个话题被不断神化的同时，量化对于大多数人来说成了一个越来越遥远的领域。但近年来量化投资受到很多投资者的关注，量化产品也为投资者创造了较好的回报。因此，很多人对量化交易又有了最为直观而浅显的认识：这能赚钱，而且能赚很多钱。但是量化交易究竟怎么做？在新的趋势下，我们该学习哪种编程语言呢？下面我们就来一起看看。

正如在量化的定义中谈及的，大多数人会侧重在数学模型上，而忽略了量化的另一个核心要义——交易。在整个量化策略的构建中，我们需要先将交易逻辑转换成数学语言，再通过编程语言等工具实现数学语言到程序的转化。

但目前大多量化团队也没有做到全自动化交易，由于数学模型自身的局限，以及黑天鹅、周期轮动等因素的影响。

大部分量化团队还是保持人工+智能的方式进行量化投资，这也更加提升了量化研究员本身对交易的理解。提起量化，很多人都自然而然地想起Python。

似乎这两者有着密不可分的联系，我们也发现在很多量化投资的业务链条都能在Python找到相应的框架实现。对比起其他编程语言，Python更简洁，更简单易学，很多程序员都认为它应该算是最简单代码的开始。

在2017年世界脚本语言排行榜中，Python强势登顶；在TIOBE编程语言排行榜中，Python地位也在逐月攀升，越来越受广大开发者的欢迎。对比长盛不衰的Java、C、C++，后起之秀Python深受好评。

做量化交易离不开数据分析，Python数据分析的生态比较成熟，其学习成本相比于其他语言也不高，所以用Python做量化是比较好的选择。很多人在学习Python时，都会选择看书的方式进行学习。这里推荐三本适合零基础的Python入门书籍，大家可以按需选择。

《Python编程从入门到实践(第二版)》

本书真正针对零基础入门，从安装到环境配置，从基础语法到实践项目，十分适合小白使用。

《利用Python进行数据分析（第二版）》

这里要强调一下，本书的作者是Yves Hilpsch，也是CQF的讲师。

Python数据分析中的核心库「Pandas」创始人编写的数据分析书籍，十分详细的讲解了Pandas库的使用，结合了一些数据分析案例，让大家在能更好的在案例实践中掌握Pandas的应用方法。

《Python 3网络爬虫开发实战》

在量化研究中，除了策略本身以外，数据也是十分重要的一环，而网络爬虫是我们获取数据的重要手段之一，也是各个领域的数据分析人员（包括量化）十分重要的技能。

本书中涉及丰富的实战案例，通过多个案例介绍了不同场景下如何实现数据爬取。

除了看书以外，我们还可以寻找一些量化相关的视频，尝试学习和掌握经典的量化策略，利用Python构建了属于自己的基础回测框架。

在这个过程中，开始深入的推敲不同数据类型（如：价量数据、财务数据、资金流数据等）背后的数据逻辑，了解分析师们的分析方法和思路，掌握因子构造的基本方法，尝试对已有策略做优化和迭代。

到后期，就要开始结合投资传记中提炼出来的交易逻辑，做一些独立策略的构建，并将自己的策略研究结果记录下来做跟踪和调整。

未来是智能化的未来，未来是数字化的未来。而现如今还没有任何一门语言，能像Python这样对大数据分析，机器学习提供如此程度的支持。

所以可以毫无疑问的说Python代表了适应未来的一种趋势。