1、开发工具：PYTHON，Anaconda，Pandas 基本的工作环境（之前的博客有记录）
2、数据：
Akshare的使用
数据是量化工作中最有价值的资产，是否是好的数据至少要看如下几个方面：
是否包含退市股票
是否包含尽可能多的历史时间
是否注意了财务数据发布的时间
股票曾用名
有没有前收盘价数据，是否可以计算复权价、复权因子
所以，使用AKShare，收集并整理一份优质的数据，服务自己（某些人看来是重复的工作，造轮子的工作）我觉得十分有必要，并且要做为持续的工作展开。
同时要知道，好的数据的价值是巨大的，如果从别的第三方买整理后好的数据，几万是少了，动辄一年要花几百万。
数据包括了行情的数据（交易产生的），财务数据，以及其他数据。
数据来源：新浪财经，网易财经，腾讯财经，东方财富，大智慧，万得，同花顺，通达信，这些互联网网站，以及股票软件。
3、量化投资，量化了什么，投资了什么？
量化是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。量化策略既可以自动执行，也可以人工执行。
机器，他没有情感，决策相比人来说更加理性
机器，不知道疲惫，重复工作不管做多少次它都不会喊累，而人总是会疲劳的
机器，运算量大，人类即使有算盘，EXCEL等简单工具，也算不过计算机
国内的金融市场，量化交易，占比约10-20%，远低于欧美成熟资本市场的50-60%
无论是短线交易，还是长线价值投资，量化交易都可以成为一种辅助。
一个完整的策略需要包含
输入：策略处理逻辑
输出：选股、择时（买入、卖出）、仓位管理和止盈止损等因素。
4、举个例子来说下？
名称：小市值因子策略
结果：通过2006年到2016年的数据进行回测，10年实现了400倍的收益
描述：在所有的股票中，认为，市值小的股票，上涨的概率会更大
操作：每月末选股，买入，持有一个月，下个月末卖出
具体：在每个月的最后一个交易日，将所有的股票，按照市值从小到大排序，买入市值最小的10只股票，持有接下来的一个月，到下个月月底的时候，将持有的股票全部卖出，按照同样的选股策略，买入10只股票，如此往复。
5、量化是必赢？
未必。
从博弈角度来说，51%获胜就很厉害，如果通过历史数据（虽然历史数据有可能有个别比较烂，比如财务数据造假），在统计意义下都会得到比较客观的评价结果。
历史回溯的牛逼结果，不代表未来也是如此。小市值轮动策略之所以有效的背景，是由于审批制IPO管制形成的壳资源托底。但是，在注册制背景下，或者仅仅是IPO加速的隐形注册制，小市值策略终究会失效。目前，对于小市值策略，有不少投资者非常担心和焦虑，有的球友已经开始抛弃最小市值策略。
6、还有么？
我们假设庄家一定是要赚钱的，那么有没有可能抄庄家的作业，别人吃肉我喝汤行么，行！
盯着北向资金，它买我们买，他卖我们卖。买卖信号有了，但是买什么，也就是选股就是你自己的策略了。
类似的好玩的说法还有，如果散户买的股票，得赶紧卖，散户卖的股票，那估计是要大涨了，这些都是蛮有意思的策略。
所有的这些有意思的想法，都需要做成量化的 策略、择时。同时为了资金安全，一定要考虑自己手头的资金的分布，也就是仓位的管理，怎么分开用钱，风险最小，收益最大。
开启，量化之旅！