第1章：量化交易入门与环境配置

本章将带你走进量化交易的世界，从零开始搭建完整的开发环境。

学习目标

• ✅ 理解什么是量化交易及其核心优势
• ✅ 了解量化交易的发展现状与未来趋势
• ✅ 认识AI在量化交易中的重要价值
• ✅ 搭建完整的Python量化开发环境
• ✅ 掌握本书代码仓的使用方法

1.1 什么是量化交易

量化交易（Quantitative Trading），又称算法交易或程序化交易，是指使用数学模型、统计分析和计算机程序来制定和执行交易决策的交易方式。

核心要素

一个完整的量化交易系统通常包含：

1. 数据获取（Data Acquisition）

- 行情数据：开盘价、最高价、最低价、收盘价、成交量（OHLCV） - 财务数据：财报、业绩预告、分红送转 - 另类数据：新闻、社交媒体、卫星图像、电商数据

1. 策略研究（Strategy Research）

- 传统策略：技术指标、均线、动量 - 机器学习：预测模型、分类模型 - 深度学习：神经网络、LSTM、Transformer - 强化学习：让AI自己学习交易策略

1. 回测验证（Backtesting）

- 使用历史数据验证策略有效性 - 计算收益、风险、夏普比率等指标

1. 风险管理（Risk Management）

- 仓位管理：控制单只股票/策略的资金占比 - 止损止盈：设置自动平仓条件 - 分散投资：多策略、多品种组合

1. 实盘交易（Live Trading）

- 纸上交易（Paper Trading）：模拟盘测试 - 实盘部署：连接券商接口 - 订单执行：市价单、限价单、算法交易

1.2 为什么选择AI量化

AI量化的优势

1. 自动特征提取：深度学习可以自动学习特征，无需人工设计
2. 非线性建模能力：市场是非线性的，AI可以捕捉复杂关系
3. 端到端学习：从数据直接到交易决策
4. 自适应学习：持续学习，适应市场变化
5. 处理非结构化数据：新闻、图像等

1.3 开发环境配置

推荐配置

• Python版本：Python 3.8 - 3.10
• 环境管理：Conda
• 核心库：NumPy、Pandas、Scikit-learn、PyTorch/TensorFlow

快速安装

# 创建环境
conda create -n quant_trading python=3.9
conda activate quant_trading

# 安装依赖
pip install numpy pandas scikit-learn torch matplotlib

1.4 代码仓使用

• Github：https://github.com/charliedream1/aiquanttrade
• Gitee（国内镜像）：https://gitee.com/charlie1/aiquanttrade.git
• 开源协议：Apache 2.0

配套资源

• 知识星球：https://t.zsxq.com/dHt9l
• Google Colab：每章提供Colab链接
• 视频教程：星球专属

---

本文节选自《AI量化交易从入门到精通》第1章
完整内容请访问代码仓：bookwriting/part1basics/part1_environment/README.md