量化交易是指借助现代统计学和数学的方法，利用计算机技术进行投资交易的方式。
对于从未接触过量化的人来说，想要了解量化到底是做什么的，关键掌握四部份的内容：Python基础知识、金融知识、技术指标、量化交易框架。
Python基础知识：掌握一门编程语言最快速的方法就是多写代码，在了解Python基础语法、数据类型、运算方法、流程控制以及函数设计的基础上多做练习。现在牛客网、leetcode等很多平台都提供在线练习的功能，这些平台可以帮助大家快速提升编程能力。
金融知识：在入门阶段所要掌握的金融知识并不算太难，我们要了解所投资标的市场的操作规则，以A股和美股为例：A股和美股在交易时间、最小交易单位、涨跌幅限制、结算方式、熔断机制等方面均有所不同，投资者只有掌握了投资标的市场等操作规则才能将其量化，并实现程序化交易。
技术指标：技术指标是通过图表，研究市场行为反应，以推测价格的变动趋势。常见的技术指标有很多，分类也不尽相同，初学者只要掌握一些比较常用的技术指标，明白其含义，如何计算以及如何使用即可。
量化交易框架：现在有很多线上平台提供量化策略编写功能，集成了很多方便的工具，开发者专注于策略的开发，使用十分便捷。如：big quant、优矿、米筐。当然，也有很多开源的量化交易框架，开发者可以根据自己的需求进行二次开发，比如vnpy、easyquant等框架。量化开发人员应该选择一个适合自己的工具来实现量化策略。
如果想要进一步掌握量化交易，也可以参与一些系统的课程学习，比如我在学的CQF，虽然CQF也是通过最后的考试来发证，但是教学过程更加注重实操，而且没有标准答案；考试的形式是做project，比如，自己做投资组合，收集数据利用机器学习的算法来预测市场等。最后，考试评定的方法不同，最终目的是为了让学员把所学的东西可以直接应用到实际工作中去，这也是我选择CQF的原因之一。
另外一个选择CQF的重要原因就是终身学习，量化的信息更新很快，需要不断的去学习，这一点刚好补足了空缺。同时，CQF有很多选修的课程也非常经典，如：
量化的行为金融学，基于R语言的量化金融，高级投资组合管理，风险预算，Python应用，金融科技，基于Python的机器学习，C++，算法交易，高级风险管理，高级波动率模型，交易对手风险建模，复杂计算方法，基于Python的数据分析等等。
更多CQF的信息可以找高顿教育，高顿是CQF协会在国内的独家合作伙伴。
来源：知乎 作者：资管小quant  由小编整理发布，内容已获得原作者授权使用，如有疑虑请后台联系处理。