学量化先搭工具链:一份按工作流分层的 Python 路线图

Quant Science 最近发的那条长帖，把 343 个 Python 量化项目串成了一张全景图。看完最直接的收获：终于有人把量化交易的工具链摆成了能直接照着学的样子。

© Quant Science 分享的量化资源总览图

提到量化，多数人先想到策略、收益曲线、各种听起来很神秘的名词。真到动手时，卡点全在前面：数据从哪拿，研究怎么做，回测怎么搭，定价模型用哪一套，执行接到哪里。

这个 GitHub 仓库值钱的地方，是把这些卡点按工作流拆开了，让你一眼看见自己缺的是哪块。

Quant Science 在线程里挑的那几组工具，正好对应几层基础设施。

最底层是数值计算和数据处理：NumPy、SciPy、pandas、Polars，再加偏量化分析表达的 quantdsl。这一层没打牢，连数据都洗不干净，后面所有讨论都漂在空中。

再往上是研究和建模：Python 内置的 statistics、做符号数学的 SymPy、做概率建模的 pymc3、把电子表格思维重构成公式对象的 modelx。这一层考的是把市场现象翻译成模型的能力，跟代码熟练度关系不大。

往上贴近金融本身，PyQL、vollib、FinancePy 偏定价和风险，OpenBB、Fincept 偏研究终端。关注点到这里已经变成定价、波动率、希腊值、风险管理这些专业地带。

线程到这里就收尾了。但仓库里真正决定“你能不能跑通一次完整研究”的，是后面这三块。

第一块是数据接入。Market Data & Data Sources 板块单独成章，覆盖 yfinance（美股）、akshare 和 tushare（A 股）、pandas-datareader（FRED / OECD / 世界银行）、alpha_vantage、polygon.io、ccxt（加密货币交易所聚合）等等。前面再厉害的 NumPy / pandas，没有这一层就只是空转，回测连第一根 K 线都喂不进去。

第二块是回测和交易框架。仓库篇幅最大的板块之一：backtrader、vectorbt（向量化）、zipline / zipline-reloaded（Quantopian 血脉）、QuantConnect 的 Lean、微软的 Qlib（带完整 ML 流水线）、freqtrade（加密）、nautilus_trader（高性能事件驱动）、vnpy（国内常用）。从历史回测到 paper trading 再到实盘，这一层把“想法”变成“系统”。

第三块是组合优化和风险评估：quantstats（绩效报告）、PyPortfolioOpt（马科维茨 / Black-Litterman）、riskfolio-lib。Sharpe、Sortino、最大回撤、PBO、Deflated Sharpe 这些指标，决定了回测曲线是不是真的有 alpha。

整体看下来，量化背后至少六七层能力堆起来。哪一层断了，下游策略都站不住。

© awesome-quant 仓库的 18 个板块，按“基础 → 建模 / 定价 → 策略 / 执行 → 工具 / 学习”四带分组

X 线程主打 Python，仓库远不止 Python。R、Matlab、Julia、Java、JavaScript、Haskell、Scala、Ruby、Elixir/Erlang、Golang、C++、C#、Rust 都有覆盖。更重要的是，frameworks、reproducing works、training、books 各自单独成块。

很多初学者以为量化学习就是先找几个 Python 库、然后开始抄策略。这条路走不通。完整路径大致是：

仓库给的不光是工具箱，教材、练习题、进阶路线都顺手打包好了。前面几步没走稳，后面所谓的“策略”基本只是回测里的幻觉。

对量化感兴趣、还没真正动过手，这份仓库可以省掉大量瞎搜的时间。从 NumPy、pandas、Polars 用顺手开始，再往上走。

代码会写、脚本能跑、API 也调过，学习路径却是散的。今天看时间序列，明天看因子，后天研究期权，结果什么都碰过，什么都没系统化。按主题整理好的仓库比再看十篇“量化入门指南”都管用，至少能让你知道下一步该补哪块短板。

做衍生品定价和风险管理，优先看 PyQL、vollib、FinancePy。想建立研究工作台，OpenBB 这类更值得摸。不用全学，关键是先知道自己站在哪一层。

资源仓库不缺，缺的是有人明确告诉你：先把研究基础设施搭起来，再追策略。

量化表面是模型竞争，底层是工具链竞争。同样一套想法，有人两天能验证完，有人两周还在清洗数据。差距在认知，也在工作台。

仓库正确的打开方式，是选一个很小的目标，真的跑起来：

真正跑通一个例子，这个仓库才开始对你有用。否则它就是第 344 个被收藏后再也不会打开的链接。

这就是给入门者和进阶者的一张路线图。圣杯策略不重要，先搭研究系统。吃透其中十几个项目，已经够走很久。

信息来源：