当前位置：首页>python>Python 金融开发学习路径

Python 金融开发学习路径

2026-07-01 17:16:06

Python 金融开发学习路径

一、学习路径总览整体规划 · 预计 12-20 周

💡 学习建议

优势是金融 domain knowledge 很深，这在量化领域比写代码更稀缺。学习路径应是工具导向，而非计算机科学导向。优先学能立即用在投研工作中的技能。

二、Python 基础阶段预计 2-4 周

第 1-2 周核心语法

变量与数据类型（int, float, str, bool, list, dict）
控制流（if/elif/else, for/while 循环）
函数定义与参数传递（def, return, *args）
文件读写（open, with 语句，CSV/JSON 处理）
错误处理（try/except 基础用法）

重点：list 和 dict 金融场景：持仓数据用 dict 存储

第 3-4 周实战练手

用 Python 重写你现有的 Excel 财务模型（最佳练手方式）
用 dict 存储股票持仓，计算组合收益率
用 open() 读取 CSV 格式的历史价格数据
写一个函数：输入股票代码列表，输出平均 PE

Python 基础知识点掌握进度（可自评打勾）

变量与数据类型（int/float/str/bool）

列表 list 的增删改查

字典 dict 的增删改查

if/elif/else 条件判断

for/while 循环

函数定义 def 和参数传递

文件读写 open() / with 语句

CSV 文件处理（csv 模块）

JSON 数据解析（json 模块）

try/except 错误处理

📚 推荐资源

廖雪峰 Python 教程（免费、中文、够用）→ liaoxuefeng.com重点：只需学前 60% 的内容（到"模块"章节即可），跳过 GUI、网络编程等无关内容。

三、数据处理三件套预计 4-6 周

练手项目用 Pandas 重写 Excel 财务模型

步骤：

用 pd.read_excel() 读取你现有的小米集团财务模型 Excel 文件
用 df[['营收','毛利率']].pct_change() 计算同比增速
用 df.to_excel() 输出结果，对比手工计算值
用 plt.plot() 画出 ROE 趋势图

四、金融数据获取边学边用 · 持续积累

⚡ 快速起步方案

先用 AkShare（无需注册）→ 积累经验后迁移到 Tushare Pro（数据质量更高）。AkShare 安装：pip install akshare，获取数据示例：ak.stock_zh_a_spot_em()

五、基本面量化实战预计 4-6 周

ROE = 净利润 / 股东权益 = 净利率 × 资产周转率 × 权益乘数（杜邦分解）

核心流程基本面量化四步法

获取财务数据
：用 Tushare 拉取利润表、资产负债表、现金流量表
计算财务指标
：ROE、毛利率、经营现金流/净利润、资产负债率
构建因子
：将财务指标转化为排序信号（如 ROE 排名前 20%）
回测验证
：用 Backtrader 或向量化回测框架验证策略有效性

# 示例：用 Tushare 获取财务指标并计算 ROE 分位数import tushare as tsimport pandas as pdts.set_token('你的TOKEN')pro = ts.pro_api()# 1. 获取最近4个季度财务指标df = pro.fina_indicator(ts_code='000001.SZ',                       start_date='20240101',                       fields='ts_code,end_date,roe,roe_dt,roe_adjusted,grossprofit_margin')# 2. 计算 ROE 分位数（横向对比）df['roe_percentile'] = df['roe'].rank(pct=True)# 3. 筛选 ROE > 15% 且毛利率 > 20% 的股票signal = df[(df['roe'] > 15) & (df['grossprofit_margin'] > 20)]print(signal[['ts_code','roe','grossprofit_margin']])

六、量价分析实战预计 3-5 周

OBV_t = OBV_{t-1} + \begin{cases} Volume_t & \text{if } Close_t > Close_{t-1} \\ 0 & \text{if } Close_t = Close_{t-1} \\ -Volume_t & \text{if } Close_t < Close_{t-1} \end{cases}

# 示例：量价背离检测（价格新高但 OBV 不创新高）import pandas as pdimport talib as ta# 假设 df 包含 close, volume 列（来自 Tushare/AkShare）df = pd.read_csv('price_data.csv')# 计算 OBV 和 20日均线df['obv'] = ta.OBV(df['close'], df['volume'])df['price_ma20'] = df['close'].rolling(20).mean()df['obv_ma20'] = df['obv'].rolling(20).mean()# 量价背离信号：价格创新高 但 OBV 未创新高df['price_new_high'] = df['close'] > df['close'].rolling(60).max().shift(1)df['obv_new_high'] = df['obv'] > df['obv'].rolling(60).max().shift(1)df['divergence_sell'] = df['price_new_high'] & (~df['obv_new_high'])print(f"发现 {df['divergence_sell'].sum()} 个量价背离信号")