type
status
date
slug
summary
tags
category
icon
password
因和友人黄玩股票，接触到了“量化”这个东西，转念一想，程序员35岁失业，可是A股不会啊！
• 国家未来的发展离不开金融，而金融也越来越贴近我们每个人
• 趁早了解和学习并不吃亏，而且量化和 AI 的结合也非常紧密，算是跟风口相关
所以觉得金融量化是一个值得长期投入的方向，在此记录进展，碎碎念较多
✅ 1.选择什么技术栈？
这方面我并不专业，但是调研很重要，会影响到最终成型和扩展，还是考虑一些长期发展可能存在的情况：
- 未来可能接入AI
- 会涉及到大量的数据分析、策略回测
- 可能涉及到多线程提升性能
数据分析python具有优势，而且生态非常丰富、工具库多、文档全
所以首选语言是
python 一开始是打算纯python做一个应用程序，但很快发现这对我来说太硬核了，没有必要在不熟悉的领域硬磕
我选择了更灵活的方案—
前后端分离架构，python 作为后端接口服务后端只专注做数据，只要数据分析部分做好，前端无论是小程序还是应用程序，亦或者是 web 都可以自由选择
📊 2.数据怎么来？
这个是我入门比较头疼的一块
我研究了许多平台。
- 聚宽
- 掘金量化
- tushare
- 同花顺
等等，都是不会用或者不好用，或者有积分限制，或者只能在自己平台下进行策略回测
也不是没考虑过自己爬数据，但是太麻烦也太复杂，很快就会把我劝退，如果自己都缺失兴趣，怎么坚持下去呢
后面转向了一些民间开源数据源，
aData 和 akshare ，选择了akshare ，star 数量多，文档详细到目前为止调研方面就结束了可以开始写代码了
…