《量化开发》系列 第 1 篇：金融知识基础入门指南（附 GitHub 学习项目）

🚀 本文为《量化开发学习路线与知识点》专栏的第一篇
参考项目：Awesome-QuantDev-Learn

量化金融是金融经济学与计算机科学交叉融合形成的新兴行业，越来越多的技术人才正积极投身其中。然而，面对纷繁复杂的金融概念与专业的开发技能，许多人常常感到无从下手。

本专栏将为 C++/Python 工程师、自学者、量化岗求职者提供系统清晰的学习路径。本篇文章聚焦于量化开发所需的金融基础知识，帮助技术人打下坚实的“金融认知”地基。

一、什么是量化开发？

一句话理解：量化开发工程师的职责是将投资策略“工程化”，最终落地为可运行的交易系统。

你可以从下面这张流程图理解整个过程：

投资逻辑 → 策略建模 → 数据支持 → 回测测试 → 交易执行 → 风控监控
             ↑                              ↓
           投研岗             ↔         量化开发岗

二、为什么技术人要学金融知识？

技术背景强≠懂量化。金融知识对量化开发至关重要，主要体现在：

• 理解业务需求：脱离金融理解不了交易逻辑。
• 识别风险机会：市场不是纯数据，金融机制才是核心。
• 优化策略效果：正确的因子来自正确的经济逻辑。
• 避免黑箱风险：不懂金融，策略为什么能跑也说不清。

📌 技术能力是“骨架”，金融知识是“灵魂”。

三、量化开发中的核心金融知识点

📘 3.1 金融市场与产品概述

🔹 金融市场分类

🔹 主要金融产品基础概念

• 股票：分红、送股、配股、涨跌停、交易单位等。
• 债券：票面利率、到期日、到期收益率、信用评级。
• 期货：保证金制度、杠杆、强平机制、标准合约。
• 期权：Call/Put、行权价、到期日、权利金、内在/时间价值。
• 基金：公募/私募、ETF、混合型/股票型/债券型策略。

📘 3.2 交易基础与订单类型

🔹 市场“作息时间”与节假日

• A 股：9:30～11:30，13:00～15:00（T+1）
• 外汇市场：24 小时（T+0）
• 策略中应避免节假日交易盲区

🔹 常见订单类型

🔹 撮合机制与成交优先级

• 价格优先 + 时间优先：价格好者优先，价格一致者先挂者优先。

🔹 T+0 vs T+1

• T+0（期货、外汇等）：可日内交易。
• T+1（A股）：当日买入次日可卖，存在隔夜风险。

📘 3.3 风险与收益指标

🔹 收益指标

• 收益率（Return）：可按日、周、年化计算。
• 超额收益（Alpha）：剔除市场因素后的策略附加价值。
• 绝对 vs 相对收益：量化更关注前者，基金更关注后者。

🔹 风险指标

• 波动率（Volatility）：标准差，衡量价格变化剧烈程度。
• 最大回撤（Max Drawdown）：策略历史最大亏损幅度。
• VaR（风险价值）：在置信水平下的潜在最大亏损。
• Beta：与市场波动一致程度，衡量系统性风险。

🔹 风险调整收益指标

• 夏普比率（Sharpe）：单位波动带来的超额回报。

  $$Sharpe=\frac{Rp-Rf}{{\sigma }_p}$$

• 索提诺比率（Sortino）：只考虑下行风险的调整收益。

🔹 风控手段

• 仓位管理：控制最大敞口
• 止损止盈：锁定盈亏
• 分散投资：降低个体风险对组合的冲击

📘 3.4 宏观经济与市场情绪

🔹 关键宏观指标

• GDP 增长率：经济活力判断
• CPI / PPI：通胀趋势预测
• 利率 / 存款准备金率：货币政策调控方向
• 就业数据：经济基本面核心指标

🔹 政策解读基础

• 货币政策：由央行执行（利率、降准、OMO）
• 财政政策：由政府调节（税收、支出、财政刺激）

🔹 市场情绪要素

• VIX 指数：市场恐慌度量工具
• 媒体舆论 / 舆情分析：可借助 NLP 建模分析短期情绪波动

✅ 总结

金融知识是量化开发的“灵魂”，技术能力是“骨架”。

理解投资逻辑、识别市场风险、构建稳定模型，都离不开金融的基本面逻辑。《量化开发》系列专栏将继续带你系统深入量化全流程，下一篇将聚焦量化开发最核心的工具语言：Python 与 C++ 的实战对比与工程应用。

📌 延伸阅读与项目推荐：

🎯 GitHub 项目仓库地址：
👉 Awesome-QuantDev-Learn

💡 如果你觉得这篇文章对你有帮助，不妨点个 ⭐ Star，一起推动开源知识的传播！