15 · 量化实战篇
前面的篇章教你怎么看懂市场、管好仓位，10-系统对接篇教软件团队怎么做交易系统。本篇把视角落在两者之间最朴素的位置——一个懂点代码的个人交易者，怎么从零开始把「数据 → 回测 → 策略 →（合规）自动化」这条完整链路真正跑通。
偏个人可执行：每一篇都有能直接运行的 Python 示例，不要求你搭过任何生产环境。与 10-系统对接篇（团队工程视角）互补：那边讲系统架构与工程红线，这边讲个人机器的实际取舍。
免责声明：本站全部内容仅用于学习与研究，不构成任何投资建议。市场有风险，投资需谨慎。
各篇简介
01 · 量化工具链
先把武器库备齐：为什么主力语言是 Python、什么时候才轮到 C++/Rust；pandas/TA-Lib/backtrader 等核心库各管哪一段；Anaconda、venv、Jupyter 与脚本怎么分工。附免费与付费数据源的选型对比表、研究目录标准布局，以及 git 版本管理与复现方法。最后点破时区、数据对齐、未来函数这三类新手必踩的坑。
02 · 数据获取实战
量化研究的地基是数据。本篇给 A 股（AKShare/Tushare）、期货（主力合约）、加密货币（Binance klines，带限频处理）三份可直接运行的取数代码；讲清停牌日、缺失值、前复权/后复权/不复权的取舍；再给出每天增量更新与 CSV/SQLite 的存储选型，以及「和行情软件对数字」的数据质量检查办法，最后是免费接口的使用边界与数据版权提醒。
03 · 第一个回测
用一份完整可运行的 Python 代码跑通「读数据 → 生成信号 → 模拟成交 → 算绩效」的最小回测流程（双均线，含手续费与滑点参数）。讲信号与成交价假设、自己写 vs backtrader vs vn.py 的引擎选择边界、年化/最大回撤/夏普/胜率怎么算、资金曲线与回撤怎么读。并用「5/20 好于 3/17 不代表未来」说明回测过拟合的第一次认知，以及样本内/样本外切分的研究流程。
04 · 实盘自动化
从回测到实盘，合规与工程是两道坎。本篇先讲个人自动化的合规边界（A 股程序化交易报备制度、加密各平台风控、境外券商 API 限制，以最新监管规定为准），再给加密现货自动化的完整套路：API Key 权限、下单、限频权重、WebSocket 行情与断线重连、VPS 部署与日志。讲清 A 股券商 API 不对外开放的现实，给出「信号推送 + 人工下单」的半自动路线，最后是密钥安全与监控告警清单。
05 · 策略代码实战
五个从简单到进阶的完整策略示例：双均线趋势、布林带均值回归、RSI 超买超卖、加密网格交易、统计套利雏形（协整与配对）。每个都附核心逻辑、代码片段、适用市场与风险，以及「参数与边界」——什么行情下失效、失效时什么特征。最后讲低相关策略组合降低回撤、量化「20% 代码 80% 维护」的现实，并给出「1 周 → 1 月 → 3 月 → 小资金 → 持续迭代」的个人量化路线图。
本篇学习顺序
① 01-量化工具链（备好环境与工具）
↓
② 02-数据获取实战（先把数据拿干净）
↓
③ 03-第一个回测（跑通最小闭环）
↓
④ 05-策略代码实战（扩展策略库）
↓
⑤ 04-实盘自动化（先读合规，再谈代码）- ① → ③ 是必读主线：先跑通一个回测，其他一切才有意义。
- 04 涉及实盘与监管，建议在真正动钱之前读完，尤其是合规边界部分。
- 与 10-系统对接篇 的关系：本篇是「个人能跑」，那边是「团队能上线」；两边对同一概念（回测、风控、限频）的表述互相印证，可对照阅读。
内容约定
- 所有代码示例均可在本机 Python 3.9+ 环境直接运行，仅教学用，实盘风险自负。
- 接口字段、限频数值、政策细节会随各交易所/监管动态变化，涉及处均标注「以官方文档/最新监管规定为准」。
- 免费数据源的服务条款与商用授权各不同，使用前请自行确认。
⚠️ 风险提示
量化不等于稳赚。回测通过 ≠ 实盘盈利，自动化上线后策略失效、接口变动、密钥泄露、极端行情都会造成真实资金损失。本篇所有代码与策略描述仅用于学习与研究，不构成任何投资建议；任何涉及真实资金的自动化方案，请在充分理解风险、完成合规确认后，以极小额资金长期验证。