量化学习资源导航

用 C++ 写的开源量化金融库，衍生品定价、利率曲线、风控模型的业界标准实现。想读「真正的量化代码长什么样」，从这里开始——模板元编程、日期/期限结构设计都值得细看。

中文量化开发学习路线图，仓库里单独有一个「C++量化开发方向」目录，另有核心技术栈、系统集成运维、进阶话题和国内量化公司面试题。

专注低延迟系统与高频交易的技术细节——网络栈、内核旁路、撮合路径。对想搞底层执行架构的人，这类内容比策略教程稀缺得多。

高频与做市回测框架，显式建模限价单队列位置、延迟与 L2/L3 tick 数据。普通回测框架忽略的东西，这里才是胜负手。

C++17 写的限价订单簿 + Hawkes 过程模拟器，用来做市场微观结构研究。代码量可控，适合当作「自己动手写撮合/订单簿」的起点。

实时市场微观结构分析的桌面应用，限价簿可视化 + VPIN 等微观指标。C#/WPF 实现，可参考其数据流与可视化分层设计。

Rust 算法交易生态：策略、风控、实盘/纸盘/回测统一抽象，高性能多线程。可作为「C++ 之外，现代系统语言怎么写交易系统」的对照阅读。

国内唯一在官网明确标注「兼容 Python、C++」的量化平台，采用本地客户端 + 云端数据架构，回测免费。对 C++ 方向的人来说，这是国内最对口的平台。

老牌平台，文档与 API 设计清晰、教程对新手友好，回测引擎速度快。适合作为第一个云端回测环境。

通联数据旗下，强在机构级金融数据库与研究氛围——宏观、行业、财报等基本面数据扎实，社区里有大量研究报告复现。适合基本面量化方向。

国内知名度最高的量化平台之一，策略源码与社区讨论存量极大，仍是很好的学习资料库。注意：非中国大陆 IP 自 2026-08 起已停止支持。

万得旗下在线量化平台，直接用 Wind 终端数据库，数据权威性最高；集成 Jupyter Notebook、云端算力强。前提是你能接触到 Wind 终端（学校或机构）。

面向 AI 量化，可视化模块拖拽，内置大量机器学习/深度学习因子。对不想先啃工程的人，是快速见到「因子 → 模型」全流程的入口。

券商端的实盘量化终端，软件与数据免费，但需在支持券商开户并满足资金门槛（传统 30–50 万，部分渠道已降至 10 万甚至更低）。Mini 模式可用本地 IDE 调交易接口。实盘的正路。

恒生的券商量化终端，与 QMT 同属「券商端」路线，回测系统较完善。选哪家取决于你所在券商的接入情况，二者功能高度重叠。

架构灵活、支持多语言策略，回测引擎强，社区有大量开源实战策略。在商品期货与加密资产方向积累尤其深。

严格说不是量化站，而是低风险投资与套利社区——可转债、ETF 套利、分级基金。但套利思想本身极适合转成可回测的策略，用户水平普遍很高。

开源 Python 数据接口库，A 股、美股、期货、期权、宏观、另类数据覆盖面极广，无需注册与积分。缺点是数据要自己清洗——但对做工程的人来说这不算缺点。

老牌财经数据接口，几行代码取股票/基金/期货历史数据。采用积分制，学生认证或做社区任务可拿到基础权限，跑日线级别回测足够。

免费开源的证券数据接口，无需注册即可获取 A 股历史行情。数据面窄于 AkShare，但胜在稳定、接口简单，适合当第一份数据源。

Yahoo Finance 的 Python 接口，支持美股行情、期权链、分红与拆股调整。海外量化项目的默认起点，配合 AkShare 可覆盖中外市场。

量化入门必读站，从零讲怎么搭 Python 回测系统、做风险管理和算法交易。文章成体系、不啰嗦，是「先跑通一遍全流程」的最佳起点。

覆盖量化交易全产业链的知识库：编程技巧、策略开发、职业路径。国内可直接访问、无需注册登录，文章精品率高，适合当长期订阅源。

Yves Hilpisch 的站点，专注金融 Python 的高性能计算与算法交易。他写的《Python for Finance》是这一路线的标准读物。

国际认可度较高的量化金融认证课程，体系完整、偏实务。费用不低，适合已经确定要长期做这行、需要一个成体系框架的人。官网的免费资源清单也值得一读。

提供免费的线上量化金融硕士项目，课程与作业质量在线。适合想系统补数学与金融工程基础、又不想花学费的人。

中文开源入门项目，附一份 63 个项目的资源清单，并给出四阶段学习路径（基础工具 → 多因子框架 → 高级技术 → 生产部署）。拿来当路线图用。

全球最大的社会科学预印本平台，金融经济学板块是获取最新因子与资产定价研究的核心渠道。策略的上游在这里，不在公众号。

专注因子投资与实证金融，用大量数据回测拆解价值、动量、质量因子到底有没有效。文章自带数据与检验，不是观点输出。

把学术论文提炼成可执行的量化策略，按因子/资产类别分类。找策略灵感时比翻论文快得多，但记得回原文验证。

量化领域文章聚合器，每日汇总全网优质量化博文与研究。一个订阅源顶几十个博客，适合当日常输入。

量化专家 Ernie Chan 的个人博客，讲统计套利、机器学习与交易系统设计的实战心得。他的《Quantitative Trading》是少见的「真讲怎么落地」的书。

教你怎么像机构一样构建系统化交易程序，侧重代码实现和实证逻辑。文章经常直接给可跑的代码，工程味很重。

用大量可视化图表分析股票因子的历史表现，特别擅长拆穿「因子失效」和「因子拥挤」。做因子的人应该定期看。

量化金融行业权威新闻站，深度覆盖衍生品定价、风险管理与监管动态。想了解「机构里实际在做什么」，这里比学术论文更接近现实。

侧重趋势跟踪、风险平价与系统化全球宏观，反复强调交易系统的鲁棒性而非回测漂亮。对「过度拟合」的反思写得尤其好。

「估值教父」Damodaran 的博客，提供详尽的市场风险溢价、行业对比与估值模型拆解，数据全部公开可下载。基本面量化的标配输入。

全球知名量化金融社区，以 MFE 项目排名、求职经验与面试题库闻名。如果目标是进机构，这里的求职板块信息密度最高。

由 Paul Wilmott 创立的金融工程论坛，聚集大量衍生品定价方向的专家，讨论专业且带学术深度。问定价/随机过程的问题，这里质量最高。

量化从业者首选的问答社区，专治复杂数学推导与编程实现的细节问题。搜索历史问题往往比提问更快解决问题。

活跃度最高的量化社区之一，从学术讨论到职业发展都有真实见解，也常有从业者聊行业内幕。信息噪声大，但偶尔能捞到真东西。

老牌专业交易员论坛，自动化交易板块有大量策略实战与交易心理讨论。偏主观交易者视角，对理解「模型之外的市场」有帮助。

国内最大的投资者社区，以主观讨论为主。对量化的人价值在于：感受市场情绪、把大 V 的选股逻辑翻译成可检验的因子假设。

国内最活跃的开源量化交易框架，覆盖期货、期权、股票、数字货币，已在多家金融机构使用。想读懂国内实盘系统的工程结构，从它入手。

AI 导向的量化投资平台，支持多种机器学习范式、市场动态建模、强化学习与自动因子挖掘（配套 RD-Agent）。工程规范，是 AI 量化最好的起点。

基于 NumPy + Numba 的向量化回测库，支持超大规模参数网格搜索。做参数敏感性分析时比事件驱动框架快几个数量级。

轻量回测库，代码极简、内置优化器和详细结果分析。适合第一个策略——不学框架概念，先跑出结果建立直觉。

Quantopian 事件驱动回测框架的社区维护版，与 Pandas 深度集成、支持多市场。想研究事件驱动回测引擎内部结构，源码质量不错。

第一个开源的金融强化学习框架，生态完整，支持多市场与多种 DRL 算法。想试强化学习做交易，从这里进比从论文进快。

云端回测平台，核心 LEAN 引擎完全开源，支持 C# 与 Python、多资产与跨市场。C# 是 .NET 系，对 C++ 出身的人读起来不隔。可直接研究引擎的事件驱动架构。

专业组合优化库，内置 24 种风险度量（CVaR、最大回撤等）、均值-风险优化与风险平价。做仓位与组合层的事，不用自己推公式。

组合优化的经典实现：有效前沿、Black-Litterman、协方差收缩估计。文档写得像教材，适合边读理论边对照实现。

量化资源的百科全书式清单，按语言（含 C++ 板块）整理全球开源量化库、工具与数据源。查「有没有现成轮子」先翻它。

量化投资中 AI/ML 方向的资源精选：策略、平台工具、学习资料、研究论文与社区。偏学术与前沿，和 awesome-quant 互补。

免费开源的加密资产交易机器人，支持多交易所、回测、策略优化与 WebUI 控制。如果想先在一个 7×24、无涨跌停的市场里练手，这是最省事的入口。