一、量化投资概述：什么是量化投资、基本面量化 vs 技术面量化、量化选股的流程与框架

各位同学，欢迎来到《基本面量化选股》的第一课。

我是你们这门课的主讲。做了十几年量化，踩过不少坑，也赚过一些钱。今天咱们聊聊最基础的东西——量化投资到底是什么。

1.1 什么是量化投资？

量化投资，说白了就是用数学模型代替人脑做决策。

传统投资靠基金经理拍脑袋，或者靠分析师熬夜看财报。量化投资不一样——我们把投资逻辑写成代码，让计算机自动执行。

举个例子：

• 传统做法：分析师发现某公司毛利率连续3年提升，于是推荐买入。
• 量化做法：写一个策略——"当毛利率连续3年提升且大于行业均值20%时，买入该股票"。然后回测过去5年的数据，看这个条件是否真的能赚钱。

我个人习惯把量化投资拆成三个核心要素：

1. 数据：价格、成交量、财务报表、舆情……一切可量化的信息
2. 模型：数学公式、统计方法、机器学习算法
3. 执行：自动化交易系统，减少情绪干扰

1.2 基本面量化 vs 技术面量化

很多新手会问：量化投资是不是就是看K线图？其实不是。

量化投资分两大流派：

对比维度	基本面量化	技术面量化
数据来源	财务报表、宏观经济、行业数据	价格、成交量、订单流
持仓周期	数周至数年	秒级至数周
核心逻辑	公司价值决定股价	历史价格行为会重复
典型策略	低市盈率选股、高ROE组合	均线突破、动量策略
数据频率	季度/年度	分钟/日线

我个人更偏向基本面量化。为什么？

因为技术面量化太容易过拟合了。我在项目中遇到过很多次——某个技术指标在回测时表现完美，一上实盘就崩。说白了，市场在变，历史不会简单重复。

但基本面数据不一样。一家公司的盈利能力、偿债能力，这些是相对稳定的。你想想看，茅台去年的毛利率和今年的毛利率，不会差太多。这就是基本面量化的底气。

1.3 量化选股的流程与框架

做量化选股，不是上来就写代码。我见过太多人，打开Jupyter Notebook就开始调参，最后调出一堆垃圾。

正确的流程应该是这样的：

1. 明确投资逻辑：你想赚什么钱？价值回归的钱？成长的钱？还是事件驱动的钱？
2. 数据获取与清洗：从Wind、Tushare、东方财富等渠道拉数据，然后处理缺失值、异常值、复权等问题。
3. 因子构建：把投资逻辑转化成可计算的指标，比如市盈率、市净率、ROE、毛利率等。
4. 因子测试：用历史数据验证因子是否有效，有没有过拟合。
5. 组合构建：把多个因子组合起来，形成最终的选股模型。
6. 回测与优化：模拟真实交易环境，看策略表现。
7. 实盘与监控：上线运行，持续跟踪。

嗯，这里要注意——数据清洗这一步，往往占整个项目80%的时间。我曾经因为一个复权数据没处理好，导致回测结果完全相反。从那以后，我再也不敢跳过数据清洗了。

下面这张图，是我自己总结的量化选股框架，你们可以保存下来：

1.4 这门课能给你什么？

这门课一共30章，咱们会从最基础的数据获取开始，一步步讲到因子构建、回测框架、实盘部署。

我不会给你讲那些花里胡哨的机器学习模型。咱们就老老实实做基本面量化——用市盈率、市净率、ROE这些经典因子，构建一个能稳定盈利的选股系统。

你想想看，如果连最基础的因子都做不好，搞那些深度学习有啥用？

---

公众号:蓝海数据掘金营，微信deep3321