我们都知道金融量化交易包含很多的学科，如果从头开始学的话，往往会觉得手足无措。今天逻辑小助理要跟大家讲一讲那些东西是最直接和金融量化交易有关的，让大家可以少走弯路。
这里主要分四块来讲：金融常识，统计和数据科学，编程和交易。
金融常识这里面大概列举了几块个人量化交易可能会涉及到的一些领域，比如说常用的是股票，期货外汇还有现在增加了一些叫虚拟货币还有期权。不要求去了解的很深入，但做交易要了解它们的基本常识。
下面我们想详细的谈谈统计和数据科学，这个是我个人认为比较重要的。数据科学是一个非常大的学科，有很多内容可以去学习。这里只是找出了一些非常小的一些分支，可能会对你的量化交易起到一定的帮助。
假设检验
当你想做出一些很独特的策略，第一步是提出自己的假设，然后在用统计的方法去检验，如果这个结论是显著的，我们就可以制定出好的策略。
机器学习
这个学科现在炒得很热，在这方面主要是有深度的学习传统的统计方法、随机森林等。强调根据需求，作为数据的分析工具。
过度拟合问题
在我们的策略回撤中，经常会遇到过度拟合的问题，因此我们要学习怎样尽可能的避免。在不同的模型下，所用的方法是不一样的。
模型选择，变量选择
这部分将会成为决定你的策略能不能和市场上其他策略区别开的分水岭，在这里掌握统计知识以及数据科学知识尤为重要。
编程在量化交易中，我们的目的主要还是在于自动交易。我们用量化的方法制定策略的终极目标是交易自动化。目前比较常见的编程语言是Python。
关于Python个人有一些小小的经验可以分享一下。逻辑小助并不建议买大量很厚的书“埋头苦读”，事实上看书学习编程是效率特别低的方式。我们可以跟着课程学习，在公开课平台把基础知识快速的过一遍，了解它能做些什么。
首先介绍几个Python常用的扩展包：
我们不需要死记它们的功能，通过备忘表（cheatsheet），我们可以找到前人总结出的很漂亮的表格，可以快速知道扩展包有哪些函数和参数，能够实现怎样的功能，在你需要的时候快速找到满足你的需求。
学习Python的核心是为了用而学。因此一些与量化相关的项目可以去尝试。比如说网页爬虫取数据、通过API下载数据并行数据分析，去完成一些基本的项目。