做股票量化，一定要先学会 Python 吗？不一定。把顺序反过来也行：先动手做策略、跑回测，再慢慢补数学和编程。
这套资料叫 XQuant Learning，MIT 协议开源，是《XQuant：人人都是量化交易员》的配套练习库，由有 15 年 AI 从业经验的刑无刀等人开发。
它最有意思的一点，是不要求你先写代码。做法是把交易想法写成一份任务说明书（Spec），再交给 Codex、Claude Code 这类 AI 编程工具辅助实现，跑出第一套策略。
内容覆盖了量化入门的完整链路：用自然语言描述策略、让 AI 辅助写 Python 代码；研究买什么、怎么筛选股票和 ETF、搭建自己的投资组合；学资金分配、均线择时、止盈止损这些交易规则；跑回测验证，对比收益、最大回撤和基准表现，识别参数过拟合。
学习路线也是一条线走到底：数据获取、策略开发、风险评估、交易执行、因子研究，仓库里还给了 Jupyter Notebook 参考代码，可以对照着学，不用从零摸索。
举个例子：想验证沪深 300ETF 定投和均线策略哪个更好，先把买卖规则写清楚，再让 AI 生成回测代码，用历史数据比较收益和风险。流程就是：交易想法 → 写成 Spec → AI 生成代码 → 历史回测 → 策略优化。
说清楚一点：它教的是怎么用数据验证投资想法，不是直接给你一套稳赚策略。开源书稿和练习免费，正式课程及平台服务需另行了解。
做股票量化、AI Trading，或者想用 Codex、Claude Code 从零学量化交易的，这套资料值得收藏。
GitHub：
XQuant Learning
开源书在线阅读：
XQuant：人人都是量化交易员
正文完