文：蓝兔子读难NOTES
图：配图来源于网络
编码：0002
上一次我们安装了 jupyter notebook 作为我们的开发环境，但是我们在打开时，是先打开了anaconda，然后再在里面「launch」 jupyter notebook的，难道我们每次打开这个东西都要这么复杂吗？其实大可不必，我们只需要在终端里（什么，你问我终端是啥？抱歉，我也不知道）输入 juputer notebook 命令就OK啦：
如果你在打开的时候遇到需要你输入密码，然后你并不记得自己设置过密码，请不要惊慌，不要失措，可以用「 juputer notebook password 」命令重新设置密码：
在图中2这个位置，如果你按键盘没反应，不要怀疑是你键盘坏了，他就是没有显示而已，为了安全，你懂的，正常操作即可。如果一切顺利，设置完成后会出现如下一句：
[NotebookPasswordApp] Wrote hashed password to /***/***/.jupyter/jupyter_notebook_config.json
那么代表着密码设置好了，再需要输入密码的时候，直接输入就行了。
好了，现在回归正题。python是一门编程语言，但我们却不是程序员，所以我们也没必要加入"php是最好的语言"这种战争中。既然我们已经选择了python，那么我们就把python当作做好的语言就行了。既然选择，并只顾风雨兼程！
不过对于我们小白来说，python确实可以说是最好的语言了。理由如下：
其一，python的基础语法很简单，和自然语言非常接近，所以上手很快；其二，各种工具箱很多，编程其实就是在工具箱里找各种工具，拼出你想要的机器；其三：用python做量化分析的入门级资料真的太多了。
量化分析的过程，主要就是收集数据、处理数据、分析数据、结果可视化这么几步。作为小白，我给自己规划的路径，是先学习基础的python语言知识，再然后分别去学习收集数据专用的包、处理数据专用的包、分析数据专用的包，和可视化专用的包，最后练习一些小案例。
python基础：
基础数据类型：变量、字符串～
基础语法与规范：注释、缩进～
常用运算符：平方、与或非～
程序3种执行结构：顺序、分支、循环
高阶数据类型：列表、字典～
函数：定义、调用、传参～
高级特性：切片、迭代～
文件读写：打开、保存～
异常处理：～
常用内置函数汇总：～
常用内置模块：os、datetime～
python 包：numpy、pandas～
再次强调，我们的目的不是成为一个python程序员，而是要把python当作一个工具。因此，我们只要知道这些最常用的东西就行，那些不常用的遇到了再去解决就好。有了python的基础之后，我们再进行量化分析常用的工具包学习，鉴于我们基础有限，直接从简单的开始。利用现成的工具包接口，获取股票相关的数据进行学习。如果后面学得不错，还可以利用爬虫，我们自己去爬取数据。常用包如下：
数据获取：
tushare（直接获取交易数据）
⬆️一行代码获取股票数据
处理和分析数据：
Numpy（数组、矩阵）
Pandas（表格、excel）
Scipy（数理统计）
可视化：
Matplotlib（画图）
seaborn（画图）
⬆️画出收盘价
如果我们真的坚持到了这里，那我们的基础应该差不多了。后面就可以通过一些小案例来强化学习了。从这里开始，我们就结合一下案例，做一些实战的小例子，同时补充金融知识。等我们有过一些案例之后，应该算是入门了，如果此时我们胆大心细，杀入市场，应该可以实现破产的目标。届时我们的从小白到破产系列学习也就结束了。
我们马上就进入python基础的内容！
Python3量化分析笔记从小白到破产-编程环境准备
核心知识点，CFA一级财报分析-长期负债
救命知识点，CFA一级财报分析-存货
重点知识点，CFA一级财报分析-现金流量表
图：配图来源于网络
编码：0002
上一次我们安装了 jupyter notebook 作为我们的开发环境，但是我们在打开时，是先打开了anaconda，然后再在里面「launch」 jupyter notebook的，难道我们每次打开这个东西都要这么复杂吗？其实大可不必，我们只需要在终端里（什么，你问我终端是啥？抱歉，我也不知道）输入 juputer notebook 命令就OK啦：
如果你在打开的时候遇到需要你输入密码，然后你并不记得自己设置过密码，请不要惊慌，不要失措，可以用「 juputer notebook password 」命令重新设置密码：
在图中2这个位置，如果你按键盘没反应，不要怀疑是你键盘坏了，他就是没有显示而已，为了安全，你懂的，正常操作即可。如果一切顺利，设置完成后会出现如下一句：
[NotebookPasswordApp] Wrote hashed password to /***/***/.jupyter/jupyter_notebook_config.json
那么代表着密码设置好了，再需要输入密码的时候，直接输入就行了。
好了，现在回归正题。python是一门编程语言，但我们却不是程序员，所以我们也没必要加入"php是最好的语言"这种战争中。既然我们已经选择了python，那么我们就把python当作做好的语言就行了。既然选择，并只顾风雨兼程！
不过对于我们小白来说，python确实可以说是最好的语言了。理由如下：
其一，python的基础语法很简单，和自然语言非常接近，所以上手很快；其二，各种工具箱很多，编程其实就是在工具箱里找各种工具，拼出你想要的机器；其三：用python做量化分析的入门级资料真的太多了。
量化分析的过程，主要就是收集数据、处理数据、分析数据、结果可视化这么几步。作为小白，我给自己规划的路径，是先学习基础的python语言知识，再然后分别去学习收集数据专用的包、处理数据专用的包、分析数据专用的包，和可视化专用的包，最后练习一些小案例。
python基础：
基础数据类型：变量、字符串～
基础语法与规范：注释、缩进～
常用运算符：平方、与或非～
程序3种执行结构：顺序、分支、循环
高阶数据类型：列表、字典～
函数：定义、调用、传参～
高级特性：切片、迭代～
文件读写：打开、保存～
异常处理：～
常用内置函数汇总：～
常用内置模块：os、datetime～
python 包：numpy、pandas～
再次强调，我们的目的不是成为一个python程序员，而是要把python当作一个工具。因此，我们只要知道这些最常用的东西就行，那些不常用的遇到了再去解决就好。有了python的基础之后，我们再进行量化分析常用的工具包学习，鉴于我们基础有限，直接从简单的开始。利用现成的工具包接口，获取股票相关的数据进行学习。如果后面学得不错，还可以利用爬虫，我们自己去爬取数据。常用包如下：
数据获取：
tushare（直接获取交易数据）
⬆️一行代码获取股票数据
处理和分析数据：
Numpy（数组、矩阵）
Pandas（表格、excel）
Scipy（数理统计）
可视化：
Matplotlib（画图）
seaborn（画图）
⬆️画出收盘价
如果我们真的坚持到了这里，那我们的基础应该差不多了。后面就可以通过一些小案例来强化学习了。从这里开始，我们就结合一下案例，做一些实战的小例子，同时补充金融知识。等我们有过一些案例之后，应该算是入门了，如果此时我们胆大心细，杀入市场，应该可以实现破产的目标。届时我们的从小白到破产系列学习也就结束了。
我们马上就进入python基础的内容！
Python3量化分析笔记从小白到破产-编程环境准备
核心知识点，CFA一级财报分析-长期负债
救命知识点，CFA一级财报分析-存货
重点知识点，CFA一级财报分析-现金流量表
