先把边界划清楚 —— 目标函数定错，后面所有努力都是白费。
有3 个月以上手动交易经验、想把执行交给规则、且不打算走学术路线的 A股散户。
不谈机构打法，不讲网络架构；每一节都假设你「白天要上班，每天只能投入 1–2 小时」。
目标是流程目标：扩大选股数量、把情绪从决策链里删掉、让执行不依赖意志力。成功标准是「按规则执行 100 次，没有一次例外」。
不是超额收益目标——那是 IC > 0.03、IR > 0.5 的量化研究，需要统计学、算力与 3–5 年完整周期验证。
机器学习、自建回测框架、vn.py 全框架、因子挖掘、追付费 Tick 数据——这五件都不是「难」，是不值得。
共同点：都需要机构级的数据、算力与团队，才能做出边际收益。
两篇长文是一套完整的路线：第一篇解决「怎么学、用什么工具」，第二篇解决「哪些不用学」。
先拆掉 4 个错误前提（量化≠高频、开通权限≠赚钱机器、程序化≠T+0、回测年化≠实盘年化）， 再用一张表定下工具选型，然后走完 12 周学习路径：开权限 + 上模拟盘并行启动 → Python 生存级语法 + pandas → PTrade 零代码网格与条件单 → QMT 改示例策略 + 搞懂回测三坑 → miniQMT + xtquant 写你自己的 30 行脚本 → 模拟盘满 1–2 个月后小资金实盘。 每个阶段都有验收标准与配套视频索引，另附三块「试验田」怎么选、三类避坑清单、四类适合散户的实盘策略。
阅读全文因子不是玄学，是「把全市场股票排成一队」的可量化特征。这篇把它的判据、定义、四大功能、 分类地图（风格因子 vs alpha 因子）与三步流水线讲透，再用 2026 年的真实水位回答该不该学： 指增产品平均超额半年只剩 3.11 个百分点、同比掉约八成，百亿量化私募已从 4 家涨到 71 家。 结论是一句话——放弃 alpha 生产，保留风格消费：只留 7 个概念，把因子当筛子与体检仪用。
阅读全文什么时候学什么 —— 两篇长文的交汇处。核心是不要提前学，也不要永远不学。
开权限、上模拟盘、Python 生存语法、零代码网格与条件单、QMT 示例策略、miniQMT 写脚本， 最后小资金实盘。目标是「能稳定跑起来」，不是「跑得好」。这一阶段提因子只会分散注意力。
把 7 个概念（动量/反转、小市值、低波动、估值、质量、流动性、因子暴露 vs 因子择时）搞懂。 同时用策略回测做一次最粗糙的暴露归因：看你的收益跟小市值、跟动量方向的相关性有多高。 产出不是新策略，是一次对自己策略的重新认识。
四个触发信号：① 连续跑输基准 2 个月以上且不知道原因；② 想知道自己的收益来源； ③ 同时跑 3 个以上策略、需要判断是否重复暴露；④ 开始想做指数增强。 一条都没命中 → 把精力放回策略多样性与风控，收益远高于硬啃因子。
左边是必须做到的，右边是明确别做的 —— 两条清单加起来就是这份路线的全部取舍。
内容性质：量化学习栏目是本站的独立知识栏目，与每日复盘、资金分析、隔夜美股三类行情内容分开维护。栏目文章为公开信息整理与个人学习路线记录，不是行情内容，也不构成任何投资建议。
更新节奏：不定期更新，以「一篇解决一个问题」为单位，写完之后长期维护；站内不会为了更新频率而发短文。全部历史文章可从学习路径与因子路线评估两篇进入。
数据与口径：文中涉及的开通门槛、券商政策、监管条款均来自公开报道（叩富网、中国证监会官网、央视网财经、中国证券报、21 世纪经济报道、私募排排网等），为非一手来源，具体以各券商最新政策及交易所正式文件为准。市场统计数据按页面标注的区间与口径引用，不做外推。
免责声明：市场有风险，投资需谨慎。任何投资决策应结合个人风险承受能力、资金状况与投资目标独立判断，必要时咨询持牌专业机构。过往表现不预示未来收益。