这些天，相信你和我的朋友圈一样，看到的都是一片“见证历史”。美股熔断，A股跳水，资本用数据表达“恐慌”。
即使你从前对全球经济局势毫不关心，这次新冠疫情引发的“经济下行”也一定让你感受到了恶意——出门难、复工难、求职难、生存难，风险离你我都没有那么远。
规避风险的前提是先了解风险，方法不是刷微博拍脑袋。在财经领域，金融数据分析早已有一套成熟的分析方法——用python进行量化分析。
用python进行量化分析有什么用？是不是只有经验丰富的基金经理才会？
今天小编给大家分享一个案例，看一看普通人如何通过学习python金融量化分析提升自己（文末分享ython金融量化电子书）。
选择改变职业经历
小编的一位学姐撰写本科毕业论文的选题是：科技巨头企业的经营策略研究。
本科论文要求不高，这个选题其实可以应付了事。但她没有像其他同学，只是在知网、百度文库里搬运资料拍脑袋，她希望有所不同。
最后她决定从科技巨头苹果公司的股价数据入手，从市场波动情况了解公司的发展情况，并证明这种波动性随时间变动而不符合某些模型的预测。
简单来说，她做了这些事情：
- 使用python的pandas_datareader免费调用苹果（股票码APPL）近5年的股价数据
- 使用python的pandas包计算收益率的滚动标准差，作为收益波动率；
- 使用python的pyecharts包绘制股价波动率互动图表，总结趋势
这些任务看着复杂，几年前还被认为是专业金融分析师才能完成。因为金融从业专业人员有权调取公司付费购买的数据库，使用动辄价格成千上万的金融分析软件，才能完成专业工作。
而在当年，普通学生或者转行者却很难获取这些资源，要想积累项目经验，难上加难！
站在巨人肩膀上
现在，在互联网和python技术日新月异的今天，很多前辈们早就帮金融分析者铺好了路。
python入门简单，包管理工具强大。大神们开发了许多常用的金融开源项目，其中七成是使用python进行操作的。
py金融工具包，在github上都可以找到并免费安装
每一个人都可以使用开源工具包，无需注册，无需付费或者少量付费，获得研究数据。
除了国外的pandas_datareader，国内的数据平台tushare也提供A股数据API接口
每一个人都可以通过python建立评价模型脚本，一次代码，使用几年，告别重复劳动，把更多的经历花在核心业务研究上。
用python的matplotlib包绘制隐含波动率的3D散点图
每一个人都可以将数学公式和金融理论写成程序，完成数据获取、模拟、建模、预测、可视化等任何想得到的数据科学工作。
使用python循环计算股票买卖择时策略，图中越红的部分参数表现越好
用python计算机视觉技术对标的k线走势进行形态识别
故事的最后，学姐在研究的基础上，开启了她的python技术生涯和股市投资生涯。也因为她写在简历上的股票分析经验和python数据挖掘项目，成功的转行入职了一家证券公司做数据分析师。第一年起薪25w。
几行python代码，背后是她的眼见和努力。
天生的python实战项目
金融数据长期积累，配合python，是天生的实战案例项目。
市面上基础语法课很多，实际案例课程却很少。
大部分学生和职场人，学习python并不是为了当资深程序员，更多的是希望通过python提高效率、扩展思维、提升自己。python量化分析是一个值得学习的实战方向。