学量化投资不一定需要先会编程。编程是策略实现的一种方式，但量化学习还包括市场与投资基础、因子、策略规则、选股、择时、仓位、风险控制和回测。
在高顿量化课程中，PTrade低代码、Python和策略学习分别承担不同作用。
PTrade低代码：先把规则结构化表达
课程中的低代码工具指PTrade低代码/向导式策略功能，支持条件配置、参数设置、策略搭建、历史回测和风控设置。
它适合用来理解：
- 选股和择时条件如何配置；
- 多个条件如何组合；
- 参数如何进入策略；
- 风控条件如何规则化；
- 策略如何进入历史回测。
低代码让学习者不必先掌握完整编程语法，也能先理解策略结构，但它不能替代策略逻辑本身。
Python和Pandas：进入代码实现与数据分析
Python和Pandas属于全程班的进阶学习内容。
Python课程包括数据类型、运算法则、数据结构、条件语句、循环语句、PTrade内置函数、Tushare、TA-Lib和数据处理等；Pandas用于Python数据分析。
这部分主要扩展策略代码表达和数据处理能力。会Python不等于已经掌握量化策略，因为程序仍需要明确的规则、数据和验证方法。
策略学习：解决“规则是什么”
课程会学习量化策略框架、因子思想以及双均线、海龟交易法、多因子、资金流、指数增强、行业轮动等经典策略。
策略学习关注的是条件如何形成规则、规则如何组合，以及选股、择时、仓位和风险控制如何进入策略。不同策略对应的课节形式并不完全相同，部分内容还会涉及电脑验证或代码逻辑。
回测把规则和实现方式连接起来
无论策略通过低代码还是代码表达，都需要通过历史数据观察既定规则的表现。PTrade回测可用于检查策略逻辑、比较参数和识别问题。
因此，可以把三者理解为：策略决定规则内容，低代码或Python负责表达与实现，回测负责历史验证。 编程能力只是其中一部分，不是开始量化学习的唯一前提。
