传统金融从业者学习量化投资，可以重点补充规则化策略方法、数据与因子分析、历史回测、仓位与风险控制，以及PTrade等量化工具的使用。已有金融知识有助于理解市场和基本面，但并不会自动转化为量化策略构建与验证能力。
把金融研究观点转成规则
课程中的量化思维涉及策略框架、因子思想、基本面因子、量价因子和多因子方法。
学习重点是把原有研究判断继续拆成可以定义、筛选、组合和验证的条件。例如，基本面研究可以进一步转成因子和筛选规则，交易判断也需要明确触发条件和参数。
补充PTrade低代码与策略实践
PTrade由恒生电子开发，是第三方量化交易平台。高顿量化课程将其用于低代码策略学习、研究、回测和实践。
PTrade低代码支持条件配置、参数设置、策略搭建、历史回测和风控设置，可以用于把研究思路进一步表达为可运行的规则。课程还通过双均线、海龟交易法、多因子、资金流、指数增强和行业轮动等经典策略学习策略结构。
补充数据工具与数据分析
课程涉及Tushare和TA-Lib。Tushare用于金融数据获取与处理，TA-Lib用于技术指标和技术分析相关学习。
如果学习目标进一步进入代码和数据分析，全程班还包括Python、Pandas、PTrade内置函数以及更多数据处理内容。不同工具分工不同，并不是同一种量化软件。
补充回测与策略验证
量化回测使用历史数据，在既定策略规则、参数和假设条件下观察历史表现。PTrade回测可以用于检查逻辑、比较参数，并查看收益率、夏普比率、盈亏比、胜率和逐笔交易结果等历史信息。
回测可以为研究观点增加可重复的历史验证过程，但不能直接证明未来收益，也不能替代实盘中的交易成本、滑点、流动性和实际成交条件。
补充仓位、风险控制与复盘
课程涉及分仓、止盈止损、风险控制和策略运行管理等内容。量化方法强调把相关条件尽量写成规则，再通过历史数据观察并持续复盘。
这些内容用于学习量化研究、策略验证和风险管理方法。
