自动交易是给通过计算机处理和执行的交易进入和退出的术语。自动交易具有一定的优势：
- 最大限度地减少人为干预：自动交易系统消除了交易过程中的情绪。通过控制情绪，交易者通常可以更轻松地坚持策略。
- 历史数据回测：回测允许交易者在历史数据（前一周/月/年数据）上使用他们的策略。这有助于他们了解他们的策略对实时数据的影响，并帮助他们确定交易赢或输的可能性。
- 在波动的市场中保持纪律：当市场波动时，交易者会跳过交易规则。这导致了市场的无纪律。当交易者屈服于人类的贪婪或恐惧情绪时，纪律就会丧失。自动交易可以避免此类参数。自动交易有助于确保一致性的维护，确保策略的执行遵循规则。
- 提高订单输入速度：由于计算机可以即时响应不断变化的市场条件，因此只要满足交易要求，自动化系统就可以生成订单。
Python在量化金融领域广受欢迎，因为它能够轻松构建复杂的统计模型。这是因为 Pandas、NumPy、Matplotlib、PyAlgoTrade、Pybacktest 等科学库。
自动交易所需的组件
- Anaconda：设置Python 的第一步是下载 Anaconda。 Anaconda 是一个可靠的Python发行版，它包含执行Python代码所需的所有工具和库。
- Spyder IDE：IDE 代表集成开发环境。它提供了一个接口来编写、调试、编译和执行Python代码。
- Jupyter Notebook：Jupyter Notebook 是一个交互式平台，用于理解代码片段。 Jupyter Notebook 主要使用“降价”单元格来解释代码，使用“代码”单元格来执行代码。它对于试图理解代码片段工作的学习者非常有用。
注意： Spyder IDE 用于运行和执行大型项目，而 Jupyter Notebook 用于执行小代码块。
了解Python与量化交易相关的流行软件包/库
Python有一个庞大的库集合，可用于不同的功能，例如编程、机器学习、可视化等。然而，在真正开始使用Python，我们将讨论编码交易策略所需的最重要的库。
我们将需要导入财务数据、进行数值评估、构建交易策略、绘制图表并进行数据回溯测试。下面列出了所需的库：
- NumPy：NumPy 缩写为 NumericalPy，用于数据的数值分析。
- Pandas：Pandas 广泛用于处理表格格式（即行和列）的数据，例如电子表格。它可用于在Python代码中导入Excel和CSV文件。
- Matplotlib：该库包含用于绘制 2D 图形的函数。
- TA-Lib：TA-Lib 广泛用于对布林带、RSI（相对强度指标）、VWAP（成交量加权平均）、MA（移动平均）等数据进行技术分析。
- Zipline：一个支持回溯测试和实时交易的事件驱动系统。
在开始使用Python构建您自己的策略之前，您需要了解这些基本概念。
参考：
- https://numpy.org/
- https://matplotlib.org/
- https://pandas.pydata.org/
- https://www.zipline.io/
- https://github.com/mrjbq7/ta-lib