答主更多应该算一个trader而不是quant（虽然对quant的一些知识也略懂），下面的答案可能更多是从一个交易员的角度来回答。
想在市场上赚钱，必须同时具备两样能力：
研究：做出正确的能够获利的决策，也就是寻找Alpha的能力
交易：基于研究的结果和交易信号，执行相应的下单风控等操作，也就是将Alpha落实到你账户盈利上的能力
研究方面
龙哥的答案已经覆盖了常用的库，这里就从研究的整体方向上来介绍下：
获取数据：可以选择使用TuShare、通联、万得等数据工具下载数据，并将原始的数据格式转化为你自己想用的数据格式（可以用Python脚本实现），以保存到数据库中
存储数据：几乎绝大部分常用的数据库都提供了Python接口，SQL/NoSQL/HDF5等等多种，最常用的应该是MySql和MongoDB，有兴趣学Q的也可以直接去用KDB+，数据库具体会应用的方向包括保存数据、读取数据、数据补全机制、数据变频（TICK变K线等）
数据回测：将数据读取到内存中后（以numpy数组或者pandas序列的形式），进行策略的回测，并对回测结果进行研究（matplotlib绘图），或者对参数进行优化（scipy等）
建模相关：对数据进行一些统计学检验（statsmodel）以及机器学习建模（scikit-learn）
集成开发环境：在有针对性的IDE中实现以上步骤会更加简便快捷（ipython/spyder）
交易方面
这部分是答主的主场了，主要分为两块：
1. 执行交易：对于绝大部分量化策略，都在一定程度上需要自动/半自动的下单功能。
CTA策略突破入场（秒级延时）
期权做市实时挂撤单（毫秒级延时）
股指期货高频（微秒级延时）
分级基金套利（批量自动下单，延时没有以上几种重要）
Alpha套利（篮子交易，一般要使用vwap等算法）
2. 策略风控：同样一般需要自动或者半自动的风控功能.
期权组合的希腊值风险实时监控对冲
分级基金套利的beta净敞口、行业暴露等实时监控对冲
Alpha套利策略的因子监控
具体需要掌握的知识：
1. 模拟实盘交易的策略回测：将策略重新编写为可以基于数据回放（逐TICK/逐K线）的模式进行回测的程序，模拟实际交易情况，杜绝未来函数的可能性，实盘交易中使用完全相同的程序进行交易，保证实盘和回测的一致性。这块通常需要专门的框架或者程序，比如通联的优矿、掘金、vn.py框架中的vn.strategy等。
2. 实盘交易接口：将想要下的单子通过交易接口发送到经纪商柜台，目前可以实盘直接使用的应该包括掘金（期货）、vn.py中的vn.lts（证券、期权）和vn.ctp（期货）。如果要使用其他的柜台需要自己封装，如恒生、金证等。
3. 其他语言拓展：作为最有名的胶水语言之一，Python的拓展功能不用绝对是浪费。针对计算瓶颈可以使用cython拓展，针对API可以用boost.python和swig进行封装，调用matlab直接运行其中提供的特定算法，使用COM接口调用Excel自动生成每日交易记录和报表......
4. GUI程序的开发：相当数量的量化交易依旧需要交易员进行实时监控，除了在cmd中不断print一些数据外，更合理的方案是开发自己需要的GUI界面，重点推荐PyQt，比在C++中用Qt开发要来的快捷很多，底层运行的也是C++的代码，速度完全不用担心。一些有特别需求的人也可以考虑开发在浏览器中显示的界面，比如经常想用手机远程监控。
python可以做什么
1 首先，最基本的功能就是借助python中自带的科学计算包Numpy、padas、matplotlib等，完成复杂的数据分析。
2 网络爬虫，利用python可以从网络上爬取任何格式的数据，比如文本数据、音频、视频数据、图片等。
## 标题 ##python爬取网络小说
3 词云图，利用python对语料集分词处理后，输出个性化词云图。
4 web开发，当然python之所以强大，是因为它的工程级开发，完全可以实现网站开发。
python就业前景
学习python之后，想从事这方面的工作，行情怎么样呢？你可以去拉勾网、应届生求职网等各种招聘网站搜索python相关职业岗位，可以看到python的缺口不仅大，而且就业岗位类型多、待遇也不错。
python相关就业岗位：数据分析师、Web开发、量化交易分析、游戏开发者、自动化测试、网站后端程序员、人工智能、网络安全等。
看到这里有没有想学习python的冲动呢，如果你是新手，想学习python又苦于没有好的学习资源，那么小编给你提供一个免费获取30G的python学习资源包，关注我们实验室的微信公众号，回复“菜鸟起飞”，即刻免费获取资源！
