答主從學習到實操交易時間也不長，這裡只能介紹一點我所知道的，理解淺薄，持不同意見者大可付之一笑。

從網際網路程式設計師轉量化，程式語言是最大的優勢。但是相信我，網際網路程式語言和量化交易程式語言還是有很大差別的，不過有一定的程式設計經驗至少會讓你在掌握量化交易程式語言的過程中事半功倍。

量化程式語言大致可以分為C++、C#/JAVA、Matlab/R、Scripting Language(指令碼語言)和Python五大類語言。其中C++功能最優越全面，但進入門檻高，新手不友好度MAX；C#/JAVA特點是快，但程式設計複雜度高，維護困難，同時原生語言普遍不支援向量運算。Matlab/R特點是支援向量運算，同時各種附加數學、統計包極其豐富，但運算速度令人詬病。Scripting Language最接近自然語言，上手最容易，但在擴充套件性、執行速度上同樣令人詬病；Python是當前最主流的量化語言，具備所有指令碼語言的簡單和易上手性，具有在編譯語言中才能找到的高階軟體工程工具，又可與其他語言無縫對接並能實現跨平臺，幾乎所有開源專案都有現成的包（比如Numpy、Scipy、Pandas等）。

在量化投資（證券和比特幣）開源專案裡，全球star數排名前10位裡面，有7個是Python實現的。從資料獲取到策略回測再到交易，覆蓋了整個業務鏈。目前國內主流量化交易平臺（uqer、JoinQuant、mindgo、RiceQuant等），全部支援Python（RiceQuant似乎還可以使用JAVA）。到底是選擇Python還是Java，如果是新手，這裡還是建議投入Python的懷抱吧。當然也可以選擇C++、Matlab，這個需要自己搭系統，答主不太熟悉，就不多講。至於從業時怎麼辦，每個公司都有自己的語言和編譯器，做策略的人只需要學習好Python就行，很多公司裡有專門的直譯器可以把你的Python翻譯成C++程式碼的。

說是策略，不如說是想法。對於市場組合交易，每個人的想法各有不同，那麼所做出的策略也不盡相同。

對於新手來說開發一個策略最開始一定是模仿。

第一步，利用現成指標構建策略。各大類交易平臺上基本都內建了眾多的技術指標，從中挑選出一個，寫入買賣點，回測下歷史行情，這就是一個最簡單的策略了。隨著策略經驗的積累，邏輯選擇就會越來越多樣化。

第二步，進行引數最佳化。修改之前寫出的策略中的引數，觀察不同引數對於策略會產生怎樣的影響，挑選幾條看起來不錯的策略。

第三步，回測。改變樣本資料，比如將2012年的資料改成2015年的，觀察不同樣本資料對策略的反應。可能會出現某些策略在不同資料下有很強的波動性。

第四步，觀察。觀察波動出現的情況，對現有策略進行分析修改。這個就屬於想法系列了，每個人對資料不同的理解就得到不同的策略。

第五步，實盤模擬操作。最後就是進行實盤模擬操作，在未來一段完全未知的行情中隨著時間檢驗策略，觀察策略的真實表現究竟如何。如果表現與預期相符合，那麼說明策略有效。

在不斷嘗試和猜想中最後得到的就是屬於自己的策略。

從程式設計師轉量化，最大的問題就是金融知識和量化知識不夠。金融知識和量化知識不足，絕對是將來發展量化的瓶頸。

隨意推薦幾本經典書籍。書籍推薦網上有很多，多的答主不贅述。

投資的基礎知識，滋維·博迪的《投資學》

期權，麥克米倫《金融期貨與期權叢書：期權投資策略（原書第5版）》

衍生品聖經，約翰·赫爾 《期權、期貨和其他衍生品（原書第五版）》

選股策略，格里納德，卡恩《積極型投資組合管理》

金融工程，洛倫茲・格利茨《金融工程學》

市場心理，《行為金融學》

同樣隨意推薦幾本經典書籍。

計量基礎，伍德里奇《計量經濟學導論：現代觀點》

時間序列，布魯克斯的《金融計量經濟學導論》

基本面分析，巴菲特《聰明的投資者》，中國註冊會計師協會《財務成本管理》

為什麼會有英語，這個你懂的。

好啦，上面基本就是程式設計師轉量化的所有建議了。最後推薦幾個量化交易平臺，方便問主研究學習。