从零搭建你的量化交易系统

📚 30章 · 完整目录
01 量化交易概述
  • 什么是量化交易
  • 优势与风险
  • 主流平台介绍
  • 本课程学习路径
02 Python基础速通（一）
  • Anaconda安装
  • Jupyter Notebook
  • 变量与数据类型
  • 列表与字典
03 Python基础速通（二）
  • 条件判断与循环
  • 函数定义
  • 文件读写
  • 异常处理
04 必备Python库（一）NumPy
  • 数组创建
  • 索引与切片
  • 数学运算
  • 随机数生成
05 必备Python库（二）Pandas
  • Series与DataFrame
  • CSV/Excel读取
  • 数据清洗
  • 时间序列
06 必备Python库（三）Matplotlib & Seaborn
  • 折线图
  • K线图
  • 成交量图
  • 多图布局
07 金融数据获取
  • Tushare/AkShare
  • 数据存储
  • 数据质量检查
08 技术指标计算（一）
  • 移动平均线MA
  • 指数移动平均EMA
  • 布林带
09 技术指标计算（二）
  • RSI
  • MACD
  • KDJ
10 交易策略基础
  • 策略概念
  • 回测基本概念
  • 过拟合与未来函数
  • 夏普比率/最大回撤
11 第一个策略：双均线策略
  • 策略逻辑
  • Python实现
  • 回测分析
  • 参数优化
12 回测框架搭建（一）
  • 事件驱动架构
  • DataHandler
  • 订单与持仓管理
13 回测框架搭建（二）
  • Strategy接口
  • ExecutionHandler
  • BacktestEngine
14 回测框架搭建（三）
  • 绩效分析模块
  • 交易记录与日志
  • 可视化回测结果
15 策略优化与风险控制
  • 参数扫描
  • 过拟合检测
  • 仓位管理(凯利公式)
  • 止损止盈
16 多因子模型入门
  • 因子投资概念
  • 价值/动量/质量/低波
  • 因子计算与IC
17 因子组合与选股
  • 标准化与中性化
  • 多因子打分模型
  • 分层回测
18 机器学习与量化（一）
  • ML应用场景
  • 特征工程
  • Scikit-learn预测模型
19 机器学习与量化（二）
  • 时间序列交叉验证
  • 模型评估与选择
  • 过拟合防范
20 实盘交易接口
  • 券商API介绍
  • API认证与连接
  • 获取实时行情/账户
21 实盘交易执行
  • 下单函数封装
  • 订单状态管理
  • 交易成本控制
  • 模拟/实盘切换
22 自动化交易系统
  • APScheduler调度
  • 监控与告警
  • 日志与异常恢复
23 数据库与数据管理
  • MySQL/PostgreSQL
  • SQLAlchemy存取
  • 数据分区与归档
24 Web Dashboard搭建
  • Flask/Dash
  • 实时数据显示
  • 策略绩效仪表盘
25 风险管理体系
  • VaR计算
  • 压力测试
  • 均值-方差优化
  • 黑天鹅应对
26 高频交易基础
  • 高频概念
  • 订单簿分析
  • Tick级数据
  • 延迟优化
27 加密货币量化
  • CCXT数据获取
  • 交易所API对接
  • 永续合约策略
28 期权策略入门
  • 期权基础
  • 隐含波动率
  • 备兑开仓/保护性看跌
  • Python实现
29 系统部署与运维
  • AWS/阿里云
  • Docker部署
  • CI/CD流水线
  • 安全加固
30 总结与进阶之路
  • 课程回顾
  • 常见陷阱与避坑
  • 推荐学习资源
  • 构建个人框架
📘 公众号: 蓝海资料掘金营 📱 微信 deep3321 ⚡ 30章完整版 · 点击标题跳转