01
Tick数据基础
什么是Tick数据？Tick数据在量化交易中的核心价值。
概念核心
02
数据源与接入
主流交易所Tick数据格式解析（CTP、Binance、WebSocket）。
交易所WebSocket
03
Python环境搭建
Anaconda、Jupyter、Tick数据处理必备库（pandas、numpy、asyncio）。
环境库
04
数据采集实战
使用WebSocket订阅实时Tick流。
实时采集
05
数据清洗
去重、对齐时间戳、处理缺失值与异常值。
清洗质量
06
内存优化
Tick数据的压缩存储与高效读取（Parquet、Arrow）。
压缩Parquet
07
实时统计指标
计算Tick级别的VWAP、TWAP。
VWAPTWAP
08
波动率计算
基于Tick数据的实时波动率估计（Parkinson、Yang-Zhang）。
波动率估计
09
订单簿重建
从Tick流重建Level2/Level3订单簿。
订单簿L2/L3
10
订单簿特征
买卖价差、订单簿斜率、深度不平衡。
特征微观结构
11
微观结构指标
Amihud非流动性指标、Roll spread估计。
流动性Roll
12
事件驱动框架
使用asyncio构建低延迟Tick处理管道。
asyncio低延迟
13
流处理引擎
基于Apache Kafka + Flink的Tick流处理架构。
KafkaFlink
14
窗口计算
滑动窗口、滚动窗口在Tick数据上的应用。
窗口聚合
15
时间序列数据库
InfluxDB、QuestDB存储Tick数据实战。
时序库存储
16
Tick数据可视化
使用Plotly/Highcharts绘制实时K线与Tick图。
可视化K线
17
回测系统集成
将Tick数据接入Backtrader/Zipline回测引擎。
回测Backtrader
18
因子计算
基于Tick数据的微观结构因子（如VPIN、Order Flow Toxicity）。
因子VPIN
19
机器学习特征
从Tick流提取特征用于价格预测模型。
特征工程ML
20
实时监控系统
构建Tick数据质量监控与告警平台。
监控告警
21
性能优化
Cython、Numba加速Tick数据处理。
加速Cython
22
分布式处理
Dask/Ray并行处理海量Tick数据。
分布式Dask
23
数据存储方案
HDF5、Parquet分区策略与查询优化。
存储分区
24
Tick数据回放
构建历史Tick数据回放系统用于策略测试。
回放测试
25
高频交易策略
基于Tick数据的做市商策略与套利策略。
高频做市
26
风险控制
Tick级别的风控指标（如最大回撤、滑点监控）。
风控滑点
27
合规与审计
Tick数据存储规范与监管要求（SEC/MiFID II）。
合规监管
28
实战项目一
构建一个完整的Tick数据采集与清洗流水线。
项目流水线
29
实战项目二
基于Tick数据的实时统计仪表盘开发。
仪表盘实时
30
实战项目三
从Tick数据到交易信号的端到端系统。
端到端信号