01
量化交易概述
量化交易的定义、发展历史、与传统交易的区别、优势与风险
概念历史
02
回测框架核心概念
回测定义、作用、基本流程、常见误区
核心流程
03
Python环境搭建
Anaconda安装、虚拟环境管理、常用量化库介绍
环境pandasnumpy
04
数据获取与处理
pandas获取金融数据、数据清洗、缺失值处理、对齐、重采样
数据清洗
05
技术指标计算
MA、EMA、RSI、布林带计算与实现
指标MARSI
06
策略信号生成
基于技术指标的买卖信号、逻辑组合、过滤与去噪
信号策略
07
交易模拟引擎
订单类型、撮合逻辑、滑点与手续费模拟
引擎订单
08
资金管理模型
固定仓位、凯利公式、风险平价、最大回撤控制
资金凯利
09
绩效评估指标
年化收益率、夏普比率、最大回撤、胜率、盈亏比、卡玛比率
绩效夏普
10
回测结果可视化
matplotlib绘制净值曲线、回撤曲线、信号点、热力图
可视化matplotlib
11
过拟合与偏差
前视偏差、生存偏差、过拟合识别、交叉验证
过拟合偏差
12
参数优化
网格搜索、随机搜索、贝叶斯优化、敏感性分析
优化网格
13
多品种回测
投资组合回测、相关性分析、资金分配
组合多品种
14
事件驱动回测框架
事件循环、数据/信号/订单/成交事件
事件驱动架构
15
向量化回测框架
向量化计算原理、与事件驱动对比、性能优化
向量化性能
16
Backtrader框架入门
Backtrader架构、Cerebro引擎、Strategy、DataFeed
Backtrader入门
17
Backtrader实战
移动平均线策略、参数优化、绩效分析
实战MA
18
Zipline框架入门
Zipline架构、Pipeline API、TradingAlgorithm
Zipline入门
19
Zipline实战
均值回归策略、数据源配置、回测运行
实战均值回归
20
自定义回测框架设计
架构设计、模块划分、接口定义、扩展性
设计架构
21
数据模块实现
数据加载器、缓存、转换器、多数据源
数据模块
22
策略模块实现
策略基类、信号生成器、组合器、工厂
策略模块
23
风控模块实现
风险检查器、仓位限制、止损止盈、黑名单
风控止损
24
订单管理模块实现
订单队列、状态机、成交记录、路由
订单管理
25
绩效分析模块实现
绩效计算器、报告生成、对比、归因分析
绩效分析
26
回测报告生成
HTML报告模板、图表嵌入、统计表格、交易日志
报告HTML
27
实盘模拟与回测差异
实盘细节、冲击成本、流动性、交易延迟
实盘差异
28
回测框架性能优化
多线程、并行计算、内存优化、数据库存储
性能优化
29
回测框架测试与调试
单元测试、集成测试、日志系统、断点调试
测试调试
30
完整回测系统实战
数据获取到策略部署全流程、项目结构、文档编写
实战全流程