01
统计套利概述
什么是统计套利？与无风险套利的区别 · 数学基础（协整与平稳性）· 常见策略类型
概念协整
02
回测框架设计原则
模块化设计 · 事件驱动 vs 向量化 · 核心组件：数据/策略/风控/执行/分析
架构设计模式
03
Python环境与依赖库
Anaconda环境 · pandas/numpy/statsmodels/scipy · 虚拟环境管理
环境库安装
04
数据获取与清洗
yfinance获取 · 缺失值/异常值处理 · 对齐与重采样 · HDF5/CSV存储
数据预处理
05
协整检验实战
Engle-Granger两步法 · Johansen检验 · statsmodels · 配对标的选择
协整检验
06
价差计算与标准化
配对价差 · Z-Score标准化 · 移动平均/标准差 · 滚动窗口参数
价差Z-Score
07
交易信号生成
Z-Score阈值信号 · 动态/固定阈值 · 信号过滤与去噪
信号阈值
08
仓位管理模块
等权重 · 凯利公式 · 波动率调整 · 仓位限制与杠杆控制
风控仓位
09
风险管理模块
最大回撤控制 · VaR计算 · 止损止盈 · 黑天鹅应对
风控VaR
10
交易执行模块
模拟市价/限价单 · 滑点模型 · 交易成本（佣金/印花税）
执行滑点
11
回测引擎核心（事件驱动）
事件循环 · BarEvent/OrderEvent/FillEvent · 事件队列管理
事件驱动架构
12
回测引擎核心（向量化）
向量化原理 · pandas批量计算 · 性能优化（避免循环）
向量化性能
13
策略参数优化
网格搜索 · 随机搜索 · 贝叶斯优化 · 过拟合与交叉验证
优化超参数
14
回测绩效指标
年化收益率 · 夏普比率 · 最大回撤 · 卡玛比率 · 胜率/盈亏比
绩效指标
15
可视化分析模块
净值曲线 · 回撤曲线 · 信号分布 · 价差走势 · 相关性热力图
可视化matplotlib
16
多标的配对组合
配对篮子 · 组合协整检验 · 组合价差 · 多标的仓位分配
组合多标的
17
高频数据回测
Tick/分钟数据 · 高频清洗 · 延迟/数据量挑战 · ArcticDB存储
高频数据
18
统计套利策略进阶
门限协整 · 马尔可夫转换 · 机器学习辅助配对（聚类/排序）
进阶ML
19
回测框架的单元测试
pytest编写 · 测试数据/信号/风控模块
测试pytest
20
日志与监控系统
logging配置 · 回测日志 · 实时监控 · 告警机制
日志监控
21
策略部署与实盘对接
回测到实盘差异 · API对接(IBKR/Binance) · 订单/资金管理
实盘API
22
回测结果报告生成
Jinja2 HTML报告 · 摘要/绩效/图表 · 自动化发送
报告Jinja2
23
并行回测与性能优化
多进程(multiprocessing) · Dask分布式 · GPU加速
并行性能
24
常见陷阱与避坑指南
前视偏差 · 幸存者偏差 · 过拟合 · 数据泄露 · 未来函数
避坑经验
25
案例实战1：股票配对 (XOM与CVX)
数据获取 · 协整检验 · 回测执行 · 结果分析
案例股票
26
案例实战2：加密货币套利 (BTC与ETH)
数据特点 · 高波动处理 · 24/7交易特殊性
案例加密货币
27
案例实战3：跨市场ETF套利 (SPY与IVV)
市场微观结构 · 套利窗口 · 执行延迟
案例ETF
28
回测框架的扩展性设计
插件化策略加载 · 自定义指标 · 数据源适配器模式
扩展设计
29
开源回测框架对比
Backtrader · Zipline · QuantConnect · vnpy · 自研优劣
对比开源
30
课程总结与未来展望
统计套利未来趋势 · 机器学习融合 · 高频统计套利前沿
总结前沿