01
流动性预判概述
什么是流动性预判 · 为什么需要 · 应用场景（股票/期货/加密货币）
概念全景
02
核心指标定义
买卖价差 · 市场深度 · 订单簿不平衡 · 成交量 · 换手率 · Amihud指标
指标微观结构
03
数据采集与清洗
Level-2行情 · 缺失值异常值 · 时间对齐重采样 · 标准化
数据预处理
04
特征工程（上）
订单簿特征（价差/深度/斜率）· 成交特征 · 滚动窗口统计量
特征订单簿
05
特征工程（下）
微观结构（VPIN/订单流毒性）· 噪声 · 特征选择（PCA/Lasso）
降维VPIN
06
基础模型搭建
线性回归 · 岭回归/Lasso · MAE/RMSE/R²
回归评估
07
树模型与集成学习
决策树 · 随机森林 · XGBoost · LightGBM · GridSearchCV/Optuna
集成调参
08
深度学习模型
MLP · LSTM · Transformer · 早停与训练
深度学习时序
09
模型评估与验证
TimeSeriesSplit · 滚动回测 · 过拟合检测
验证交叉验证
10
模型部署与监控
Pickle/ONNX · Flask/FastAPI · 实时Pipeline · 漂移检测
部署监控
11
案例实战（股票市场）
A股流动性预判 · 分钟线建模 · 策略回测与收益分析
股票实战
12
案例实战（期货市场）
股指期货流动性 · 高频特征 · T+0策略设计
期货高频
13
案例实战（加密货币）
比特币订单簿 · DeFi流动性挖矿风险 · 链上+订单簿
加密货币DeFi
14
高级话题
高频做市商策略 · 最优执行算法 · 市场冲击成本建模
做市最优执行
15
总结与展望
未来趋势 · 可解释AI · 从预判到决策闭环
展望XAI
16
Python环境与工具链
Anaconda · Jupyter/VS Code · Pandas/NumPy/Sklearn/PyTorch
环境工具
17
数据可视化基础
Matplotlib/Seaborn · 时序可视化 · 订单簿 · 热力图
可视化EDA
18
统计学基础回顾
描述性统计 · 假设检验 · 相关性 · ADF/KPSS平稳性
统计平稳性
19
时间序列分析基础
ARIMA · GARCH · 协整与误差修正 · 状态空间模型
时序GARCH
20
机器学习基础回顾
监督/无监督 · 过拟合 · 正则化 · 交叉验证
ML基础正则化
21
深度学习基础回顾
神经网络 · 反向传播 · SGD/Adam · 损失函数
DL基础优化器
22
特征重要性分析
树模型重要性 · Permutation · SHAP · PDP
可解释性SHAP
23
模型融合与Stacking
Blending · Stacking · 加权平均 · 多样性分析
集成Stacking
24
超参数优化
网格搜索 · 随机搜索 · 贝叶斯(Hyperopt) · 遗传算法
调优贝叶斯
25
实时数据Pipeline
Kafka · Redis · 实时特征计算 · 流式预测
实时Pipeline
26
回测框架搭建
事件驱动 · 向量化回测 · 滑点/手续费 · 夏普/最大回撤
回测绩效
27
风险管理
VaR/CVaR · 压力测试 · 流动性风险敞口 · 止损与仓位
风控VaR
28
合规与监管
市场操纵检测 · 订单簿异常 · 监管报告 · 算法合规
合规监管
29
前沿研究
图神经网络 · 强化学习 · 联邦学习在金融数据中的应用
前沿GNN
30
项目实战
从零搭建完整流动性预判系统：采集→特征→模型→回测→部署
全流程实战