01
课程导学与回测框架概述
拆单算法背景、回测框架的价值、课程目标与学习路径
导学概述
02
环境搭建与项目初始化
Python虚拟环境、依赖管理（Poetry/Conda）、项目目录结构设计
环境Poetry
03
数据模型设计（上）
订单（Order）、成交（Fill）、资产（Portfolio）的数据类定义
数据类Order
04
数据模型设计（下）
市场行情（MarketData）、交易信号（Signal）的数据类定义与类型注解
MarketDataSignal
05
数据源抽象层
设计数据源接口（DataSource），实现本地CSV/Parquet数据读取
接口CSV
06
数据源实现
对接Tushare/AkShare等免费数据源，实现数据清洗与标准化
TushareAkShare
07
事件驱动引擎（上）
事件（Event）与事件队列（EventQueue）的设计与实现
事件队列
08
事件驱动引擎（下）
事件循环（EventLoop）与事件处理器（EventHandler）的注册与调度
EventLoop调度
09
订单管理模块
订单状态机（待报、已报、部成、全成、已撤）、订单簿（OrderBook）实现
状态机OrderBook
10
拆单算法基础：TWAP
时间加权平均价格算法（TWAP）原理与Python实现
TWAP时间加权
11
拆单算法进阶：VWAP
成交量加权平均价格算法（VWAP）原理与Python实现
VWAP成交量加权
12
拆单算法实战：冰山订单
冰山订单（Iceberg）与自适应拆单策略的实现
Iceberg自适应
13
模拟撮合引擎（上）
限价单与市价单的撮合逻辑，价格优先、时间优先原则
撮合价格优先
14
模拟撮合引擎（下）
部分成交、完全成交、撤单处理，以及滑点模型（Slippage Model）
滑点撤单
15
交易成本模型
固定成本、比例成本、市场冲击成本（Market Impact）的建模
成本市场冲击
16
资产组合与风险管理
PnL计算、持仓管理、最大回撤与夏普比率计算
PnL夏普
17
策略基类设计
定义抽象策略类（Strategy），实现信号生成与订单回调接口
Strategy抽象类
18
回测引擎核心（上）
回测循环（Bar-by-Bar或Tick-by-Tick）的实现
回测循环Bar
19
回测引擎核心（下）
性能优化（向量化计算、Numba加速、多进程回测）
Numba多进程
20
绩效分析模块
收益率曲线、最大回撤、夏普比率、卡玛比率、胜率等指标计算
绩效卡玛
21
可视化模块（上）
使用Matplotlib/Plotly绘制净值曲线、回撤曲线、成交分布图
MatplotlibPlotly
22
可视化模块（下）
交互式仪表盘（Dash/Streamlit）展示回测结果
DashStreamlit
23
参数优化框架
网格搜索（Grid Search）与随机搜索（Random Search）的实现
网格搜索随机搜索
24
并行回测
使用concurrent.futures或Ray进行多参数并行回测
并行Ray
25
日志与监控
使用Loguru记录回测日志，实现断点续跑与异常告警
Loguru监控
26
单元测试与集成测试
使用Pytest对核心模块（撮合、订单、策略）进行测试
Pytest测试
27
配置文件管理
使用YAML/TOML管理策略参数、数据源配置、回测参数
YAMLTOML
28
实战案例一：TWAP拆单
TWAP拆单策略在A股分钟线数据上的回测
A股分钟线
29
实战案例二：VWAP拆单
VWAP拆单策略在期货Tick数据上的回测与对比
期货Tick
30
课程总结与扩展
框架优化方向、实盘对接思路、社区与资源推荐
总结实盘