01
课程导论：什么是多因子模型？
为什么它能优化投资组合？课程目标与学习路径。
入门框架
02
投资组合理论基础
马科维茨均值-方差模型、有效前沿、资本资产定价模型(CAPM)。
经典数学
03
因子投资哲学
因子是什么？因子溢价从何而来？主动管理与被动管理的因子视角。
理念思维
04
单因子模型详解
CAPM的实证检验、市场贝塔的计算与局限性。
核心贝塔
05
Fama-French三因子模型
规模因子(SMB)、价值因子(HML)的构建逻辑与实证。
诺奖实证
06
Carhart四因子模型
动量因子(MOM)的发现、构建与策略回测。
动量趋势
07
Fama-French五因子模型
盈利能力因子(RMW)与投资风格因子(CMA)的引入。
盈利投资
08
其他主流因子解析
低波动因子、质量因子、成长因子、分红因子。
低波质量分红
09
因子数据获取
使用Python获取股票行情、财务数据、因子计算原始数据。
Python数据源
10
因子计算与标准化
Python实现因子计算、去极值、标准化、中性化处理。
预处理中性化
11
因子有效性检验
IC分析、IR分析、分组回测、多空组合收益检验。
IC回测
12
因子相关性分析
因子间的共线性问题、相关性矩阵、聚类分析。
共线性矩阵
13
因子合成与降维
等权合成、ICIR加权、主成分分析(PCA)在因子合成中的应用。
PCA降维
14
多因子选股模型
打分法选股与回归法选股的Python实现。
选股打分
15
组合优化基础
均值-方差优化的Python实现、有效前沿绘制。
前沿优化
16
加入约束条件的优化
行业中性、市值中性、换手率约束、个股权重上限。
约束中性
17
Black-Litterman模型
主观观点与市场均衡的结合，Python实现。
BL观点
18
风险模型：Barra框架
因子协方差矩阵估计、特异风险估计。
Barra风控
19
风险预算与风险平价
等风险贡献(ERC)模型、风险平价策略的Python实现。
平价ERC
20
最大分散度模型
最分散投资组合(MDP)的构建与优化。
MDP分散
21
因子择时
宏观经济因子择时、估值因子择时、动量因子择时策略。
择时宏观
22
机器学习因子挖掘
使用随机森林、XGBoost挖掘非线性因子。
XGBoost非线性
23
深度学习因子
使用神经网络进行因子挖掘与组合构建。
神经网络DL
24
回测框架搭建
Python事件驱动回测框架的设计与实现。
事件驱动回测
25
回测绩效评估
年化收益、夏普比率、最大回撤、Calmar比率、信息比率。
夏普回撤
26
过拟合与多重检验
数据窥探偏差、多重比较偏差、样本外检验方法。
过拟合偏差
27
交易成本与冲击成本
佣金、滑点、市场冲击的建模与优化。
滑点冲击
28
实盘部署考量
从回测到实盘的鸿沟、交易接口、风控模块。
实盘接口
29
案例分析：A股实战
A股市场多因子组合构建全流程实战。
A股全流程
30
课程总结与进阶
因子投资的未来趋势、行为金融学因子、ESG因子展望。
ESG行为金融