01
绩效归因基础
什么是交易执行绩效归因？为什么做归因？核心概念与术语。
概念入门
02
数据准备与清洗
交易数据来源、数据质量检查、数据清洗与标准化。
数据预处理
03
基准选择
常见基准（VWAP、TWAP、收盘价、开盘价），适用场景与局限性。
基准VWAP
04
执行成本拆解
显性成本（佣金、印花税、过户费）与隐性成本（冲击、延迟、机会）。
成本隐性
05
市场冲击模型
线性冲击模型、平方根冲击模型、Almgren-Chriss模型。
模型冲击
06
时间切片分析
将交易时段切片，分析不同时间段的执行质量。
时间切片
07
订单类型与策略
市价单、限价单、冰山订单、TWAP、VWAP、POV策略的绩效对比。
订单策略
08
交易量分布分析
分析交易量在日内/日间的分布，识别异常交易行为。
交易量异常
09
滑点分析
定义滑点、计算滑点、滑点来源分解（市场波动、流动性不足、延迟）。
滑点分解
10
实现差价 (Implementation Shortfall)
Almgren-Chriss框架下的实现差价计算与分解。
ISAlmgren
11
交易成本分析 (TCA)
TCA报告解读、关键指标（Arrival Cost, VWAP Cost, Interval Cost）。
TCA报告
12
信号与时机
交易信号对执行绩效的影响，如何评估择时能力。
信号择时
13
算法交易策略评估
TWAP vs VWAP vs POV vs Adaptive策略的绩效对比。
算法对比
14
流动性分析
流动性指标（买卖价差、市场深度、Amihud非流动性），对执行成本的影响。
流动性深度
15
波动率分析
波动率对执行风险的影响，波动率调整后的绩效指标。
波动率风险
16
多资产归因
股票、期货、期权、外汇等不同资产类别的归因方法差异。
多资产差异
17
归因模型：Brinson
Brinson模型在交易执行中的应用，分解为配置、选择与交互效应。
Brinson分解
18
风险调整绩效
夏普比率、信息比率、Calmar比率在交易执行评估中的应用。
夏普信息比
19
统计检验
t检验、回归分析、蒙特卡洛模拟在绩效归因中的使用。
统计模拟
20
机器学习归因
使用随机森林、XGBoost等模型识别影响执行成本的关键因子。
机器学习XGBoost
21
归因报告自动化
使用Python生成自动化归因报告（PDF/HTML）。
Python自动化
22
归因可视化
使用Matplotlib/Plotly绘制执行成本分解图、滑点分布图、绩效对比图。
可视化Plotly
23
归因系统架构
设计一个生产级的归因系统（数据流、计算引擎、存储、展示）。
架构生产级
24
归因结果解读
如何向交易员、基金经理、风控人员解读归因结果。
沟通解读
25
归因的局限性
数据偏差、模型风险、过度拟合、幸存者偏差。
局限风险
26
归因与风控
如何将归因结果融入风控体系，设置执行成本预警。
风控预警
27
归因与优化
基于归因结果优化交易算法参数（下单速度、订单规模、价格容忍度）。
优化参数
28
归因与绩效评估
将交易执行归因与投资组合绩效评估结合。
组合评估
29
归因案例研究
分析一个真实交易场景的归因案例（股票/期货）。
案例实战
30
归因前沿
高频交易归因、暗池交易归因、加密货币交易归因。
前沿高频