01
配对交易概述
什么是配对交易 · 历史与哲学基础 · 核心逻辑与盈利模式
概念哲学
02
行业中性化基础
为什么要做行业中性化 · GICS/申万标准 · 行业因子暴露
分类因子
03
行业中性化数学原理
线性回归与正交化 · 残差构建 · 行业虚拟变量设置
回归虚拟变量
04
数据准备与预处理
获取行情数据 · 行业分类对齐 · 数据清洗与去极值
清洗对齐
05
行业收益率计算
市值加权 · 等权行业收益率 · 行业因子收益率计算
加权因子
06
个股收益分解
拆解为行业部分+残差 · 残差收益率的含义
分解残差
07
协整检验基础
平稳性检验(ADF) · 协整经济学含义 · Engle-Granger两步法
ADF协整
08
行业中性化后的协整检验
对残差序列协整检验 · 与传统方法对比
残差对比
09
配对筛选与行业匹配
同行业 vs 跨行业配对 · 中性化扩大配对池
筛选匹配
10
价差序列构建
原始价差 vs 中性化价差 · Z-score标准化
价差Z-score
11
交易信号设计
阈值设定(开仓/平仓/止损) · 动态阈值方法
信号阈值
12
回测框架搭建
时间区间 · 交易成本 · 滑点与流动性考量
回测成本
13
绩效评估指标
年化收益率 · 夏普比率 · 最大回撤 · 胜率与盈亏比
夏普回撤
14
行业中性化vs非中性化对比
回测结果对比 · 风险暴露 · 市场环境适应性
对比风险
15
多行业模型扩展
多行业因子模型 · 行业间相关性 · 高维中性化
多因子高维
16
动态行业调整
行业分类变更 · 指数调仓影响 · 滚动窗口更新
动态调仓
17
风险控制与资金管理
凯利公式 · 杠杆控制 · VaR约束
凯利VaR
18
实盘注意事项
交易执行延迟 · 冲击成本 · 融券限制与做空
实盘做空
19
Python实现
statsmodels OLS · pandas分组 · 向量化回测
Python向量化
20
案例实战1：金融行业
银行股配对 · 中性化前后对比 · 参数敏感性
银行敏感性
21
案例实战2：消费行业
白酒股配对 · 行业因子剥离 · 残差相关性检验
白酒残差
22
案例实战3：科技行业
半导体股配对 · 高波动下中性化表现
半导体高波动
23
统计套利中的角色
与市场中性策略关系 · Alpha来源分析
Alpha市场中性
24
机器学习辅助中性化
PCA降维提取行业因子 · 树模型非线性暴露
PCA树模型
25
高频场景中性化
分钟级数据处理 · 计算效率优化
高频优化
26
行业中性化的局限性
分类主观性 · 因子时变性 · 过度拟合风险
局限过拟合
27
监管与合规
做空限制 · 信息披露 · 跨境交易考量
合规跨境
28
前沿研究方向
深度学习提取因子 · 因果推断 · 另类数据增强
深度学习因果
29
课程总结与知识图谱
核心概念回顾 · 常见错误 · 进阶学习路径
总结图谱
30
附录
常用数据源 · Python库安装 · 参考文献与扩展阅读
数据源安装