01
异常交易行为概述
定义、监管背景、市场影响与识别意义
概念监管
02
市场微观结构基础
订单簿、交易机制、流动性、波动性基础概念
微观订单簿
03
数据采集与预处理
高频数据源、数据清洗、时间对齐、缺失值处理
高频清洗
04
特征工程基础
价格特征、成交量特征、订单簿不平衡、价差特征
特征价差
05
标签体系构建
操纵、幌骗、对倒、抢先交易等行为标签定义
标签行为
06
统计特征提取
均值、方差、偏度、峰度、自相关等时序统计量
统计时序
07
时间序列特征
ACF/PACF、平稳性检验、季节性分解、突变点检测
ACF平稳性
08
订单簿动态特征
订单到达率、撤销率、深度变化、价格冲击系数
动态冲击
09
交易量特征分析
成交量分布、VWAP偏离、大单识别、交易量聚类
成交量VWAP
10
网络特征构建
交易对手网络、资金流向图、社区发现与中心性指标
网络社区
11
异常检测基础
统计方法（Z-score、箱线图）、距离方法（KNN、LOF）
统计KNN
12
孤立森林算法
原理、实现、参数调优与异常分数解释
孤立森林调优
13
One-Class SVM
核函数选择、异常边界学习、金融场景适配
SVM核函数
14
自编码器方法
AE、VAE、DAE在异常检测中的应用与重构误差
自编码器重构
15
时序异常检测
LSTM-Autoencoder、TranAD、Anomaly Transformer
LSTMTransformer
16
图异常检测
GNN、GraphSAGE、异常子图发现与交易团伙识别
GNN团伙
17
分类模型基础
逻辑回归、决策树、随机森林、XGBoost、LightGBM
XGBoost随机森林
18
不平衡数据处理
过采样（SMOTE）、欠采样、代价敏感学习、集成方法
SMOTE不平衡
19
模型评估指标
混淆矩阵、Precision/Recall、F1-score、AUC-ROC、PR曲线
评估AUC
20
特征选择方法
过滤法、包裹法、嵌入法、SHAP值特征重要性
SHAP特征选择
21
模型可解释性
SHAP、LIME、Partial Dependence Plot、特征交互
可解释LIME
22
时间序列交叉验证
滚动窗口、扩展窗口、分组时间序列分割
交叉验证滚动
23
实时检测系统设计
流处理框架、滑动窗口、增量学习、延迟优化
实时流处理
24
规则引擎与机器学习融合
专家规则、规则权重学习、混合决策系统
规则引擎混合
25
案例实战一：虚假申报（幌骗）
幌骗行为识别与特征构建
幌骗实战
26
案例实战二：对倒交易
自买自卖检测与网络分析
对倒网络
27
案例实战三：抢先交易
Front Running模式挖掘与预警
抢先预警
28
案例实战四：市场操纵团伙
团伙识别与社区发现实战
团伙社区发现
29
模型部署与监控
模型上线流程、漂移检测、回滚机制、日志审计
部署监控
30
课程总结与前沿展望
强化学习在异常检测、联邦学习、大模型应用趋势
前沿大模型