01
市场预测概述
什么是市场预测 · 核心要素 · 常见误区与挑战
基础认知
02
数据采集与清洗
数据来源(API/爬虫/数据库) · 清洗流程 · 缺失值与异常值
预处理ETL
03
探索性数据分析 (EDA)
描述性统计 · 可视化分析 · 数据洞察提取
可视化统计
04
特征工程基础
特征构建 · 特征选择 · 标准化与归一化
特征缩放
05
时间序列基础
时间序列概念 · 平稳性检验 · 自相关与偏自相关
时序ACF/PACF
06
经典预测模型
移动平均法 · 指数平滑法 · ARIMA原理与实现
统计ARIMA
07
机器学习预测模型
线性回归 · 决策树 · 随机森林在预测中的应用
ML集成
08
深度学习预测模型
LSTM网络原理 · 时序数据建模 · 训练与调优
DLLSTM
09
模型评估与验证
训练/测试集划分 · 交叉验证 · MAE/RMSE/MAPE
评估指标
10
模型部署与监控
模型序列化 · API服务搭建 · 可视化看板
部署MLOps
11
案例实战：股票价格预测
数据获取 · 特征构建 · 模型训练 · 回测
金融实战
12
案例实战：电商销量预测
季节性分析 · 促销因素建模 · 库存优化
电商时序
13
案例实战：能源需求预测
多变量时序 · 外部因素引入 · 模型融合
能源融合
14
案例实战：天气预测
气象数据解析 · 空间特征提取 · 集成学习
气象集成
15
高级话题：集成学习与超参数搜索
Stacking · Grid Search · Bayesian Optimization
高级调参
16
高级话题：多步预测与概率预测
递归/直接/多输出策略 · 概率预测
多步概率
17
高级话题：异常检测在预测中
孤立森林 · LSTM-Autoencoder · 时序异常
异常无监督
18
高级话题：因果推断与预测
Granger因果检验 · 干预分析
因果计量
19
工具与框架
Pandas时序 · Statsmodels · Prophet · PyTorch Lightning
工具框架
20
数据推演基础
什么是数据推演 · 推演与预测区别 · 场景分类
推演概念
21
蒙特卡洛模拟
随机过程模拟 · 概率分布采样 · 风险量化
模拟风险
22
情景分析
乐观/悲观/基准情景 · 敏感性分析 · 压力测试
情景压力
23
贝叶斯推演
先验分布设定 · 后验更新 · 贝叶斯预测区间
贝叶斯区间
24
系统动力学建模
反馈循环 · 存量流量图 · 政策模拟
系统SD
25
智能体建模 (ABM)
个体行为规则 · 涌现现象 · 市场微观结构
ABM复杂
26
推演结果可视化
动态图表 · 仪表盘设计 · 交互式报告
可视化仪表盘
27
案例实战：供应链风险推演
需求波动 · 供应中断 · 库存策略
供应链风险
28
案例实战：宏观经济推演
GDP增长 · 通胀率 · 利率路径模拟
宏观经济
29
案例实战：竞品市场推演
价格战模拟 · 市场份额演化 · 策略博弈
竞品博弈
30
课程总结与未来展望
知识体系回顾 · AI+预测/数字孪生 · 学习路径
总结前沿