01
系统概述
什么是纳斯达克投资盈利系统？系统核心目标、系统架构总览、技术栈选型（Python + 量化框架）。
架构Python
02
环境搭建
Python量化环境安装（Anaconda、Jupyter）、必备库安装（pandas、numpy、matplotlib、yfinance、backtrader）。
AnacondaJupyter
03
数据获取
使用yfinance获取纳斯达克历史数据、数据清洗与预处理、数据存储（CSV/HDF5）。
yfinanceCSV
04
数据可视化
K线图绘制、移动平均线绘制、成交量图绘制、使用matplotlib和plotly。
K线plotly
05
技术指标（上）
移动平均线（SMA/EMA）、布林带（Bollinger Bands）、RSI指标的计算与实现。
SMARSI
06
技术指标（下）
MACD指标、KDJ指标、ATR指标、自定义指标开发。
MACDKDJ
07
交易策略基础
什么是交易策略？策略回测的基本概念、胜率/盈亏比/夏普比率。
回测夏普
08
均线策略
双均线金叉死叉策略、均线多头排列策略、策略回测与评估。
金叉多头
09
突破策略
通道突破策略（唐奇安通道）、海龟交易法则简化版、波动率突破策略。
唐奇安海龟
10
均值回归策略
布林带回归策略、RSI超买超卖策略、配对交易策略思路。
布林带配对
11
趋势跟踪策略
MACD趋势跟踪、ADX趋势强度过滤、三重过滤系统。
ADX三重过滤
12
机器学习入门
机器学习在量化投资中的应用、特征工程基础、训练集/验证集/测试集划分。
特征工程数据集
13
线性模型
线性回归预测股价、逻辑回归分类涨跌、模型评估（MSE/准确率）。
线性回归逻辑回归
14
决策树与随机森林
决策树原理、随机森林模型、特征重要性分析。
随机森林特征重要性
15
支持向量机
SVM原理、核函数选择、SVM在涨跌分类中的应用。
SVM核函数
16
深度学习入门
神经网络基础、Keras/TensorFlow快速入门、LSTM预测时间序列。
LSTMKeras
17
强化学习入门
强化学习基本概念、Q-learning算法、在交易中的应用场景。
Q-learningRL
18
风险管理
凯利公式计算仓位、最大回撤控制、止损止盈策略设计。
凯利公式止损
19
投资组合优化
马科维茨均值-方差模型、有效前沿绘制、风险平价模型。
马科维茨有效前沿
20
回测框架搭建
使用backtrader构建回测引擎、自定义佣金和滑点、多品种回测。
backtrader滑点
21
策略参数优化
网格搜索、随机搜索、遗传算法优化参数、过拟合防范。
网格搜索遗传算法
22
实盘交易接口
券商API选择（IBKR/Alpaca）、API密钥管理、订单类型（市价单/限价单）。
IBKRAlpaca
23
自动化交易系统
定时任务调度（APScheduler）、日志系统搭建、异常处理与重连机制。
APScheduler日志
24
实时数据流处理
WebSocket获取实时行情、数据缓存与更新、实时信号生成。
WebSocket实时
25
绩效分析系统
收益率曲线绘制、最大回撤计算、夏普比率/卡玛比率/索提诺比率。
夏普卡玛
26
报告生成系统
自动生成PDF/HTML报告、交易记录统计、可视化图表嵌入。
PDFHTML报告
27
Web仪表盘
使用Flask/Dash搭建监控面板、实时显示持仓和盈亏、策略开关控制。
FlaskDash
28
系统部署
云服务器选型（AWS/阿里云）、Docker容器化部署、Nginx反向代理。
DockerNginx
29
实战案例（上）
从零搭建纳斯达克100趋势跟踪系统、完整代码实现与讲解。
纳斯达克100趋势跟踪
30
实战案例（下）
多策略组合运行、资金曲线分析、系统维护与迭代优化。
多策略资金曲线