01
纳斯达克市场概述
了解纳斯达克交易所的历史、交易规则、主要指数（NDX、IXIC）及板块特点。
📈 指数🏛️ 历史
02
投资组合理论基础
现代投资组合理论（MPT）、有效前沿、资本资产定价模型（CAPM）核心概念。
📐 MPT⚖️ CAPM
03
数据获取与清洗
使用yfinance库获取纳斯达克成分股历史数据，处理缺失值、调整复权价格。
🐍 yfinance🧹 清洗
04
收益率计算与可视化
计算日收益率、对数收益率，使用matplotlib绘制收益率分布图与时间序列图。
📊 matplotlib📉 分布
05
风险度量指标
波动率、最大回撤、夏普比率、索提诺比率、VaR与CVaR的计算与解读。
⚠️ VaR📉 回撤
06
相关性分析
计算股票间相关系数矩阵，使用seaborn绘制热力图，识别高相关板块。
🔥 热力图🔗 相关系数
07
单因子选股模型
基于动量因子、价值因子、质量因子构建简单的选股策略。
⚡ 动量💎 价值
08
多因子模型构建
结合多个因子进行股票打分，构建多因子选股组合。
🧩 因子📊 打分
09
市值加权组合
构建基于市值的被动投资组合，计算权重与历史表现。
🏢 市值📈 被动
10
等权重组合
构建等权重投资组合，对比市值加权组合的优劣。
⚖️ 等权🔄 对比
11
最小方差组合
使用优化算法求解全局最小方差组合（GMV），理解其数学原理。
📉 GMV🧮 优化
12
最大夏普比率组合
求解切线组合（最大夏普比率），理解其在有效前沿上的位置。
📈 夏普🎯 切线
13
风险预算组合
基于风险贡献均等化（Risk Parity）构建组合，实现风险分散。
⚖️ 风险平价🛡️ 分散
14
均值-方差优化实战
使用scipy.optimize进行投资组合优化，绘制有效前沿曲线。
🐍 scipy📈 前沿
15
约束条件下的优化
加入做空限制、行业集中度限制、个股权重上限等实际约束。
🔒 约束🏭 行业
16
Black-Litterman模型
结合市场均衡收益与主观观点，生成稳定的预期收益向量。
🧠 BL模型📊 观点
17
蒙特卡洛模拟
使用蒙特卡洛方法模拟数千种随机权重组合，可视化可行集。
🎲 模拟🌈 可行集
18
回测框架搭建
使用backtrader或自定义回测引擎，实现策略的历史回测。
🔄 回测⚙️ backtrader
19
绩效归因分析
Brinson归因模型，分解超额收益的来源（资产配置 vs 个股选择）。
📊 Brinson🔍 归因
20
风险因子暴露分析
使用Fama-French五因子模型分析组合的风险暴露。
📚 五因子📉 暴露
21
行业轮动策略
基于宏观经济指标（如PMI、利率）构建纳斯达克行业轮动策略。
🔄 轮动📈 PMI
22
动态再平衡策略
设定再平衡频率（月度、季度），比较不同再平衡策略的效果。
⏱️ 再平衡📅 频率
23
止损与风险管理
设置个股止损线、组合最大回撤控制，实现动态风险管理。
🛑 止损🛡️ 风控
24
机器学习选股
使用随机森林或XGBoost预测股票未来收益，构建ML选股组合。
🤖 XGBoost🌲 随机森林
25
聚类分析选股
使用K-Means对纳斯达克股票进行聚类，从不同簇中选取代表性股票。
📊 K-Means🧩 聚类
26
主成分分析（PCA）降维
使用PCA提取市场主要驱动因子，构建PCA组合。
📉 PCA🧬 降维
27
期权对冲策略
使用纳斯达克100指数期权（QQQ）对组合进行尾部风险对冲。
🛡️ 期权📉 QQQ
28
杠杆与融资管理
探讨杠杆ETF的使用、融资成本对组合收益的影响。
📈 杠杆💰 融资
29
组合压力测试
模拟极端市场情景（如2008年、2020年），测试组合抗风险能力。
🌪️ 压力📉 极端
30
实战项目：量化投资组合管理系统
构建一个完整的纳斯达克量化投资组合管理系统，整合以上所有技术。
🚀 实战⚙️ 系统