01
策略总览
什么是行业轮动？为什么纳斯达克适合做轮动？策略核心逻辑与预期收益。
核心概念入门
02
数据准备
获取纳斯达克主要行业ETF数据（QQQ、XLK、XLV、XLI、XLP、XLY、XLF、XLU、XLB、XLRE）。
数据ETF
03
环境搭建
Python量化环境配置（pandas、numpy、yfinance、matplotlib、backtrader）。
Python工具
04
动量因子
计算各行业ETF的N日收益率动量，确定动量排序方法。
动量因子
05
滚动窗口
如何选择动量计算窗口（20日、60日、120日），参数敏感性分析。
参数窗口
06
排名机制
每月/每季对行业ETF进行动量排名，选择Top N行业。
排名选择
07
权重分配
等权重、市值权重、动量权重三种分配方式的优劣对比。
权重配置
08
再平衡频率
月度、季度、半年度再平衡对收益和换手率的影响。
频率换手
09
回测框架
用backtrader搭建完整的行业轮动回测系统。
回测backtrader
10
绩效指标
年化收益率、最大回撤、夏普比率、卡玛比率、胜率。
评估指标
11
基准对比
与买入持有QQQ、标普500等基准策略进行对比分析。
对比基准
12
风险控制
止损机制、波动率控制、最大持仓限制。
风控止损
13
行业分类
纳斯达克11大行业板块的特点与周期性分析。
行业周期
14
宏观经济
利率、CPI、PMI等宏观因子对行业轮动的影响。
宏观因子
15
技术指标融合
将RSI、MACD、布林带等指标融入动量策略。
技术融合
16
机器学习入门
用随机森林预测行业动量方向。
ML随机森林
17
特征工程
构建行业轮动的有效特征集（动量、波动率、成交量等）。
特征工程
18
模型训练
使用历史数据训练行业选择模型。
训练模型
19
模型评估
回测中评估机器学习模型的泛化能力。
评估泛化
20
多因子模型
结合动量、价值、质量因子的复合轮动策略。
多因子复合
21
行业相关性
分析行业间相关性，避免过度集中风险。
相关性分散
22
换手率优化
降低交易成本的方法，滑点与佣金的影响。
成本滑点
23
实盘模拟
在模拟账户中运行策略，记录交易日志。
模拟实战
24
资金管理
凯利公式、固定比例、风险平价在轮动中的应用。
资金凯利
25
黑天鹅防御
极端行情下的策略表现与应对方案。
风控极端
26
参数优化
网格搜索、贝叶斯优化寻找最优参数组合。
优化搜索
27
过拟合检测
交叉验证、蒙特卡洛模拟验证策略稳健性。
稳健性验证
28
策略组合
将行业轮动与趋势跟踪、均值回归策略组合。
组合多策略
29
自动化交易
部署策略到云端，实现自动交易信号生成。
自动化部署
30
课程总结
策略优缺点总结、未来改进方向、资源推荐。
总结资源