01
量化交易概述
什么是量化交易 · 优势与风险 · 与传统交易区别 · 基本流程
概念入门
02
Python基础回顾
Anaconda环境 · Jupyter · 变量/类型/运算符/条件/循环
Python环境
03
NumPy入门
数组创建 · 属性 · 索引切片 · 运算 · 通用函数
数值计算数组
04
Pandas入门 (上)
Series/DataFrame · 查看筛选 · 缺失值/重复值处理
数据清洗表格
05
Pandas入门 (下)
concat/merge合并 · groupby聚合 · 时间序列
合并分组
06
Matplotlib & Seaborn
折线/柱状/散点/K线 · 样式美化
可视化图表
07
金融数据获取
Tushare/AkShare · CSV/Excel存储 · 数据本地化
数据源API
08
技术指标计算 (上)
MA · EMA · 布林带 · 计算与可视化
指标均线
09
技术指标计算 (下)
RSI · KDJ · MACD · 计算与可视化
震荡动量
10
量化策略基础
策略开发流程 · 信号生成 · 回测框架概念
策略回测
11
简单均线策略
双均线金叉死叉 · 回测与绩效评估
实战均线
12
策略绩效评估指标
年化收益 · 最大回撤 · 夏普比率 · 胜率 · 盈亏比
评价风险
13
事件驱动回测框架 (上)
事件循环 · 市场数据事件 · 订单事件
架构事件
14
事件驱动回测框架 (下)
持仓管理 · 资金管理 · 交易执行引擎
引擎资金
15
多因子模型入门
因子定义 · 分类(估值/动量/质量) · 单因子测试
因子模型
16
因子数据处理
去极值 · 标准化 · 中性化处理
预处理量化
17
多因子组合与选股
因子加权 · 股票打分排序 · 构建投资组合
组合选股
18
风险管理基础
VaR计算 · 波动率模型 · 凯利公式仓位管理
风控仓位
19
投资组合优化
马科维茨模型 · 有效前沿 · 最大夏普比率
优化前沿
20
机器学习在量化 (上)
特征工程 · 数据预处理 · 训练/测试集划分
ML特征
21
机器学习在量化 (下)
线性回归 · 随机森林 · 模型评估
预测分类
22
深度学习入门
PyTorch/TensorFlow基础 · 神经网络 · 简单预测
DL框架
23
LSTM时间序列预测
LSTM原理 · 股价预测实战 · 模型调参
RNN时序
24
回测过拟合问题
过拟合识别 · 交叉验证 · 滚动回测
过拟合验证
25
实盘交易接口对接
券商API(华泰xtquant) · 模拟交易环境搭建
接口实盘
26
自动化交易系统设计
系统架构 · 任务调度 · 日志与监控
系统自动化
27
量化交易常见陷阱
幸存者偏差 · 前视偏差 · 手续费滑点影响
避坑认知
28
策略部署与运维
服务器部署 · crontab定时 · 异常报警
运维部署
29
量化交易项目实战 (一)
数据获取到策略开发 · 趋势跟踪策略
实战趋势
30
量化交易项目实战 (二)
策略优化 · 资金曲线 · 总结与未来方向
优化总结