01
课程导论
高频因子与低频交易融合的核心理念、应用场景与课程目标。
理念框架
02
高频数据基础
Tick级数据、Order Book数据结构与数据清洗。
TickOrderBook
03
高频因子设计原理
微观结构理论、信息冲击与订单流不平衡。
微观结构信息冲击
04
Python高频数据处理
Pandas与NumPy在毫秒级数据上的高效操作。
PandasNumPy
05
订单簿因子构建
买卖价差、深度不平衡、订单簿斜率。
价差斜率
06
交易量因子
VPIN（成交量伪指令概率）、成交量加权平均价偏离。
VPINVWAP
07
价格动量因子
Tick级收益率、价格反转、微观动量。
动量反转
08
波动率因子
已实现波动率、跳跃检测、日内波动率曲线。
波动率跳跃
09
相关性因子
高频相关系数、领先滞后关系、同步性指标。
相关性领先滞后
10
因子有效性检验
IC分析、分层回测、因子衰减速度。
IC分层回测
11
因子组合优化
主成分分析降维、因子正交化、加权方法。
PCA正交化
12
低频交易策略基础
趋势跟踪、均值回归、统计套利。
趋势均值回归
13
信号融合框架
高频信号降频、信号权重动态调整。
降频动态权重
14
混合策略设计
日内高频交易与隔夜低频持仓结合。
日内隔夜
15
风险控制
高频止损、低频仓位管理、最大回撤控制。
止损回撤
16
回测系统搭建
事件驱动回测引擎、滑点与手续费模型。
事件驱动滑点
17
实盘交易接口
对接交易所API、WebSocket实时数据流。
APIWebSocket
18
延迟优化
低延迟架构、硬件加速、C++与Python混合编程。
低延迟C++/Python
19
机器学习因子
使用LightGBM从高频数据中挖掘非线性因子。
LightGBM非线性
20
深度学习因子
LSTM与Transformer在订单流预测中的应用。
LSTMTransformer
21
因子择时
根据市场状态动态切换高频与低频信号权重。
择时状态切换
22
多资产融合
股票、期货、加密货币的高频因子通用性。
多资产通用性
23
资金管理
凯利公式、风险平价在高频低频混合策略中的应用。
凯利风险平价
24
策略评估指标
夏普比率、卡玛比率、收益回撤比、胜率。
夏普卡玛
25
过拟合防范
交叉验证、滚动回测、蒙特卡洛模拟。
交叉验证蒙特卡洛
26
案例实战1
基于订单簿不平衡的日内高频策略。
订单簿实战
27
案例实战2
高频动量因子与低频趋势跟踪融合策略。
动量+趋势融合
28
案例实战3
机器学习因子驱动的混合频率套利策略。
机器学习套利
29
策略部署
Docker容器化、云服务器部署、监控告警。
Docker云部署
30
课程总结与进阶
高频因子研究前沿、职业发展路径。
前沿职业