01
课程导论与事件驱动Alpha概述
什么是事件驱动Alpha、与传统因子模型的区别、课程目标与学习路径。
导论Alpha
02
金融市场事件类型全景
财报发布、分析师评级变动、并购重组、宏观经济数据发布、行业政策变化、地缘政治事件。
事件分类全景
03
事件数据源与采集策略
结构化数据源（Bloomberg、Wind）、非结构化数据源（新闻、社交媒体）、API接口与爬虫技术。
数据源采集
04
事件识别与标准化
事件检测算法、事件分类体系构建、事件属性提取（时间、主体、类型、强度）。
NLP标准化
05
事件情绪分析基础
自然语言处理（NLP）入门、情感词典构建、基于规则的情绪打分。
情感词典
06
高级事件情绪分析
基于Transformer的预训练模型（BERT、FinBERT）、事件级情绪聚合、情绪因子构建。
BERTFinBERT
07
事件冲击度量
事件窗口定义、异常收益计算（CAR、BHAR）、事件冲击衰减模型。
CARBHAR
08
事件驱动因子框架设计
因子生命周期管理、因子仓库架构、因子计算引擎设计。
框架架构
09
因子计算引擎实现（Python）
事件数据管道、因子计算核心逻辑、并行计算与性能优化。
Python并行
10
因子回测框架搭建
回测引擎设计、事件时间轴对齐、避免前视偏差。
回测前视偏差
11
因子评价体系
IC/IR分析、分层回测、多空组合收益、夏普比率、最大回撤。
IC/IR夏普
12
单事件类型因子挖掘（上）
财报超预期因子、分析师上调因子、股息公告因子。
财报分析师
13
单事件类型因子挖掘（下）
股票回购因子、高管增持因子、大单异动因子。
回购增持
14
复合事件因子构建
事件叠加策略、事件序列模式挖掘、事件共现网络。
复合共现
15
事件驱动因子与量价因子融合
多因子模型构建、因子正交化、因子权重优化。
多因子正交
16
机器学习在事件因子中的应用
特征工程、XGBoost/LightGBM模型、事件预测因子。
XGBoostLightGBM
17
深度学习在事件因子中的应用
LSTM/GRU序列模型、图神经网络（GNN）事件关系建模。
LSTMGNN
18
事件驱动策略实战（一）
基于财报超预期的周频策略。
周频实战
19
事件驱动策略实战（二）
基于分析师一致预期变动的月频策略。
月频预期
20
事件驱动策略实战（三）
基于新闻情绪的日内高频策略。
高频新闻
21
事件驱动策略实战（四）
基于并购重组事件的事件驱动套利策略。
并购套利
22
事件数据质量控制
数据清洗、去重、时间戳对齐、异常值处理。
清洗对齐
23
事件因子过拟合防范
交叉验证、滚动窗口测试、夏普比率置信区间。
过拟合滚动
24
事件因子衰减与失效分析
因子生命周期监控、衰减速度建模、因子失效预警。
衰减预警
25
事件驱动Alpha的换手率与交易成本
换手率计算、冲击成本模型、净收益评估。
换手率冲击成本
26
事件驱动Alpha的风险管理
事件风险敞口、尾部风险控制、压力测试。
风险尾部
27
事件驱动Alpha的组合优化
均值-方差优化、风险平价、Black-Litterman模型。
组合Black-Litterman
28
事件驱动Alpha的实盘部署
生产环境架构、实时事件流处理、延迟优化。
实盘延迟
29
事件驱动Alpha的绩效归因
Brinson归因、事件归因、因子归因。
归因Brinson
30
课程总结与前沿展望
事件驱动Alpha的未来趋势、大语言模型（LLM）在事件分析中的应用、课程资源与社区。
LLM展望