第01章
投资组合理论基石
从马科维茨到现代投资组合，理解风险与收益的数学定义，以及为什么不能把鸡蛋放在一个篮子里。
马科维茨有效前沿
第02章
数据获取与清洗
使用pandas-datareader获取股票、债券、商品等历史数据，处理缺失值与对齐时间序列。
pandas时间序列
第03章
收益率计算
简单收益率 vs 对数收益率，为什么量化分析中常用对数收益率？
对数收益率量化
第04章
协方差矩阵与相关性
计算多资产间的协方差矩阵，理解相关性对组合风险的影响。
协方差相关性
第05章
有效前沿与最优组合
用Python求解均值-方差优化，绘制有效前沿曲线，找到最小方差组合与最大夏普比组合。
有效前沿夏普比
第06章
风险指标详解
波动率、最大回撤、VaR（风险价值）、CVaR（条件风险价值）的计算与解读。
VaR最大回撤
第07章
夏普比率与信息比率
衡量风险调整后收益的核心指标，如何用Python计算并比较不同组合。
夏普比率信息比率
第08章
回测框架搭建
从零开始构建一个简单的向量化回测引擎，处理交易信号与持仓计算。
向量化回测
第09章
事件驱动回测
进阶回测框架，模拟真实交易中的滑点、手续费与市场冲击。
事件驱动滑点
第10章
资产配置策略
等权重、风险平价、最小方差、最大分散度等经典策略的Python实现。
风险平价等权重
第11章
再平衡策略
固定周期再平衡 vs 阈值再平衡，再平衡对组合收益与风险的影响分析。
再平衡阈值
第12章
蒙特卡洛模拟
模拟未来资产价格路径，评估组合在不同市场情景下的表现。
蒙特卡洛情景分析
第13章
Bootstrap重抽样
用历史数据重抽样评估策略的稳健性，避免过拟合。
Bootstrap稳健性
第14章
因子模型入门
CAPM单因子模型、Fama-French三因子模型，用Python进行回归分析。
CAPM三因子
第15章
多因子模型
Barra模型框架，计算因子暴露与因子收益率，构建因子投资组合。
Barra因子暴露
第16章
主成分分析（PCA）降维
用PCA提取资产收益的主要驱动因子，简化协方差矩阵估计。
PCA降维
第17章
Black-Litterman模型
结合先验观点与市场均衡，生成更稳定的资产配置权重。
Black-Litterman观点
第18章
风险预算与风险平价
将风险而非资金等分，实现真正的分散化投资。
风险预算风险平价
第19章
条件风险价值（CVaR）优化
用线性规划求解CVaR最小化组合，应对尾部风险。
CVaR线性规划
第20章
动态资产配置
基于宏观经济指标（GDP、CPI、利率）的动态调整策略。
宏观动态调整
第21章
趋势跟踪策略
在资产组合中加入动量因子，用移动平均线生成买卖信号。
趋势跟踪动量
第22章
均值回归策略
识别资产价格的均值回归特性，设计配对交易与统计套利策略。
均值回归配对交易
第23章
组合压力测试
模拟极端市场事件（如2008年金融危机、2020年疫情）对组合的影响。
压力测试极端事件
第24章
回测过拟合与多重检验
理解回测中的多重比较偏差，使用夏普比率修正与交叉验证。
过拟合多重检验
第25章
组合归因分析
Brinson归因模型，分解组合收益为资产配置贡献与选股贡献。
Brinson归因
第26章
风险分解与边际贡献
计算每个资产对组合总风险的边际贡献与成分风险。
边际贡献成分风险
第27章
绩效评估报告
生成专业的组合绩效报告，包含收益、风险、回撤、夏普比率等核心指标。
绩效报告夏普
第28章
交互式可视化
用Plotly构建动态的资产配置饼图、有效前沿交互图、回撤曲线图。
Plotly交互
第29章
实战案例：全球宏观组合
构建一个包含股票、债券、黄金、商品的全球宏观组合，进行完整的回测与优化。
全球宏观实战
第30章
课程总结与进阶路径
回顾核心知识点，推荐进一步学习的书籍、论文与开源项目。
总结进阶