01
量化交易概述
什么是量化交易 · 优势与风险 · 主流框架对比 · Zipline架构与核心概念
概念对比
02
环境准备
Anaconda推荐 · Conda虚拟环境 · 安装Zipline及依赖 · 验证安装
Python环境
03
数据源配置
美股数据源 · Bundle概念 · zipline ingest · 自定义Bundle准备
数据Bundle
04
自定义Bundle开发 (上)
编写extension.py · 定义ingest函数 · OHLCV格式 · 数据清洗与对齐
开发进阶
05
自定义Bundle开发 (下)
注册Bundle · bundles命令管理 · 增量下载 · 错误排查
运维调试
06
Pipeline API入门
Pipeline概念 · Domain · Filter与Factor · run_pipeline
API因子
07
Pipeline进阶
自定义Factor/Filter · 组合因子 · classifier · 性能优化
进阶优化
08
编写第一个策略
my_strategy.py · initialize · handle_data · order下单
策略入门
09
策略核心API详解
order/order_percent/order_target_percent · schedule_function · context
API函数
10
技术指标实现
ta-lib或自定义 · SMA/EMA/RSI/MACD/布林带 · Pipeline集成
指标技术
11
均线交叉策略实战
双均线SMA 50/200 · 信号生成 · 回测参数 · 结果查看
实战均线
12
动量策略实战
N日收益率动量 · 分组排序 · 多空组合 · 换仓频率影响
动量分组
13
均值回归策略实战
布林带均值回归 · RSI超买超卖 · 统计套利基础
回归统计
14
风险管理
止损/止盈 · 最大持仓限制 · 行业集中度 · 动态仓位管理
风控仓位
15
交易成本模型
佣金与滑点 · commission/slippage模型 · 自定义成本模型
成本滑点
16
绩效分析 (上)
pyfolio报告 · 年化/夏普/最大回撤/胜率 · tear_sheet
绩效pyfolio
17
绩效分析 (下)
alphalens因子分析 · 信息系数IC · 分层回测 · 因子衰减
因子alphalens
18
多因子模型入门
多因子思想 · 因子组合(等权/IC加权/ICIR) · 风险暴露控制
多因子模型
19
因子挖掘与测试
财务因子(PE/PB/ROE) · 量价因子(换手率/波动率) · 相关性去冗余
挖掘财务
20
机器学习因子
scikit-learn线性回归 · 特征工程(滞后/滚动) · 过拟合防范
ML因子
21
事件驱动策略
财报发布 · 分红除权 · 指数调整 · DataEvent/自定义事件
事件驱动
22
期权策略基础
Call/Put概念 · Zipline期权支持 · options模块 · 模拟回测
期权衍生品
23
期货策略基础
连续合约 · 展期Rollover · 保证金计算 · 期货回测示例
期货展期
24
加密货币回测
CCXT数据获取 · 自定义Bundle · 24/7特殊性处理
加密CCXT
25
策略优化与参数扫描
网格搜索 · parameter_sweep · 过拟合识别 · 交叉验证
优化参数
26
实盘模拟与对接
Zipline-live · IB/Alpaca对接 · 模拟与实盘差异
实盘模拟
27
性能优化
Numba加速 · Pipeline缓存 · 多进程 · 减少DataFrame操作
性能加速
28
日志与调试
log模块 · 断点调试 · KeyError/DataError排查
调试日志
29
项目实战
完整量化研究项目：数据→因子→回测→绩效→报告
项目综合
30
总结与展望
Zipline局限性 · 社区维护 · 推荐学习资源(书籍/论文/社区)
总结资源