01
波动率基础
波动率的定义 · 历史波动率与隐含波动率 · 波动率微笑与偏斜 · 波动率在交易中的作用
核心概念微笑
02
金融时间序列特性
平稳性与非平稳性 · 自相关与偏自相关 · 白噪声与随机游走 · ARCH效应检验
统计ARCH
03
数据获取与预处理
yfinance获取股票/期权数据 · 数据清洗与对齐 · 日收益率与对数收益率 · 数据可视化基础
Pythonyfinance
04
描述性统计分析
收益率分布特征 · 峰度与偏度 · 正态性检验 (Jarque-Bera) · QQ图与直方图
分布可视化
05
ARCH模型
ARCH模型原理 · 模型阶数确定 · Python实现ARCH模型 · 模型诊断与残差检验
ARCH波动率
06
GARCH模型
GARCH(1,1)模型详解 · 参数估计 · 波动率预测 · 模型评估指标
GARCH预测
07
GARCH模型扩展
EGARCH (杠杆效应) · GJR-GARCH · TGARCH · 模型选择与比较
非对称比较
08
波动率预测实战
滚动预测框架 · 预测误差分析 (MSE, MAE) · 预测波动率与实现波动率对比 · 可视化
实战评估
09
隐含波动率
BSM模型回顾 · 从期权价格反推隐含波动率 · 隐含波动率曲面 · VIX指数原理
期权VIX
10
波动率交易策略基础
波动率均值回归 · 做多/做空波动率 · Delta中性对冲 · 期权希腊字母
策略希腊字母
11
统计套利与波动率
配对交易中的波动率应用 · 协整与波动率关系 · 波动率在统计套利中的信号作用
套利协整
12
机器学习入门
ML在波动率预测中的应用 · 特征工程 · 训练/验证/测试集划分 · 过拟合与欠拟合
ML特征工程
13
线性回归模型
多元线性回归预测波动率 · 正则化 (Ridge/Lasso) · 特征重要性 · 实战案例
回归Ridge
14
树模型
决策树与随机森林 · XGBoost/LightGBM · 树模型在波动率预测中的表现 · 超参数调优
XGBoost随机森林
15
支持向量机
SVR原理 · 核函数选择 · SVR在波动率预测中的应用 · 与GARCH对比
SVR核函数
16
深度学习入门
神经网络基础 · 激活函数 · 损失函数 · PyTorch/TensorFlow快速入门 · 构建MLP
DLMLP
17
LSTM与RNN
循环神经网络原理 · LSTM解决长期依赖 · 序列建模预测波动率 · 调参实战
LSTM序列
18
Transformer模型
注意力机制 · Transformer架构 · 时间序列预测应用 · 与LSTM对比
注意力Transformer
19
模型集成与融合
Stacking · Blending · 加权平均融合 · GARCH+ML混合模型 · 实战案例
集成Stacking
20
回测系统搭建
回测框架设计原则 · 事件驱动回测 · 性能指标 (夏普比率, 最大回撤, 胜率) · 常见陷阱
回测夏普
21
波动率交易策略实现
跨式期权 (Straddle) · 宽跨式 (Strangle) · 波动率套利策略 · 代码实现
期权策略Straddle
22
风险管理
VaR与CVaR计算 · 压力测试 · 波动率锥 · 仓位管理 (凯利公式) · 风险平价
VaR凯利
23
高频波动率
已实现波动率 (Realized Vol) · 日内波动率模式 · 高频数据预处理 · RV预测模型
高频RV
24
波动率预测竞赛实战
Kaggle/天池波动率预测案例 · 特征工程技巧 · 模型优化 · 排名提升经验
竞赛Kaggle
25
另类数据与波动率
新闻情绪分析 · 社交媒体数据 · 期权持仓数据 · 宏观经济指标 · 多源融合
另类数据情绪
26
波动率指数交易
VIX期货与期权 · VXX/UVXY等ETP · VIX期限结构 · VIX交易策略
VIXETP
27
加密货币波动率
加密货币市场特性 · BTC/ETH波动率建模 · 极端波动处理 · 加密货币期权
加密货币BTC
28
波动率预测系统部署
模型序列化 (Pickle/ONNX) · Flask/FastAPI搭建API · Docker容器化 · 定时任务
部署Docker
29
实盘交易注意事项
交易成本影响 · 滑点模型 · 流动性考量 · 资金管理 · 心理因素与纪律
实盘滑点
30
课程总结与展望
核心知识点回顾 · 常见错误总结 · 进阶学习路径 · 量化交易职业发展建议
总结职业