01
置信度基础
什么是置信度 · 量化交易价值 · 与概率的区别
核心概念入门
02
概率论回顾
条件概率 · 贝叶斯定理 · 先验/后验 · 最大似然估计
基础贝叶斯
03
模型不确定性
偶然不确定性(Aleatoric) · 认知不确定性(Epistemic)
不确定性分类
04
点估计的局限
单一预测值不足 · 回测中的陷阱
批判思维回测
05
置信区间
定义 · 正态假设 · Bootstrap法
区间估计经典
06
Bootstrap重抽样
原理 · 策略收益置信区间估计
重抽样非参数
07
贝叶斯线性回归
模型设定 · 后验推断 · 预测分布与置信带
贝叶斯回归
08
贝叶斯时间序列
动态线性模型(DLM) · 状态空间 · 预测区间
时间序列状态空间
09
蒙特卡洛Dropout
近似贝叶斯推断 · 深度学习不确定性
深度学习MC Dropout
10
深度集成 (Deep Ensemble)
多模型训练 · 聚合预测与方差估计
集成不确定性
11
分位数回归
分位数损失 · 条件分位数 · 非对称置信区间
分位数稳健
12
分位数随机森林
树模型分位数预测 · 因子选股应用
随机森林因子
13
高斯过程回归
核函数 · 后验分布 · 波动率预测置信度
高斯过程非参数
14
共形预测 (Conformal)
无分布假设置信集 · 在线/离线共形预测
分布自由共形
15
预测区间校准
可靠性图 · PICP · MPIW
校准评估
16
置信度校准
温度缩放 · Platt缩放 · 多类校准
概率校准分类
17
回测多重检验偏误
多重比较 · Bonferroni · Holm · FDR
统计回测
18
策略选择置信度
夏普比率置信区间 · 最大回撤 · Calmar
策略评估风险
19
贝叶斯策略比较
贝叶斯因子 · 后验胜率 · 排名不确定性
贝叶斯比较
20
在线学习中的置信度
遗憾界 · UCB · 汤普森采样
在线学习探索
21
强化学习中的置信度
Q值不确定性 · Bootstrapped DQN · 探索
强化学习DQN
22
特征重要性置信度
Permutation Importance · SHAP不确定性
可解释性特征
23
因子置信度评估
因子IC置信区间 · t统计量 · 多因子聚合
因子量化
24
风险模型置信度
协方差不确定性 · 风险因子暴露置信区间
风险协方差
25
压力测试与置信度
情景分析 · 极端损失概率评估
压力测试极端风险
26
模型鲁棒性检验
对抗样本 · 输入扰动对预测区间影响
鲁棒性安全
27
交易执行中的置信度
订单流预测 · 最优执行置信度阈值
执行微观结构
28
置信度可视化
置信带 · 扇形图 · 分位数图 · 可靠性曲线
可视化报告
29
生产环境置信度监控
漂移检测 · 置信度退化 · 模型重触发
MLOps监控
30
置信度评估体系设计
数据到决策链路 · 报告模板 · 合规要求
体系框架