Python机器学习量化策略全流程
📚 共计 30 章节
01
量化交易概述
什么是量化交易 · 优势与风险 · 基本流程 · 常用工具与平台
入门
概念
02
Python环境搭建
Anaconda · Jupyter Notebook · 虚拟环境 · 常用库安装
工具
配置
03
金融数据获取
yfinance · pandas-datareader · CSV/HDF5存储
数据
API
04
数据清洗与预处理
缺失值 · 异常值 · 类型转换 · 时间序列索引 · 重采样
清洗
预处理
05
技术指标计算
SMA/EMA · 布林带 · RSI · MACD · ATR · ta-lib
指标
ta-lib
06
数据可视化基础
Matplotlib · K线图 · 多子图 · Plotly交互
可视化
图表
07
特征工程（上）
滞后特征 · 滚动统计 · 时间特征 · 分类编码
特征
工程
08
特征工程（下）
特征选择 · PCA降维 · 互信息 · 重要性排序
降维
选择
09
标签构建与策略定义
未来收益率 · 分类/回归标签 · 策略信号
标签
策略
10
数据集划分
时间序列交叉验证 · 滚动窗口 · 未来信息泄露 · 划分
验证
划分
11
线性模型入门
线性/逻辑回归 · 量化场景 · scikit-learn实现
回归
sklearn
12
决策树与随机森林
决策树 · 随机森林 · 特征重要性 · 剪枝
树模型
集成
13
支持向量机（SVM）
SVM原理 · 核函数 · 参数调优 · 金融局限性
SVM
分类
14
集成学习方法
Bagging · Boosting · XGBoost · LightGBM
集成
Boosting
15
神经网络基础
感知机 · MLP · 激活函数 · Keras构建
神经网络
Keras
16
LSTM与时间序列预测
RNN · LSTM原理 · 序列数据 · Keras预测模型
LSTM
时序
17
模型评估指标
分类/回归指标 · 夏普比率 · 最大回撤
评估
回测
18
超参数调优
网格/随机/贝叶斯搜索 · 交叉验证 · 学习曲线
调优
搜索
19
过拟合与正则化
过拟合识别 · L1/L2 · Dropout · 早停法
正则化
防过拟合
20
回测系统搭建（上）
框架设计 · 交易模拟器 · 滑点手续费 · 资金管理
回测
系统
21
回测系统搭建（下）
绩效报告 · 交易分析 · 策略对比 · 回测陷阱
回测
分析
22
多因子模型
Fama-French三因子 · 因子构建 · 测试 · 组合分析
因子
多因子
23
统计套利策略
配对交易 · 协整检验 · 价差模型 · 信号生成
套利
统计
24
风险管理
VaR · 最大回撤 · 凯利公式 · 止损策略
风控
仓位
25
实盘交易接口
券商API · vnpy/backtrader · 模拟交易 · 订单执行
实盘
接口
26
策略部署与自动化
定时任务 · Airflow · 监控 · 日志 · 异常处理
部署
自动化
27
案例实战（一）
移动平均线交叉策略 · 数据到回测全流程
实战
MA
28
案例实战（二）
随机森林选股 · 特征工程 · 回测优化
实战
随机森林
29
案例实战（三）
LSTM股价预测 · 序列建模 · 滚动预测 · 绩效评估
实战
LSTM
30
课程总结与进阶方向
常见误区 · 学习资源 · 高频交易 · 加密货币量化
总结
进阶