第1章
课程导论与市场认知
加密货币市场特点、预测的挑战与机遇、课程目标与学习路径。
导论市场认知
第2章
环境搭建与工具链
Python环境配置、Jupyter Notebook、Pandas、NumPy、Matplotlib、Scikit-learn安装。
Python工具链
第3章
数据获取与API使用
主流交易所API介绍（Binance/Coinbase）、获取历史K线数据、数据频率与时间周期选择。
API数据获取
第4章
数据清洗与预处理
处理缺失值、异常值检测、数据对齐与重采样、时间戳处理。
清洗预处理
第5章
特征工程基础
技术指标计算（移动平均线、RSI、MACD）、滞后特征、滚动统计特征。
技术指标特征
第6章
高级特征工程
时间序列分解、傅里叶变换特征、波动率特征、市场微观结构特征。
傅里叶波动率
第7章
标签构建与目标定义
未来收益率计算、分类标签构建（涨/跌/平）、多分类与回归目标选择。
标签目标
第8章
数据划分策略
时间序列交叉验证、避免未来信息泄露、训练/验证/测试集划分。
交叉验证划分
第9章
线性模型入门
线性回归原理、在价格预测中的应用、正则化（Ridge/Lasso）。
线性回归正则化
第10章
逻辑回归与分类
逻辑回归原理、二分类预测涨跌、评估指标（准确率、精确率、召回率、F1）。
逻辑回归分类
第11章
决策树与随机森林
决策树原理、随机森林集成学习、特征重要性分析。
决策树随机森林
第12章
梯度提升机（XGBoost/LightGBM）
Boosting原理、XGBoost实战、LightGBM优化技巧。
XGBoostLightGBM
第13章
支持向量机（SVM）
SVM原理、核函数选择、在金融时间序列中的应用。
SVM核函数
第14章
神经网络基础
感知机与多层感知机、激活函数、损失函数、反向传播。
神经网络MLP
第15章
深度学习框架实战（PyTorch/TensorFlow）
框架选择、张量操作、自动求导、模型构建。
PyTorchTensorFlow
第16章
循环神经网络（RNN/LSTM/GRU）
序列建模原理、LSTM解决长期依赖、实战股票预测。
RNNLSTM
第17章
注意力机制与Transformer
自注意力原理、Transformer架构、在时间序列预测中的应用。
注意力Transformer
第18章
卷积神经网络（CNN）在时间序列中的应用
1D-CNN原理、特征提取、混合模型（CNN-LSTM）。
1D-CNN混合模型
第19章
模型评估与验证
回测框架搭建、夏普比率、最大回撤、年化收益率。
回测夏普比率
第20章
过拟合与正则化
早停法、Dropout、权重衰减、数据增强。
正则化Dropout
第21章
超参数调优
网格搜索、随机搜索、贝叶斯优化、Optuna实战。
调优Optuna
第22章
集成学习与模型融合
Stacking、Blending、加权平均、模型多样性。
集成融合
第23章
时间序列预测的特殊问题
非平稳性处理、协整关系、季节性调整。
非平稳协整
第24章
风险管理与仓位管理
凯利公式、风险价值（VaR）、条件风险价值（CVaR）、止损策略。
风险管理凯利公式
第25章
实盘交易系统架构
数据管道、策略引擎、执行模块、监控告警。
系统架构实盘
第26章
回测系统开发
事件驱动回测、滑点与手续费模拟、绩效分析报告。
回测系统事件驱动
第27章
特征存储与特征商店
特征工程流水线、特征版本管理、在线特征服务。
特征商店Feature Store
第28章
模型部署与API服务
Flask/FastAPI模型服务、Docker容器化、云端部署。
部署API
第29章
前沿研究方向
强化学习交易、图神经网络、生成对抗网络、联邦学习。
强化学习GNN
第30章
课程总结与职业发展
学习路线图、资源推荐、量化研究员成长路径。
总结职业