01
回测引擎概述
什么是回测引擎、回测在量化交易中的重要性、核心功能模块
概念入门
02
环境搭建与工具链
Python环境配置、Pandas/NumPy安装、Jupyter Notebook、数据源获取
环境工具
03
数据模型设计
OHLCV数据结构、时间序列索引、数据清洗与对齐、缺失值处理
数据清洗
04
交易标的与资产池
股票池定义、合约规格、交易成本模型（佣金、滑点、印花税）
资产成本
05
策略基类设计
策略接口定义 (init, next, on_data)、生命周期管理、参数配置
架构OOP
06
信号生成模块
技术指标计算 (SMA, EMA, RSI, MACD)、信号逻辑、过滤与组合
指标信号
07
订单管理
订单类型 (市价/限价/止损)、订单状态机、订单簿维护
订单执行
08
仓位管理
持仓数据结构、数量/成本/市值计算、仓位调整逻辑
仓位风控
09
资金管理
账户资金模型、保证金计算、杠杆控制、风险敞口限制
资金杠杆
10
撮合引擎设计
撮合逻辑 (开盘/收盘/VWAP)、成交价格确定、部分成交处理
撮合引擎
11
事件驱动架构
事件循环、事件类型 (BAR, ORDER, FILL)、事件处理器注册
事件架构
12
时间控制与回测周期
回测时间范围、时间步进 (Tick/分钟/日线)、时间戳对齐
时间周期
13
性能指标计算
收益率、夏普比率、最大回撤、胜率、盈亏比、Calmar比率
指标评估
14
基准对比
基准选择 (沪深300/标普500)、超额收益、Alpha与Beta
基准Alpha
15
交易记录与日志
交易流水记录、日志级别 (DEBUG~ERROR)、日志持久化
日志审计
16
可视化模块
权益曲线、回撤曲线、信号点标注、交易标记
图表分析
17
参数优化
网格搜索、随机搜索、贝叶斯优化、过拟合检测
优化搜索
18
多策略组合
策略权重分配、组合收益、相关性分析、风险分散
组合分散
19
并行回测
多进程加速、任务分发、结果合并、性能瓶颈分析
并行加速
20
实盘模拟对接
模拟交易API、订单路由、实时数据流、延迟模拟
模拟实盘
21
风险控制模块
止损止盈、最大持仓限制、日亏损限额、黑名单机制
风控止损
22
数据持久化
回测结果存储 (SQLite/CSV/Parquet)、参数存档、模型序列化
存储序列化
23
单元测试
策略逻辑测试、订单执行测试、数据一致性测试、边界条件
测试质量
24
回测陷阱与偏差
前视偏差、生存偏差、过拟合、数据窥探、幸存者偏差
陷阱偏差
25
策略验证框架
样本内/样本外划分、交叉验证、蒙特卡洛模拟、稳健性检验
验证稳健
26
实战案例一：双均线策略
策略逻辑、参数设置、结果分析、优化方向
实战均线
27
实战案例二：海龟交易法则
入场规则、止损规则、加仓规则、绩效评估
实战海龟
28
实战案例三：统计套利
协整检验、配对交易、价差信号、对冲比例
实战套利
29
实战案例四：机器学习策略
特征工程、模型训练、预测信号、回测验证
实战ML
30
课程总结与进阶
架构回顾、常见错误、开源框架对比 (Backtrader/Zipline)、学习路径
总结进阶