01
量化投资概述
什么是量化投资 · 基本面量化 vs 技术面量化 · 量化选股的流程与框架
入门框架
02
数据源介绍
常见免费数据源 (Tushare, AKShare, Yahoo Finance) · 合规与注意事项
数据合规
03
Python环境搭建
Anaconda安装 · Jupyter Notebook配置 · 必备库安装
环境工具
04
Pandas基础 (上)
Series与DataFrame创建 · 基本属性 · 索引与切片
核心数据结构
05
Pandas基础 (下)
数据读取 (CSV, Excel, 数据库) · 数据写入 · 数据类型转换
IO类型
06
数据清洗基础
缺失值识别与处理 (isnull, dropna, fillna) · 重复值处理
清洗缺失值
07
异常值处理
基于统计方法 (3σ原则, IQR) · 基于业务逻辑的异常值过滤
异常统计
08
数据标准化与归一化
Z-score标准化 · Min-Max归一化 · 在选股中的应用场景
预处理尺度
09
数据合并与连接
concat, merge, join · 键值匹配与索引对齐
合并SQL
10
数据分组与聚合
groupby机制 · agg聚合函数 · transform与apply
分组聚合
11
时间序列数据处理 (上)
日期时间类型转换 · 设置索引 · 时间频率转换 (resample)
时间序列频率
12
时间序列数据处理 (下)
滚动窗口计算 (rolling) · 扩展窗口 (expanding) · 移动平均线
窗口均线
13
财务报表数据结构
资产负债表 · 利润表 · 现金流量表核心字段与含义
财务报表
14
财务指标计算
市盈率(PE) · 市净率(PB) · ROE · 毛利率 · 净利率
指标估值
15
因子数据预处理
去极值 (MAD法, 百分位法) · 标准化 · 中性化处理
因子中性化
16
因子合成与衍生
因子加权合成 · 因子正交化 · 行业中性化处理
合成正交
17
数据对齐与频率统一
日频与月频数据对齐 · 财报数据与交易数据对齐
对齐频率
18
行业分类数据处理
申万行业分类 · 行业哑变量生成 · 行业内数据处理
行业哑变量
19
数据持久化存储
Parquet · HDF5 · 数据库存储 (SQLite, MySQL)
存储IO
20
数据质量检查
完整性检查 · 一致性检查 · 时效性检查
质量校验
21
自动化数据更新
定时任务 (cron, schedule) · 增量更新 · 全量更新
自动化调度
22
多源数据融合
字段映射 · 数据冲突处理 · 数据优先级策略
融合映射
23
数据缓存机制
内存缓存 (lru_cache) · 磁盘缓存 · 缓存失效策略
缓存性能
24
数据版本管理
数据快照 · 回测与实盘隔离 · 数据回溯机制
版本回测
25
大数据量处理技巧
分块读取 (chunksize) · 内存优化 (dtype) · 并行处理
大数据优化
26
数据管道构建
ETL流程设计 · 数据管道监控 · 错误处理与重试
管道ETL
27
数据可视化探索
Matplotlib K线图 · Seaborn因子分布 · 相关性热力图
可视化探索
28
因子IC分析
IC值计算 · IC序列分析 · IC衰减分析
IC因子评价
29
因子收益率分析
分组收益计算 · 多空组合收益 · 因子收益率T检验
收益检验
30
综合实战案例
从数据获取到因子清洗全流程 · 构建简单多因子选股模型
实战多因子