多因子择时模型搭建：从零到一

📚 共计 30 章节

课程导论：什么是多因子择时模型？

为什么需要它？课程目标与学习路径。

金融数据基础

股票、指数、期货数据获取 (Tushare/AkShare)，数据清洗与对齐。

技术指标因子 (上)

移动平均线 (MA)、指数平滑异同移动平均线 (MACD)、相对强弱指标 (RSI)。

技术指标因子 (下)

布林带 (Bollinger Bands)、随机指标 (KDJ)、成交量指标 (OBV)。

动量与反转因子

动量因子 (Momentum)、反转因子 (Reversal)，计算与回测框架搭建。

波动率因子

历史波动率、已实现波动率、波动率锥、波动率择时策略。

资金流向因子

主力资金流向、大单净流入、资金流强度指标。

市场情绪因子

换手率、涨跌比、新高新低指标、恐慌贪婪指数。

利率、汇率、CPI/PPI、PMI 等宏观指标对市场的影响。

因子预处理

去极值、标准化、中性化、相关性分析。

清洗标准化

因子有效性检验

IC 分析、IR 分析、分组回测、累计收益率曲线。

单因子回测

构建单因子择时策略，计算夏普比率、最大回撤、胜率。

多因子合成 (上)

等权合成、市值加权合成、IC 加权合成。

多因子合成 (下)

主成分分析 (PCA) 降维、因子正交化。

线性回归、逻辑回归、支持向量机 (SVM) 在择时中的应用。

机器学习模型 (上)

随机森林、梯度提升树 (GBDT) 用于因子合成。

随机森林GBDT

机器学习模型 (下)

XGBoost、LightGBM 在择时中的实战。

XGBoostLightGBM

深度学习模型

LSTM、Transformer 在时序预测中的应用。

LSTMTransformer

模型评估与过拟合

交叉验证、滚动窗口验证、防止未来函数。

验证过拟合

交易成本与滑点

佣金、印花税、冲击成本模型。

止损策略、仓位管理、凯利公式。

回测系统搭建

事件驱动回测框架、向量化回测框架。

系统事件驱动

年化收益率、夏普比率、卡玛比率、索提诺比率。

网格搜索、贝叶斯优化、遗传算法优化。

稳健性检验

不同市场环境下的表现、参数敏感性分析。

稳健敏感性

实盘交易接口

CTP 接口、XTP 接口、量化交易 API 对接。

自动化交易系统

定时任务、信号生成、自动下单。

自动化信号

实盘监控与预警

实时监控、异常检测、自动止损。

策略迭代与优化

因子衰减、模型更新、策略生命周期管理。

迭代生命周期

总结与展望

多因子择时的未来趋势、AI 与量化结合、职业发展路径。