恐慌贪婪指数构建与择时回测
📚 共计 30 章节
01
课程导论：什么是恐慌贪婪指数？
为什么它对择时有效？课程目标与学习路径。
入门
核心概念
02
市场情绪理论基础
行为金融学简介、群体心理与市场周期、情绪指标的量化逻辑。
理论
行为金融
03
数据源准备（上）
获取比特币/以太坊价格数据（使用CCXT库连接交易所）。
数据
CCXT
04
数据源准备（下）
获取链上交易量、活跃地址数、链上大额转账数据（Glassnode/CoinMetrics API）。
链上
API
05
波动率因子构建
基于历史价格计算30日滚动波动率，并进行归一化处理。
因子
波动率
06
市场动量因子构建
计算价格相对强弱指标（RSI），并映射到0-100区间。
动量
RSI
07
交易量因子构建
计算交易量相对均值的变化率（Volume Z-Score），识别异常放量。
量能
Z-Score
08
链上活跃度因子构建
处理活跃地址数，计算其与移动平均线的偏离度。
链上
活跃度
09
社交媒体情绪因子（上）
使用Twitter/X API获取关键词（Bitcoin, crypto）的推文频率。
社交
API
10
社交媒体情绪因子（下）
使用VADER或TextBlob进行情感分析，生成情感得分。
NLP
情感
11
衍生品市场因子
获取永续合约资金费率（Funding Rate），衡量多空情绪。
衍生品
资金费率
12
期权市场因子
获取Put/Call Ratio或隐含波动率偏斜（Skew），评估尾部风险。
期权
偏斜
13
因子标准化与合成
讲解Min-Max、Z-Score标准化方法，加权合成综合指数。
标准化
合成
14
指数校准与阈值设定
历史回测确定极端恐慌（<20）与极端贪婪（>80）的阈值。
校准
阈值
15
指数可视化
使用Matplotlib/Plotly绘制恐慌贪婪指数走势图，叠加价格曲线。
可视化
Plotly
16
择时策略设计（上）
基于阈值的简单择时——恐慌买入，贪婪卖出。
策略
择时
17
择时策略设计（下）
动态阈值策略——根据市场波动率调整买卖触发线。
动态
波动率
18
回测框架搭建（上）
使用Backtrader或Zipline搭建回测引擎，定义策略类。
回测
Backtrader
19
回测框架搭建（下）
处理数据对齐、滑点、手续费，确保回测真实可靠。
回测
滑点
20
策略绩效评估
计算年化收益率、最大回撤、夏普比率、卡玛比率等核心指标。
绩效
夏普
21
过拟合检验
通过滚动窗口回测（Walk-Forward Analysis）验证策略稳健性。
稳健性
WFA
22
参数敏感性分析
改变阈值、持仓周期等参数，观察绩效变化，寻找最优参数区间。
参数
敏感性
23
多品种扩展
将指数与策略应用于ETH、BNB等主流币种，检验普适性。
扩展
ETH
24
与传统指标对比
将恐慌贪婪策略与均线策略、MACD策略进行绩效对比。
对比
MACD
25
实盘注意事项
API限频、数据延迟、交易所宕机等黑天鹅事件应对方案。
实盘
风控
26
指数改进方向
引入NLP舆情实时流、纳入宏观经济指标（如USDT溢价）。
改进
NLP
27
机器学习增强
使用随机森林或LSTM预测未来1天的恐慌贪婪指数值。
ML
LSTM
28
构建自动化看板
用Streamlit搭建实时恐慌贪婪指数仪表盘。
看板
Streamlit
29
课程总结
核心知识点回顾、常见误区、进阶学习资源推荐。
总结
资源
30
毕业项目
独立构建一个完整的恐慌贪婪指数系统，并完成择时回测报告。
项目
实战