01
宏观因子体系构建
全球主要经济体GDP、CPI、PMI、失业率等核心宏观指标的数据获取与因子化处理。
数据工程因子库
02
大宗商品基本面逻辑
原油、铜、黄金、农产品等核心品种的供需平衡表与定价逻辑。
基本面品种分析
03
因子与商品的相关性分析
使用皮尔逊、斯皮尔曼等相关系数，以及滚动窗口相关性分析。
统计相关性
04
因子择时模型
基于宏观因子状态（扩张/衰退/滞胀/复苏）的商品配置策略。
择时美林时钟
05
多因子打分模型
构建宏观因子打分卡，对商品进行综合评分与排序。
打分排序
06
主成分分析（PCA）降维
从高维宏观数据中提取核心主成分因子。
降维PCA
07
宏观因子动量策略
利用宏观因子的趋势延续性进行商品期货交易。
动量趋势
08
宏观因子反转策略
识别宏观因子的过度反应与均值回归机会。
反转均值回归
09
套利策略
跨品种套利（如油粕比、金银比）的宏观因子驱动逻辑。
套利跨品种
10
期限结构策略
基于商品期货升贴水结构的宏观因子解释与交易。
期限结构升贴水
11
波动率策略
宏观不确定性（VIX、MOVE指数）对商品波动率的影响与交易。
波动率VIX
12
风险平价策略
基于宏观因子风险贡献的资产配置模型。
风险平价配置
13
宏观因子对冲组合构建
使用宏观因子对冲商品组合的系统性风险。
对冲组合
14
动态对冲比例调整
基于宏观状态切换的对冲比率动态优化。
动态对冲比率
15
回测框架搭建
使用Python（Pandas、NumPy）构建宏观因子策略回测引擎。
回测Python
16
绩效评估指标
夏普比率、最大回撤、卡玛比率、收益风险比等。
绩效夏普
17
过拟合防范
交叉验证、滚动窗口测试、敏感性分析。
过拟合验证
18
宏观因子预测模型
使用时间序列模型（ARIMA、VAR）预测宏观因子走势。
ARIMAVAR
19
机器学习宏观预测
使用随机森林、XGBoost预测宏观因子方向。
随机森林XGBoost
20
深度学习宏观预测
使用LSTM、Transformer模型预测宏观因子。
LSTMTransformer
21
宏观因子情景分析
基于蒙特卡洛模拟的宏观情景生成与压力测试。
蒙特卡洛压力测试
22
极端风险防范
尾部风险对冲策略（如使用期权、VIX期货）。
尾部风险期权
23
实盘交易系统架构
从信号生成到订单执行的完整流程设计。
系统架构执行
24
资金管理
凯利公式、固定比例、波动率目标等资金管理方法。
资金管理凯利
25
交易成本控制
滑点、手续费、冲击成本对宏观因子策略的影响。
成本滑点
26
宏观因子数据清洗
异常值处理、缺失值填充、数据对齐与频率转换。
数据清洗预处理
27
因子有效性检验
IC/IR分析、分层回测、因子衰减测试。
IC/IR分层回测
28
多资产宏观因子模型
将宏观因子扩展到股票、债券、外汇等资产。
多资产跨市场
29
宏观因子择时与行业轮动
利用宏观因子进行行业配置与轮动。
行业轮动择时
30
课程总结与实战项目
构建一个完整的宏观因子量化对冲系统并回测验证。
实战综合