商品期货量化策略 · 从零到实盘
📚 共计 30 章节
01
认知篇：期货市场与量化优势
什么是期货？参与者与功能，量化交易的优势与挑战。
认知
入门
02
环境篇：Python量化开发环境
Anaconda、VS Code、Jupyter，安装pandas、numpy、backtrader等。
环境
工具
03
数据篇：期货数据获取与存储
Tushare/AKShare/Wind，清洗预处理，CSV、HDF5、数据库。
数据
预处理
04
基础篇：pandas量化应用
DataFrame操作、时间序列、滚动计算。
pandas
基础
05
基础篇：技术指标与可视化
MA、MACD、RSI、布林带计算与绘图。
指标
可视化
06
策略篇：双均线交叉策略
从想法到代码实现，经典趋势跟踪。
策略
均线
07
策略篇：海龟交易法则
经典趋势跟踪策略的Python实现。
策略
海龟
08
策略篇：均值回归策略
布林带与RSI结合的均值回归系统。
策略
回归
09
策略篇：套利策略基础
跨期套利与跨品种套利入门。
套利
进阶
10
回测篇：Backtrader框架入门
架构、数据馈送、策略、分析器。
回测
Backtrader
11
回测篇：双均线回测与绩效
夏普比率、最大回撤、胜率等指标。
回测
绩效
12
回测篇：常见陷阱与避免
未来函数、幸存者偏差、过拟合。
陷阱
风控
13
优化篇：参数优化与陷阱
网格搜索、随机搜索，避免过拟合。
优化
参数
14
优化篇：多品种多周期组合
组合回测与评估方法。
组合
多品种
15
风控篇：资金管理
凯利公式、固定比例、波动率调整仓位。
风控
资金管理
16
风控篇：止损与止盈
移动止损、时间止损、波动率止损。
止损
风控
17
风控篇：投资组合风险度量
VaR、最大回撤、下行风险。
风险
VaR
18
进阶篇：随机森林预测涨跌
机器学习在期货量化中的应用。
机器学习
随机森林
19
进阶篇：LSTM时间序列预测
深度学习预测期货价格。
深度学习
LSTM
20
进阶篇：因子挖掘
从量价数据构建有效因子。
因子
量价
21
进阶篇：CTA策略
基于趋势的日内与隔夜策略。
CTA
趋势
22
进阶篇：高频交易基础
Tick级数据、订单簿、微观结构。
高频
微观
23
系统篇：事件驱动量化系统
搭建本地量化系统架构。
系统
事件驱动
24
系统篇：CTP接口与封装
实盘接口对接，Python封装。
CTP
接口
25
系统篇：自动化交易
定时任务、自动重启、日志监控。
自动化
运维
26
系统篇：数据库设计
存储K线、交易记录、资金曲线。
数据库
存储
27
实盘篇：SimNow模拟交易
在SimNow上测试策略。
模拟
SimNow
28
实盘篇：最小可行实盘系统
从模拟到实盘的关键步骤。
实盘
MVP
29
实盘篇：心理与纪律
应对连续亏损与黑天鹅。
心理
纪律
30
总结篇：成长路径与资源
量化交易者成长路径，构建个人交易系统。
总结
资源