01
课程导论
利率预测的重要性 · 机器学习为何适合 · 课程目标与学习路径
导论概览
02
利率基础
定义与类型 · 期限结构 · 核心宏观因素
基准利率Libor
03
数据获取与预处理
FRED · Tushare · 清洗与缺失值处理
数据源清洗
04
特征工程 (上)
滞后项 · 移动平均 · 差分 · 统计特征
时间特征统计
05
特征工程 (下)
CPI/GDP/失业率 · RSI/MACD · 特征选择
宏观技术指标
06
数据划分与评估指标
避免未来信息泄露 · MAE/RMSE/MAPE/R²
时间序列评估
07
线性回归模型
原理回顾 · Ridge/Lasso · 正则化
回归正则化
08
决策树与随机森林
决策树原理 · 随机森林 · 特征重要性
集成树模型
09
梯度提升模型
XGBoost/LightGBM · 参数调优 · 优势
Boosting高效
10
支持向量回归 (SVR)
核函数 · 参数影响 · 与线性模型对比
SVR核方法
11
循环神经网络 (RNN/LSTM)
序列建模 · LSTM长期依赖 · Keras实现
深度学习LSTM
12
注意力机制与Transformer
自注意力 · 时间序列Transformer · 对比实验
注意力Transformer
13
时间序列分解与Prophet
加法/乘法分解 · Facebook Prophet · 趋势季节性
分解Prophet
14
集成学习与Stacking
多模型融合 · Stacking框架 · 权重优化
集成Stacking
15
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化(Optuna)
调参Optuna
16
过拟合与欠拟合
诊断 · 早停法 · Dropout · 正则化 · 交叉验证
泛化正则化
17
模型解释性 (SHAP/LIME)
SHAP值 · LIME局部解释 · 特征贡献度可视化
可解释SHAP
18
不确定性量化
预测区间 · 分位数回归 · Monte Carlo Dropout
不确定性区间
19
多步预测策略
递归多步 · 直接多步 · Seq2Seq · 多任务学习
多步Seq2Seq
20
利率预测实战 (短期)
LSTM隔夜利率预测 · 数据准备 · 训练评估
实战短期
21
利率预测实战 (中期)
XGBoost 3个月国债收益率 · 特征工程与调优
实战中期
22
利率预测实战 (长期)
Transformer 10年期国债 · 长序列处理
实战长期
23
宏观经济情景分析
压力测试 · 蒙特卡洛模拟 · 经济周期路径
情景模拟
24
高频利率预测
Tick级特征 · 订单簿 · LSTM+注意力
高频Tick
25
利率衍生品定价应用
债券定价 · 利率互换估值 · 风险度量
衍生品定价
26
风险管理与回测
预测误差 · VaR · 策略回测 · 夏普比率
风控回测
27
模型部署与监控
Flask API · 版本管理 · 数据漂移 · 重训练
部署MLOps
28
前沿方向
图神经网络 · 联邦学习 · 强化学习动态预测
前沿GNN
29
伦理与合规
公平性 · 巴塞尔协议 · 模型可解释合规
伦理监管
30
课程总结与项目实战
完整流程回顾 · 学员项目展示 · 学习路径建议
总结项目