01
择时模型概述
什么是宏观择时？为什么需要择时？择时模型的核心挑战与评价标准。
入门核心概念
02
宏观数据全景图
GDP、CPI、PMI、社融、M2、工业增加值等核心指标解读。
数据宏观
03
数据获取与清洗
使用Python (pandas-datareader, tushare, akshare) 获取宏观数据，处理缺失值与异常值。
Python清洗
04
数据频率对齐
日频、周频、月频、季频数据的对齐与重采样技术。
预处理重采样
05
数据标准化与平滑
Z-score标准化、Min-Max缩放、移动平均平滑、HP滤波。
平滑滤波
06
经济周期划分
美林时钟理论、基钦周期、朱格拉周期，以及如何用数据识别周期阶段。
周期美林时钟
07
先行、同步、滞后指标
概念辨析，如何构建先行指标组合用于择时。
指标择时
08
因子构建（上）
基于利率、利差、信用利差的择时因子构建。
利率利差
09
因子构建（中）
基于通胀、货币供应量、信贷脉冲的因子构建。
通胀信贷
10
因子构建（下）
基于PMI、消费者信心、企业盈利预期的因子构建。
PMI盈利
11
单因子回测框架
搭建Python回测引擎，计算单因子的IC、IR、多空收益。
回测IC/IR
12
因子相关性分析
计算因子间相关系数，使用聚类分析避免因子拥挤。
相关性聚类
13
多因子合成方法
等权加权、IC加权、最大化夏普比率加权、主成分分析（PCA）。
合成PCA
14
择时信号生成
阈值法、分位数法、马尔可夫区制转换模型。
信号区制转换
15
机器学习入门
逻辑回归、决策树、随机森林在择时中的应用。
ML随机森林
16
深度学习尝试
LSTM、Transformer在宏观择时中的实战与陷阱。
LSTMTransformer
17
模型训练与验证
时间序列交叉验证、滚动窗口验证、Walk-Forward分析。
验证Walk-Forward
18
过拟合防范
正则化、早停法、特征选择、降维技术。
正则化降维
19
策略组合
将择时信号与资产配置模型（如风险平价、BL模型）结合。
组合风险平价
20
交易成本与滑点
如何将交易成本、冲击成本纳入择时模型评估。
成本滑点
21
风险管理
最大回撤控制、VaR、CVaR、杠杆调整。
VaR回撤
22
实盘模拟
搭建模拟交易系统，记录每日信号与持仓。
模拟交易
23
绩效归因
Brinson归因、因子归因，分析择时收益来源。
归因Brinson
24
压力测试
历史极端事件回测（2008、2015、2020），检验模型鲁棒性。
压力测试鲁棒性
25
模型监控与再训练
漂移检测、性能衰减监控、定期再训练机制。
监控漂移
26
另类数据引入
舆情数据、卫星数据、高频宏观数据的应用。
另类数据高频
27
国际宏观联动
美国、欧洲、日本宏观数据对A股的影响建模。
全球联动
28
政策解读量化
将货币政策、财政政策声明转化为可量化信号。
政策量化
29
模型部署
Flask/FastAPI搭建API服务，定时任务自动运行。
部署API
30
总结与展望
宏观择时的未来趋势、常见误区与进阶学习路径。
趋势进阶