01
投资组合理论基石
从马科维茨到现代投资组合理论，理解风险与收益的数学本质。
马科维茨有效前沿
02
Python量化环境搭建
Anaconda、Jupyter Notebook、Pandas、NumPy、Matplotlib安装与配置。
PythonJupyter
03
金融数据获取
使用yfinance、akshare、Tushare获取股票、ETF、指数历史数据。
yfinanceakshare
04
数据清洗与预处理
处理缺失值、异常值、复权价格计算、收益率序列生成。
清洗复权
05
单资产分析
收益率分布、波动率聚类、VaR与CVaR计算，夏普比率与最大回撤。
VaR夏普比率
06
相关性矩阵与协方差估计
皮尔逊相关系数、斯皮尔曼秩相关、收缩估计法。
协方差收缩估计
07
均值-方差优化实战
使用SciPy求解有效前沿，绘制资本市场线。
SciPyCML
08
风险平价模型
等风险贡献原理、Python实现与回测。
风险平价等贡献
09
最大分散度组合
分散度最大化策略，代码实现与效果对比。
分散度MDP
10
Black-Litterman模型
主观观点与市场均衡结合，Python实现。
BL模型观点
11
因子投资基础
Fama-French三因子、五因子模型，因子收益率计算。
Fama-French因子
12
动量因子策略
时间序列动量与截面动量，构建动量组合。
动量截面
13
低波动异象
低波动因子策略，最小方差组合构建。
低波动最小方差
14
质量因子与价值因子
ROE、毛利率、账面市值比等因子组合。
质量价值
15
多因子合成
因子标准化、正交化、加权合成综合因子得分。
标准化正交化
16
行业中性化处理
行业分类映射、行业市值中性化、行业权重约束。
中性化行业
17
约束优化实战
个股权重上下限、行业集中度、换手率约束。
约束换手率
18
滚动窗口回测框架
构建可复用的回测引擎，参数滚动优化。
回测滚动
19
交易成本建模
佣金、滑点、冲击成本，净收益计算。
滑点冲击成本
20
绩效评估指标
年化收益率、夏普比率、卡玛比率、信息比率、Sortino比率。
卡玛Sortino
21
归因分析
Brinson归因、因子归因、风格暴露分析。
Brinson风格
22
过拟合检测
组合数量与回测次数、夏普比率通胀、交叉验证。
过拟合交叉验证
23
蒙特卡洛模拟
随机模拟组合路径，评估极端风险。
蒙特卡洛极端风险
24
压力测试与情景分析
历史情景模拟、假设情景分析。
压力测试情景
25
动态再平衡策略
阈值再平衡、日历再平衡、波动率目标再平衡。
再平衡波动率目标
26
ESG整合投资
ESG评分获取、ESG筛选、ESG权重优化。
ESG可持续
27
加密货币组合
数字资产相关性、波动率特征、与传统资产组合。
加密数字资产
28
全球宏观组合
股债商汇多资产配置，风险预算分配。
宏观风险预算
29
机器学习选股
随机森林、XGBoost因子预测，组合构建。
XGBoost随机森林
30
实战项目：可持续投资组合管理系统
从数据到报告，构建一个完整的可持续投资组合管理系统。
实战全流程