01
量化交易与智能决策概述
量化交易的定义、智能决策模型的核心概念、模型在量化中的价值与挑战。
入门核心概念
02
数据预处理与特征工程
金融数据清洗、缺失值处理、标准化与归一化、技术指标特征构建。
数据处理特征工程
03
线性回归模型
线性回归原理、最小二乘法、多元线性回归、在股价预测中的简单应用。
回归预测
04
逻辑回归与分类策略
逻辑回归原理、Sigmoid函数、二分类交易信号生成、回测框架搭建。
分类信号
05
支持向量机(SVM)
SVM原理、核函数选择、超参数调优、在趋势识别中的应用。
SVM趋势
06
决策树与随机森林
决策树构建、信息增益与基尼系数、随机森林集成、特征重要性分析。
树模型集成
07
K近邻算法(KNN)
KNN原理、距离度量、K值选择、在模式识别中的实战。
KNN模式
08
朴素贝叶斯分类器
贝叶斯定理、条件独立性假设、文本情感分析在舆情交易中的应用。
贝叶斯情感
09
K-Means聚类
无监督学习概念、K值确定、聚类中心初始化、市场状态划分。
聚类市场状态
10
主成分分析(PCA)
降维原理、协方差矩阵、特征值分解、多因子降维与可视化。
降维多因子
11
时间序列基础
平稳性检验、自相关与偏自相关、白噪声检验、差分操作。
时序平稳性
12
ARIMA模型
AR、MA、ARIMA模型识别、定阶与参数估计、股价序列建模。
ARIMA预测
13
GARCH模型
波动率聚集效应、ARCH效应检验、GARCH(1,1)模型、风险度量。
波动率风险
14
LSTM神经网络
循环神经网络基础、LSTM门控机制、时间步长选择、股价预测实战。
深度学习LSTM
15
强化学习入门
马尔可夫决策过程、Q-Learning原理、ε-贪婪策略、简单交易环境。
强化学习Q-Learning
16
深度Q网络(DQN)
神经网络与Q-Learning结合、经验回放、目标网络、自动交易Agent。
DQN自动交易
17
策略梯度方法
Policy Gradient原理、REINFORCE算法、连续动作空间交易。
策略梯度连续动作
18
模型评估与过拟合
交叉验证、学习曲线、正则化(L1/L2)、回测中的过拟合陷阱。
评估正则化
19
回测系统设计
事件驱动回测、滑点与手续费模拟、绩效指标(夏普、最大回撤)。
回测绩效
20
多因子模型
Fama-French三因子、因子有效性检验、因子组合构建、多空策略。
多因子多空
21
集成学习进阶
XGBoost原理、梯度提升树、LightGBM优化、在选股中的应用。
XGBoostLightGBM
22
贝叶斯优化
高斯过程、采集函数、超参数自动调优、提升模型效率。
贝叶斯优化调参
23
异常检测
孤立森林、LOF算法、市场异常点识别、风控预警系统。
异常风控
24
自然语言处理(NLP)
文本预处理、TF-IDF、Word2Vec、新闻情绪因子构建。
NLP情绪因子
25
图神经网络(GNN)
图结构数据、消息传递机制、股票关联网络建模。
GNN关联网络
26
迁移学习
预训练模型、微调策略、跨市场知识迁移、小样本学习。
迁移学习小样本
27
模型可解释性
SHAP值、LIME、特征重要性可视化、合规性要求。
可解释性SHAP
28
实时交易系统
流数据处理、模型在线更新、延迟优化、生产环境部署。
实时部署
29
风险管理
VaR与CVaR、投资组合优化、凯利公式、仓位管理模型。
风险仓位
30
前沿趋势与总结
联邦学习、量子机器学习、AGI对量化交易的影响、课程总结。
前沿总结