第01章
均值方差优化导论
现代投资组合理论起源 · 马科维茨模型核心思想 · 风险与收益的数学定义
起源马科维茨
第02章
数学基础回顾
期望与方差 · 协方差与相关系数 · 矩阵运算 · 线性代数应用
概率矩阵
第03章
Python环境搭建
NumPy基础 · Pandas基础 · Matplotlib · SciPy优化器
Python工具
第04章
单资产收益与风险
简单/对数收益率 · 年化处理 · 波动率计算
收益率波动率
第05章
多资产组合基础
组合收益率 · 组合方差推导 · 协方差矩阵构建
协方差组合
第06章
有效前沿理论
可行集与有效集 · 最小方差组合 · 数学推导
前沿优化
第07章
有效前沿的Python实现
蒙特卡洛模拟 · SciPy求解最优权重
模拟SciPy
第08章
资本市场线 (CML)
无风险资产 · 资本配置线 · 市场组合与CML推导
CML配置
第09章
资本资产定价模型 (CAPM)
贝塔系数 · 证券市场线 · Alpha与超额收益
CAPMBeta
第10章
CAPM的Python实证
回归分析Beta · Alpha检验 · 滚动窗口Beta
实证回归
第11章
风险度量进阶
半方差与下行风险 · VaR · 条件VaR (CVaR)
VaRCVaR
第12章
均值-VaR优化
基于VaR的组合优化 · 与均值-方差对比
VaR优化对比
第13章
均值-CVaR优化
CVaR凸性优势 · 线性规划求解CVaR最小化
CVaR线性规划
第14章
Black-Litterman模型
贝叶斯框架 · 先验与后验收益 · 观点矩阵
BL模型贝叶斯
第15章
Black-Litterman的Python实现
逆向优化 · 观点融合 · 后验收益计算
实现后验
第16章
风险平价策略
等风险贡献(ERC)原理 · 数学推导 · 与均值方差区别
风险平价ERC
第17章
风险平价的Python实现
数值方法求解ERC · 与60/40组合对比
ERC对比
第18章
最大分散度组合
分散度定义 · 最大分散度优化 · 与最小方差对比
分散度优化
第19章
约束优化实战
权重约束 · 行业集中度 · 交易成本 · 换手率约束
约束实战
第20章
稳健优化
参数不确定性 · 收缩估计(Ledoit-Wolf) · 贝叶斯收缩
稳健收缩
第21章
稳健优化的Python实现
Ledoit-Wolf协方差 · 收缩因子 · 稳健有效前沿
Ledoit前沿
第22章
因子模型基础
单因子模型 · Fama-French三因子 · 因子暴露
因子FF3
第23章
因子模型的Python实现
回归法因子暴露 · 因子收益率 · 因子协方差
回归因子
第24章
基于因子的投资组合优化
因子暴露约束 · 因子择时 · 纯因子组合
因子约束择时
第25章
动态优化与再平衡
日历/阈值再平衡 · 交易成本 · 税收优化
再平衡动态
第26章
回测框架搭建
回测引擎设计 · 夏普比率 · 最大回撤 · 信息比率
回测绩效
第27章
回测中的常见陷阱
前视偏差 · 幸存者偏差 · 过拟合 · 多重比较偏差
陷阱偏差
第28章
实战案例一：全球资产配置
股债商汇四类资产 · 有效前沿 · 风险预算分配
全球配置
第29章
实战案例二：行业轮动策略
均值方差行业配置 · 与等权基准对比
轮动行业
第30章
课程总结与进阶方向
机器学习组合优化 · 强化学习动态配置 · 前沿论文
进阶前沿