01
量化交易概述
什么是量化交易 · 优势与风险 · 基本流程
入门概念
02
策略回测基础
回测定义与目的 · 三大要素 · 回测vs实盘
核心原理
03
回测平台搭建
Python简易框架 · Backtrader · Zipline
工具代码
04
数据获取与清洗
历史数据获取 · 缺失/异常值 · 对齐重采样
数据预处理
05
交易成本模型
佣金·滑点·印花税·市场冲击 · 合理成本设置
实战成本
06
简单均线策略回测
双均线交叉 · 参数设置 · 绩效解读
策略回测
07
绩效评估指标
年化收益·最大回撤·夏普·卡玛·胜率盈亏比
指标分析
08
资金管理模型
凯利公式 · 固定比例 · 风险平价 · 仓位控制
风控仓位
09
多品种回测
投资组合回测 · 品种选择 · 相关性分析
组合分散
10
过拟合问题入门
什么是过拟合 · 策略中的表现 · 回测好实盘差
过拟合警惕
11
过拟合的数学原理
偏差-方差权衡 · VC维 · 奥卡姆剃刀
理论数学
12
参数优化与过拟合
网格搜索 · 参数敏感性 · 优化陷阱
优化风险
13
数据窥探偏差
前视偏差·幸存者偏差·选择偏差·如何避免
偏差数据
14
样本外测试
时间序列交叉验证 · 滚动窗口 · 样本划分
验证稳健
15
交叉验证方法
K折·扩充·组合交叉验证 · 时间序列应用
CV时序
16
蒙特卡洛模拟
随机策略生成 · 夏普比率分布 · 显著性评估
模拟统计
17
夏普比率偏误
夏普高估 · 调整夏普 · Probabilistic Sharpe Ratio
偏误修正
18
策略组合与多样性
低相关性组合 · 策略衰减 · 动态调整
组合分散
19
鲁棒性检验
参数扰动 · 市场环境变化 · 极端行情测试
检验压力
20
Walk-Forward分析
实现步骤 · 参数滚动优化 · 样本外评估
WFA高级
21
Deflated Sharpe Ratio
原理与计算 · 判断策略是否真正有效
DSR显著性
22
NumPy/Pandas回测应用
向量化计算 · 滚动窗口 · 性能优化
代码效率
23
事件驱动回测框架
事件循环 · 订单管理 · 持仓 · 滑点模拟
架构实战
24
回测中的常见陷阱
未来函数·偷价·四舍五入·浮点数精度
避坑细节
25
实盘与回测的差异
交易延迟·流动性·订单簿深度·市场冲击
实盘差异
26
策略监控与预警
实时绩效监控 · 风险预警 · 失效检测
运维风控
27
机器学习策略的过拟合
特征选择过拟合 · 超参数调优陷阱 · CV误区
ML过拟合
28
正则化与降维
L1/L2正则化 · PCA · 特征重要性筛选
正则降维
29
贝叶斯方法在回测中的应用
贝叶斯参数估计 · 模型平均 · 不确定性量化
贝叶斯高级
30
课程总结与实战项目
完整回测流程 · 过拟合防范 · 未来方向
项目结课