01
指数增强策略概述
定义、目标、与纯被动指数基金和纯主动管理基金的区别。
概念定位
02
策略核心逻辑
收益来源拆解 (Beta + Alpha)，Alpha的可持续性探讨。
收益拆解Alpha
03
基准指数选择
沪深300、中证500、中证1000等主流宽基指数的特点与适用场景。
宽基指数风格
04
数据准备与清洗
获取行情、财务、因子数据，处理缺失值、异常值、幸存者偏差。
数据清洗偏差
05
因子投资基础
什么是因子？有效市场的悖论，因子溢价的经济学解释。
因子市场有效
06
常见选股因子详解 (上)
价值因子 (PE、PB、PS)、质量因子 (ROE、ROA、毛利率)。
价值质量
07
常见选股因子详解 (中)
动量因子、反转因子、低波因子。
动量低波
08
常见选股因子详解 (下)
成长因子 (营收/利润增长)、情绪因子 (换手率、分析师预期)。
成长情绪
09
因子数据处理
去极值、标准化、中性化处理 (市值中性化、行业中性化)。
预处理中性化
10
多因子模型构建
等权加权、IC加权、IR加权、优化器加权。
加权模型
11
因子IC分析
IC值计算、IC序列统计检验 (T检验)、IC衰减与换手率。
IC显著性
12
因子组合测试
分层回测法，检验因子单调性与区分度。
分层单调性
13
组合优化模型
均值-方差、风险预算、Black-Litterman模型在增强中的应用。
优化风险模型
14
约束条件设置
行业偏离度、个股权重上下限、换手率约束、跟踪误差约束。
约束风控
15
跟踪误差管理
跟踪误差定义、来源分析，如何在不牺牲Alpha的前提下控制。
跟踪误差平衡
16
指数成分股调整
定期调仓 (月度/季度) 与事件驱动调仓，调仓成本控制。
调仓成本
17
交易成本模型
佣金、印花税、冲击成本、延迟成本，如何纳入优化器。
成本冲击
18
策略回测框架搭建
回测引擎设计、滑点模型、撮合逻辑。
回测引擎
19
回测绩效评估指标
年化收益率、波动率、夏普比率、信息比率、最大回撤、Calmar比率。
绩效指标
20
过拟合与数据窥探
如何识别过拟合？交叉验证、滚动回测、敏感性分析。
过拟合验证
21
样本外测试与实盘模拟
Walk-Forward分析，从回测到实盘的鸿沟。
样本外模拟
22
风险模型 (Barra模型)
结构化风险模型简介，因子暴露与风险归因。
Barra风险归因
23
行业轮动与风格切换
如何应对市场风格的剧烈变化？策略的适应性。
轮动风格
24
另类数据应用
舆情数据、供应链数据、卫星图像数据在增强策略中的探索。
另类数据创新
25
机器学习在增强中的应用
线性回归、岭回归、Lasso、随机森林、XGBoost简单对比。
机器学习对比
26
深度学习尝试
LSTM、Transformer在因子挖掘中的潜力与陷阱。
深度学习因子挖掘
27
策略容量与流动性管理
大资金如何做增强？冲击成本与容量测算。
容量流动性
28
实盘交易系统架构
信号生成、订单执行、风控模块、归因分析。
系统架构实盘
29
策略归因分析
Brinson归因、因子归因，拆解超额收益来源。
归因超额收益
30
总结与展望
当前指数增强的挑战 (量化拥挤、Alpha衰减)，未来发展方向 (ESG增强、AI增强)。
展望ESGAI