波动率曲面异常点检测与风险规避实战
📚 共计 30 章节
01
波动率曲面基础
什么是波动率曲面？隐含波动率与历史波动率的区别。
核心概念
入门
02
曲面构建方法
插值法（线性、样条）、参数化模型（SVI、SSVI）。
建模
SVI
03
异常点定义
什么是曲面异常点？常见成因（数据错误、市场冲击、流动性不足）。
概念
成因
04
统计检测法
Z-Score、IQR（四分位距法）在曲面检测中的应用。
统计
IQR
05
机器学习检测法
孤立森林（Isolation Forest）原理与实战。
孤立森林
无监督
06
机器学习检测法
DBSCAN聚类算法在曲面异常检测中的应用。
聚类
DBSCAN
07
时间序列检测法
基于滚动窗口的均值回归检测。
时序
滚动窗口
08
波动率曲面平滑
去噪与平滑技术（核平滑、局部回归）。
平滑
核方法
09
风险规避策略
基于异常点的交易暂停机制。
风控
熔断
10
风险规避策略
动态对冲调整与异常点权重衰减。
对冲
权重衰减
11
实战案例：股票期权
股票期权曲面异常检测（使用真实市场数据）。
股票
真实数据
12
实战案例：外汇期权
外汇期权曲面异常检测与对冲。
外汇
对冲
13
实战案例：商品期货
商品期货期权曲面异常检测。
商品
期货
14
系统架构设计
实时异常检测管道设计。
架构
实时
15
系统架构设计
数据存储与回放机制。
存储
回放
16
性能优化
大规模曲面数据的并行计算。
并行
高性能
17
性能优化
使用Numba/Cython加速检测算法。
Numba
Cython
18
回测框架
构建异常点检测策略回测引擎。
回测
引擎
19
回测框架
评估指标（准确率、召回率、夏普比率）。
评估
夏普
20
多资产曲面
跨资产类别的统一异常检测框架。
多资产
统一框架
21
多资产曲面
相关性矩阵在异常检测中的应用。
相关性
矩阵
22
深度学习进阶
使用Autoencoder进行无监督异常检测。
Autoencoder
无监督
23
深度学习进阶
LSTM时序预测与残差分析。
LSTM
残差
24
深度学习进阶
GAN生成对抗网络模拟正常曲面。
GAN
生成
25
风险管理仪表盘
可视化异常点与风险暴露。
仪表盘
可视化
26
风险管理仪表盘
实时告警系统设计。
告警
实时
27
监管合规
异常检测在巴塞尔协议III中的应用。
巴塞尔III
合规
28
监管合规
压力测试与极端情景分析。
压力测试
极端情景
29
前沿研究
量子计算在波动率曲面分析中的潜力。
量子计算
前沿
30
综合项目
构建端到端的波动率曲面异常检测与风险规避系统。
端到端
综合实战