01
可转债基础
什么是可转债 · 核心要素（转股价、强赎、回售、下调转股价）· 债性与股性
入门核心概念
02
可转债市场概况
A股市场规模 · 历史收益表现 · 与股票/纯债对比
全景数据
03
轮动策略原理
什么是轮动 · 底层逻辑（均值回归与动量效应）· 策略优势
方法论核心
04
数据获取与清洗
使用akshare获取行情 · 数据清洗预处理 · 构建DataFrame
数据Python
05
核心指标计算
转股溢价率 · 纯债溢价率 · 到期收益率 · 隐含波动率 · 双低值
指标量化
06
双低策略详解
经典双低值=价格+溢价率*100 · 历史回测 · 优缺点
经典策略
07
多因子策略构建
有效因子选择 · 标准化与合成 · 多因子打分模型
进阶因子
08
轮动频率选择
周/双周/月轮动对比 · 收益与换手率分析 · 如何选择频率
参数优化
09
持仓数量优化
5只/10只/20只对比 · 集中度与分散度 · 最优持仓
风控配置
10
止损与止盈
止损线-5%/-10% · 止盈线10%/20% · 动态止盈止损
风控纪律
11
风险控制
最大回撤控制 · 波动率控制 · 仓位管理 · 极端行情应对
风控资金管理
12
回测框架搭建
backtrader/自定义框架 · 回测流程：数据→信号→交易→绩效
回测工程
13
回测指标解读
年化收益率 · 夏普比率 · 最大回撤 · 卡玛比率 · 胜率 · 盈亏比
分析绩效
14
过拟合与参数优化
参数敏感性分析 · 交叉验证 · 滚动回测 · 避免过拟合技巧
进阶稳健
15
实盘注意事项
交易成本 · 流动性 · 冲击成本 · 实盘与回测差异
实战细节
16
策略监控与调整
监控看板 · 定期复盘 · 根据市场调整参数
管理迭代
17
进阶因子挖掘
正股动量/波动率 · 行业因子 · 规模因子 · 信用评级因子
因子Alpha
18
机器学习因子
线性回归/随机森林/XGBoost · 特征工程 · 模型融合
ML前沿
19
动态权重分配
根据市场状态调整因子权重 · 马尔可夫链识别市场状态
动态自适应
20
配对交易策略
寻找高相关性可转债对 · 配对信号 · 回测与实盘
统计套利进阶
21
套利策略
转股套利 · 回售套利 · 强赎博弈 · 下修博弈
套利事件
22
网格交易策略
网格交易原理 · 可转债网格应用 · 参数优化
网格震荡
23
行业轮动策略
按行业分类 · 景气度判断 · 行业轮动+可转债轮动
行业轮动
24
打新策略
可转债打新规则 · 打新收益分析 · 打新+二级轮动
打新增强
25
量化平台实现
聚宽/米筐实现策略 · API调用与自动化 · 策略上云定时运行
平台自动化
26
绩效归因分析
Brinson归因 · 因子归因 · 收益拆解 (alpha vs beta)
归因深度
27
压力测试与情景分析
历史极端行情回测(2015/2020) · 蒙特卡洛模拟
风控极端
28
策略组合与资金分配
多策略组合(双低+多因子+网格) · 等权/风险平价/均值方差
组合配置
29
心理与纪律
交易心理陷阱 · 严格执行策略 · 交易日志与复盘习惯
心法纪律
30
未来展望与持续学习
市场发展趋势 · 量化新工具(ChatGPT/大模型) · 学习资源推荐
展望成长