正股联动偏离度捕捉套利机会
📚 共计 30 章节
01
套利基础：什么是正股联动？什么是偏离度？套利的底层逻辑是什么？
从零理解联动与偏离，拆解套利核心原理
入门
核心概念
02
数据获取：如何用Python获取实时股票和可转债行情数据？
Python实时行情接口、数据源与代码实战
数据
Python
03
核心指标：计算正股与转债的实时偏离度，定义阈值。
偏离度公式、动态阈值设定与监控
指标
量化
04
策略回测：基于历史数据回测偏离度套利策略的收益与风险。
回测框架搭建、夏普比率与最大回撤
回测
风险
05
实盘模拟：搭建一个模拟交易系统，监控偏离度并发出信号。
模拟交易引擎、信号触发与日志
模拟
系统
06
风险控制：套利中的常见陷阱（流动性、冲击成本、T+1限制）。
识别并规避三大核心风险
风控
实战
07
进阶优化：引入机器学习预测偏离度回归速度。
ML模型预测回归时间，提升胜率
机器学习
进阶
08
实战案例：2024年某可转债的套利机会全流程复盘。
完整案例：从发现到执行，盈亏复盘
案例
复盘
09
工具封装：将策略封装成Python库，方便一键运行。
模块化、pip安装、命令行工具
工程
封装
10
课程总结：从理论到实战，构建你的套利工具箱。
知识体系梳理与后续学习路径
总结
体系
11
深入理解可转债：可转债的条款、转股价值、溢价率。
债底、转股价、溢价率深度解析
可转债
条款
12
正股与转债的联动机制：为什么它们会偏离？
市场情绪、流动性、套利力量的影响
机制
原理
13
偏离度的数学定义：绝对偏离 vs 相对偏离。
公式推导与适用场景对比
数学
定义
14
数据清洗：处理缺失值、异常值、复权数据。
pandas清洗技巧、复权处理
数据清洗
预处理
15
实时数据管道：搭建WebSocket实时数据流。
WebSocket订阅、行情推送架构
实时
WebSocket
16
信号生成：基于阈值和趋势的买卖信号。
动态阈值、趋势过滤、信号融合
信号
策略
17
仓位管理：凯利公式在套利中的应用。
凯利公式变体、仓位计算实例
仓位
凯利
18
多标的监控：同时监控多只可转债的偏离度。
并行监控、排名与预警
监控
多标的
19
事件驱动策略：正股分红、送股对偏离度的影响。
除权除息调整、事件套利
事件
分红
20
套利成本计算：佣金、印花税、滑点。
成本明细、盈亏平衡点
成本
实务
21
统计套利：配对交易在正股转债中的应用。
协整配对、价差交易
统计套利
配对
22
协整检验：判断正股与转债的长期均衡关系。
ADF检验、EG两步法
协整
检验
23
均值回归策略：利用偏离度的均值回归特性。
布林带、Z-score策略
均值回归
策略
24
机器学习入门：用线性回归预测偏离度。
特征选择、线性回归、预测偏离
机器学习
线性回归
25
特征工程：构建影响偏离度的特征集。
量价特征、情绪特征、衍生特征
特征工程
建模
26
模型评估：回测中的过拟合与样本外测试。
交叉验证、滚动回测、防止过拟合
评估
过拟合
27
部署上线：将策略部署到云服务器。
Docker、云服务器、定时任务
部署
运维
28
监控告警：设置钉钉/微信机器人推送信号。
webhook、消息模板、实时告警
告警
机器人
29
资金曲线：绘制策略的净值曲线与最大回撤。
matplotlib/plotly、绩效可视化
可视化
绩效
30
结业项目：独立完成一个完整的套利策略。
从数据到部署，全流程实战考核
项目
结业