01
偏离度基础
什么是指数跟踪偏离度？为什么它如此重要？核心概念与定义。
概念入门
02
偏离度计算
跟踪误差(Tracking Error)的数学公式与Python实现。
公式Python
03
数据获取
使用Tushare/AkShare获取指数成分股与权重数据。
数据源API
04
数据清洗
处理停牌、涨跌停、复权因子等特殊情况的实战技巧。
预处理实战
05
组合构建
基于市值加权、等权、优化权重的模拟组合搭建。
组合权重
06
实时监控
搭建分钟级/日频的偏离度监控看板。
看板实时
07
阈值预警
设置动态阈值，当偏离度超标时自动发送告警。
告警自动化
08
归因分析
使用Brinson模型分解偏离度来源（配置、选股、交互）。
Brinson归因
09
行业偏离
监控组合与基准在行业配置上的差异。
行业暴露
10
风格暴露
分析市值、估值、动量等因子上的风格偏离。
因子风格
11
交易成本
考虑佣金、印花税、冲击成本对偏离度的影响。
成本冲击
12
现金管理
现金仓位对跟踪误差的放大效应与优化方法。
现金优化
13
再平衡策略
定期再平衡 vs 阈值再平衡的优劣对比。
再平衡策略
14
优化器入门
使用Scipy进行组合权重优化，最小化跟踪误差。
Scipy优化
15
约束条件
在优化中加入行业中性、个股权重上限等约束。
约束中性
16
Lasso回归
用Lasso筛选关键股票，降低换手率。
Lasso稀疏
17
分层抽样
从全市场股票中分层抽样，构建低成本复制组合。
抽样复制
18
动态调整
根据市场波动率动态调整再平衡频率。
波动率自适应
19
事件驱动
成分股调整、分红、配股等事件的处理流程。
事件调整
20
期货对冲
使用股指期货对冲系统性风险，降低偏离度。
期货对冲
21
ETF套利
利用偏离度进行一二级市场套利的机会识别。
套利ETF
22
绩效归因
计算信息比率(IR)、超额收益的夏普比率。
IR夏普
23
回测框架
搭建偏离度修复策略的回测系统。
回测系统
24
参数优化
使用网格搜索/贝叶斯优化寻找最优参数组合。
网格搜索贝叶斯
25
压力测试
模拟极端行情（如2015年股灾）下的偏离度表现。
压力极端
26
报告生成
自动生成PDF/HTML格式的偏离度分析报告。
报告PDF
27
系统架构
设计生产环境的偏离度监控系统架构。
架构生产
28
数据库设计
使用InfluxDB存储时序偏离度数据。
InfluxDB时序
29
API服务
使用FastAPI搭建偏离度查询与预警服务。
FastAPI服务
30
实战案例
基于沪深300指数，从零搭建完整的监控与修复系统。
沪深300全流程