第1章
Alpha策略概述
什么是指数增强 · Alpha收益的来源 · 机器学习在Alpha策略中的角色
核心概念入门
第2章
因子投资基础
常见因子分类（价值、动量、质量、低波）· 因子IC与IR · 因子组合构建
因子量化
第3章
数据获取与清洗
使用akshare获取A股数据 · 处理缺失值与异常值 · 数据对齐与重采样
数据预处理
第4章
特征工程入门
基础技术指标（均线、RSI、MACD）· 滚动窗口统计量 · 截面标准化
特征技术指标
第5章
线性模型做Alpha
多元线性回归原理 · 使用statsmodels进行因子收益率预测 · 模型评估（R²、RMSE）
线性回归statsmodels
第6章
正则化与特征选择
Lasso回归原理 · Ridge回归 · 弹性网络 · 特征重要性排序
正则化LassoRidge
第7章
决策树与随机森林
决策树原理 · 随机森林集成学习 · 特征重要性分析 · 过拟合控制
树模型随机森林
第8章
梯度提升树（XGBoost/LightGBM）
XGBoost原理 · LightGBM的优化 · 超参数调优（GridSearchCV）
XGBoostLightGBM调参
第9章
神经网络入门
MLP多层感知机 · 激活函数选择 · 使用PyTorch搭建简单Alpha模型
神经网络PyTorch
第10章
时间序列交叉验证
普通K折的问题 · 时间序列分割（TimeSeriesSplit）· 滚动窗口验证
交叉验证时间序列
第11章
多因子合成
因子加权方法（等权、IC加权、IR加权）· 机器学习合成因子 · 因子择时
多因子合成
第12章
行业与市值中性化
行业中性化处理 · 市值中性化 · 回归残差法 · 分组测试
中性化风控
第13章
换手率与交易成本
换手率计算 · 双边交易成本模型 · 净收益评估 · 衰减因子
交易成本换手率
第14章
回测框架搭建
使用backtrader搭建回测 · 自定义策略类 · 绩效指标（夏普、最大回撤）
回测backtrader
第15章
Barra模型与风险控制
Barra风险因子模型 · 风险预算 · 约束优化 · 行业暴露限制
Barra风控
第16章
深度学习进阶（LSTM）
LSTM原理 · 序列建模 · 股票收益率预测 · 与树模型的对比
LSTM深度学习
第17章
注意力机制与Transformer
自注意力机制 · Transformer架构 · 应用于因子挖掘
注意力Transformer
第18章
强化学习调仓
强化学习基础（DQN）· 状态与动作设计 · 奖励函数 · 调仓策略优化
强化学习DQN
第19章
另类数据应用
新闻情感分析（NLP）· 舆情因子构建 · 数据频率对齐 · 有效性检验
另类数据NLP
第20章
因子拥挤度与失效
拥挤度指标（相关性、换手率）· 因子生命周期 · 动态因子权重
拥挤度因子失效
第21章
组合优化进阶
均值方差优化 · Black-Litterman模型 · 风险平价 · 目标函数设计
组合优化Black-Litterman
第22章
过拟合检测与防范
回测过拟合 · 夏普比率偏误 · 组合交叉验证 · 蒙特卡洛模拟
过拟合验证
第23章
实盘部署架构
数据流水线（Airflow）· 模型服务（Flask/FastAPI）· 定时任务 · 监控告警
部署AirflowAPI
第24章
绩效归因分析
Brinson归因 · 因子归因 · 超额收益分解 · 归因报告生成
归因Brinson
第25章
高频Alpha策略
Tick级数据特征 · 订单簿不平衡 · 微观结构因子 · 高频回测注意事项
高频微观结构
第26章
多市场多资产
跨市场套利 · 商品期货Alpha · 加密货币策略 · 相关性矩阵分析
多资产跨市场
第27章
模型可解释性
SHAP值计算 · 部分依赖图 · LIME解释器 · 特征交互分析
可解释性SHAPLIME
第28章
自动化机器学习（AutoML）
AutoGluon框架 · 自动特征工程 · 模型选择 · 集成策略
AutoMLAutoGluon
第29章
策略风险管理
VaR与CVaR计算 · 压力测试 · 尾部风险对冲 · 杠杆管理
风险管理VaR
第30章
前沿趋势与总结
图神经网络（GNN）· 联邦学习 · 大语言模型辅助 · 课程总结与展望
前沿GNNLLM