01
异常值检测概述
什么是金融时间序列异常值 · 点异常、上下文异常、集合异常 · 重要性及挑战
概念基础
02
数据准备与预处理
Yahoo Finance API · 数据清洗 · 缺失值处理 · 重采样与对齐
数据清洗
03
基于统计的检测方法（一）
Z-Score · 改进Z-Score (MAD) · 金融应用与局限
统计Z-Score
04
基于统计的检测方法（二）
四分位距法(IQR) · 百分位数法 · 箱线图可视化
IQR箱线图
05
基于移动窗口的方法
滚动均值与滚动标准差 · 滚动Z-Score · 动态阈值设定
滚动动态阈值
06
基于指数加权的方法
EWMA · EWMA标准差 · 自适应阈值
EWMA自适应
07
基于距离的方法
KNN异常检测 · LOF (局部异常因子) · 金融时序表现
KNNLOF
08
基于聚类的方法
K-Means异常检测 · DBSCAN聚类检测 · 优缺点
聚类DBSCAN
09
基于孤立森林的方法
孤立森林原理 · 金融数据应用 · 参数调优
孤立森林无监督
10
基于One-Class SVM的方法
One-Class SVM原理 · 核函数选择 · 金融场景实践
SVM核方法
11
基于自编码器的方法
自编码器原理 · 训练流程 · 重构误差检测异常
自编码器深度学习
12
基于LSTM的方法
LSTM预测模型 · 预测误差分析 · 残差异常检测
LSTM时序
13
基于Transformer的方法
时间序列Transformer · 注意力机制 · 异常检测应用
Transformer注意力
14
基于时序分解的方法
STL分解 · 残差分析 · 季节性异常检测
STL分解
15
基于变化点检测的方法
PELT算法 · Binary Segmentation · 金融突变点检测
变化点PELT
16
多变量异常检测
多变量时序 · 协方差分析 · 马氏距离检测法
多变量马氏距离
17
高频数据异常检测
Tick级数据特点 · 微观结构噪声 · 跳跃检测
高频Tick
18
异常值处理方法（一）
删除法 · 截尾法 · Winsorize处理
处理Winsorize
19
异常值处理方法（二）
插值法(线性、样条) · 前向/后向填充 · KNN插补
插值填充
20
异常值处理方法（三）
模型预测替换 · 多重插补 · EM算法
EM多重插补
21
异常值处理方法（四）
平滑滤波(移动平均、Savitzky-Golay) · 小波去噪
滤波小波
22
评估指标
精确率、召回率、F1分数 · ROC-AUC · PR-AUC
评估指标
23
阈值选择策略
固定阈值 · 动态阈值 · 基于百分位数 · F1优化阈值
阈值优化
24
回测框架设计
异常检测策略回测 · 事件研究 · 绩效评估
回测框架
25
实战案例一：股票价格异常波动检测
使用统计方法 · 真实股票数据 · 波动异常识别
实战股票
26
实战案例二：加密货币市场操纵检测
使用机器学习方法 · 异常交易模式 · 操纵识别
加密货币ML
27
实战案例三：宏观经济指标异常检测
使用深度学习方法 · 经济指标 · 异常预警
宏观经济DL
28
实战案例四：高频交易数据清洗与异常处理
综合方法 · 数据清洗 · 实时处理
高频综合
29
生产环境部署
模型序列化 · API服务构建 · 实时检测管道
部署MLOps
30
课程总结与进阶方向
前沿研究 · 挑战与未来趋势 · 推荐资源
总结进阶