01
课程导论：为什么金融需要因果分析？
相关性与因果性的区别，课程全景图。
因果思维全景
02
时间序列基础
平稳性、自相关、白噪声，金融时间序列的特殊性。
平稳性ACF
03
时间序列分解
趋势、季节性与残差，加法模型与乘法模型。
分解STL
04
ARIMA模型
自回归与移动平均，差分操作，模型定阶与诊断。
ARIMA差分
05
Granger因果检验
基本原理、滞后阶数选择、多变量扩展。
Granger滞后
06
Granger实战：Python实现
Python实现Granger因果检验，股票市场应用案例。
Python股票
07
向量自回归模型 (VAR)
VAR模型结构、脉冲响应函数、方差分解。
VARIRF
08
VAR实战：Python构建
Python构建VAR模型，宏观经济变量因果分析。
Python宏观
09
协整与误差修正模型
协整关系、VECM模型、配对交易策略。
协整VECM
10
协整实战：Python实现
Python实现协整检验，构建统计套利策略。
套利协整
11
结构因果模型 (SCM)
SCM框架、do-operator、后门准则与前门准则。
SCMdo算子
12
因果图与DAG
有向无环图、d-分离、马尔可夫等价类。
DAGd-分离
13
PC算法
基于条件独立的因果发现算法，Python实现。
PC算法因果发现
14
LiNGAM算法
线性非高斯无环模型，独立成分分析应用。
LiNGAMICA
15
因果发现实战
合成数据与真实金融数据上的因果图学习。
因果图实战
16
双重机器学习 (DML)
DML框架、Neyman正交性、高维控制变量。
DML正交性
17
DML实战：Python实现
Python实现DML，评估货币政策对股市的影响。
DML货币政策
18
工具变量法 (IV)
IV识别策略、两阶段最小二乘、弱工具变量问题。
IV2SLS
19
IV实战：Python实现
Python实现IV估计，研究公司治理与绩效的因果关系。
IV公司治理
20
断点回归设计 (RDD)
RDD原理、精确断点与模糊断点、带宽选择。
RDD断点
21
RDD实战：Python实现
Python实现RDD，分析政策冲击对股价的影响。
RDD政策冲击
22
差分中的差分 (DID)
DID模型、平行趋势假设、事件研究法。
DID平行趋势
23
DID实战：Python实现
Python实现DID，评估监管政策对市场的影响。
DID监管
24
合成控制法 (SCM)
SCM原理、权重优化、安慰剂检验。
SCM安慰剂
25
SCM实战：Python实现
Python实现合成控制，分析金融创新对风险的影响。
合成控制金融创新
26
因果网络构建
从多个因果对到网络，网络拓扑分析。
网络拓扑
27
网络因果推断
网络干预、溢出效应、同伴效应识别。
溢出同伴效应
28
金融网络风险
系统性风险、传染效应、压力测试中的因果链。
系统性风险传染
29
综合实战项目一
基于因果发现的因子挖掘与投资组合构建。
因子挖掘组合
30
综合实战项目二
金融监管政策效果评估与因果报告撰写。
政策评估报告