01
课程导论与轮动思想
什么是轮动策略？为什么轮动有效？课程目标与学习路径。
思想入门
02
环境搭建与工具准备
Python环境、Jupyter Notebook、Pandas、NumPy、Matplotlib安装与配置。
工具Python
03
金融数据获取
使用Tushare/Akshare获取A股日线数据、指数数据、行业板块数据。
数据API
04
数据清洗与预处理
处理缺失值、复权处理、去极值、标准化。
清洗预处理
05
基础指标计算
收益率、波动率、最大回撤、夏普比率、Calmar比率。
指标风险
06
动量因子构建
过去N日收益率、过去N日超额收益、动量强度指标。
因子动量
07
基本面因子构建
市盈率、市净率、ROE、营收增长率、净利润增长率。
基本面因子
08
因子有效性检验
IC分析、IR分析、分组回测、因子相关性分析。
检验IC
09
单因子选股模型
基于单一动量的轮动策略实现与回测。
选股回测
10
多因子合成模型
等权合成、IC加权合成、主成分分析(PCA)降维。
多因子合成
11
行业轮动基础
申万一级行业分类、行业指数构建、行业动量效应。
行业轮动
12
行业轮动策略实现
基于行业动量的轮动策略，每月调仓。
策略调仓
13
风格轮动策略
大小盘风格轮动、价值成长风格轮动。
风格轮动
14
轮动频率选择
日频、周频、月频、季频轮动效果对比。
频率对比
15
交易成本与滑点
佣金、印花税、冲击成本对轮动策略的影响。
成本滑点
16
仓位管理
等权配置、风险平价、波动率倒数加权。
仓位管理
17
风险控制
止损、止盈、最大回撤控制、VaR控制。
风控止损
18
回测框架搭建
从零编写一个简单的回测引擎。
回测引擎
19
回测评估指标
年化收益率、年化波动率、最大回撤、夏普比率、卡玛比率、胜率、盈亏比。
评估指标
20
过拟合与参数优化
参数敏感性分析、滚动窗口验证、交叉验证。
过拟合优化
21
样本外测试
时间序列分割、滚动回测、Walk-Forward分析。
测试样本外
22
实盘模拟与心理建设
模拟交易平台选择、实盘与回测差异、交易心理。
实盘心理
23
策略监控与自动化
定时任务、自动调仓、异常报警。
监控自动化
24
进阶因子
技术因子(RSI、MACD、布林带)、另类因子(舆情、资金流)。
技术另类
25
机器学习入门
线性回归、逻辑回归在因子合成中的应用。
ML回归
26
集成学习轮动模型
随机森林、XGBoost、LightGBM用于选股。
集成XGBoost
27
深度学习轮动模型
LSTM、Transformer在时序预测中的应用。
深度学习LSTM
28
多资产轮动
股票、债券、商品、现金之间的轮动配置。
多资产配置
29
策略组合与资金曲线优化
多策略组合、风险预算、动态再平衡。
组合优化
30
课程总结与未来展望
轮动模型的局限、量化投资的学习路径、资源推荐。
总结展望