01
课程导论：宏观因子协整
什么是宏观因子协整？多因子长期均衡的重要性，课程目标与学习路径。
入门框架
02
宏观因子初探
GDP、CPI、PMI、利率、汇率等核心因子定义、数据来源与处理。
宏观数据
03
时间序列基础
平稳性、自相关、偏自相关、白噪声检验。
统计预处理
04
单位根检验(上)
DF检验、ADF检验的原理与Python实现。
ADFPython
05
单位根检验(下)
PP检验、KPSS检验，以及如何选择检验方法。
PPKPSS
06
协整理论基础
协整定义、经济含义(长期均衡)、伪回归问题。
核心理论
07
Engle-Granger两步法(上)
第一步：估计长期均衡方程。
EG回归
08
Engle-Granger两步法(下)
第二步：残差单位根检验，判断协整关系。
残差检验
09
Johansen协整检验(上)
VAR模型基础、特征根与迹检验。
JohansenVAR
10
Johansen协整检验(下)
Python实现(statsmodels)、结果解读与选择协整秩。
实现秩
11
误差修正模型(ECM)
ECM推导、经济含义、参数估计与解读。
ECM动态
12
多因子组合构建
因子选择(价值、动量、质量、低波)、因子暴露计算。
因子组合
13
因子协整检验
对多因子组合进行协整检验，验证长期均衡关系。
验证均衡
14
协整配对交易策略
配对交易逻辑、阈值设定与交易信号。
配对信号
15
多因子协整组合策略
扩展到多资产/多因子组合，构建投资组合。
多资产组合
16
策略回测框架搭建
Backtrader/Zipline入门，数据加载、策略编写。
回测框架
17
策略绩效评估
夏普比率、最大回撤、年化收益率、信息比率等。
绩效指标
18
风险控制与仓位管理
凯利公式、风险平价在协整策略中的应用。
风控仓位
19
滚动协整与动态调整
时变性处理：滚动窗口检验。
滚动时变
20
状态空间模型与时变协整
卡尔曼滤波在估计时变协整参数中的应用。
卡尔曼状态空间
21
机器学习与协整
随机森林、LSTM辅助因子选择与协整识别。
MLLSTM
22
宏观因子预测
ARIMA、VAR模型对宏观因子预测，策略前瞻。
预测ARIMA
23
实盘注意事项
交易成本、滑点、流动性冲击、数据频率选择。
实战细节
24
案例分析(上)
基于中美利差与汇率的协整策略实战。
案例利差
25
案例分析(下)
基于通胀与利率因子的多资产协整组合。
通胀多资产
26
策略稳健性检验
不同市场环境(牛/熊/震荡)表现、敏感性分析。
稳健性敏感性
27
组合优化
均值-方差、Black-Litterman模型在协整组合上的应用。
优化BL
28
高阶话题
非线性协整、门限协整、分位数协整。
高阶非线性
29
课程总结
核心知识点回顾、常见误区与避坑指南。
总结避坑
30
未来展望
协整策略在加密货币、ESG投资等新兴领域的应用前景。
前沿ESG