01
课程导论与宏观因子投资框架
什么是宏观因子？为什么做因子回测？课程整体架构与学习路径。
框架导论
02
Python量化环境搭建
Anaconda安装、Jupyter Notebook配置、常用库安装与验证。
环境Python
03
宏观经济数据获取
pandas-datareader获取FRED、akshare国内宏观、API调用基础。
数据源API
04
数据清洗基础
缺失值处理(向前填充/插值)、异常值(3-sigma/IQR)、数据类型转换。
清洗预处理
05
时间序列数据对齐
不同频率重采样、合并对齐，解决‘未来函数’问题。
对齐重采样
06
因子构建
GDP增长、CPI通胀、PMI景气、利率期限利差因子计算与标准化。
因子宏观
07
因子数据处理
去极值、Z-score标准化、中性化处理(对市值/行业回归取残差)。
标准化中性化
08
因子合成与降维
等权合成、PCA主成分提取宏观因子、滚动窗口合成。
降维PCA
09
回测框架搭建(一)
向量化vs事件驱动、构建Portfolio类、计算每日持仓权重。
回测框架
10
回测框架搭建(二)
交易成本模拟(滑点/佣金)、资金管理(等权/风险平价)、杠杆处理。
成本资金管理
11
回测框架搭建(三)
多空组合构建、多因子打分法、分层回测(Top/Bottom分组)。
多空分层
12
绩效指标计算(一)
年化收益率/波动率、夏普比率、最大回撤、Calmar比率。
绩效夏普
13
绩效指标计算(二)
滚动夏普/波动率、收益分布分析(偏度、峰度)。
滚动分布
14
绩效归因之Brinson模型
Brinson分解(配置/选股/交互效应)在宏观因子上的应用。
归因Brinson
15
绩效归因之风险归因
因子暴露计算、因子贡献波动率、边际风险贡献(MRC)。
风险MRC
16
绩效归因之Barra模型
Barra风险模型简介、宏观因子作为风格因子、协方差矩阵估计。
Barra风格
17
回测过拟合问题
多重测试偏误、数据窥探偏差、回测过拟合概率(PBO)检测。
过拟合PBO
18
样本外测试与交叉验证
时间序列交叉验证、滚动窗口测试、扩展窗口测试。
交叉验证样本外
19
稳健性检验
改变参数(调仓频率/持有期)、样本区间(牛熊分段)、因子权重。
稳健性敏感性
20
宏观因子择时策略
基于宏观状态(衰退/扩张/滞胀/复苏)的资产配置轮动。
择时美林时钟
21
风险平价策略
等风险贡献(ERC)模型、使用宏观因子协方差矩阵计算权重。
风险平价ERC
22
宏观因子与资产配置
Black-Litterman结合宏观观点、因子驱动的战略资产配置。
BL模型配置
23
机器学习在宏观因子中的应用
LSTM预测因子方向、随机森林进行因子选择。
LSTM随机森林
24
回测报告自动化生成
Jinja2模板生成HTML报告、Plotly交互式绩效图表。
报告Plotly
25
实战案例一：美林时钟行业轮动
A股行业轮动回测：数据获取、因子构建、回测、归因全流程。
实战行业轮动
26
实战案例二：债券-股票风险预算
基于宏观因子的债券-股票组合风险预算策略回测。
风险预算股债
27
实战案例三：全球宏观对冲策略
多资产、多因子、多空全球宏观对冲策略回测。
全球宏观对冲
28
回测常见陷阱与避坑指南
幸存者偏差、前视偏差、生存偏差、微观结构噪声。
陷阱偏差
29
课程总结与知识体系梳理
宏观因子回测完整Pipeline、常见误区复盘、进阶路径推荐。
总结知识体系
30
结业项目
自选宏观因子与资产，完成从数据清洗到绩效归因完整报告。
项目实战