01
课程导学与工具概览
机构持仓集中度的概念、分析工具的价值、课程目标与学习路径。
导学概览
02
数据源探索
获取机构持仓数据的常见途径（Wind、东方财富、Tushare）、数据字段解析。
数据源Wind
03
Python环境搭建
Anaconda安装、Jupyter Notebook配置、必备库安装（Pandas、NumPy、Matplotlib）。
环境Python
04
Pandas基础
Series与DataFrame的创建、数据读取（CSV/Excel）、数据预览与基本信息查看。
Pandas数据读取
05
数据清洗实战
处理缺失值、数据类型转换、去重与异常值处理。
清洗缺失值
06
数据合并与重塑
Concat、Merge、Join操作，以及Pivot Table的使用。
合并重塑
07
集中度指标计算（上）
CRn（前N大持仓集中度）指标的原理与代码实现。
CRn集中度
08
集中度指标计算（中）
HHI（赫芬达尔-赫希曼指数）指标的原理与代码实现。
HHI赫芬达尔
09
集中度指标计算（下）
基尼系数与熵指数的原理与代码实现。
基尼系数熵指数
10
时间序列分析基础
日期处理、滚动窗口计算（Rolling）、重采样（Resample）。
时间序列Rolling
11
可视化入门
Matplotlib基础绘图（折线图、柱状图、饼图）展示集中度变化。
Matplotlib折线图
12
高级可视化
Seaborn热力图展示行业集中度、箱线图展示分布特征。
Seaborn热力图
13
交互式可视化
Plotly基础使用，制作可交互的集中度趋势图。
Plotly交互
14
行业集中度分析
按申万一级行业分类，计算并对比各行业持仓集中度。
行业申万
15
基金类型对比分析
股票型、混合型、债券型基金的集中度特征差异。
基金类型对比
16
市场周期与集中度
牛熊市中机构持仓集中度的变化规律分析。
市场周期牛熊
17
因子构建
将集中度指标量化为选股因子，进行简单的IC/IR分析。
因子IC/IR
18
回测框架搭建
使用Backtrader或Zipline构建简单的集中度因子回测。
回测Backtrader
19
策略实现
基于集中度变化的行业轮动策略逻辑与代码实现。
轮动策略行业
20
策略绩效评估
夏普比率、最大回撤、年化收益率等指标计算。
绩效夏普
21
数据库存储
使用SQLite或MySQL存储历史集中度数据，实现增量更新。
SQLiteMySQL
22
自动化数据采集
编写定时任务（APScheduler）自动抓取最新数据。
APScheduler定时
23
Web应用开发（上）
Flask框架入门，搭建数据查询API。
FlaskAPI
24
Web应用开发（中）
前端HTML/CSS/JS基础，构建数据看板。
前端看板
25
Web应用开发（下）
前后端联调，实现集中度数据的动态展示。
联调动态
26
部署与运维
使用Docker容器化部署Web应用，Nginx反向代理。
DockerNginx
27
性能优化
Pandas代码向量化优化、多进程/多线程加速数据计算。
向量化多进程
28
风险控制与合规
数据使用合规性、策略过拟合风险防范。
合规过拟合
29
项目实战（一）
从零开始构建一个完整的基金持仓集中度分析报告。
实战报告
30
项目实战（二）
课程总结、常见问题答疑与未来学习路径建议。
总结答疑