01
课程导论与量化投资基础
量化投资概念、AI选股与传统选股的区别、课程整体框架与学习路径。
导论框架
02
金融数据获取
Tushare/Akshare获取A股日线数据、数据清洗与预处理、SQLite/CSV存储。
数据API
03
特征工程基础
技术指标(MA,MACD,RSI,KDJ)、基本面因子(PE,PB,ROE)、标准化与归一化。
特征指标
04
标签构建与数据划分
未来收益率计算、分类标签(涨/跌/平)、时间序列训练/验证/测试划分。
标签划分
05
线性模型选股
逻辑回归原理、sklearn构建逻辑回归、评估(准确率/精确率/召回率/F1)。
线性sklearn
06
树模型选股
决策树与随机森林、XGBoost/LightGBM实战、特征重要性分析。
树模型XGBoost
07
深度学习选股
MLP多层感知机、PyTorch/TensorFlow构建选股模型、过拟合与正则化。
深度学习MLP
08
LSTM时间序列选股
RNN与LSTM原理、序列数据构建、LSTM选股模型实战。
LSTM时序
09
集成学习与模型融合
Stacking与Voting策略、优势互补、模型融合实战。
集成融合
10
回测系统搭建
回测框架设计、交易模拟(佣金/滑点)、绩效指标(年化收益/最大回撤/夏普)。
回测绩效
11
策略评估与优化
过拟合检测、参数优化(网格/贝叶斯)、稳健性检验。
优化稳健性
12
风险控制与资金管理
凯利公式、仓位管理、止损止盈策略。
风控仓位
13
多因子模型实战
Fama-French三因子、自定义因子组合、因子有效性检验。
多因子Fama
14
事件驱动策略
财报公告效应、新闻情绪分析、事件研究法。
事件情绪
15
行业轮动策略
行业分类标准、行业动量与反转、行业配置模型。
轮动行业
16
市场微观结构
订单簿分析、成交量分布(VWAP)、高频数据特征。
微观高频
17
另类数据应用
舆情数据爬取、百度/微信指数、卫星图像数据概念。
另类舆情
18
强化学习选股
Q-learning/DQN基础、交易环境建模、RL选股实战。
强化学习DQN
19
生成对抗网络(GAN)应用
合成数据生成、市场情景模拟、对抗验证。
GAN模拟
20
图神经网络选股
股票关联图构建、GCN/GAT原理、关系型选股模型。
GNNGCN
21
Transformer模型选股
Attention机制、时间序列Transformer、Informer实战。
TransformerAttention
22
自动化机器学习(AutoML)
TPOT/AutoGluon框架、超参数自动搜索、模型自动选择。
AutoMLTPOT
23
模型部署与实盘接口
模型序列化(ONNX/PMML)、交易API对接(CTP/通达信)、实盘注意事项。
部署实盘
24
回测陷阱与常见错误
前视偏差、幸存者偏差、过拟合识别、数据泄露防范。
陷阱偏差
25
绩效归因分析
Brinson归因、风格归因、收益分解。
归因Brinson
26
投资组合优化
马科维茨均值-方差、Black-Litterman模型、风险平价策略。
组合风险平价
27
高频交易策略
做市商策略、统计套利、订单流预测。
高频做市
28
加密货币量化
加密货币数据获取、交易所API、特有策略。
加密API
29
量化研究平台搭建
Docker环境配置、Airflow任务调度、Grafana可视化。
平台Docker
30
课程总结与职业发展
量化研究员技能树、学习资源推荐、职业路径规划。
总结职业