01
量化投资概述
什么是量化投资 · 优势与挑战 · 多因子模型简介 · AI应用前景
入门全景
02
金融数据基础
股票数据获取(tushare/akshare) · 清洗与预处理 · 存储(CSV/HDF5/数据库) · 质量检查
数据必备
03
因子投资哲学
因子定义与分类 · 逻辑与经济学解释 · 因子投资发展历程
理念框架
04
常见风格因子
市值 · 价值 · 动量 · 反转 · 波动率因子
风格核心
05
基本面因子
盈利(ROE/ROA) · 成长 · 质量 · 估值(PE/PB/PS)
基本面财报
06
技术因子
均线系统(MA/EMA) · 量价关系(OBV/VR) · 波动类(ATR/布林带) · 资金流向
技术量价
07
另类因子
舆情因子(新闻情感) · 供应链 · 股东行为 · 宏观经济因子
另类创新
08
因子计算与实现
Python计算因子 · 标准化(Z-score/分位数) · 中性化 · 正交化
实现代码
09
因子有效性检验
IC分析 · IR分析 · 分组回测 · t检验
检验统计
10
因子相关性分析
相关性矩阵 · 多重共线性 · 聚类分析 · 冗余剔除
诊断优化
11
多因子模型构建
加权法 · 打分法 · 回归法(Fama-MacBeth) · 机器学习法
建模核心
12
传统多因子模型实战
沪深300选股 · 中证500增强 · 行业/市值中性化
实战传统
13
AI选股入门
机器学习场景 · 特征工程 · 标签定义 · 数据集划分
AI入门
14
线性模型选股
线性回归 · 岭回归/Lasso · 逻辑回归 · 评估指标
线性分类
15
树模型选股
决策树 · 随机森林 · XGBoost · LightGBM · 特征重要性
树模型集成
16
神经网络选股
MLP · 深度学习特征 · Dropout/BatchNorm · 超参数调优
神经网络DL
17
时序模型选股
LSTM · GRU · Attention · Transformer尝试
时序RNN
18
强化学习选股
Q-Learning/DQN · 投资组合RL · 策略/价值网络
强化学习前沿
19
AI+因子融合框架
因子作为特征 · 合成因子 · 因子择时 · 混合模型
融合框架
20
特征工程进阶
因子衍生 · 时序特征 · 特征选择(Filter/Wrapper/Embedded)
特征进阶
21
模型融合技术
Stacking · Blending · 投票机制 · 分层融合
集成融合
22
过拟合与风险控制
交叉验证(滚动时间窗) · 正则化 · 早停 · 复杂度控制
风控稳健
23
回测系统搭建
事件驱动 · 向量化回测 · 交易成本/滑点 · 业绩归因
回测系统
24
策略评价体系
年化收益率 · 夏普比率 · 最大回撤 · 信息比率 · Calmar · 换手率
评价指标
25
实盘交易接口
券商API(QMT/PTrade) · 信号生成 · 订单管理 · 风险监控
实盘接口
26
风险管理模块
VaR · 持仓集中度 · 行业暴露 · 杠杆控制
风控模块
27
组合优化
均值-方差 · Black-Litterman · 风险平价 · 目标风险
优化组合
28
实战案例一
XGBoost+多因子 · 中证500增强 · 全流程
实战XGBoost
29
实战案例二
LSTM+Attention · 行业轮动 · 深度学习实战
实战LSTM
30
课程总结与展望
多因子+AI未来 · 大模型量化 · 学习路径与资源
总结展望