01
课程导论
什么是挖矿策略回测？为什么需要参数优化？课程目标与学习路径。
概念入门
02
环境搭建
Python环境配置、Jupyter Notebook安装、必备库安装。
工具配置
03
数据获取
从交易所API获取历史K线，数据清洗与预处理，CSV/HDF5存储。
数据API
04
数据可视化
matplotlib绘制K线图，均线、成交量，交互式图表探索。
图表matplotlib
05
技术指标计算
SMA/EMA、RSI、布林带 (Bollinger Bands) 的Python实现。
指标numpy
06
策略设计基础
简单移动平均线金叉死叉策略，逻辑与信号生成。
策略信号
07
回测引擎原理
事件驱动 vs 向量化回测，backtrader框架入门。
框架核心
08
编写第一个回测
使用backtrader实现SMA金叉策略，运行并查看结果。
实战backtrader
09
回测绩效指标
年化收益率、最大回撤、夏普比率、胜率、盈亏比计算与解读。
评估风险
10
绩效可视化
绘制资金曲线、回撤曲线、交易信号分布图。
可视化分析
11
参数优化概念
什么是参数优化？过拟合与欠拟合，优化目标的选择。
优化过拟合
12
网格搜索优化
遍历参数组合，寻找最优参数，热力图可视化。
网格调参
13
随机搜索优化
随机采样参数空间，效率对比与适用场景。
随机高效
14
贝叶斯优化入门
高斯过程与采集函数，使用scikit-optimize优化。
贝叶斯高级
15
优化陷阱与避免
前视偏差、生存偏差、数据窥探，如何避免常见错误。
陷阱稳健
16
多品种回测
同时回测多个交易对，投资组合绩效评估。
组合分散
17
多周期策略
结合日线、小时线、分钟线信号的策略设计。
多周期信号
18
风险管理基础
凯利公式、固定比例仓位、波动率调整仓位。
风控仓位
19
止损止盈策略
移动止损、固定止损、跟踪止损的回测实现。
止损出场
20
交易成本模拟
手续费、滑点、资金费率对回测结果的影响。
成本真实
21
策略稳健性检验
不同市场周期下的表现，蒙特卡洛模拟。
稳健模拟
22
机器学习入门
使用scikit-learn构建简单的价格方向预测模型。
ML预测
23
特征工程
从价格数据中提取有效特征，特征选择与降维。
特征预处理
24
模型集成策略
结合多个模型的预测结果，投票与加权策略。
集成投票
25
实盘模拟与回测对比
模拟交易与回测结果的差异分析。
模拟对比
26
策略部署基础
将策略封装为可执行的脚本或API服务。
部署脚本
27
日志与监控
记录交易日志，设置性能监控告警。
监控运维
28
策略迭代流程
从回测到实盘的完整工作流，版本控制。
迭代工作流
29
案例分析
经典趋势跟踪策略的回测与优化全流程。
实战趋势
30
课程总结与进阶
回顾核心知识点，推荐进阶学习资源与方向。
总结进阶