资源简介
本教程将带你从零起步，逐步深入量化投资的核心世界，通过实战案例完整掌握Python量化金融交易系统的构建方法。课程涵盖从基础框架入门到多因子选股策略的完整链路，助你打通量化交易的任督二脉。
第一部分：量化交易框架入门
本模块带你揭开量化交易的神秘面纱，从整体认知到实操流程，建立扎实的框架思维。
1. 量化交易介绍
2. 量化交易项目流程与核心工作内容
3. 回测框架介绍
4. 策略运行过程介绍（上）
5. 策略运行过程介绍（下）
6. 获取板块信息与交易行情数据
7. 获取财务数据与定时器应用
第二部分：交易策略入门
从知识复习到策略落地，本模块引导你亲手实现第一个选股策略，并学会用收益与风险指标衡量策略优劣。
1. 复习回顾
2. 获取财务数据与定时器
3. 投资组合与交易
4. 策略的收益指标
5. 策略风险指标
6. 案例：策略介绍
7. 案例：实现一个简单的选股策略
8. 总结
第三部分：多因子法与去极值
深入Alpha与Beta的本质，探索多因子策略的构建逻辑，并掌握因子数据去极值的核心技法——让数据更干净，策略更稳健。
1. Alpha与Beta及多因子策略介绍
2. 案例：市值因子选股介绍
3. 案例：市值因子选股演示
4. 多因子策略流程、因子数据组成与去极值介绍
5. 案例：分位数去极值与3倍中位数法去极值
6. 案例：3Sigma法去极值
第四部分：因子数据处理
数据是量化策略的基石。本模块聚焦因子标准化与市值中性化处理，带你理解并实践如何消除因子间的隐性干扰。
1. 复习回顾
2. 因子数据的标准化处理
3. 市值中性化处理介绍
4. 案例：市值中性化实现及回测选股结果
5. 市值中性化结果总结分析
6. 总结
第五部分：IC分析实战
如何判断一个因子是否真正有效？本模块借助alphalens工具，系统讲解单因子有效性分析的全流程，从因子暴露度到IC统计，层层递进。
1. 单因子有效性分析介绍
2. 案例：因子暴露度与收益率相关性计算演示
3. IC分析实战：alphalens介绍与因子横截面数据准备
4. IC分析实战：价格时间获取与alphalens生成统一数据结构
5. IC分析实战：IC结果统计与研报分析阅读
第六部分：多因子分析
从单因子走向多因子，本模块涵盖收益率分析、分组筛选、因子相关性计算与PCA因子合成，构建系统化的多因子研究体系。
1. 复习回顾
2. 回测内容确定
3. 收益率分析实战：单因子有效性打分筛选规则与单因子回测框架查看选股位置
4. 分组因子筛选
5. 分组统计结果讲解及研报分析阅读
6. 多因子相关性实战：计算相关性及目的
7. 多因子合成实战：利用PCA进行因子暴露值合成
第七部分：打分法选股
将多因子研究成果转化为选股利器。本模块通过分组打分与综合得分，实战演示打分法选股的完整流程与回测分析。
1. 打分法选股实战：分组打分
2. 打分法选股实战：综合得分选股股票池
3. 打分法选股实战：回测结果分析
第八部分：回归法选股
回归法是量化选股的另一柄利器。本模块从回归系数确定到预测收益率计算，完整拆解回归法选股的每一步，并与打分法进行对比总结。
1. 回归法选股实战：回归系数确定——每月末交易列表获取与因子数据获取
2. 回归法选股实战：股票交易日列表价格数据获取与下一期收益率计算
3. 回归法选股实战：股票因子特征值与下期收益率回归训练
4. 回归法选股实战：回归系数确定步骤总结
5. 模拟交易介绍
6. 回归法选股实战：利用回归系数选股——回测因子数据处理
7. 回归法选股实战：利用回归系数选股——回归计算预测股票收益率结果分析
8. 两种选股方法总结
第九部分：量化交易系统架构
站在更高视角审视量化交易系统的整体架构，回顾技术指标策略实践，为整套课程画上完整句号。
1. 技术指标策略实践（了解）
2. 量化系统架构介绍
3. 量化总结
附：配套资料
评论0