首页
›
热销单品
›
金融理财
›
金融
›
《量化策略回测偏差识别与修正》
所属分类:金融
当前为单品课程,可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录
咨询 / 购买
📘
量化策略回测偏差识别与修正
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 回测偏差的定义与重要性
课程导入
学习目标
02
回测基础
回测的基本流程 · 数据准备 · 策略参数与绩效指标
回测基础
回测的基本流程
03
偏差总览
常见回测偏差分类(前视偏差 · 生存偏差 · 过拟合等)及影响
偏差总览
常见回测偏差分类
04
前视偏差
定义 · 来源(未来数据泄露) · 识别方法(时间戳检查
前视偏差
定义
05
生存偏差
定义 · 样本选择偏差 · 识别方法(退市股票处理)与修正案例
生存偏差
定义
06
过拟合偏差
参数优化陷阱 · 多重测试问题 · 识别方法(样本外测试
过拟合偏差
参数优化陷阱
07
数据偏差
数据清洗 · 复权处理 · 异常值
数据偏差
数据清洗
08
交易成本偏差
佣金 · 滑点 · 市场冲击的建模与回测中的常见错误及修…
交易成本偏差
佣金
09
流动性偏差
成交量限制 · 冲击成本 · 买卖价差对策略绩效的影响与修正
流动性偏差
成交量限制
10
时间周期偏差
不同频率数据(日线 · 分钟线)带来的偏差 · 时区处理与修正
时间周期偏差
不同频率数据
11
幸存者偏差实战
构建包含退市股票的数据集 · 对比偏差前后的策略表现
幸存者偏差实战
构建包含退市股票…
12
前视偏差实战
识别策略代码中的未来函数 · 修正后重新回测
前视偏差实战
识别策略代码
13
过拟合识别实战
使用Walk-Forward分析 · 组合优化与正则化方法减少过拟合
过拟合识别实战
Walk-Forward
14
交易成本敏感性分析
模拟不同成本水平 · 评估策略稳健性并调整参数
交易成本敏感性分…
模拟不同成本水平
15
多因子模型中的偏差
因子数据对齐 · 因子中性化 · 因子拥挤度与偏差修正
多因子模型
偏差
16
机器学习策略的偏差
数据泄漏 · 特征选择偏差 · 交叉验证不当与修正方法
机器学习策略的偏…
数据泄漏
17
回测平台对比
不同回测引擎(Backtrader · QuantConnect等)的偏差来…
回测平台对比
Backtrader
18
统计检验方法
t检验 · 夏普比率置信区间 · Bootstrap方法在偏差识别中的…
统计检验方法
t检验
19
稳健性检验
参数敏感性分析 · 蒙特卡洛模拟 · 随机种子对回测结果的影响
稳健性检验
参数敏感性分析
20
样本内外划分
时间序列分割 · K折交叉验证在时间序列中的正确使用
样本内外划分
时间序列分割
21
偏差修正框架
建立系统化的偏差检测流程(数据检查 · 代码审查 · 统计检验)
偏差修正框架
建立系统化的偏差…
22
案例
趋势跟踪策略的偏差识别与修正(包含数… · 代码 · 结果对比)
案例
趋势跟踪策略的偏…
23
案例
统计套利策略的偏差识别与修正(包含协… · 交易成本)
案例
统计套利策略的偏…
24
案例
高频策略的偏差识别与修正(包含逐笔数… · 延迟 · 撮合模型)
案例
高频策略的偏差识…
25
常见误区
过度优化 · 忽略成本 · 数据窥探
常见误区
过度优化
26
偏差对实盘的影响
回测与实盘差异分析 · 绩效衰减原因与应对
偏差对实盘的影响
回测
27
工具与库
Python中用于偏差检测的库(如v… · pyfolio · alphalens)的使用
工具
Python
28
报告与沟通
如何向团队或客户展示回测结果并说明偏…
报告
沟通
29
综合实战项目
从数据获取到回测 · 偏差识别 · 修正
综合实战项目
从数据获取到回测
30
课程总结
核心要点回顾 · 最佳实践清单 · 进一步学习资源与社区
课程总结
核心要点回顾
所属VIP或分类
同VIP:ETF申购赎回与套利机制深度解析
同VIP:FOF基金筛选框架与组合管理
同VIP:LOF基金交易机制与折溢价机会