所属分类：金融财务与量化 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

Python股票数据量化分析与回测框架

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
量化交易的基本概念 · 课程目标 · 学习路径
课程导入量化交易的基本概…
02
Python基础回顾
NumPy · Pandas · Matplotlib核心操作
Python基础回顾
03
金融数据获取
使用yfinance · Tushare · AkShare等库获取股票历史行情数…
金融数据获取yfinance
04
数据清洗与预处理
处理停牌 · 异常值 · 缺失值
数据清洗预处理
05
技术指标计算
使用TA-Lib或Pandas实现M… · MACD · RSI
技术指标计算TA-Lib
06
数据可视化
绘制K线图 · 均线图 · 收益率分布图
数据可视化绘制K线图
07
量化策略基础
趋势跟踪 · 均值回归 · 动量策略
量化策略基础趋势跟踪
08
策略信号生成
基于技术指标和自定义规则生成买卖信号 · 避免未来函数
策略信号生成基于技术指标
09
回测框架设计
回测的核心要素（资金 · 手续费 · 滑点
回测框架设计回测的核心要素
10
向量化回测实现
使用Pandas向量化计算策略收益 · 最大回撤 · 夏普比率等绩效指标
向量化回测实现Pandas
11
事件驱动回测实现
构建Bar事件 · Tick事件 · 订单管理
事件驱动回测实现Bar
12
绩效评估指标
年化收益率 · 波动率 · 夏普比率
绩效评估指标年化收益率
13
资金管理与仓位控制
固定比例 · 凯利公式 · 风险平价
资金管理仓位控制
14
交易成本与滑点模型
佣金 · 印花税 · 冲击成本
交易成本滑点模型
15
参数优化与过拟合
网格搜索 · 随机搜索 · 交叉验证
参数优化过拟合
16
多因子模型入门
因子定义 · 因子检验（IC/IR） · 因子组合构建
多因子模型入门因子定义
17
机器学习在量化中的应用
使用Scikit-learn构建简单… · 随机森林 · XGBoost）并集成到策略中
机器学习量化
18
风险管理与组合优化
使用PyPortfolioOpt进行… · 最大夏普组合 · 风险平价组合
风险管理组合优化
19
回测框架进阶
使用Backtrader或Zipli… · 支持多策略 · 多品种
回测框架进阶Backtrader
20
实盘交易接口
使用券商API（如vn.py · easytrader）模拟实盘交易 · 注意接口限制与风险
实盘交易接口API
21
案例实战一
双均线趋势策略的完整回测与绩效分析
案例实战一双均线趋势策略的…
22
案例实战二
RSI均值回归策略的构建 · 回测与参数敏感性分析
案例实战二RSI
23
案例实战三
基于MACD和布林带的组合策略开发与…
案例实战三MACD
24
案例实战四
多因子选股策略（价值+动量）的构建与…
案例实战四多因子选股策略
25
案例实战五
基于机器学习的涨跌预测策略（特征工程 · 模型训练 · 回测验证）
案例实战五基于机器学习的涨…
26
常见问题与陷阱
未来函数 · 幸存者偏差 · 前视偏差
常见问题陷阱
27
策略稳健性检验
蒙特卡洛模拟 · Bootstrap重采样 · 不同市场环境下的压力测试
策略稳健性检验蒙特卡洛模拟
28
回测结果的可视化与报告
生成净值曲线 · 回撤曲线 · 交易明细
回测结果的可视化报告
29
量化研究流程与工程化
从数据管理 · 策略研究 · 回测
量化研究流程工程化
30
综合提升与项目实战
设计一个完整的量化交易系统 · 从数据获取到策略回测再到模拟交易 · 并撰写项目总结与未来改进方向
综合提升项目实战