课程习题
每节课包含基础练习、研究练习和开放项目；参考答案位于独立 Notebook。
00_setup
01_financial_concepts
- 0.0 量化交易的数学：线性代数
- 1.1 价格与收益率
- 1.2 风险与波动率
- 1.3 金融市场基础
- 1.4 概率论、随机过程与模拟
- 1.5 ARCH/GARCH 波动率聚集建模
- 1.6 统计学基础与假设检验
- 1.7 时间序列分析
- 1.8 肥尾分布与金融市场的极端风险
- 1.9 大数定律与中心极限定理（金融视角）
- 1.10 现值、久期与资产定价基础
- 1.11 AR(1) 随机过程与均值回归
02_data
03_indicators
04_backtesting
- 4.0 策略从哪里来？
- 4.1 手写回测引擎
- 4.2 backtrader 框架回测
- 4.3 回测绩效指标
- 4.4 四大经典策略完整实现
- 4.5 Beta 对冲与市场中性策略 (Beta Hedging)
- 配对交易的研究型实现
- 卡尔曼滤波在配对交易中的进阶应用 (Kalman Filter Applications)
- 4.8 市场冲击与滑点模型 (Market Impact & Slippage)
- 4.9 多空股票市场中性策略 (Long-Short Equity)
- 4.10 策略业绩归因分析（Performance Attribution）
05_portfolio
- 5.1 Markowitz 均值-方差优化：构建“最优”组合
- 5.2 风险平价策略 (Risk Parity)
- 5.3 CAPM 与套利定价理论 (CAPM & APT)
- 因子分析与 Alpha 因子挖掘 (Factor Analysis)
- 风险模型与组合优化基础 (Risk Models & Optimization)
- 5.6 风险度量：VaR 与 CVaR (Value at Risk & Conditional VaR)
- 5.7 协方差矩阵估计：Ledoit-Wolf 收缩法
- 5.8 战术资产配置与动量轮动（TAA）
- 5.9 市场状态识别与动态配置（Regime Switching）
06_ml_trading
- 6.1 因子选择与重要性分析
- 6.2 机器学习预测市场涨跌
- 6.3 深度学习时序预测简介 — LSTM
- 6.4 过拟合的危险与 p-Hacking (The Dangers of Overfitting)
- 金融机器学习防泄漏：Purged K-Fold Cross-Validation
- 高阶投资组合优化 (Modern Portfolio Optimization)
- 6.7 杠杆与保证金管理 (Leverage & Margin)