量化交易学习-清单

week1

🗓️ 第 1 周：熟悉金融时间序列 & 数据处理

🎯 目标

掌握行情数据的读取、清洗、聚合与可视化。

📘 学习重点

pandas / polars 的时间序列操作

.groupby(), .rolling(), .resample()

datetime 处理、索引操作

可视化（matplotlib / plotly）

🧩 实践任务

读取股票分钟线数据（如 CSV）

计算 MA5、MA20，并画出 K 线 + 均线

按日期聚合统计每日收益率

🧾 输出成果

plot.png：显示一段时间内的价格 + MA5/MA20 notebook: 完整数据清洗 + 可视化脚本

🗓️ 第 2 周：实现基础回测框架（单标的）

🎯 目标

能够运行一个简单策略（如双均线）并输出资金曲线。

📘 学习重点

策略信号：上穿/下穿判定

回测循环：买入/卖出逻辑

仓位管理、手续费

资金曲线计算

🧩 实践任务

实现“MA5 上穿 MA20 买入，下穿卖出”

记录每次交易（时间、价格、持仓）

输出资金曲线

🧾 输出成果

backtest.py: 一个能运行的回测脚本

equity_curve.png: 净值曲线

控制台输出：总收益、最大回撤、年化收益

🗓️ 第 3 周：多标的与选股策略

🎯 目标

扩展到多股票的回测框架。

###📘 学习重点

groupby 按股票处理

rank 选股逻辑

每周期调仓（如每周选 top N 股票）

合并多标的净值曲线

🧩 实践任务

每周对所有股票打分（例如过去 5 日收益）

选 top 5 买入，等权配置

计算组合净值曲线

🧾 输出成果

portfolio_backtest.py

portfolio_equity_curve.png

输出组合收益率、夏普、最大回撤

🗓️ 第 4 周：性能与指标计算

🎯 目标

写出专业级绩效分析模块。

📘 学习重点

年化收益、最大回撤、夏普比率、Calmar 等

净值序列平滑与风险指标

Polars / Numpy 向量化优化

🧩 实践任务

实现指标计算函数：

def annual_return(equity): … def sharpe_ratio(equity): … def max_drawdown(equity): …

对策略输出做完整分析报告

绘制净值曲线 + 回撤曲线

🧾 输出成果

performance.py 模块

一份 performance_report.md，展示指标与图表

🗓️ 第 5～6 周：逐笔数据与 orderbook 复原

🎯 目标

理解撮合机制，能从挂单/撤单/成交数据重构盘口。

📘 学习重点

orderbook 结构（bid/ask 队列）

price-time 优先撮合原则

逐笔消息流事件处理

数据结构设计（用 SortedDict 管理档位）

🧩 实践任务

写一个简化版盘口维护类：

class OrderBook: def add_order(self, order): … def cancel_order(self, order_id): … def match_trade(self, trade): …

从事件流（逐笔数据）恢复盘口快照

输出某个时间段内前 5 档盘口

🧾 输出成果

orderbook_sim.py

snapshot.png: 展示盘口深度随时间的变化

如果你有真实逐笔数据，可验证准确性

🧠 额外强化方向（可选）

主题	内容
回测框架进阶	支持滑点、持仓限制、交易成本
数据库优化	用 Parquet / Polars 处理亿级数据
可视化	用 Plotly 绘制交互式收益曲线
量化工具	了解 vectorbt、backtrader 的设计思想
研究能力	复现经典论文策略，如 momentum, value, low-vol

🧭 总结

阶段	难度	输出成果	关键词
第 1 周	⭐️	数据清洗+可视化	时间序列
第 2 周	⭐️⭐️	单标策略回测	双均线
第 3 周	⭐️⭐️⭐️	多标组合策略	排名选股
第 4 周	⭐️⭐️	指标计算模块	夏普/回撤
第 5-6 周	⭐️⭐️⭐️⭐️	盘口重建	OrderBook