01第 1–4 讲
FOUNDATIONS工程与量化认知
建立研究边界，搭建现代数据与计算环境。
QUANTML / RESEARCH SERIES
量化研究手册
Quantitative Research Handbook
从数据、特征、AI 到指增实盘闭环
以完整研究流程组织量化知识，将金融逻辑、数学方法与 Python 实践连接起来。
适合具备 Python 基础的学习者·金融与数学系统进阶
THE RESEARCH LOOPA-SHARE / 01
从研究到决策
一条完整的投研路径验证 · 执行 · 归因 · 迭代
08核心模块完整投研链路
31系统课程由基础通向实践
01 / REPRODUCIBLE可运行的研究实践Python 示例与方法验证
02 / OPEN KNOWLEDGE开放的知识体系公开教材、论文与成熟工具
THE CURRICULUM
构建完整的量化知识体系
从数据可信，到信号有效，再到组合可执行。
沿研究流程逐步深入，也可按主题进入。
02第 5–8 讲
POINT-IN-TIME数据工程与 PIT
从行情到财报，构建时点一致、可追溯的数据底座。
03第 9–13 讲
FACTOR RESEARCH特征工程与因子挖掘
连接经济逻辑与统计特征，完成因子构造与标准化。
04第 14–17 讲
VALIDATION因子评估与验证
检验预测力、稳定性与交易可行性，识别虚假超额。
05第 18–22 讲
MACHINE LEARNING金融机器学习
从时间隔离验证到截面排序，形成可解释的选股流程。
06第 23–26 讲
PORTFOLIO CONSTRUCTION风险模型与组合优化
将预测信号转化为满足风险、成本与换手约束的组合。
07第 27–29 讲
BACKTEST & EXECUTION全真回测与交易执行
把交易制度、成交限制与市场冲击纳入策略检验。
08第 30–31 讲
ATTRIBUTION & MONITORING绩效归因与实盘监控
拆解收益来源，建立运行监控、风险预警与复盘闭环。
BEYOND THE LESSONS让知识形成体系，
让知识形成体系，
让研究可以复现。
以课程为主线，以公开资源补足基础，
将每一讲落实为可检验的研究能力。
RESEARCH TOOLKITPythonPolarsDuckDBLightGBMCVXPY