《现代 A 股量化投研实战：从数据、因子、AI 到指增实盘闭环》课程体系大纲

受众定位：具备 Python 基础（熟悉基础语法、函数与常用数据结构），渴望掌握买方/私募级量化投研闭环的开发者、金融工程学生与量化进阶者。
核心原则：明确示例边界，贴合 A 股研究场景，验证时点一致性，逐步贯通工程流程。
现代技术栈：Python 3.11+、Polars（高性能时序与截面处理）、DuckDB（极速本地分析）、cvxpy（凸优化）、LightGBM/CatBoost（表格时序建模）。

当前进度：第 1–31 讲已有基础正文及可运行示例，正在逐章深化。第 1 讲已恢复至本次细化前的版本；深化方案尚待调整。学习目标与前置知识见学习路径，阅读材料见公开资源导读，运行方法见项目说明。

---

课程全景路线图

课程图示

可放大查看细节，点击百分比恢复原始大小。

---

第一模块：认知重塑与现代化量化工程栈（4讲）

第 1 讲：A 股量化生态与盈利模式全景

• 量化在 A 股赚什么钱：从早期的“小市值暴利”到当下的“中证1000/2000指增”、“量化中性”、“高频T0”与“宏观CTA”。
• 主流机构策略谱系：
  • 指数增强（Index Enhancement）：中证500、中证1000、A500 超额 Alpha 来源。
  • 市场中性（Market Neutral）：股指期货（IF/IC/IM）对冲逻辑与基差贴水成本。
• A 股独特交易制度与边界约束：
  • T+1 制度对日内换手与隔夜风险的影响。
  • 涨跌停限制（主板 ±10%，双创板 ±20%，北交所 ±30%）。
  • 印花税与融券受限机制（做空工具的稀缺性）。

第 2 讲：量化回测的“四大死因”与防范心法

• 前瞻偏差（Lookahead / Future Bias）：
  • 案例剖析：在 10 月 15 日用三季报财报数据做回测为什么是致命错误？
  • 日内最高价/最低价引入的未来信息泄漏。
• 幸存者偏差（Survivorship Bias）：已退市、暂停上市股票在历史回测中的“人间蒸发”陷阱。
• 不可成交陷阱：一字涨停买入、跌停板卖出带来的虚高胜率。
• 过拟合与数据窥探（Data Snooping / P-Hacking）：参数过多的虚假夏普比率。

第 3 讲：告别缓慢的传统栈：现代量化工程环境搭建

• 包管理工具：基于 uv / pixi 的极速现代 Python 环境管理。
• 为什么不再只用 Pandas：
  • Polars 在截面多因子计算中的表达式与并行能力；通过结果一致性检查和实测比较性能。
  • DuckDB 嵌入式 OLAP 数据库：秒级聚合百万级股票时序与财报数据。
• 存储方案设计：从 CSV 迁移到分区 Parquet 格式，构建轻量高效的本地数据湖。

第 4 讲：A 股多源数据接入与本地落库实战

• 免费与商用数据源对比：Tushare Pro、AkShare、Baostock 与商业级 Choice/Wind/通达信数据源接入。
• 数据同步与本地管道构建：
  • 日频 Bar、复权因子、指数成分股历史权重、交易日历的自动化抓取与校验。
  • 实操产出：搭建一个轻量级、自动化更新的 A 股本地 Parquet 基础数据库。

---

第二模块：数据工程与无泄漏清洗（PIT 基石）（4讲）

第 5 讲：行情数据复权与动态股票池（Universe）构建

• 复权机制深潜：前复权 vs 后复权的区别与适用场景（因子计算用后复权，回测成交与价格用真实行情）。
• 动态 Universe 过滤标准：
  • 剔除次新股（上市前 N 天不参与交易）。
  • 剔除 ST / *ST 及退市风险整理期个股。
  • 处理盘中临时停牌与全天停牌股票。
• 代码实现：构建随时间滚动的有效交易标的池掩码矩阵（Trading Mask）。

第 6 讲：Point-in-Time (PIT) 财报数据的正确处理

• 财报三大核心时间戳：报告期（Period End Date）、实际公告披露日（Notice Date）、更正公告日（Revision Date）。
• PIT 数据对齐算法：
  • 确保任意历史回测时点 $t$，策略只能“看到”在 $t$ 日之前已经披露的最新财报。
  • 解决一季报、中报、三季报、年报交叉披露期的时序错位问题。
• 实操代码：明确 join_asof 的适用条件，并按可用时刻、报告期和版本实现财报对齐。

第 7 讲：行业分类演变与概念标签维护

• 行业分类体系：申万一级/二级行业、中信行业的分类逻辑。
• 行业分类的变更历史：处理行业重新划分对历史因子的冲击。
• 概念板块数据治理：概念轮动与主题暴露的定量标记。

第 8 讲：【动手实操】手写一个高性能 A 股 PIT 数据检索引擎

• 需求目标：输入日期 2024-03-01 与股票列表，返回该交易日收盘后的量价特征、当时可用的财报指标与行业掩码，并验证数据边界。
• 单元测试：针对未来函数注入模拟测试（Lookahead Leakage Testing），确保代码健壮性。

---

第三模块：特征工程与经典/微观因子挖掘（5讲）

第 9 讲：经典量价因子库工程化实现

• 动量与反转类：经典时序动量、截面动量、短期反转（A 股 5 日 / 20 日反转效应分析）。
• 波动与极端收益类：历史波动率、特异质波动率（Idiosyncratic Volatility）、最大日收益（MAX 异象）。
• 流动性与换手类：Amihud 非流动性指标、超额换手率、量价背离系数。
• 代码规范：用 Polars 表达式向量化计算 20+ 个经典量价因子，彻底摒弃慢速 for 循环。

第 10 讲：基本面与分析师预期因子

• 价值与盈利能力：EP（市盈率倒数）、BP（市净率倒数）、ROE 拆解（杜邦分析体系）。
• 成长与财务质量：SUE（标准化意外盈利）、营收同比增速、经营性现金流占净利润比重。
• 分析师预期因子：预期评级调高、预期净利润上修动量（若使用另类数据）。

第 11 讲：高频数据低频化特征工程（买方核心超额来源）

• 高频微观结构视角：从日内 Level-2 快照中提炼中低频 Alpha。
• 订单流不平衡（Order Flow Imbalance, OFI）：
  • 买一卖一挂单量变化与价格变动关系。
  • 日内 OFI 的低频聚合（日频/周频累计）。
• 日内量价微观模式：
  • 聪明钱因子（Smart Money Indicator）：基于日内小单与大单的成交 VWAP 差异。
  • 开盘后 30 分钟与尾盘 30 分钟量能集中度特征。

第 12 讲：因子预处理工业级四步法

• Step 1: 去极值（Winsorization）：3-Sigma 法 vs 绝对中位数偏差（MAD）法。
• Step 2: 缺失值填充与处理：行业中位数填补 vs 截面剔除。
• Step 3: 标准化（Standardization）：Z-Score 截面标准化。
• Step 4: 行业与市值中性化（Neutralization）：
  • 为什么必须中性化？（去除行业 Beta 与小市值非意图暴露）。
  • 基于加权最小二乘法（WLS）的截面残差提取实战。

第 13 讲：因子正交化与共线性消除

• 多重共线性危害：因子间高度相关导致组合权重失真与过拟合。
• 对称正交化（Symmetric Orthogonalization）：保持因子原始经济含义的最大化保留。
• 施密特正交化（Gram-Schmidt）：指定基准因子优先级的逐步剥离法。
• 实战产出：核对正交和中性化约束，并解释变换如何改变特征含义；正交性不证明预测能力。

---

第四模块：工业级因子评估体系（4讲）

第 14 讲：因子预测力核心指标（IC / Rank IC / ICIR）

• IC（Information Coefficient）与 Rank IC 的数学原理：皮尔逊相关系数 vs 斯皮尔曼秩相关系数。
• ICIR 与 t 统计量：评估因子的稳定性与置信度。
• 证据标准：结合效应大小、样本长度、自相关、多次试验和样本外表现评价，不使用通用 IC/ICIR 优秀门槛。

第 15 讲：分层回测与单调性检验

• 分组收益测试法（Quantile Portfolio Analysis）：
  • 将股票按因子值分为 5 组或 10 组，计算各组净值曲线。
  • 单调性检验：单调递增/递减评分，防止中间组非单调震荡。
• 多空对冲收益（Long-Short Spread）：
  • Top 组减去 Bottom 组的多空年化收益与最大回撤。
  • 多头超额（Top 组跑赢基准）与空头贡献分离评估。

第 16 讲：因子换手率与衰减曲线（Alpha Decay）

• 因子自相关性与换手率预估：自相关系数越高，未来调仓换手率越低。
• 因子衰减曲线绘制：
  • 测算因子在滞后 1 天、3 天、5 天、10 天、20 天后的 IC 衰减速度。
  • 确定策略最佳调仓周期（日频、3日频还是周频？）。

第 17 讲：【实战避坑】假因子的“打脸”排查案例

• 案例 1：一个看似 Rank IC 高达 0.12 的“超强因子”，为什么中性化后收益荡然无存？（暴露了微盘股市值溢价）。
• 案例 2：高夏普策略在实盘中完全买不进（涨停打板幸存者陷阱）。

---

第五模块：截面排序与时序机器学习建模（5讲）

第 18 讲：金融时序交叉验证（CV）的正确切法

• 为什么普通 K-Fold 是灾难：时序自相关导致的严重数据外泄。
• Purged Group Time Series Split：
  • 设定评估隔离期（Purging）与预测重叠缓冲区（Embargoing）。
  • 组合式清洗交叉验证（Combinatorial Purged Cross-Validation, CPCV）原理与代码。

第 19 讲：表格级梯度提升树（LightGBM / CatBoost）实战

• 目标函数选择：
  • 回归目标（Regression MSE/Huber）：预测未来 N 日收益率。
  • 排序目标（LambdaMART / RankPairwise）：直接预测截面相对排名。
• 特征工程与样本构造：
  • 样本标签去极值与截面排名归一化。
  • 滚窗训练（Walk-forward Retraining）机制设计。

第 20 讲：树模型抗过拟合与特征解释性

• 正则化调优实战：学习率、叶子节点数、特征随机采样比例（feature_fraction）。
• SHAP 值特征归因：分析具体因子在不同行情环境下对模型决策的边际贡献。
• 对抗验证（Adversarial Validation）：检测训练集与测试集是否存在显著分布漂移（Distribution Shift）。

第 21 讲：深度学习在 A 股选股中的适用边界

• 时序深度模型：LSTM / GRU vs 1D-CNN vs Temporal Transformer 在截面排序中的表现评测。
• “维度灾难”与噪声信噪比陷阱：为什么复杂深度学习往往在实盘中跑输精细特征工程加持的 LightGBM？
• 深度模型最佳实践：作为特征提取器生成低维嵌入（Embedding），而非端到端直接预测仓位。

第 22 讲：【实战】从多因子截面打分到全自动选股流水线

• 输入契约：已完成时点对齐的特征面板、成熟标签和交易日历。
• 时间隔离：训练、验证、收益校准与最终测试分别处理。
• 排序到收益：用样本外成熟标签校准排序分数，输出可供组合优化的持有期预期收益。
• 执行衔接：收盘目标权重与下一交易时段的实际成交分开，空目标也保留明确语义。
• 扩展边界：LLM/Agent 投研作为未来可选专题，不再误列为本讲已实现功能。

---

第六模块：Barra 风险模型与现代组合优化（4讲）

第 23 讲：A 股 Barra 结构化风险模型精讲

• 多因子风险模型底层原理：将股票总风险拆解为行业风险、风格风险与特异风险。
• A 股 10 大核心风格因子构建：Size（市值）、Beta、Momentum（动量）、Volatility（波动）、Non-linear Size（中盘）、Value（价值）、Liquidity（流动性）等。
• 因子暴露度矩阵 $X$ 的规范化处理。

第 24 讲：cvxpy 指数增强组合优化

• 目标函数：持有期收益、风险惩罚和组合约束的量纲对齐。
• 约束：预算、行业、风格、个股权重和年化跟踪误差硬上限。
• 求解检查：读取问题状态、检查残差，处理不可行和数值误差。
• 深化方向：凸性、对偶与约束敏感性的直觉和手算案例。

第 25 讲：换手率约束与交易成本惩罚项引入

• 交易成本：线性税费与基于 AUM/ADV 的非线性冲击项。
• 换手约束：区分换手上限和惩罚，按真实交易金额解释参数。
• 风险预算：持有期收益与年化风险的转换，成本/风险/换手之间的权衡。
• 实验：不同换手预算下的净收益情景与可行性检查，不预设最优参数。

第 26 讲：风险平价（Risk Parity）与层级风险平价（HRP）

• 非基准型配置模型：当不追求相对指数超额，而追求全天候绝对收益时的组合解法。
• 分层风险平价（Hierarchical Risk Parity）：基于图聚类的资产权重分配，规避矩阵求逆数值不稳定问题。

---

第七模块：严苛全真回测与执行摩擦建模（3讲）

第 27 讲：A 股回测引擎架构：向量化 vs 事件驱动

• 两套回测框架的权衡：
  • 向量化回测（Vectorized Backtest）：速度极快，用于前期数千个因子及策略的粗筛。
  • 事件驱动回测（Event-Driven Backtest）：逐日/逐笔状态机推进，用于精细仿真成交与风控。
• 架构设计：手写一个支持持仓簿（Position Ledger）、订单簿（Order Registry）与现金流跟踪的极简事件驱动引擎。

第 28 讲：真实交易摩擦全真模拟

• 逐笔费用：按可配置税费、最低佣金和冲击参数计算；历史费率与账户合同由外部按生效日期提供。
• 滑点与冲击成本（Market Impact）模型：
  • 固定跳数滑点（Fixed Tick Slippage）。
  • 基于平方根法则（Square-root Law）的市场冲击模型：冲击成本与订单占日均成交量（ADV）比例的关系。
• 容量情景测算：统一单边年换手、每日订单与双边成本口径，保留负利润；网格结果不等于实盘容量。

第 29 讲：A 股特殊撮合规则代码级实现

• 涨跌停无法成交判定：
  • 买入开盘触及涨停价时保守拒单，不读取当日最终高低收盘价。
  • 卖出开盘触及跌停价时保守拒单，实际未成交持仓继续估值；其他订单受开盘可成交量约束。
• 停牌与分红送转处理：
  • 停牌期间不可调仓，被动成为死仓。
  • 登记日冻结权益，除权日确认应收与送股，现金支付日和股份上市日分别结算。

---

第八模块：绩效归因、监控与风控看板（2讲）

第 30 讲：业绩归因实战：赚的是 Beta 还是纯 Alpha？

• Brinson 绩效归因模型：资产配置收益（Allocation）、个股选择收益（Selection）与交叉收益（Interaction）。
• Barra 因子损益归因：
  • 拆解行业、风格、股票未解释残差、现金和费用，并核对净主动收益；残差不等于已证明的纯 Alpha。
• 输出单期归因表与闭合误差；期内交易及多期链接需另行处理。

第 31 讲：实盘运行监控与风控预警看板

• 策略健康度监测指标：
  • 滚动年化跟踪误差（Tracking Error）与目标 TE 检查。
  • 风格漂移检验：实际持仓风格暴露是否击穿风控阈值。
  • 从初始净值 1 计算相对净值回撤，持久于进程内的分级状态、滞回与显式复位；控制输出接入执行层。
• 特征分布预警（PSI 指标）：监测输入分布和缺失/NaN，不能单独证明概念漂移或决定重训。

---

贯穿全课程的毕业项目方向（待完成的综合作业）

以下是研究与工程练习目标，不是仓库已经交付的三套生产系统。阶段划分与评分标准见学习路径。

课程图示

可放大查看细节，点击百分比恢复原始大小。

项目 1：中证 1000 指数增强端到端系统

• 目标：以中证 1000 指数为基准，构建多因子指增策略，以年化跟踪误差 5% 作为示例风险预算，报告扣费后样本外超额、回撤和稳定性，不预设可实现的收益水平。
• 产出：
  1. PIT 动态 Universe 与基础特征计算脚本；
  2. 行业与市值严格中性化的优化器配置；
  3. 扣除真实交易摩擦后的专业回测与 Barra 归因报告。

项目 2：基于高频微观结构特征的 A 股 5 日 LightGBM 选股策略

• 目标：融合日线量价、基本面以及 Level-2 快照提取的日内微观特征（OFI、聪明钱指标），训练 LightGBM 模型预测未来 5 日收益。
• 产出：
  1. 高频特征低频化提取模块；
  2. Purged Time-Series CV 调优模型；
  3. SHAP 因子重要性解释看板与实战分层收益图。

项目 3：A 股市场中性策略与对冲风险研究

• 目标：构造股票多头与股指期货对冲情景，记录估计 Beta、剩余暴露、基差、保证金及流动性风险，不承诺完全对冲或正收益。
• 产出：
  1. 股指期货展期与基差贴水（Basis Discount）成本测算模块；
  2. 极端下行风险监控与杠杆比例控制；
  3. QMT 仿真环境模拟下单与成交对账脚本。