实战项目驱动
真实案例与代码实践
学习路线
五个阶段，从入门走向独立实践
每个阶段围绕一个核心能力展开，并通过平台任务完成验证；学习不是看完课程，而是逐步形成可运行、可回看的实践成果。
- 01
量化基础
建立方法
从金融市场、数据结构与研究工具开始，建立能够继续动手的共同语言。
- 量化交易基本概念
- 市场与交易品种
- 收益、成本与风险
- Python 与研究工具
打好基础，建立框架
- 02
数据与分析
理解数据
围绕数据清洗、特征构造和因子检验，把概念转化为可观察的研究过程。
- 数据获取与清洗
- 常用技术指标
- 数据可视化分析
- 因子与信号构建
用数据说话，发现规律
- 03
策略开发
验证思路
将研究假设写成策略，使用历史数据验证表现，并理解参数与风险之间的关系。
- 策略逻辑与编码规范
- 交易规则参数化
- 仓位与风险控制
- 常见策略实践
从代码到策略
- 04
回测与优化
持续优化
在统一的历史数据和评估标准下验证策略，理解收益、风险与稳健性的关系。
- 回测环境搭建
- 绩效指标解读
- 参数优化方法
- 过拟合与稳健性
用数据验证，持续优化
- 05
实盘与进阶
持续成长
从模拟交易走向更完整的策略执行与监控，继续拓展 AI 量化与机器学习方法。
- 模拟交易环境
- 交易执行与风控
- 策略监控与维护
- AI 量化进阶方向
实战交易，持续成长
配套学习资料
课程内容与实验讲义
教师答疑辅导
课堂指导与实践反馈
持续更新迭代
跟进市场与研究方法
03 / INSIDE THE LAB
每一次学习，都有一个真实的操作界面。
从工作台、理论训练到模拟交易与 AI 辅助，学习内容会在不同的实践场景中逐步落地。
从待办开始，知道下一步做什么。
课程上下文、练习任务、学习趋势与近期回测集中在同一个工作台中。
- 查看课程任务与提交状态
- 回看学习趋势与回测记录
- 沿着待办继续完成练习
04 / LEARNING OUTCOMES
学习结束时，留下可以继续使用的东西。
课程的价值不只在于完成观看。每一次练习都可以留下方法、过程和成果，为下一次研究或项目提供起点。
方法理解
知道为什么这样做，也知道下一步如何验证。
实验记录
保留数据、参数与操作过程，方便回看与复盘。
策略版本
把想法整理成可运行、可比较的策略版本。
项目素材
沉淀报告、代码或研究笔记，继续用于后续实践。