量化投资
学习中
🎯 零基础一个月入门量化投资，个人理财方向，半实战：以投资逻辑为主，代码由 AI 代写——能向 AI 描述需求获取数据、度量风险收益、回测简单策略，并看懂结果
📖 课程目录
- 第 1 课：量化投资是什么 已完成
- 第 2 课：实战热身：拉数据画图 已完成
- 第 3 课：用 Python 量化收益与风险 已完成
- 第 4 课：第一个策略：定投 vs 动量 已完成
- 第 5 课：因子入门 已完成
- 第 6 课：因子与估值实操巩固 学习中
📋 学习计划
量化投资学习路线图
学习者画像：零基础（投资/金融）、个人理财兴趣、一个月入门、半实战
节奏：每周约 2 课，共 8 课；从第 2 课起每课都有「观察验证 + AI 代写代码」双轨任务
代码策略：不教编程。所有 Python 代码由 AI 代写，你只需“提需求 + 看懂输出”，想自己跑随时复制即用
学习目标（总）
学完后你能：
- 向 AI 描述需求，让它帮你拉取股票/基金历史数据（如“用 yfinance 拉沪深300 近 5 年日线”）；
- 看懂 AI 算出的收益率、波动率、夏普比率、最大回撤等数字，知道它们说明什么；
- 让 AI 帮你把策略写成回测代码，理解“信号→仓位→收益曲线→绩效报告”的流程与输出指标；
- 理解因子、组合分散、风险控制的基本思路；
- 对“要不要把自己的钱投进去”有自知之明（知道回测的陷阱）。
课程列表
第 1 课：量化投资是什么（已有）
- 目标：建立直觉，理解量化投资与传统投资的区别，掌握 alpha/beta。
- 形式：概念为主，结尾给出可选加餐（环境准备，想自己跑代码时用）。
- 关键词：数据/模型/纪律、alpha/beta、定投即量化。
第 2 课：投资基础与数据获取
- 目标：理解收益率、风险的直观含义；第一次看到真实的历史数据长什么样。
- 动手（主路径）：打开行情 App（东财/同花顺/雪球均可），找到沪深300 指数，看 5 年走势，用一句话写下你的直觉印象。
- 动手（AI 加餐，可选）：把需求发给 AI——“用 Python (yfinance) 拉取沪深300（510300.SS）近 5 年日线，画价格曲线”。跑出结果后与 App 对照验证。
- 关键词：价格/收益率、年化、
yfinance、pandas。
第 3 课：用 Python 量化收益与风险
- 目标：理解年化收益率、波动率、最大回撤、夏普比率四个数字的含义，能读懂“风险收益体检表”。
- 动手（主路径）：在理杏仁/雪球上找到一只指数基金，把它的年化收益、波动率、最大回撤、夏普比率抄下来，对照本课解释理解每个数字。
- 动手（AI 加餐，可选）：让 AI 对同一只标的生成“风险收益体检表”代码并解释每个输出。
- 关键词：annualized return、volatility、max drawdown、Sharpe ratio。
第 4 课：第一个策略——定投 vs 动量
- 目标：把“定投”写成可回测的规则；理解动量策略的逻辑。
- 动手（主路径）：在纸面（或表格）上，按“每月固定日买入”与“涨了才买”两种规则，手动记录两周/两个月假想盘，体会两种规则行为差异。
- 动手（AI 加餐，可选）：让 AI 对比“无脑定投”和“动量择时”两只 ETF 的历史表现，看懂两条收益曲线。
- 关键词：策略规则、定投（DCA）、动量（momentum）、信号。
第 5 课：因子入门
- 目标：理解什么是因子，认识价值/动量/规模三个最经典的因子。
- 动手（主路径）：在理杏仁上查一只宽基指数的“估值百分位”，这就是价值因子的直观版本；说说它告诉了你什么。
- 动手（AI 加餐，可选）：让 AI 算一个简单的“动量因子”，按因子值分组看收益差异。
- 关键词：factor、Fama-French、价值/动量/规模因子。
第 6 课：组合构建与风险分散
- 目标：理解“不要把鸡蛋放一个篮子”如何用数学表达；认识等权、最小方差、风险平价。
- 动手（主路径）：在蛋卷/且慢/雪球组合里建一个 2~3 只 ETF 的假想组合，调权重观察整体波动变化，体会分散的效果。
- 动手（AI 加餐，可选）：让 AI 用 2~3 只资产画有效前沿雏形，看懂“风险-收益”取舍曲线。
- 关键词：分散化、协方差、等权/最小方差/风险平价、有效前沿。
第 7 课：搭一个完整回测框架（实战项目）
- 目标：理解回测的完整链路：信号→仓位→收益曲线→绩效报告；能读懂回测输出的每个指标。
- 动手（主路径）：把需求发给 AI——“搭一个多资产动量策略的迷你回测框架：信号→仓位→收益曲线→绩效报告”，让它跑完并逐项解释输出；你再向 AI 追问任何看不懂的指标。
- 动手（加餐，可选）：在果仁网/聚宽等在线回测平台跑一个现成动量策略，对照本课学到的链路理解平台上的各个数字。
- 关键词：backtest、交易成本、换手、绩效归因。
第 8 课：回测陷阱与实盘注意事项 + 课程总结
- 目标：知道回测漂亮的策略为何常在实盘失效；总结知识地图。
- 动手（主路径）：让 AI 给第 7 课的回测加“未来函数检查”和“带交易成本”的对比，观察同一策略前后结果差异有多大，体会陷阱的杀伤力。
- 关键词：过拟合、未来函数、幸存者偏差、滑点、样本外。
- 结业：生成
summary.md。
设计说明
- 为什么这样排：零基础 → 先建立直觉（第 1 课）→ 立刻能拿到真实数据获得正反馈（第 2 课）→ 学会度量（第 3 课）→ 第一个可回测策略（第 4 课）→ 理论深化（第 5、6 课）→ 整合成项目（第 7 课）→ 防坑收尾（第 8 课）。
- 为什么不教编程：AI 时代写代码已是可以外包的“提需求技能”。课程重心放在投资逻辑与决策；每课的 AI 加餐提供现成需求模板，想自己跑代码随时复制即用，零门槛。
- 双轨设计：主路径（App/网页工具观察验证）保证不碰代码也能获得真实数据体验；AI 加餐（代码演示）让想深挖的同学也能动手，两轨内容一致、互相印证。
- 薄弱点会动态插入：若学习中暴露卡点，可临时加“补课”课（如补统计学基础、补 Excel），由方向选择环节触发。
- 个人理财定位：所有例子贴近 A 股 ETF / 指数基金，避免 institution-only 内容（高频交易、做市等仅作为“了解”出现）。