第 5 课：仓位管理 —— 从"全仓/空仓"到"波动率目标仓位"
状态：课程大纲（待开发）。学完第 4 课、开新会话学本课时，由 AI 按此大纲实现代码并补全本文件。 前置：已完成第 1~4 课
0. 新会话背景速览（给"接手的 AI"看的 30 秒）
- 项目位置：
D:/code/量化交易，运行python 文件名.py - 学生已学完：pandas、回测框架、作业 1~9、多标的回测、单因子测试、参数敏感性分析
- 已有资产：
config.STOCK_POOL（50 只已缓存行情）、backtest/engine.py、多个策略 - 学生水平：Python 初学者，中文交流，代码要每行有中文注释
1. 本课目标（大纲）
- 理解"仓位"是比"择时"更重要的风控工具：回撤砍一半，复利翻一倍
- 把信号从 0/1（全仓/空仓）升级为 0~1 之间的连续仓位
- 学会波动率目标仓位：目标波动率 ÷ 当前波动率 = 仓位（波动大少买、波动小多买）
- 对比"全仓 vs 动态仓位"的回撤、夏普、卡玛，体会风险预算的概念
2. 建议做法（AI 实现时参考）
- 新增代码文件：
05_仓位管理.py，策略信号保留 0/1，但仓位 = 信号 × 目标波动率/滚动波动率 backtest/engine.py目前position.clip(0, 1)已经支持 0~1 连续仓位，直接复用- 对比三组：全仓择时、半仓择时、波动率目标仓位择时（同样的择时信号）
- 输出：净值曲线 + 指标对比表，突出"最大回撤"和"卡玛比率"
3. 作业（AI 实现时补充具体题目）
- 作业 10：把波动率目标仓位接到自己的 RSI 策略上，对比回撤
- 作业 11（进阶）：给股票池按波动率排序，思考"低波动股票是不是更适合满仓"
4. 学完自检清单
- [ ] 能说清为什么仓位管理比择时更能控制回撤
- [ ] 动态仓位版本的回撤明显小于全仓版本
- [ ] 作业 10、11 完成
5. 学完这课，整个入门闭环就齐了
数据 → 信号 → 回测 → 评估 → 多标的 → 选股 → 参数稳健性 → 仓位风控。 之后可以按兴趣继续：实盘模拟、更多因子/策略、风险平价、组合优化……