← 全部产品
● 免费 · 3 节免登录试看 + 邀请 1 位朋友解锁全部

AI 量化实战·专业版

自己搭一套能对账的量化系统——每一步都先证伪再相信。9 大阶段、65 节课。

前 1 章共 3 节免登录试看 · 🎁 其余 62 节邀请 1 位朋友解锁

9阶段
65课时
QP0

认知与承诺

先说清楚这门课不做什么——不预测、不荐股、不交付赚钱策略。用同一条规则的四种回测姿势跑出四个天差地别的结论,立起区分专业与业余的七个判据。
0/3进行中
QP1

数据工程

口径决定结论,而口径错误通常不报错。多源数据选型、复权/停牌/幸存者偏差、交易日历与多频率对齐、落库与增量更新、数据质量流水线、PIT 财报时点。
0/8
QP2

指标与因子

指标是定义,不是真理。趋势/动量/波动/量价指标的同源性实测,基本面因子库与因子评价体系。
0/7
QP3

统计纪律

显著性会被比较次数吃掉。收益率的统计性质、回归与显著性、协整与配对交易、多重检验与数据挖掘偏差。
0/4
QP4

自研回测引擎

约束会改变结论,而它们在向量化回测里不存在。从引擎解剖到信号/撮合/账户/双路对账/绩效/交叉验证,最后打包成库。
0/10
QP5

策略开发与验证

没有一节的结论是「我找到了能赚钱的策略」。策略规格书、参数平原、滚动前推、蒙特卡洛、成本与容量、衰减停机、风险平价。
0/10
QP6

基金与定投

问题都不在计算,在「你拿什么跟什么比」。基金数据管线、指数机制、长周期实测、定投 vs 一次性、网格审判、智能定投的诚实检验、业绩归因。
0/7
QP7

AI 正确用法

全在讲「怎么让 AI 的产出可被检验」。模型选型、结构化抽取、sklearn 预测涨跌、时序 CV 与特征泄漏、AI 结对开发、AI 辅助研究的红线。
0/6
QP8

系统工程化

让它在该挂的时候挂。事件驱动架构、后端服务、数据/策略/回测服务、实时行情、模拟撮合、纸上交易全流程、部署运维、实盘的最后一公里。
0/10