从可复现数据，到可审查的量化结论。

前置知识

• 基础 Python 语法；不要求先完成全部数学课程

学习目标

• 建立可复现的 Notebook、NumPy、pandas 与可视化工作流
• 识别缺失值、时间顺序、复权、时区与数据版本对结论的影响

完成后

• 能够读取、清洗、探索并可视化基础金融数据
• 能够记录数据来源、样本时点和运行环境，使研究可被复现

研究纪律

• 价格与基本面数据必须说明可用时点，避免前视偏差
• 保留数据版本、随机种子、交易日历和缺失值处理记录

模块交付物

• 一份可从头运行的数据探索 Notebook
• 一页数据口径与已知限制说明

前置知识

• 高中代数、函数与基本方程变形

学习目标

• 理解极限、连续、导数与积分之间的关系
• 按研究问题使用微分、积分、近似与简单动态系统

完成后

• 能够完成常见极值、近似和积分计算
• 能够判断量化模型中的微积分假设是否适用

研究纪律

• 优先解释公式对应的经济量，不把符号运算当作结论
• 数值近似必须说明误差与适用区间

模块交付物

• 完成配套练习并解释至少一个金融应用

前置知识

• 基础代数运算与方程组

学习目标

• 掌握矩阵、向量空间、正交性与线性变换
• 理解特征值分解和对角化的条件与用途

完成后

• 能够阅读回归、协方差、PCA与组合优化表达
• 能够识别高维模型中的秩、共线性和数值稳定问题

研究纪律

• 矩阵运算必须核对维度、秩与条件数
• 降维结果必须解释经济含义而非只报告方差占比

模块交付物

• 完成配套练习并解释一个风险模型矩阵

前置知识

• 微积分基础，尤其是求和与积分

学习目标

• 建立随机变量、联合分布、条件概率和期望框架
• 理解大数定律与中心极限定理的使用条件

完成后

• 能够为量化问题选择合理的随机变量与分布表达
• 能够区分独立、条件独立和相关性

研究纪律

• 明确金融收益厚尾、偏度和相关结构可能破坏简单分布假设
• 模拟结果必须报告随机种子和收敛诊断

模块交付物

• 完成概率配套练习并写出一个金融随机变量模型

前置知识

• 概率基础；基本微积分

学习目标

• 掌握点估计、区间估计、矩估计、MLE和假设检验
• 理解标准误、偏差、均方误差与大样本近似

完成后

• 能够选择估计量并解释不确定性
• 能够在明确假设下设计和解释统计检验

研究纪律

• 先检查 IID、正态性和样本量假设，再使用经典检验
• 时间依赖数据优先考虑稳健标准误、置换或分块 Bootstrap

模块交付物

• 一份包含估计、区间和假设检查的统计分析

前置知识

• 概率基础与统计推断；完成研究工具模块

学习目标

• 理解统计矩、相关性、估计不稳定性、回归与MLE
• 用金融数据解释估计值及其不确定性

完成后

• 能够实现 OLS/MLE 并诊断估计波动
• 能够区分相关关系、条件关系与因果结论

研究纪律

• 报告估计窗口、标准误和参数稳定性
• 不得从全样本标准化或调参后再声称样本外表现

模块交付物

• 一份包含参数稳定性图和回归结果的研究 Notebook

前置知识

• 线性回归、相关性与参数估计

学习目标

• 诊断结构突变、共线性、模型误设、残差与过拟合
• 区分拟合优度和可泛化的预测能力

完成后

• 能够使用残差和稳定性检查拒绝不可靠模型
• 能够设计时间顺序正确的样本外验证

研究纪律

• 验证集不得参与特征、窗口或阈值选择
• 所有模型都要写明失效条件和结构突变监控

模块交付物

• 一份模型诊断报告，包含残差、稳定性和样本外结果

前置知识

• 统计推断与模型诊断

学习目标

• 正确使用假设检验、置信区间、秩相关和多重比较修正
• 建立预注册、样本外和稳健性检查意识

完成后

• 能够识别 p-hacking、选择偏差和虚假发现
• 能够为多个候选信号设计可信验证方案

研究纪律

• 报告试验总数，不只报告成功结果
• 保留最终锁定样本；时间序列使用 Walk-forward 或分块重采样

模块交付物

• 一份包含多重检验修正和样本外方案的研究设计

前置知识

• 协方差、回归诊断与基础投资组合概念

学习目标

• 理解杠杆、集中度和协方差估计如何共同决定风险
• 区分名义敞口、Beta敞口和风险贡献

完成后

• 能够计算组合杠杆、集中度和协方差风险
• 能够识别表面分散但风险集中化的组合

研究纪律

• 风险必须同时报告净敞口、总敞口、Beta和集中度
• 协方差估计需检查窗口敏感性与病态矩阵

模块交付物

• 一份组合风险快照与压力情景说明

前置知识

• 收益、成交量与基础回测概念

学习目标

• 理解流动性、滑点、冲击、容量和证券池选择
• 构造历史时点可用且真实可交易的研究样本

完成后

• 能够估算换手、冲击与策略容量
• 能够避免幸存者偏差和不可交易证券污染

研究纪律

• 证券池必须按历史时点重建并包含退市样本
• 成本模型必须随成交量、参与率和市场状态变化

模块交付物

• 一份 point-in-time 证券池说明与容量/成本曲线

前置知识

• 线性代数、回归、协方差与组合风险

学习目标

• 掌握 CAPM/APT、因子风险模型、组合优化与PCA
• 把预期收益、风险暴露和约束统一到组合构建

完成后

• 能够解释并约束系统性风险与因子暴露
• 能够检查优化问题的可行性、稳定性与敏感度

研究纪律

• 优化输入必须做误差和情景敏感度分析
• PCA与因子暴露必须给出经济解释和漂移监控

模块交付物

• 一份含约束、风险贡献和敏感度分析的组合方案

前置知识

• 资产定价、风险模型与组合构建

学习目标

• 构建多空因子策略并评估 IC、衰减和分层收益
• 管理 Beta、行业、换手与尾部风险

完成后

• 能够完成因子从定义到风险约束的研究闭环
• 能够区分因子收益、市场暴露和偶然回测收益

研究纪律

• 因子必须使用 point-in-time 数据并报告试验数量
• 同时报告 IC、换手、成本后收益、暴露和极端损失

模块交付物

• 一份可复核的因子 tearsheet 与风险归因

前置知识

• 回归、假设检验与 Python 时间序列处理

学习目标

• 理解单整、协整、AR/GARCH、Kalman与配对交易
• 把统计关系转化为含成本和稳定性约束的策略

完成后

• 能够检验并实现统计套利研究
• 能够识别结构突变、数据挖掘和动态对冲风险

研究纪律

• 配对筛选必须修正多重检验并保留样本外区间
• 回测必须计入换手、借券、滑点和关系失效

模块交付物

• 一份含筛选、稳定性、成本和失效条件的统计套利报告

前置知识

• 时间序列、组合风险和市场摩擦

学习目标

• 理解合约乘数、保证金、期限结构、展期与连续合约
• 研究期货均值回归、价差和配对策略

完成后

• 能够构建无前视的期货连续序列
• 能够解释现货收益、展期收益和保证金风险

研究纪律

• 明确主力切换、回溯调整和可交易合约规则
• 绩效按合约乘数、保证金、手续费与展期成本计算

模块交付物

• 一份连续合约构造说明与期货策略回测

前置知识

• 完成研究工具、统计验证、风险、执行和策略研究主线

学习目标

• 综合应用价值因子与ETF案例完成端到端研究
• 形成可由高级研究员复核的证据链

完成后

• 能够提交明确区分事实、假设和推断的研究报告
• 能够说明数据限制、样本外结果、成本、风险与失效条件

研究纪律

• 结论必须由可复现代码、冻结数据和样本外证据支持
• 负面结果、失败试验和剩余风险必须完整披露

模块交付物

• 研究假设与数据字典
• 可复现 Notebook、成本后回测和 tearsheet
• 两页研究备忘录：结论、风险、容量与上线建议