量化投资技术文档

index

7分钟阅读

Qlib 量化投资学习路径

系统学习量化投资，从特征工程到深度学习模型

📚 学习概览

本模块提供系统化的Qlib量化投资学习路径，涵盖从基础特征工程到高级深度学习模型的完整知识体系。

🎯 学习路径

推荐学习顺序

Week 1: 特征工程基础
    ↓
Week 2: LightGBM模型
    ↓
Week 3: 回测系统
    ↓
Week 5: LSTM深度学习

📖 课程内容

Week 1 - 特征工程 📊

系统讲解Qlib特征工程的核心概念与实践方法。

文档列表:

学习目标:

  • ✅ 理解Qlib特征工程的核心概念
  • ✅ 掌握horizon对齐方法
  • ✅ 学会横截面标准化与中性化
  • ✅ 培养相对强弱预测的量化思维
  • ✅ 能够独立完成特征工程实践

预计时间: 5-6小时（4-5天）

Week 2 - LightGBM ⚡

深入学习LightGBM在量化投资中的应用。

文档列表:

学习目标:

  • ✅ 理解Gradient Boosting原理
  • ✅ 掌握时序数据划分方法
  • ✅ 学会模型训练与优化
  • ✅ 能够使用IC/Rank-IC评估模型
  • ✅ 掌握特征重要性分析方法

预计时间: 6-8小时（5-7天）

Week 3 - 回测系统 📈

完整讲解策略回测、投资组合构建、绩效评估。

文档列表:

学习目标:

  • ✅ 理解交易策略理论
  • ✅ 掌握投资组合构建方法
  • ✅ 了解交易成本模型
  • ✅ 能够计算绩效评估指标
  • ✅ 学会实验分析方法
  • ✅ 能够完成完整的回测流程

预计时间: 7-9小时（6-8天）

Week 5 - LSTM深度学习 🧠

深入学习LSTM神经网络，掌握时序数据的深度学习方法。

文档系列:

1. 基础理论系列

2. PyTorch框架系列

  • PyTorch框架系列
    • Tensor操作、Autograd、nn.Module
    • 常用层（LSTM、Linear、Dropout）

3. LSTM模型构建系列

4. 时序数据处理系列

5. 模型训练优化系列

6. 实战应用系列

  • 实战应用系列
    • 完整预测流程、超参数调优
    • 模型保存加载、评估指标
    • LSTM vs LightGBM对比、最佳实践

学习目标:

  • ✅ 理解深度学习和LSTM原理
  • ✅ 掌握PyTorch框架
  • ✅ 能够构建LSTM模型
  • ✅ 学会时序数据处理
  • ✅ 掌握模型训练与优化
  • ✅ 能够完成完整的实战应用

预计时间: 8-10小时（5-6天）

🛠️ 技术栈

  • Python: 主要编程语言
  • Qlib: 量化投资平台
  • PyTorch: 深度学习框架
  • LightGBM: 梯度提升树
  • Pandas/NumPy: 数据处理
  • Matplotlib: 数据可视化

💡 学习建议

循序渐进

按照推荐的学习顺序逐步学习，不要跳过基础概念。

动手实践

每个模块都包含代码示例，建议动手运行和修改。

理解原理

不仅要会用，还要理解背后的原理。

多维度思考

从不同角度理解问题，如风险、收益、成本等。

持续优化

量化投资是一个持续优化的过程，不要满足于一次性结果。

📚 扩展阅读

推荐书籍

  1. 《量化投资：策略与技术》
  2. 《Python金融大数据分析》
  3. 《统计套利》
  4. 《深度学习》（Ian Goodfellow）
  5. 《动手学深度学习》

在线课程

  • Coursera: Deep Learning Specialization
  • Fast.ai: Practical Deep Learning for Coders
  • edX: Machine Learning

🤝 交流与反馈

如有问题或建议，欢迎通过以下方式联系：

  • 📧 Email: [待添加]
  • 💻 GitHub: [待添加]
  • 💬 微信: [待添加]

开始学习之旅

从特征工程开始，系统学习量化投资

开始学习 Week 1 →

持续更新中，欢迎收藏和分享！

此文件夹下有4条笔记。