00:00 / 10:28
连播
清屏
智能
倍速
点赞71
00:00 / 00:57
连播
清屏
智能
倍速
点赞16
00:00 / 11:46
连播
清屏
智能
倍速
点赞37
量化入门02 量化回测三大陷阱 课程简介 识别幸存者偏差与前视偏差,掌握复权与收益率计算 课程概述 你将学到什么 - 识别金融数据三大陷阱:幸存者偏差、前视偏差、复权问题 - 理解Point-in-Time(时点数据)的重要性,避免回测中的"穿越"错误 - 掌握对数收益率与简单收益率的区别及各自适用场景 - 学会复权因子的数学原理(前复权 vs 后复权) - 掌握Z-score与MAD两种异常值检测方法及其优劣 - 动手实现一套完整的数据清洗管道(pipeline) 课程特色 - 数据实战 - 可运行的Python代码(Jupyter Notebook) - 投资视角:Garbage In, Garbage Out的一线教训 - 拆股、分红、配股等公司行为的复权处理全覆盖 - MAD方法替代Z-score,更适合金融数据的稳健异常值检测 适合人群 - 量化交易入门者,需要理解数据质量的重要性 - 做过回测但结果不可靠的策略开发者 - 想掌握金融数据预处理规范的数据分析师 - 对收益率计算和复权机制有疑问的投资者 课程大纲 本节课内容概要: 1. 幸存者偏差——只看"赢家"导致的回测失真 2. 前视偏差——不小心用了未来信息的隐蔽错误 3. 复权问题——拆股分红如何扭曲价格序列 4. 对数收益率 vs 简单收益率的数学推导与实践建议 5. Point-in-Time数据集的正确使用方法 6. Z-score与MAD异常值检测的代码实现 7. 完整数据清洗管道的搭建 配套资料 购买后你将获得: 1. 环境安装教学视频 2. Python源代码(Jupyter Notebook,可直接运行) 下一节课我们开始介绍 - 从原始数据提取Alpha信号,掌握因子处理三大技术。 #量化交易 #量化 #量化交易策略 #量化宽松 #金融
00:00 / 01:01:56
连播
清屏
智能
倍速
点赞235
00:00 / 02:26
连播
清屏
智能
倍速
点赞5
00:00 / 01:06
连播
清屏
智能
倍速
点赞7
00:00 / 00:41
连播
清屏
智能
倍速
点赞150
00:00 / 06:04
连播
清屏
智能
倍速
点赞315