课程介绍
数据与案例
20G+ 多市场真实历史数据
代码沉淀
10万+ 行生产级代码思路
核心履历
阿里 P9 / WorldQuant 顾问 / 香港券商基金经理
课程目标
建立可复盘、可迁移、可升级的研发框架
教学侧重
体系化落地
从目标设计、特征工程、因子研究到风控、部署与复盘,强调一套完整方法如何真正落地。
课程风格
理论+代码并行
不只解释原理,更会讲清每一步为什么这么做、对应什么工程实现,以及如何迁移进自己的研究流程。
交付结果
可复用框架
目标不是只学完目录,而是沉淀一套可复盘、可扩展、可持续升级的量化研发与策略迭代框架。
本课重点
- 围绕目标设定、模型调优、动态风控、自动部署和 AI 增强形成全流程闭环
- 参考原始课程目录,重构成 6 节 × 2 小时的模块化课程详情
- 适合已经有一定基础、希望搭建生产级 AI 量化系统的学员
- 兼顾商品期货、Crypto 与传统策略增强三类场景
学习收获
- 增量迁移学习
- 风控模型化
- 自动化部署
- 传统策略增强
学习要求
- 1建议完成基础课程或具备基本机器学习与回测经验
- 2掌握 Python、特征工程与模型训练的基本流程
- 3有继续走向自动化实盘部署意愿的学员会更适合
适合人群
AI量化进阶班准备搭建生产级流程的策略团队量化开发进阶者希望从回测走向自动执行的人
学习路径导航
先补哪一门、下一步学什么、哪些课程适合并行穿插,这里会给你一个更轻量的导航入口。
