从多因子模型到系统化交易决策，掌握技术指标量化、基本面量化的完整体系，用数据与逻辑驱动投资决策，构建属于自己的量化策略框架。
量化投资已从华尔街精英的专属领域，逐渐走向国内高净值投资者的视野。随着数据可及性提升和编程工具普及，具备系统性量化思维的投资者能够在市场中建立独特的分析优势。本课程专为有一定金融基础和Python基础的进阶投资者设计。
多因子模型是现代量化投资的核心骨架。课程将从Fama-French三因子模型讲起，系统介绍价值因子（BP、EP）、动量因子（12-1月动量、52周高点）、质量因子（ROE、毛利率稳定性）、低波动因子的构建原理和A股市场有效性验证，带领学员完成从原始数据到因子信号的完整处理链条。
技术指标量化模块将彻底颠覆传统的"画线"思维。课程通过统计方法验证各类技术指标在A股的实际有效性，筛选出具有统计显著性的技术因子，并讲解如何将多个技术信号进行合理加权，构建复合择时策略，配合止损和仓位管理规则形成完整的交易系统。
基本面量化是价值投资与量化方法的深度融合。课程讲解如何将ROE变化趋势、盈利预期修正、财务质量综合评分等基本面指标量化为可回测的选股信号，并引入F-Score、Altman Z-Score等经典财务打分模型，帮助学员构建基本面量化选股体系。
系统化决策章节将整合前期所有内容，讲解如何构建模块化的量化交易系统，包括数据管道、信号生成、仓位优化（均值方差、风险平价）、订单执行与绩效归因等完整环节，并提供可直接使用的Python代码框架。
量化投资策略总监 | 清华大学数学博士 | 前某头部量化私募研究总监
清华大学应用数学博士，曾在Two Sigma、稳博投资从事系统化策略研究，擅长多因子模型构建与机器学习在金融领域的应用。主导开发的多个量化策略年化收益超过25%，最大回撤控制在12%以内，多次荣获私募基金业协会量化策略奖。
共20课时 · 6大章节 · 含Python完整代码库
作为金融数学硕士，这门课的严谨程度让我非常满意。因子IC/ICIR的讲解和A股数据验证非常到位，张老师把学术研究转化为实际可用代码的能力极强。配套的Python代码库质量很高，我在此基础上做了一些修改就直接投入使用了，效果很好。
在量化这个领域找到一门既有理论深度又重视实战的课程真的很难。机器学习那章讲过拟合防控讲得特别好，很多同类课程都跳过了这个核心问题。张老师明确说LSTM在实际选股中的局限性，这种实事求是的态度让我非常信任。
内容非常硬核，对Python基础有一定要求，课程描述里写了前置条件，所以这点不算扣分。因子合成那章的权重优化讲得最好，之前一直用等权，现在会根据IC序列动态调整了。整体是市面上量化课程里最值的一门。
关于《量化分析与程序化交易》课程最常被问到的问题解答。
