学习路线
我们将完成什么
第一阶段围绕同一个研究任务推进：使用通用的日频宽基 ETF 行情，设计一个移动平均线择时策略，并判断回测结果是否可信。
日频宽基 ETF 比个股更少受到退市、选股和幸存者偏差的干扰，也暂时避开了分钟级撮合细节，因此适合第一次完整实践。示例代码不绑定某家数据供应商；你可以先使用固定的小型样例数据，再尝试接入真实数据。
text
市场与数据
↓
收益率与基准
↓
指标、信号与持仓
↓
信号延迟、交易成本与回测
↓
绩效评价与错误排查
↓
样本外验证与风险管理
↓
可复现的研究报告第一阶段：完成一次可信的策略研究
00 准备开发环境
建立统一的 Python 3.12 与 uv 环境，运行一个脚本并读取第一份行情。只介绍教程需要的工具，不重复讲授 Python 基础。
01 认识市场与行情
从一张日线行情表认识股票、指数、基金、ETF、交易日、OHLCV 和复权。解释为什么本阶段从宽基 ETF 开始。
02 获取并检查数据
加载行情，处理日期、排序、重复值和缺失值，绘制价格与成交量，并形成一份最小数据质量报告。
03 从价格计算收益
计算简单收益率、对数收益率、累计收益和净值，理解复利、时间口径以及价格曲线与收益曲线的区别。
04 第一个交易策略
实现移动平均线指标，定义信号并转换为每日持仓。区分指标、信号、订单、成交和持仓。
05 从零实现回测
串联数据、指标、信号、延迟执行、持仓、交易成本和策略收益，并使用买入持有作为基准。
06 评价策略表现
计算总收益、年化收益、波动率、最大回撤、夏普比率、胜率、盈亏比和换手率，理解每项指标的能力边界。
07 揭穿一个“完美”回测
主动制造未来函数、忽略成本、复权错误和不合理成交等问题，对比错误结果与修复结果，训练对漂亮回测的怀疑能力。
08 参数、样本与过拟合
划分样本内和样本外区间，观察最优参数失效，理解参数扫描、数据窥探、稳健性和滚动验证。
09 加入风险管理
区分策略信号与资金管理，为策略加入固定仓位、波动率目标、最大仓位和回撤观察。讨论止损能做什么、不能做什么。
10 完成量化研究报告
将研究问题、数据、规则、回测假设、成本、基准、结果、样本外表现、风险和复现步骤整理成第一份完整报告。
学完第一阶段之后
完成第一阶段后，可以沿着下面几个方向继续学习：
- 多资产与资产配置：相关性、分散化、再平衡、组合收益和风险平价。
- 股票池与因子选股：截面数据、估值、动量、质量、行业中性和股票池偏差。
- 研究工程化：数据缓存、配置、实验记录、测试、批量回测和报告生成。
- 模拟交易与实盘边界：定时任务、订单状态、异常处理、日志和监控。