量化投资：从理论到实战——基于 AKQuant 框架

教材简介

本教材专为中国高校本科生及研究生（金融工程、计算机、统计学背景）设计，旨在填补理论与工程实践之间的鸿沟。

核心特色

• 现代技术栈：深入解析 Rust + Python 混合架构，掌握高性能量化系统的设计原理。
• 中国本土化：专注于 A 股（T+1、涨跌停场景建模）、国内期货（CTP接口）与期权市场。
• 实战导向：从数据清洗、策略回测到实盘交易的全链路覆盖，配套完整代码示例。

学前提醒：先建立时间与时区心智模型

为了避免在阅读日志、回测结果与 timestamp_iso 时产生困惑，建议先阅读以下两篇说明：

• 入门解释：AKQuant 的时间与时区
• 进阶 FAQ： 时区处理指南

核心原则只有一句话：

AKQuant 用 UTC 保存事实时间，用本地时区展示给人看。

目录大纲

第一部分：量化基础与数据准备 (Foundations)

• 第 1 章：量化投资概述与环境搭建
  • 量化投资发展史与 Alpha/Beta 理论
  • AKQuant 架构简介 (Rust Core + Python Wrapper)
  • 环境配置与 Hello World (examples/textbook/ch01_quickstart.py)
• 第 2 章：编程生存指南
  • Python for Quant: Pandas, NumPy, Matplotlib
  • Rust 概念入门：类型系统与内存安全
  • 案例：数据处理实战 (examples/textbook/ch02_programming.py)
• 第 3 章：金融数据获取与处理
  • 时间序列分析基础
  • AkShare 数据接口详解
  • 数据清洗与本地存储 (examples/textbook/ch03_data.py)

第二部分：回测引擎架构 (The Engine)

• 第 4 章：事件驱动回测原理 (Event-Driven Architecture)
  • 向量化 vs 事件驱动 (examples/textbook/ch04_comparison.py)
  • 核心组件解析：Engine, Strategy, DataFeed
• 第 5 章：策略开发实战 (Strategy Implementation)
  • 策略生命周期、完整 on_xxx 回调地图与下单接口
  • 历史数据获取与防未来函数
  • 案例：双均线策略实现 (examples/textbook/ch05_strategy.py)
  • 进阶：框架级钩子、Tick 回调、盘前开盘语义与“双阶段次日执行”模式（examples/50_framework_hooks_demo.py, examples/51_class_tick_callbacks_demo.py, examples/52_pre_open_demo.py, examples/53_timer_to_pre_open_demo.py）

第三部分：多资产策略开发 (Strategies)

• 第 6 章：A 股市场微观结构与策略实战
  • T+1 交易制度的工程实现
  • 涨跌停场景建模与滑点模拟
  • 案例：A 股交易规则演示 (examples/textbook/ch06_stock_a.py)
• 第 7 章：期货市场与衍生品策略
  • 保证金与杠杆
  • 期权基础与 Greeks 风控
  • 案例：期货动量策略 (examples/textbook/ch07_futures.py)
• 第 8 章：期权定价与波动率策略
  • 核心要素与 Greeks
  • 案例：备兑看涨 (Covered Call) (examples/textbook/ch08_options.py)
• 第 9 章：基金投资与资产配置理论
  • ETF/LOF 交易规则与免税优势
  • 可转债 T+0 与双低轮动
  • 现代投资组合理论 (MPT) 与 60/40 策略
  • 案例：ETF 网格交易 (examples/textbook/ch09_funds.py)
  • 案例：股债平衡策略 (examples/textbook/ch09_portfolio.py)

第四部分：评价、优化与高阶话题 (Advanced)

• 第 10 章：策略评价体系与风险指标
  • 夏普比率、最大回撤与归因分析
  • 案例：回测结果深入分析 (examples/textbook/ch10_analysis.py)
• 第 11 章：参数优化与稳健性检验
  • 网格搜索与滚动回测 (WFO)
  • 案例：多进程参数优化 (examples/textbook/ch11_optimization.py)
• 第 12 章：机器学习在量化中的应用
  • 特征工程与模型预测
  • 基于 Scikit-learn 的择时策略 (examples/textbook/ch12_ml.py)
• 第 13 章：策略可视化与报表分析
  • 权益曲线与回撤图绘制
  • 案例：生成回测图表 (examples/textbook/ch13_visualization.py)
• 第 14 章：高性能因子挖掘与表达式引擎
  • 因子表达式的原理与优势
  • Polars 高性能计算架构
  • 案例：Alpha101 因子实战 (examples/textbook/ch14_factor.py)

第五部分：从回测到实盘 (Live Trading)

• 第 15 章：实盘交易系统与运维
  • 实盘与回测的差异处理
  • 主示例：实盘启动与网关接入 (examples/textbook/ch15_live_trading.py)
  • 进阶示例：动态策略加载与运行时注入 (examples/textbook/ch15_strategy_loader.py)
  • 风控与熔断机制

第六部分：指标工程与工具链 (Indicator Engineering)

• 第 16 章：AKQuant 指标全景与工程化使用
  • AKQuant 支持的 103 个指标分类、解释与 warmup 口径
  • 指标词典与教学脚手架联动（见 AKQuant 指标全量说明）

章节示例映射（主示例 / 进阶示例 / 对应指南）

章节	主示例	进阶示例	对应指南
第 1 章	ch01_quickstart.py	01_quickstart.py	快速开始
第 2 章	ch02_programming.py	17_readme_demo.py	Python 基础
第 3 章	ch03_data.py	37_feed_replay_alignment_demo.py	数据指南
第 4 章	ch04_comparison.py	25_streaming_backtest_demo.py	数据指南
第 5 章	ch05_strategy.py	23_functional_callbacks_demo.py, 50_framework_hooks_demo.py, 51_class_tick_callbacks_demo.py, 52_pre_open_demo.py, 53_timer_to_pre_open_demo.py	策略指南
第 6 章	ch06_stock_a.py	20_risk_management_demo.py	量化基础
第 7 章	ch07_futures.py	04_mixed_assets.py	策略指南
第 8 章	ch08_options.py	07_option_test.py	量化基础
第 9 章	ch09_funds.py	ch09_portfolio.py	策略指南
第 10 章	ch10_analysis.py	33_report_and_analysis_outputs.py	分析指南
第 11 章	ch11_optimization.py	02_parameter_optimization.py	优化指南
第 12 章	ch12_ml.py	10_ml_walk_forward.py, 55_functional_ml_walk_forward.py	机器学习指南
第 13 章	ch13_visualization.py	11_plot_visualization.py	可视化指南
第 14 章	ch14_factor.py	16_adj_returns_signal.py	因子指南
第 15 章	ch15_live_trading.py	ch15_strategy_loader.py	实盘函数式指南
第 16 章	暂无独立脚本（以指标词典驱动）	45_talib_indicator_playbook_demo.py	AKQuant 指标全量说明

---

配套代码：请参考项目根目录下的 examples/textbook/ 文件夹。