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。
贯穿式课程项目：从第一个信号到准实盘闭环¶
为了避免“每章都学了，但很难串成一条主线”，建议把全书当作一个逐章升级的课程项目来学习。你可以围绕一套最小多均线/趋势过滤策略，按下面路径逐步扩展：
- 第 1 到 3 章：完成环境搭建、数据获取与最小清洗，跑通第一个可复现回测。
- 第 4 到 5 章：把策略改造成事件驱动版本，补上生命周期、下单接口、日志与风控。
- 第 6 到 9 章：把同一主线分别放到 A 股、期货、期权与基金配置场景中，理解市场制度差异。
- 第 10 到 14 章：为主线策略补上评价、优化、机器学习、可视化与因子研究能力。
- 第 15 到 16 章：继续完善准实盘、监控与指标工程化使用，形成从研究到运行的完整闭环。
如果你是第一次系统学习量化，强烈建议每读完一章，就把当前主线策略和实验记录保存为一个新版本，而不是只运行孤立示例。
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¶
📖 随查工具：术语表与符号约定 ｜ 常见误区对照表 ｜ 附录 A：环境与复现 ｜ 附录 B：引用、许可与勘误
🎓 学完全书后，请完成 课程项目：端到端量化实战 (Capstone)。
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：量化编程基础
- 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
- 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
- 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）
- 策略生命周期、完整
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 技术指标体系与应用
- 使用输入/输出/warmup 模板理解 AKQuant 的 103 个指标
- 通过
python -> rust迁移实验掌握指标工程化使用路径 - 案例：指标三课演示（读/用/迁移）(examples/textbook/ch16_indicators.py）
- 指标词典与实验脚手架联动（见 AKQuant 指标全量说明）
课程项目与附录¶
- 课程项目：端到端量化实战 (Capstone)：把全书主线策略串成数据→策略→回测→评价→优化→可视化→实盘准备的完整闭环，附交付物清单。
- 术语表与符号约定：全书数学符号与核心术语随查表，标注首次讲解章节。
- 附录 A：环境与复现：推荐环境、依赖版本基线与"如何复现书中回测数字"。
- 附录 B：引用、许可与勘误：如何引用本教材、MIT 许可说明、Issue 勘误入口与免责声明。
- 附录 C：常见误区对照表：全书反复出现的陷阱汇成 ❌→✅ 速查表，动手前对照自查。
章节示例映射（主示例 / 进阶示例 / 对应指南）¶
配套代码：请参考项目根目录下的 examples/textbook/ 文件夹。