程序员AI量化理财体系课内容拆解

这是一套面向程序员的 AI 量化理财课程记录，六个阶段从 Python 基础一路走到能跑的回测系统和学习笔记式整理，不聊荐股，只讲怎么把量化的工程链路搭起来。

技术基石与金融通识（第 1-6 周）

阶段一：技术基石

课程目标与学习路径、量化演示（策略模板、完整 Python 量化框架、云量化交易系统 + AI 助手）；AI 快速入门讲 LLM 核心概念（Token、参数）和 Prompt 使用；Python 侧是开发环境部署（推荐 3.10）、数据结构与算法、Pandas 与 Matplotlib、用 Scikit-Learn 预测股票涨跌；最后有 DeepSeek 文档解读与 API 实操、DeepSeek+GPT 结对做财报分析。

阶段二：金融通识

宏观经济学（货币、利率、经济周期）、微观经济学、计量经济学；传统资产与非传统资产、全天候配置（All Weather）；数据侧讲免费 API 与 yfinance 取上市公司数据、缺失值和异常波动处理、可视化；再加股票与基金的交易规则实操、风险偏好匹配。

量化内核与回测引擎（第 7-12 周）

阶段三：量化内核

量化流程（数据获取、策略研究、回测、实盘）和四大量化策略分类（基本面、技术面、统计套利、AI 驱动）；评估指标分三组：收益类（累计/年化/超额收益）、风险类（波动率、最大回撤）、收益风险比（Sharpe、Calmar、Sortino），每组都有 Python 实现练习；技术指标覆盖 SMA/EMA、KDJ、RSI、ATR、BOLL、Volume/OBV；基本面指标覆盖 PE/PB/PS/PEG、ROA/ROE、成长与健康指标。

阶段四：回测引擎

主线是把脚本升级成 DeltaFQ 量化框架：数据获取与标准化、capital/commission/benchmark 参数、indicators 与 signals、下单与涨跌停处理、逐日盈亏核对、策略报告与净值/回撤可视化；框架模块拆到 core、data、indicators/talib、strategy、backtest、trader、report、charts(plotly)，出 v0.5.0 版本并落地多因子策略；最后补基本面选股（yfinance 取基本面信息）。

基金量化与 AI 实战系统（第 13-15 周）

阶段五：基金量化

基金类型与指数基金（上证、深证、中证、科创、恒生、标普、纳斯达克、MSCI）、A 股指数近 15 年收益走势实操；天天基金筛选器；东财 API 取基金净值并整合进 DeltaFQ（v0.5.3）；定投、波动、智能定投三类策略在不同经济周期下的回测对比。

阶段六：AI 实战系统

落在 DeltaFStation 量化交易系统：Prototype/Workflow 设计、Flask 与 REST API 架构、数据管理（上传下载读取）、策略管理、基于 Chart.js 的回测绩效可视化，以及用 Cursor 做代码优化，最后基于系统完成策略回测。

几点体会

课程把 AI 放在”写代码、做分析”的位置而不是预测行情，Prompt 作业和 Cursor 协同开发占比不小；主线最终落在自研框架和完整系统上，直接跳进阶段四会缺金融概念，建议通识部分过一遍再写回测。环境按课程推荐钉在 Python 3.10，省得依赖冲突。