课程地图 · 从这里开始
不用一次学完 12 个模块。选一条路走：5 分钟上手（先跑通一次）、直接进仿真盘（想立刻体验交易）、或按教学 → 实践 → 比赛的系统路径走完。
系统路径：教学 → 实践 → 比赛
① 数据认知 → ② 因子实验室 → ③ 策略回测：看懂数据、理解因子、体会「为什么大多数策略会失效」。
④ 多因子组合 → ⑤ AI 诊断 → ⑥ AI 因子挖掘 → ⑩ 横截面选股 → ⑪ 仿真交易：做策略，再亲手交易。
⑧ 模拟实盘大赛：提交组合策略或仿真盘成绩，按夏普/收益/回撤排名；教师端布置作业与导出成绩。
我的学习进度
下一步建议
课程学习 · 12 课闯关
按「看懂 → 动手 → 自检」三步走完 12 课，从看懂 K 线一直走到能写比赛复盘。每课都有动手按钮和两道自检题，做完自动打勾、自动评星。
我的班级 · 账户、班级与学情
登录后学习进度会同步到云端并汇总给任课老师；老师能看到全班学情、发布作业、导出成绩单。游客模式完全不受影响，不登录照样能用全部 12 个模块。
① 数据认知 · 看懂一根 K 线
量化研究的第一步，是理解数据本身。本模块带你认识 OHLCV（开高低收 + 成交量）与常见图表。可在右上角切换「真实 A 股历史 / 合成样本」。
② 因子实验室 · 把「直觉」变成「可计算的量」
因子是用数学公式描述的选股或择时特征。调节参数，观察指标曲线如何随价格变化，理解每个因子的逻辑与局限。
因子库全览 · 智算青禾商用因子库（11 大类 / 125 个因子）
因子相关性矩阵 · 警惕「同质因子堆砌」
③ 策略回测 · 让历史替你「试运行」
回测是用历史数据模拟策略表现。本引擎严格遵循防未来函数（信号在第 i 日收盘产生，第 i+1 日开盘成交）与 A 股规则（T+1、印花税、佣金、滑点）。
④ 多因子组合 · 从「单个想法」到「组合决策」
单一因子容易失效。把多个因子按方向加权合成综合分，每个调仓日取排名靠前的标的等权持有，体会分散与再平衡的价值。
当前组合的因子构成
组合约束（高阶）：真实组合经理必须守的规矩
参数扫描热力图（高阶）：Top N × 再平衡周期
⑤ AI 诊断 · 用大白话讲清「现在是什么市」
AI 不替你做决策，而是把市场的「状态」和「各策略的历史表现」翻译成人话。下方所有结论均来自本平台的回测统计。
多段式 AI 诊断报告
商用组合策略在当前市况下的历史表现（按该市况夏普排序）
各策略在单个样本上的历史表现排名（按夏普比率）
⑥ AI 因子挖掘 · 用机器学习从历史里「挖」因子
本模块对标业界「AI 量化」核心：用监督学习 + 滚动训练（walk-forward）从多个候选因子中自动学习对未来收益的预测，并严格检验样本外（OOS）效力——这正是区分「真有效」与「过拟合」的关键一课。
样本内(IS) vs 样本外(OOS) 解释力
学习到的因子权重（重要性）
⑦ 实验任务 · 可落地的课程设计
平台内置 7 个递进式实验，覆盖从数据到 AI 因子挖掘的完整链路，可直接作为实验课、课程设计或学科竞赛（量化投资大赛）的选题。
①数据认知 → ②因子实验室 → ③策略回测：看懂数据、理解因子、体会「为什么大多数策略会失效」。
④多因子组合 → ⑤AI诊断 → ⑥AI因子挖掘 → ⑩横截面选股 → ⑪仿真交易终端：用真实历史行情构建策略，再进入模拟盘亲手交易。
⑧模拟实盘大赛：把仿真盘成绩或组合策略提交到班级排行榜，攻防赛检验抗压能力，教师端导出成绩。
⑧ 模拟实盘大赛 · 把课堂变成一场量化对抗赛
学生用多因子组合策略组建「参赛组合」，平台在统一历史行情上跑回测得到成绩，按夏普/收益/回撤排名；教师可组织班级、布置作业、导出成绩。所有数据为历史模拟，不接实盘。
⑨ 数据管理 · 行情来源、更新与自定义自选
本平台使用真实 A 股历史行情（冻结快照，非实时、不接实盘）。本面板展示数据来源与更新机制，并支持教师/学生导入自定义自选股用于教学。
_fetch_real_ashare.py，自动拉取并覆盖 data_real.js 与本说明；学生端无需联网，刷新页面即可加载新数据。- 确认教学机可联网，安装依赖
requests。 - 运行
python _fetch_real_ashare.py，脚本输出data_real.js与_PROVENANCE.txt。 - 将生成文件覆盖到
web/目录，双击index.html即可使用新行情。 - 合规提醒：仅使用历史日频数据，绝不接入实时行情或交易接口。
代码,名称,行业）或上传 CSV（含 code,name,sector,date,open,high,low,close,volume 列），平台将作为额外标的注入当前数据集。只有代码没有行情的标的会自动补一份可复现的教学合成行情（标注 sim），因此可以直接进 ⑪ 仿真盘下单——但要在课堂上讲清楚：那不是真实价格。纯前端，不上传任何数据。
⑩ 横截面选股 · 在同一时点给所有股票「打分排队」
⑥ AI 因子挖掘是「单只股票、看它自己未来」，而横截面选股是「在某个交易日，用因子给全市场股票打分、选最靠前的一批等权持有」。这是业界多因子选股的核心范式。
横截面 IC（因子分与未来收益的同期相关）
最新一期入选标的
因子显著性检验
五分组收益（分层回测）
⑪ 仿真交易终端 · 与真实交易一致的模拟盘（虚拟资金）
界面与链路完全仿真真实交易：看盘 → 下单（资金/持股冻结）→ 撮合 → 持仓 → 结算 → 复盘 → 提交大赛。资金与持仓全部是虚拟数字，规则按真实 A 股校准：T+1、涨跌停（主板 ±10% / 创业板·科创板 ±20% / 北交所 ±30%）、整手与零股、一字板封死不成交、停牌不可交易、佣金与印花税、可调滑点。
进阶：滑点
当前持仓
账户净值曲线
委托与成交回报（当日有效，收盘未成交自动撤单）
交易日志
用户管理 · 名册、权限与权益
把学生名册一次导进来，系统自动匹配统一账号；每个账号在本教学系统里的角色、可用状态、权益档、难度上限、到期日都在这里管理。
新手上手 · 零基础也能用起来的量化实验室
不需要编程基础，也不需要金融基础。这个页面告诉你「这是什么、你要做什么、做完能得到什么」，按顺序点一遍即可。
打开 ① 数据认知，找到一根红色大阳线，看它下方的成交量是不是同步放大——放量上涨代表 大量资金在买。
在 ② 把均线周期从 5 改成 60，看曲线怎么变平滑；再从「商用因子库」里随便挑一个因子画一次。
在 ③ 选一只股票、选一个策略，看「策略收益」有没有跑赢「买入持有」。这是量化最核心的一次对比。
在 ⑪ 仿真盘里用 100% 资金买一只股票，推进几个交易日看看盈亏，再提交成绩到 ⑧ 大赛。