σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

在实践中学习量化开发:短课程、评分实验和真实的 IDE,尽在浏览器中。

学习
全部路线图所有学习路线Python 学习路线C++ 学习路线即将推出OxCaml 学习路线即将推出Market Structure 学习路线Calculus 学习路线Linear Algebra 学习路线Probability 学习路线Statistics 学习路线Matrix Decompositions 学习路线Optimization 学习路线
支持
给我们反馈请我们喝杯咖啡
法律
隐私政策服务条款
© 2026 QuantCraft Solutions. 保留所有权利。
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
学习路线›Statistics
S

Statistics 学习路线

已上线从这里开始

金融充满噪声,看起来不错的回测通常只是运气。本技能用简短练习(要计算的数、要排序的步骤、要配对的概念)和金融示例讲授区分信号与噪声的工具:为什么对收益率而言中位数优于均值,区间到底有多宽,为什么一百个策略中最好的那个几乎说明不了什么,以及如何在不窥视未来的情况下做验证。最后是一个代码实验:用自助法和多重检验校正在真实价格上检验一个动量异象。

4 个模块12 个评分实验~11小时入门 → 高级
开始学习路线

课程大纲

12 个主题 · 可按任意顺序打开任一主题
  1. 1描述统计与稳健估计量未开始40分钟开始
  2. 2抽样分布未开始45分钟开始
  3. 3置信区间与自助法未开始55分钟开始
  1. 4假设检验:t 检验未开始需要 Python45分钟开始
  2. 5多重检验与错误发现未开始55分钟开始
  1. 6最大似然估计未开始55分钟开始
  2. 7线性回归(OLS)未开始需要 Python55分钟开始
  3. 8异方差与稳健标准误未开始50分钟开始
  4. 9多重共线性与正则化未开始50分钟开始
  1. 10交叉验证与过拟合未开始55分钟开始
  2. 11紧缩夏普比率与回测过拟合未开始1小时开始
  3. 12综合项目:这个异象是真的吗?未开始1小时 40分钟开始

先修要求

学过概率会有帮助,本技能中的两个 Python 主题也是课程的一部分,但高中数学就可以开始。

  • PProbability

你将学到

  • 用稳健统计量概括收益率,并理解抽样分布与标准误
  • 构造置信区间,对没有公式的统计量使用自助法
  • 诚实地检验:校正多重检验并控制错误发现
  • 用最大似然和回归拟合模型,并处理异方差、共线性和正则化
  • 不泄露未来地验证,按尝试次数紧缩夏普比率,并端到端检验一个异象

你将用到的工具

PythonNumPypandaspytest

完成条件

以 70 分以上通过全部 12 个实验,即可完成学习路线,并在个人资料中获得 量化统计学 徽章。

0 / 120%

下一条学习路线

MMatrix Decompositions已上线
uantCraft Academy

在实践中学习量化开发:短课程、评分实验和真实的 IDE,尽在浏览器中。

学习
全部路线图所有学习路线Python 学习路线C++ 学习路线即将推出OxCaml 学习路线即将推出Market Structure 学习路线Calculus 学习路线Linear Algebra 学习路线Probability 学习路线Statistics 学习路线Matrix Decompositions 学习路线Optimization 学习路线
支持
给我们反馈请我们喝杯咖啡
法律
隐私政策服务条款
© 2026 QuantCraft Solutions. 保留所有权利。
QuantCraft
登录加入 ↗
登录