腾龙学院
腾龙学院：量化研究与交易纪律培训
腾龙学院是 OmniMarket 的量化研究与交易纪律教育产品，以课程体系组织学习路径，围绕金融基础、量化研究、交易规则、风险管理与交易纪律组织课程。
适合人群：以量化与基本面研究为方向的个人研究者、金融行业从业者，以及希望系统建立交易规则与纪律意识的学习者。
学习价值：形成从数据到结论的完整研究方法，并把规则与纪律纳入日常决策。
学习方向
三个学习方向
量化研究学习
因子与信号、回测与策略评估、行业与产业链研究等量化研究主题。
交易规则教育
金融市场基础、A 股交易规则、交易计划、仓位管理等规则类主题。
交易纪律培训
止损纪律、止盈与减仓、交易复盘与错误归因、投资心理与行为金融等主题。
以上方向对应现有课程目录中的主题;具体课程内容以学院实际提供为准。
课程目录
学院分类与课程名称
以下为学院现有的学院分类与课程名称。
金融基础学院从零开始建立完整金融认知体系
- 金融市场基础
- 股票、债券、基金、期货有什么区别
- A股市场交易规则
- 交易所、撮合机制与订单类型
- T+0 / T+1 与交易制度差异
- 风险收益与资产类别
- 流动性、盘口、成交量与价格冲击
- 资产配置入门：为什么不能只买一个资产
技术分析学院用图表和指标理解趋势、动能与交易位置
- K线与价格结构
- 均线系统与趋势判断
- 成交量与量价关系
- MACD 与趋势动能
- KDJ / RSI 与超买超卖
- BOLL 与波动区间
- 支撑压力与箱体突破
- 背离、缺口与交易信号
量化研究学院建立从因子、回测到策略评估的量化研究框架
- 量化研究入门
- 因子与信号
- 选股模型基础
- 回测入门
- 胜率、赔率与回撤
- 前向验证与模拟盘
- 模型失效与复盘
- OmniMarket 量化研究工作流
Python金融学院用 Python 完成金融数据处理、指标计算和策略验证
- Python金融入门：为什么金融研究需要代码
- 数据表与时间序列：行情数据怎么看
- 收益率、回撤与资金曲线计算
- 用 Python 做技术指标与信号验证
- 用 Python 做简单回测
- 用 Python 读取财报、公告与行业数据
- 用 Python 做组合统计与风险分析
- Python 在 OmniMarket 中的实战工作流
AI金融学院不是普通 AI 入门课：面向金融研究、数据解释、模型验证、风险提示、交易教练与复盘
- AI金融入门：AI 在金融研究中到底做什么
- AI 如何读取和解释金融数据
- AI 如何辅助股票研究与行业研究
- AI 如何解释模型、信号与回测结果
- AI 如何参与风险提示与交易教练
- AI 如何参与交易复盘与用户能力评分
- AI 如何做个性化学习引导与课程推荐
- AI 在 OmniMarket 中的完整工作流与边界
实战交易学院从交易计划、仓位、止损、止盈、突破、追高到复盘与模拟评分，建立完整实战交易闭环。
- 从看懂行情到真正下单
- 仓位管理与资金分批
- 止损纪律与执行
- 止盈、减仓与保留底仓
- 突破买入与回踩确认
- 追高风险与均线乖离
- 交易复盘与错误归因
- 模拟交易训练与实战评分
风险管理学院从单笔风险、回撤、连续亏损、组合集中到极端风险与系统权限，建立完整账户保护体系。
- 风险管理入门
- 单笔风险与仓位上限
- 账户回撤与最大亏损红线
- 连续亏损与降仓机制
- 组合风险与持仓集中度
- 黑天鹅、跳空与极端风险
- 系统风控规则与交易权限
- 综合风控案例与系统实战
AI训练营训练 AI 老师、AI 交易教练和 AI 系统助手的协作流程
- 从会问问题到会指挥 AI 工作流
- 如何让 AI 正确拆解金融研究问题
- 如何让 AI 调用数据、工具和证据链
- 如何检查 AI 的回答是否可靠
- 如何让 AI 生成可执行任务并调用工具 / 插件 / Widget
- 如何让 AI 参与交易前检查与人工确认
- 如何让 AI 参与复盘、学习画像与课程推荐
- AI训练营完整工作流与安全边界
- 外部开发器与内置开发器的安全边界
金融指标与系数学院用财务指标和风险收益指标看懂公司与策略
- 收益率、年化收益率与资金曲线：为什么只看赚多少是不够的
- 波动率与年化波动率：收益背后的不稳定性
- 最大回撤与回撤恢复：亏损后需要赚多少才能回来
- 胜率、赔率与期望值：为什么高胜率不等于好模型
- Sharpe Ratio 与 Sortino Ratio：如何评价单位风险收益
- Alpha、Beta 与基准比较：收益到底来自能力还是市场
- Calmar Ratio 与回撤约束：适合实战的风险收益指标
- OmniMarket 模型表现仪表盘：如何综合阅读指标而不是机械排名
投资组合与资产配置学院从资产配置入门、基础资产类别、仓位角色，到行业主题、ETF、再平衡、多账户和模型配置，建立完整组合管理框架。
- 资产配置入门
- 股票、现金、债券与基金的配置逻辑
- 核心仓、卫星仓与实验仓
- 行业配置与主题配置
- ETF 与指数基金配置
- 组合再平衡与动态调整
- 多账户配置与客户组合管理
- 模型配置与组合风险评分
基金与 ETF 学院本学院围绕主动基金、指数基金、ETF、行业 ETF、主题 ETF、基金净值、回撤、波动、持仓穿透、基金与股票账户重复风险、基金/ETF 量化评价和 AI 基金风控展开。
- 基金与 ETF 入门
- 主动基金、指数基金与 ETF 的区别
- 基金净值、收益率、回撤与波动
- 基金持仓穿透与行业暴露
- ETF、行业 ETF 与主题 ETF
- 基金/ETF 与股票账户的重复风险
- 基金与 ETF 量化评价指标
- AI 基金/ETF 风控与基金学院第一阶段收口
债券与固收学院理解债券、利率、久期和固收资产的风险收益
- 债券与固收入门
- 利率、收益率与债券价格
- 久期、凸性与利率风险
- 信用利差、评级与违约风险
- 债券基金与固收产品风险画像
- 固收组合与多资产配置
- 利率、债券与股票估值联动
- AI 固收风控与债券学院第一阶段收口
宏观与全球市场学院理解宏观周期、政策变量和全球市场联动
- 宏观与全球市场入门
- 利率、通胀与央行政策
- 汇率、美元指数与全球资金流
- 大宗商品、能源与资源周期
- 全球股市联动与风险偏好
- 政策、地缘政治与市场冲击
- 宏观数据与资产配置信号
- AI 宏观风控与宏观学院第一阶段收口
期货与衍生品学院理解衍生品市场如何影响股票、行业、商品、组合、风险和宏观判断
- 期货与衍生品在 OmniMarket 中到底有什么用
- 期货价格、现货价格、基差与期限结构
- 保证金、杠杆、强平与期货风险控制
- 商品期货如何影响行业利润与股票研究
- 股指期货、国债期货与市场风险偏好
- 期权、波动率与风险定价基础
- 套期保值、对冲与企业风险管理
- 期货与衍生品在 OmniMarket 中的完整工作流与边界
期权策略学院理解期权定价、Greeks、波动率和策略组合
- 期权基础与权利义务
- 看涨期权与看跌期权
- 内在价值与时间价值
- Greeks 入门
- 隐含波动率
- 保护性期权与备兑策略
- 价差与组合策略
- 期权风险边界
资产组合与 FOF 学院建立组合构建、相关性、再平衡和 FOF 研究体系
- 组合投资基础
- 资产相关性与分散化
- 目标权重与再平衡
- 风险平价与目标风险
- FOF 基金选择
- 组合回撤控制
- 多策略组合管理
- 长期组合复盘
金融科技与数据工程学院建设金融数据底座、API、ETL 和自动化任务体系
- 金融科技与数据工程在 OmniMarket 中到底解决什么问题
- 行情数据、分钟线、复权因子与数据完整性
- 公告、财报、新闻与非结构化金融数据处理
- 因子数据、特征工程与模型输入数据集
- 回测数据快照、样本外验证与防未来函数机制
- 数据质量监控、缓存刷新与异常报警机制
- 数据血缘、审计日志、权限控制与合规边界
- 金融科技与数据工程在 OmniMarket 中的完整工作流与边界
行业研究与产业链学院用行业框架、产业链和竞争格局分析公司价值
- 行业研究基本框架
- 产业链上下游分析
- 供需关系与价格传导
- 竞争格局与行业壁垒
- 周期行业分析
- 成长行业分析
- 政策与产业趋势
- 公司比较与投资假设
投资心理与行为金融学院识别交易心理、认知偏差和纪律失效
- 投资心理与行为金融在 OmniMarket 中到底解决什么问题
- 贪婪、恐惧、亏损厌恶与追涨杀跌
- 锚定成本、确认偏误与过度自信
- 交易纪律、止损困难与复仇交易
- 用户行为数据、交易复盘与错误模式识别
- AI交易教练、买入理由助手与认知纠偏
- 投资心理画像、补课推荐与长期能力评分
- 投资心理与行为金融在 OmniMarket 中的完整工作流与边界
OmniMarket 系统工作流学院把数据、模型、AI、证据链和交易纪律串成标准工作流
- OmniMarket 是如何连接数据、模型、AI、课程与交易纪律的
- 从一只股票开始：完整研究流程
- 如何使用行情、公告、财报、指标和模型信号
- 如何使用 AI问答、AI交易教练和买入理由助手
- 从模型候选池到人工确认：如何避免把模型信号当交易命令
- 交易前检查：仓位、风险、止损、数据质量与权限确认
- 交易后复盘：从结果盈亏到过程质量
- 一个完整案例：从发现股票到复盘归档
投资决策与研究报告学院把研究触发、核心假设、证据链、风险项和交易计划整理成可复盘的正式投资决策报告。
- 投资决策报告不是观点作文：它必须回答什么问题
- 研究对象与研究触发：为什么现在研究这只股票
- 核心假设：一份报告只能围绕少数关键判断展开
- 证据链：如何把行情、公告、财报、行业和模型信号变成报告依据
- 反面证据与风险项：报告必须说明什么情况下自己会错
- 模型信号与AI草案：如何写进报告而不把它们当成结论
- 从报告到交易计划：仓位、止损、跟踪条件与人工确认
- 完整报告案例：从研究触发到报告归档与复盘
盘口行为与量价交易学院从成交量、分时图、VWAP、Level-2、盘口委托、大单行为和真假突破出发，训练用户读懂盘中价格背后的成交力量，并把量价观察转化为可执行的买卖规则。
- OFVP001：量价行为与盘口交易总览
- OFVP002：成交量、量比与资金推动
- OFVP003：分时图、VWAP 与盘中节奏
- OFVP004：Level-2 盘口、委托队列与主动成交
- OFVP005：大单、小单、主力行为与资金流识别
- OFVP006：筹码分布、成本区与压力支撑
- OFVP007：盘中买卖点、加减仓与风险边界
- OFVP008：盘口行为复盘、交易纪律与系统化训练
资金行为学院Capital Behavior Academy
- CB001：资金行为分析总览：从资金流到资金行为
- CB002：资金方向：流入、流出、主动买卖与持续性
- CB003：资金位置：低位吸收、高位派发、突破进攻与回踩承接
- CB004：资金类型：机构、游资、量化、散户、ETF 与外部资金
- CB005：资金行为：扫单、压单、托单、撤单、试盘与诱导
- CB006：资金结果：流入是否推动上涨，流出是否造成下跌
- CB007：资金风险：假流入、诱多、诱空、退潮与承接失败
- CB008：OmniMarket 资金行为评分模型与系统化应用
综合资金动力学院
- OmniMarket 综合资金动力体系（OmniMarket Comprehensive Capital Dynamics Framework）
- MRI 综合资金阻力模型应用
- CEI 综合资金效率指数应用
- CBM 综合资金动力模型
- 资金主导权状态机
- 市场状态转换识别
- 综合指标与传统技术指标配合
- 经典市场案例分析
说明
学习方式与说明
- 课程正文目前未公开开放；本页仅展示学院分类与课程名称。
- 本网站为公开介绍页面，不提供在线学习、学习记录或模拟交易功能。
- 学院课程目前使用中文。
- 学院内容仅用于教育，不构成投资建议，不提供自动交易或个性化买卖指令。