OmniMarket Academy: Quantitative Research and Trading Discipline Education
OmniMarket Academy is OmniMarket’s education product for quantitative research and trading discipline, organizing learning paths through a course system built on financial fundamentals, quantitative research, trading rules, risk management and trading discipline.
Who it is for: individual researchers working on quantitative or fundamental research, finance professionals, and learners who want to build systematic awareness of trading rules and discipline.
Learning value: build a complete research method from data to conclusions, and bring rules and discipline into everyday decisions.
Three Learning Directions
Quantitative Research Learning
Quantitative research topics such as factors and signals, backtesting and strategy evaluation, and industry and value-chain research.
Trading Rules Education
Rule-based topics such as financial market fundamentals, A-share trading rules, trade planning and position management.
Trading Discipline Education
Topics such as stop-loss discipline, taking profit and reducing positions, trade review and error attribution, and investor psychology and behavioral finance.
These directions correspond to topics in the existing course catalog; the actual course content is as provided by the Academy.
Academy Divisions and Course Titles
The following lists the existing academy divisions and course titles. Titles are shown in Chinese because the existing courses are taught in Chinese.
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
How Learning Works, and Limits
- Course content is not publicly available yet; this page shows the academy divisions and course titles only.
- This website is a public information page. It does not offer online learning, learning records or simulated trading.
- Existing Academy courses are taught in Chinese.
- Academy content is for education only. It is not investment advice, and it provides no automated trading or personalized buy or sell instructions.