系统学习宏观、微观、计量经济学基础知识，理解货币、利率、经济周期对投资的影响。全面了解传统资产与非传统资产的特点与风险收益特征，学习资产轮动与择时策略，掌握全天候资产配置方法，为量化投资策略设计与长期财富增长奠定基础。

1. 1、学习宏观经济学：货币、利率、经济周期与资产价格关系；
2. 2、掌握计量经济学：数据驱动的投资决策能力，建立金融思维框架；
3. 3、深入了解传统资产：股票、债券、基金、黄金的投资特性与风险收益；
4. 4、认识非传统资产：房地产、加密货币的风险与机会，学习资产轮动与择时策略；
5. 5、掌握全天候（All Weather）资产配置方法，完成个人资产健康度分析。

掌握金融数据的获取渠道与API使用方法，学习使用yfinance等免费API获取上市公司数据。深入理解时间序列数据与财务报表结构，掌握数据清洗、异常值处理与可视化技巧，为量化策略开发提供高质量数据基础。

1. 1、了解金融数据来源：免费API与主流数据平台对比；
2. 2、使用yfinance免费API获取上市公司数据；
3. 3、理解金融数据结构：时间序列、财务报表的解读方法；
4. 4、掌握数据质量评估：处理缺失值、异常波动等数据问题；
5. 5、学习数据可视化：异常值处理与投资组合可视化展示；
6. 6、完成投资组合异常值检测作业，提升数据分析能力。

系统学习股票与基金的投资方法，掌握选股思路、交易流程与投资策略。了解基金类型、选择方法与风险偏好匹配，通过实际交易体验与策略分析，建立个人投资体系，为量化策略开发提供实战基础。

1. 1、选股思路与交易流程：沪深交易所规则、东方财富App交易界面实操；
2. 2、股票投资：看行业、选公司、算估值、定策略，并完成选股作业；
3. 3、基金投资：流程、规则、手续费与核心要素（基金经理、行业偏好、盈利能力）；
4. 4、完成基金定投对比作业，验证长期投资效果；
5. 5、匹配个人风险偏好与投资策略，建立个人投资体系。

深入理解量化交易的核心流程与系统设计方法，使用Cursor+AI设计量化系统Demo。系统学习四大核心策略类型，掌握收益类、风险类与决策能力指标的计算方法，通过Python实现各类指标计算，建立科学的策略评估能力。

1. 1、理解量化交易全流程，使用Cursor+AI设计量化系统Demo；
2. 2、四大核心策略：基本面、技术面、统计套利、AI策略；
3. 3、收益类指标：累计收益、年化收益、超额收益，使用Python实现计算；
4. 4、风险类指标：波动率、最大回撤，使用Python实现计算；
5. 5、决策能力指标：Sharpe、Calmar、Sortino，完成策略指标计算作业。

深入学习技术分析的核心指标，掌握趋势指标、动量指标、波动指标与成交量指标的计算与应用。通过Python实现各类技术指标，建立技术分析驱动的量化策略基础。

1. 1、趋势指标：移动平均线（SMA、EMA），使用Python计算并判断趋势方向；
2. 2、动量指标：KDJ、RSI，使用Python计算并判断市场动量与超买超卖；
3. 3、波动指标：ATR、BOLL，使用Python计算并判断市场波动与价格区间；
4. 4、成交量指标：Volume、OBV，使用Python计算并判断资金流向与市场情绪；
5. 5、完成技术指标计算作业，建立技术分析能力。

系统学习基本面分析的核心指标，掌握估值指标、盈利指标、成长指标与偿债指标的计算与应用。建立价值投资的量化分析框架。

1. 1、学习估值指标：PE、PB、PS、PEG的估值方法；
2. 2、学习盈利指标：ROA、ROE、毛利率的盈利能力分析；
3. 3、学习成长指标：营收增长、利润增长、现金流增长的趋势分析；
4. 4、学习偿债指标：资产负债率、流动比率、速动比率的财务健康度评估；
5. 5、完成财报分析训练，建立基本面分析能力。

使用Cursor与AI协同开发量化功能库，并系统学习量化策略的完整开发流程，完成策略回测、统计验证与结果可视化，打造可复用的量化策略模板。

1. 1、实现量化功能库：Cursor与AI协同开发；
2. 2、安装并测试deltafq量化库；
3. 3、确定策略框架：基本面选股+技术面仓位管理；
4. 4、以股票交易为例，模拟并确定全流程参数；
5. 5、参数设置：投资标的、初始资金、交易费率、对比基准；
6. 6、创建因子与策略信号：技术指标、生成信号；
7. 7、策略与运行：交易撮合、限价单、委托机制；
8. 8、统计与验证：账户净值计算、日盈亏数据计算；
9. 9、统计与验证：确定绩效评估指标、生成策略报告；
10. 10、结果可视化：净值、回撤、盈亏分布、基准对比；
11. 11、打造可复用的量化策略模板。

深入学习DeltaFQ量化框架的架构设计与模块化开发方法，系统整合数据、策略、回测、交易、行情等核心模块。掌握回测引擎的实现原理，并基于DeltaFQ实现可复用的量化策略模块。

1. 1、整合量化框架：核心模块、数据管理，技术指标库（Ta-lib）的集成；
2. 2、整合量化框架：策略模板、信号生成、回测引擎与交易模块的集成；
3. 3、整合量化框架：回测报告生成，图表可视化的集成；
4. 4、学习架构模块：BaseStrategy策略基类设计，BacktestEngine回测引擎核心逻辑；
5. 5、上线DeltaFQ量化框架，并基于DeltaFQ完成可复用的量化策略开发。

深入学习基本面选股方法，实现PE、PB、ROE等核心指标的计算与筛选。整合DeltaFQ框架的fundamental模块，实现基本面选股策略，建立价值投资的量化选股体系。

1. 1、学习如何通过金融数据API，获取股票基本面指标的；
2. 2、学习计算基本面指标，及其核心数学原理；
3. 3、整合量化框架：fundamental 基本面模块集成；
4. 4、实操基于股票API实现基本面选股模型；
5. 5、创建个人基本面选股模型，建立价值投资体系。

系统学习基金类型及其特点，深入了解指数基金（上证、深证、沪深、中证、科创）与国际基金（日经、纳斯达克、MSCI）的投资价值，并熟练掌握天天基金等帅选对比工具的使用方法，为稳健财富增长制定清晰的执行方案。

1. 1、学习基金类型及其特点：标的、风险、市场特征分析，深入了解指数基金与国际基金的投资价值；
2. 2、实操A股指数与全球指数收益走势图，验证长期投资价值，建立全球配置视野；
3. 3、学习选择符合个人风险偏好的基金类型，掌握天天基金工具的筛选与数据分析功能；
4. 4、实操制定基金投资目标与计划，建立投资体系，规划财富增长。

掌握基金数据的免费获取方法，深入学习基金投资策略，系统掌握定投策略、波动率策略与智能定投的核心逻辑，完成从策略设计到回测验证的全流程。

1. 1、基金数据免费接口：东方财富API使用方法，使用Python获取基金净值，整合DeltaFQ基金数据接口；
2. 2、学习定投策略：不同经济周期下的收益表现（策略原理、回测分析、优化方法）；
3. 3、学习波动率策略：超越定投策略收益的核心逻辑（策略设计、实战应用）；
4. 4、学习智能定投：时间与资金配置与收益管理（配置策略、收益优化）；
5. 5、整合量化框架：基金数据存储、智能定投策略、交易信号可视化；
6. 6、完成基金策略回测分析与指数基金定投规划。

学习量化交易系统的整体设计与技术架构，掌握Flask框架与REST API服务的开发方法。了解DeltaStation量化交易系统的运行方式，并使用Cursor进行代码优化，建立系统化的量化策略开发功能。

1. 1、学习量化系统设计：系统原型与工作流；
2. 2、运行DeltaStation量化交易系统，并理解前后端整体调用逻辑；
3. 3、技术架构解析：Flask与REST API服务（后端架构设计、API接口开发）；
4. 4、数据管理模块：数据上传、下载与读取（数据接口开发、数据存储优化）；
5. 5、策略管理模块：新建、保存与下载，图表分析模块：净值图表与Charts可视化（基础与高级）；
6. 6、策略回测模块：Cursor代码优化（性能优化、功能完善）；
7. 7、完成回测界面的使用和系统源码理解。

搭建专业级交易链路，接入模拟与实盘行情，实现资金账户管理、下单撮合、委托/成交/持仓的全流程记录与持久化；在DeltaFStation上线行情面板与模拟交易交互，跑通一套可验证的交易闭环，为后续实盘与风控打底。

1. 1、系统架构设计：Gateway、Event、Adapter，确保行情/交易链路稳定
2. 2、行情模块：模拟行情 + AkShare实时行情接入，保障定价与撮合依据
3. 3、界面与账户：上线实时行情看板，资金管理与基础风控（出入金、限额）
4. 4、交易与数据：下单/撮合/撤单；委托、成交、持仓全量记录与持久化
5. 5、集成与作业：在DeltaFStation上线交易交互，完成一套可验收的模拟交易作业

学习策略自动化托管的核心技术，掌握从"手动点击"到"信号触发"的自动化执行流程，同时学习实盘交易接口集成方法，为后续实盘交易功能奠定基础。

1. 1、自动化执行逻辑：从"手动点击"到"信号触发"的流程设计，交易实时监控：实现"每分钟检查一次信号"机制；
2. 2、信号防抖与风控：避免"假突破"和"频繁交易"的风控策略；
3. 3、云端托管实战：实现7x24小时无人值守的自动化交易系统；
4. 4、DeltaFQ实盘交易驱动：Mini-QMT集成；
5. 5、整合DeltaFStation：实盘交易功能；
6. 6、完成券商量化API的申请与运行。

深入学习AI Agent的功能设计与框架构建，掌握系统操作导引、策略自动生成与投资理财知识库三大核心功能的实现方法。

1. 1、AI Agent架构设计：Agent核心功能与管理，项目工程结构与依赖准备，开发环境搭建；
2. 2、Agent主流程与调度实现：核心逻辑开发，工具函数（Tools）与系统操作接口开发；
3. 3、核心功能实现：系统操作导引用户引导系统，策略生成模块（Prompt与应用实践）；
4. 4、核心功能实现：投资理财知识库架构设计，理财问答模块知识库集成，多模型与大型API集成；
5. 5、设计个人AI Agent功能与框架图，实现可运行的AI Agent系统，验证功能。

学习AI Agent的优化与部署方法，掌握行为优化、性能优化与本地/云端部署方案。同时学习量化交易系统的生产级部署与运行监控，实现实时通知系统，确保系统7x24小时稳定运行。

1. 1、AI Agent行为优化：记忆、反馈与自我学习、上下文管理、缓存、成本控制；
2. 2、AI Agent部署方案：本地部署（轻量化模型、本地推理库），云部署（监控与日志）；
3. 3、量化系统部署与上线：服务器环境配置与应用发布流程；
4. 4、实时通知集成：钉钉机器人配置与接入，通知机制设计：事件触发与消息推送。

站在更高维度审视个人财富管理，理解人生财富三线与不同财富阶段的资产配置原则，设计个人财富管理方案，探索金融科技的前沿趋势，了解DeFi与开放金融、全球加密货币市场与法规，认识与建立对Fintech未来发展的前瞻性视野。

1. 1、理解人生财富三线与阶段性财富管理规律，学习不同财富阶段的资产配置原则与策略；
2. 2、了解保险在个人金融体系中的定位与作用，设计个人阶段性财富管理方案；
3. 3、学习DeFi与开放金融：从基础到实践应用；
4. 4、了解全球加密货币市场与法规环境，认识小而美的FinTech企业；
5. 5、调研一个量化工具或机构并分享其特点，规划财富增长路径，建立行业认知。