# 经济与金融 知识体系

**版本:** v1
**创建时间:** 2026-05-30
**前置知识:** 高等数学、概率论与数理统计、线性代数、基础数据分析

## 概述

本知识体系覆盖经济、金融/理财、财经三大领域，范围广阔，从宏观经济学基础到微观个人理财与量化投资，层层递进。最终锚定到个人理财与个人量化——即如何运用经济学思维和金融工具，做出明智的个人财务决策，并通过量化方法系统性地执行投资策略。

## 知识点目录

### 一、经济学基础

1. **微观经济学核心原理**
   - 前置: 无
   - 应用: 理解市场定价、消费决策、投资机会成本

2. **宏观经济学核心指标**
   - 前置: 无
   - 应用: 解读 GDP、CPI、失业率等经济数据以指导投资判断

3. **货币银行学**
   - 前置: 宏观经济学核心指标
   - 应用: 理解利率政策、货币供应、央行操作对金融市场的影响

4. **国际经济学**
   - 前置: 宏观经济学核心指标
   - 应用: 汇率判断、国际贸易分析、全球资产配置

5. **经济周期理论**
   - 前置: 宏观经济学核心指标
   - 应用: 资产配置的周期轮动策略

### 二、金融市场与机构

6. **金融市场体系**
   - 前置: 无
   - 应用: 理解一级/二级市场、交易所、场外市场结构

7. **股票市场**
   - 前置: 金融市场体系
   - 应用: A股/港股/美股投资、基本面分析

8. **债券市场**
   - 前置: 金融市场体系
   - 应用: 固定收益投资、国债/企业债分析

9. **外汇与货币市场**
   - 前置: 金融市场体系、国际经济学
   - 应用: 外汇投资、跨境套利

10. **衍生品市场**
    - 前置: 金融市场体系
    - 应用: 期货/期权/掉期、对冲与投机策略

11. **另类投资**
    - 前置: 金融市场体系
    - 应用: 房地产、大宗商品、私募股权、加密货币

### 三、公司金融与价值评估

12. **财务报表分析**
    - 前置: 无
    - 应用: 读懂财报、识别企业质量、价值投资

13. **公司估值方法**
    - 前置: 财务报表分析
    - 应用: DCF估值、相对估值、期权估值法

14. **资本结构与融资**
    - 前置: 财务报表分析
    - 应用: 公司融资决策、杠杆管理

### 四、投资组合与资产管理

15. **现代投资组合理论**
    - 前置: 概率论与数理统计
    - 应用: 分散投资、风险收益优化

16. **资产配置策略**
    - 前置: 现代投资组合理论
    - 应用: 战略/战术资产配置、再平衡

17. **风险管理**
    - 前置: 现代投资组合理论
    - 应用: VaR、压力测试、风险预算

### 五、个人理财

18. **个人财务规划**
    - 前置: 无
    - 应用: 收支管理、预算制定、财务目标设定

19. **税务规划基础**
    - 前置: 无
    - 应用: 个税优化、税收优惠工具使用

20. **保险规划**
    - 前置: 风险管理
    - 应用: 人身/健康/财产保险配置

21. **退休与养老金规划**
    - 前置: 个人财务规划、资产配置策略
    - 应用: 社保/年金/个人养老金

22. **个人资产配置实践**
    - 前置: 资产配置策略、个人财务规划
    - 应用: 构建个人投资组合、基金/ETF投资

23. **负债与信用管理**
    - 前置: 个人财务规划
    - 应用: 房贷/消费贷管理、信用评分优化

### 六、量化投资

24. **Python 金融数据分析**
    - 前置: Python 基础
    - 应用: 数据获取、清洗、可视化、回测

25. **金融时间序列分析**
    - 前置: Python 金融数据分析、概率论与数理统计
    - 应用: ARIMA/GARCH建模、波动率预测

26. **量化选股策略**
    - 前置: 金融时间序列分析、财务报表分析
    - 应用: 因子模型、多因子选股

27. **量化择时策略**
    - 前置: 金融时间序列分析
    - 应用: 趋势跟踪、均值回复、动量策略

28. **统计套利**
    - 前置: 量化选股策略、金融时间序列分析
    - 应用: 配对交易、协整策略

29. **算法交易与执行**
    - 前置: 量化择时策略
    - 应用: TWAP/VWAP、订单簿分析、滑点控制

30. **机器学习在量化中的应用**
    - 前置: Python 金融数据分析、量化选股策略
    - 应用: 因子挖掘、风险模型、NLP金融舆情分析

### 七、行为金融与投资心理

31. **行为金融学基础**
    - 前置: 微观经济学核心原理
    - 应用: 识别认知偏差、避免非理性交易

32. **投资心理学**
    - 前置: 行为金融学基础
    - 应用: 情绪管理、克服损失厌恶/确认偏误

33. **决策科学**
    - 前置: 行为金融学基础
    - 应用: 系统性与快速决策、风险管理中的判断优化

### 八、财经信息与素养

34. **财经信息源与工具**
    - 前置: 无
    - 应用: 主流财经媒体、数据终端、分析工具使用

35. **监管与合规框架**
    - 前置: 金融市场体系
    - 应用: 了解内幕交易、市场操纵、合规投资

## 推荐学习路径

**路径 A：个人理财导向（从零开始）**
无基础 → 18(个人财务规划) → 19(税务规划) → 20(保险规划) → 21(退休规划) → 22(个人资产配置) → 23(负债管理) → 1(微观经济学) → 2(宏观经济学)

**路径 B：量化投资导向（有编程基础）**
经济学基础(1-5) → 金融市场(6-11) → 会计(12-13) → 投资组合(15-17) → 金融数据分析(24) → 时间序列(25) → 量化选股/择时(26-27) → ML应用(30)

**路径 C：全面系统学习（推荐）**
经济学基础 → 金融市场 → 公司金融 → 投资组合 → 个人理财 → 量化投资 → 行为金融

## 版本历史

| 版本 | 日期 | 说明 |
|------|------|------|
| v1 | 2026-05-30 | 初始版本，覆盖8大模块35个知识点 |