当前位置: 首页 上海站
上海特许金融分析师(CFA)培训
上海金程教育 上海金融分析师学校
上海金融分析师学校

上海金融分析师学校

热度:
关注人数:90
价格
询底价

开课机构:上海金程教育

上课校区:金程教育复旦总部徐汇分校(上海)松江分校(上海)更多

咨询电话:400-029-0967转4135 免费通话

课程介绍

课程名称:量化金融分析师实训项目

  • 量化金融分析师实训项目(AQF?)
    建议手册
    1.项目背景
    量化金融分析师(AQF?)英文全称Analyst of Quantitative Finance,简称AQF,是基于Python语言的专业量化投资证书,由中国社科院下设的中国市场学会金融服务工作委员会建立的全国财经金融专业人才培养工程(PFT)主办并颁发。

    量化投资在国外的发展已非常成熟,与此相反,曾经在相当长的一段时间里,国内量化投资领域发展缓慢。2017年伊始,金融业界改革消息不断。2 月 16 日,中金所重磅发布新的股指期货交易规则,对其日内过度交易行为的监管、非套期保值持仓的交易保证金标准、平仓手续费标准都采取了进一步放松限制的政策指示。3月,十二届全国人大会议上,在《2017年政府工作报告》中首次提及“人工智能”和数字经济。运用专业的量化分析方法到具体投资业务中,是未来量化投资分析师的职业能力诉求。4月10日,大连商品交易所正式发布由其自主研发的6支大连商品交易所商品期货系列指数,分别为农产品、油脂油料、饲料类、大豆类等4支多商品期货价值指数,以及都豆粕、铁矿石等2支单商品期货价值指数。
    现阶段,国内每年的新财富评选活动中,各大券商的金融工程团队逐渐成为行业焦点;量化基金产品一如既往受到多方关注。各大量化投资平台如雨后春笋般兴起,量化方法在金融投资分析中得到越来越广泛的运用。国际方面,在人工智能的浪潮下,包括高盛、摩根大通、贝莱德等各大投行和金融机构纷纷转型和布局人工智能,大批交易员和分析师被自动算法取代,越来越多的公司依赖算法进行投资决策,而不再求助于具体的人。量化投资领域方兴未艾,在此背景下,为未来金融高尖人才提供全面且个性化的服务,提升其综合素质,是时代的需求。
    本量化投资实训项目旨在为此类人员提供基本理论知识、切实可行的研究方法,提高参训人员的量化分析水平。
    2.课程对象
    适合本量化投资实训项目的人群有:有志于学习专业的量化投资方法,且有志于从事与金融量化分析相关的经济活动或专业服务工作的人员。相关工作包括:投资顾问、量化投资工程师、量化投资策略研究分析师、行业研究中的量化分析团队等。


    3.培训目标
    近年来,我国金融业改革与创新不断,金融工作越来越专业化、标准化、国际化。结合现代计算机技术的发展,量化方法在金融实务中的应用也越来越普遍和深入。本项目在借鉴国外发达国家的量化金融分析师执业标准的基础上,结合我国现代金融领域的实践发展和实际情况,并通过研究分析相应实战岗位的专业要求和工作内容,以培养量化金融分析师专业人员为目标,通过专业理论知识与实战能力的训练,培养具备量化分析能力的专业金融从业人员。
    此外,本项目的课程内容和结构设计也适宜短期学习概览量化分析方法,并且应用于日常的投资分析工作中的金融从业人员。
    4.课程安排
    4.1.课程方案
    量化金融实训项目(AQF)课程学习周期3个月,分三阶段开展课程,阶段课程时长为1个月。团报学员授课形式为:线下授课答疑 线下知识串讲 线上学习 线上答疑,线下授课答疑与知识串讲统一安排在月末开展。课程时间和内容的具体安排见4.2。
    4.2.课程内容
    课程内容包括量化金融分析师AQF实训项目(线上)及线下面授答疑课程,线上线下同步进行,分三阶段开展课程。
    一阶段(1个月):Python编程基础 金融知识基础
    零基础到入门,线上课程 线下面授。通过大量金融数据和金融案例的初步学习,了解Python编程核心基础。课程内容主要包括:Python语言环境的搭建、编程基础、编程进阶(Numpy / Pandas配对交易实战策略)、金融数据的获取及相关处理、Python实战金融应用(统计分析、资产组合、风险管理、资产定价)、量化交易策略(SMA经典策略、CTA交易策略、基于爬虫技术的事件驱动策略、大宗商品&股票市场联动策略、基于机器学习算法预测股市涨跌)
    通过一阶段学习,学员将获得金程教育颁发的初级量化金融分析参训证书。
    第二阶段(1个月):量化金融进阶课程
    中级进阶课程,主要涉及基于Python的经典量化投资策略的深入学习等。包含了负有盛名、前沿的量化交易思想和交易策略。例如:海龟交易模型、配对交易模型、Alpha模型、机器学习各种模型等内容。
    通过第二阶段学习,学员将获得金程教育颁发的中级量化金融分析参训证书。
    第三阶段(1个月):量化金融高阶课程
    量化高阶课程,课程内容包括量化交易系统设计及量化实盘交易的学习。第三阶段高阶课程旨在学习量化交易系统的具体知识,包括过滤器、进入信号、退出信号、仓位管理等详细内容,并指导学员设计涵盖个人交易哲学的量化交易系统。量化实盘交易旨在为解决实际量化交易策略搭建过程中的一些问题提供解方案。
    通过第三阶段的学习,学员将获得金程教育颁发的高级量化金融分析参训证书,且获得报名参与量化金融分析师(AQF)的证书考试资格。


    5.学习收益
    本量化投资实训项目旨在参训人员通过本项目培训获得以下收益:
    熟悉中国主要金融市场及交易产品的交易机制;
    熟知国内外期货交易、股市交易的异同点和内在运行机制;
    掌握经典量化交易策略细节及其背后的交易理论;
    掌握金融、编程和建模知识基础,拥有量化交易实盘操作能力;
    具备独立自主地研发新量化交易策略的能力;
    掌握量化交易模型设计的基本框架,以及风险管理和资产组合理论的实际运用;
    掌握“策略思想→策略编写→策略实现”的完整量化投资决策过程。


    6.课程体系

    课程内容以学习主流交易策略为核心,提供Python语言编程基础、数据处理基础、金融知识基础、量化投资策略实现和量化投资多平台模拟交易五个模块的教学。在市面课程中,本课程具备课程体系完整、课程内容丰富、课程内容衔接合适等优势。
    7.课程大纲
    7.1.量化金融分析师实训项目学习计划完整版

    7.2.量化金融分析师实训项目学习大纲
    7.2.1.一部分:前导及课程介绍
    1.AQF核心课程
    2.量化策略的Python实现和回测
    3.整体代码介绍
    7.2.2.第二部分:量化投资基础
    1.量化投资背景及决策流程
    2.量化择时
    3.动量及反转策略
    4.基金结构套利
    5.行业轮动与相对价值
    6.市场中性和多因子
    7.事件驱动
    8.CTA_1(TD模型)
    9.统计套利_低风险套利
    10.大数据和舆情分析
    11.机器学习
    12.高频交易和期权交易
    13.其他策略和策略注意点


    三部分:Python编程知识
    Python语言环境搭建 1.Python语言环境搭建
    Python编程基础1.python数字运算和Jupyter notebook介绍
    2.字符串
    3.Python运算符
    4.Tuple和List
    5.字典
    6.字符串格式化
    7.控制结构_1.For循环
    8.函数
    9.全局和局部变量
    10.模块
    11.Python当中的重要函数

    Python编程进阶
    1.Numpy数据分析精讲
    2.Pandas数据分析详解

    数据可视化
    1.Pandas内置数据可视化
    2.Matplotlib基础
    3.Seaborn


    金融数据处理实战
    1.数据获取_1.本地数据读取
    1.数据获取_2.网络数据读取_1
    1.数据获取_2.网络数据读取_2.tushare
    1.数据获取_2_网络数据读取_3.文件存储
    2.金融数据处理_1.同时获取多只股票
    2.金融数据处理_2.金融计算
    2.金融数据处理_3.检验分布和相关性
    3.金融时间序列分析_1.Python下的时间处理
    3.金融时间序列分析_2.Pandas时间格式
    3.金融时间序列分析_3.金融数据频率的转换
    4.金融数据处理分析实战案例_案例1
    4.金融数据处理分析实战案例_案例2_多指标条件选股分析_1
    4.金融数据处理分析实战案例_案例2_多指标条件选股分析_2


    四部分:量化交易策略模块
    三大经典策略
    1.三大经典策略_1.SMA
    1.三大经典策略_2.动量Momentum
    1.三大经典策略_3.均值回归

    配对交易策略
    2.配对交易

    技术分析相关策略
    3.量化投资与技术分析_1.技术分析理论
    3.量化投资与技术分析_2.CCI策略的Python实现
    3.量化投资与技术分析_3.布林带策略的Python实现_1
    3.量化投资与技术分析_4.SMA和CCI双指标交易系统
    3.量化投资与技术分析_5.形态识别和移动止损策略

    大数据舆情分析策略
    4.大数据舆情分析策略_基于谷歌搜索的大数据舆情分析

    CTA交易策略
    5.CTA交易策略_Aberration趋势跟踪系统

    量化投资与机器学习
    6.量化投资与机器学习_1_机器学习算法原理_2_逻辑回归原理
    6.量化投资与机器学习_1_机器学习算法原理_3_SVM算法原理
    6.量化投资与机器学习_1_机器学习算法原理_4_决策树算法原理
    6.量化投资与机器学习_1_机器学习算法原理_5_KNN算法原理
    6.量化投资与机器学习_1_机器学习算法原理_6_神经网络算法了解
    6.量化投资与机器学习_1_机器学习算法原理_7_K-means算法原理和算法总结
    6.量化投资与机器学习_2_机器学习算法实现_1_数据集生成原理
    6.量化投资与机器学习_2_机器学习算法实现_2_数据集可视化
    6.量化投资与机器学习_2_机器学习算法实现_3_逻辑回归算法的python实现
    6.量化投资与机器学习_2_机器学习算法实现_4_DT_KNN_NB算法的python实现
    6.量化投资与机器学习_2_机器学习算法实现_5_SVM算法的python实现
    6.量化投资与机器学习_3_机器学习算法实战_6_基于逻辑回归和SVM的股市趋势预测

    五部分:面向对象和实盘交易
    1.模块内容整体介绍
    2.面向对象、类、实例、属性和方法
    3.创建类、实例、方法
    4._init_初始化方法
    5.面向对象程序实例
    6.继承的概念及代码实现
    7.面向对象继承的实战案例
    8.多继承和量化交易平台的面向对象开发思路
    9.用面向对象方法实现股债平衡策略

    7.2.6. 第六部分 实盘模拟交易
    基于优矿平台的面向对象策略
    1.优矿平台介绍
    2.优矿平台回测框架介绍
    3.优矿框架之context对象、account和position对象
    4.优矿其它重要操作
    5.优矿之小市值因子策略
    6.优矿之双均线策略
    7.优矿之均值回归策略
    8.优矿之单因子策略模板
    9.优矿之多因子策略模板
    10.优矿之因子数据处理:去极值和标准化

    面向对象实盘交易之Oanda
    1.Oanda平台介绍和账户配置
    2.Oanda账户密码配置和交易框架原理
    3.Oanda链接账户并查看信息
    4.Oanda API获取历史数据
    5.Oanda市价单和交易状态查询
    6.Oanda高级交易订单
    7. Oanda其它高级功能
    8. Oanda实战ADX策略全讲解:策略逻辑、数据读取、历史数据处理、可视化、实时数据和实时交易
    9. Oanda通过实时数据API调取实时数据、resample

    面向对象实盘交易之IB
    1.IB实战平台介绍及API安装调试
    2.IB实战平台请求和响应远离、线程控制
    3.IB响应函数wrapper讲解
    4.IB请求函数及合约定义
    5.IB程序化下单、仓位及账户查询
    6.IB三均线交易_金字塔仓位下单控制模型实盘交易之策略原理、线程控制原理、策略结构总览、响应函数、交易信号、策略展示等全讲解。

    7.2.7. 第七部分:基于优矿的进阶学习
    1.1回测与策略框架
    1.2评价指标
    1.3.1量化策略设计流程简介
    1.3.2择时策略举例(双均线)
    1.3.3量化投资模板1.0选股和择时
    2.1基于技术分析的量化投资
    2.2.1技术指标简介
    2.2.2 MACD择时策略
    2.2.3 WVAD择时策略
    2.2.4 RSI择时策略
    2.2.5 MFI择时策略
    2.2.6 CCI择时策略
    2.2.7技术指标总结
    2.3通道技术
    3.1.1日期效应
    3.1.2动量效应
    3.2.1格雷厄姆成长投资
    3.2.2积极投资策略
    3.2.3价值投资策略
    3.2.4小型价值股投资策略
    3.3.1交易系统设计的一般原理
    3.3.2均线排列系统
    3.3.3金肯纳特交易系统
    3.3.4海龟交易法系统

    表[1]:量化金融分析师实训项目学习大纲
    8.课程服务
    课程学习实务导向:金程教育的量化投资项目课程以实务应用为导向,实现从零开始到量化投资实战的垂直提升。
    售前售中售后一站式服务:提供服务包括咨询、课程培训、资料寄送、课后答疑等相关的一站式服务。
    课程研发团队独立自主:金程教育专设量化投资独立研发团队并陆续推出各种量化高阶课程;如:量化策略的持续研发、量化回测框架设计等。
    9.考试介绍
    考试时间:每年3月与9月的第三个星期日
    考试地点:2019年3月起开设线下考点
    报考条件:同时符合下列条件的考生,可以申请参加量化金融分析师全国统一考试:
    (1)具有完全民事行为能力且年满18周岁
    (2)参加并完成指定授权培训机构提供的量化金融分析师实训项目,并获得对应学分。
    报名流程:

    考试题型:单选题20%、多选题20%、解答题60%
    考试范围:以标准委员会发布的《量化金融分析师全国统一考试大纲》为准。
    考试方式:考试采用计算机化考试方式。
    (1)即在计算机终端获取试题、作答并提交答题结果。
    (2)考试试题从量化金融分析师考试题库中随机抽题;随机抽题以试卷中的试题数量、类型、难度一致为原则。
    考试费用:
    (1)2019年3月起注册费:760元/人/次,考试费:1500元/人/次;
    (2)由于特殊原因举办的场次,考试费用将另行规定。
    考试语言:中文 Python程序设计语言
    试卷评阅和成绩认定:
    (1)考生答卷由量化金融标准委员会组织集中评阅,考试成绩报经中国市场学会金融服务工作委员会审核后发布。
    (2)成绩发布后,考生可登录标准委员会指定的官网查询成绩并下载和打印成绩单。
    (3)考试实行百分制,总分60分为成绩合格分数线。
    (4)成绩合格的考生,可申请成为量化金融标准委员会个人会员。
    10.课程师资


  • 47 课程
  • 3 校区
  • 0 真实评价
立即咨询
本页信息由注册用户(机构和个人)自行发布或提供,所有内容仅供参考,终以该用户官方信息为准,任何关于对该用户的推荐都不能替代您的考察核实,本站不承担该用户发布/提供信息的行为或内容所引起的法律责任。当您认为您的知识产权或其他合法权益被侵犯,请立即向我们发出"权利通知书",我们将根据中国法律法规和政府规范性文件采取相应的措施予以处理,切实维护您的合法权利。客服电话:400-601-2788。