2019年9月AQF考试注意事项
量化金融分析师AQF证书是2018年新出来的,所以大家对这新家伙都表示不了解,那么今天,小编我就先大概介绍关于量化金融分析师AQF是什么,以及2019年AQF的考试时间是什么时候,AQF课程内容、体系是什么进行介绍。想了解的童鞋们欢迎阅读咨询。
1. 项目背景
AQF:量化金融分析师(简称AQF ,Analyst of Quantitative Finance)由量化金融标准委员会(Standard Committee of Quantitative Finance,SCQF)主考并颁证,是代表量化金融领域的专业水平证书。
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,李克强总理在《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、贝莱德等各大顶级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。
3、2019年AQF的考试时间是什么时候?
2019年有两场考试,一场是在3月17日,还有一场是在9月22日,那么针对今年3月AQF考试的报名截止时间至2019年2月18日中午12点。今年的AQF考试已开设线下考场。
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。
AQF考试题型:单选题20%、多选题20%、解答题60%
AQF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。
AQF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)AQF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。
AQF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。
AQF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) AQF考试实行百分制,总分60分为成绩合格分数线。
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。
AQF量化金融分析师实训项目学习大纲 微信公众号:量化金融分析师
1.1.1. 第一部分: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
1.1.2. 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
1.1.3. 第三部分: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
1.1.4. 第四部分: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
1.1.5. 第五部分: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
1.1.6. 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 AQF考友群:760229148
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。
1.1.7. 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 热线电话:400-700-9596
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