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