什么是AQF量化金融?
摘要: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)。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。
很多童鞋会问什么是AQF量化金融?首先我们先了解下什么是AQF?
AQF量化投资,量化交易,量化金融,这是一个时髦的词汇,做金融的你一定AQF不陌生,当然对于量化更是很熟悉,熟悉的是你在圈子里一定看到很多人在讨论它或者接触到一些信息。陌生的是量化到底是什么,它和目前的金融有什么关系,能如何运用到工作当中?
专业人士表示“投资者想要从事量化交易,必须是精通金融和计算机语言的复合型人才,金融、建模、编程缺一不可。”金融量化领域的内容涉及基础数据抓取及处理、量化交易策略编写及回测、实盘程序化交易、衍生品定价、机器学习、高频交易等模块的内容。“精细的算法系统不仅能辅佐人们进行交易投资决策,在国外,也在逐步取代重复性的人工劳动,金融科技的发展方兴未艾,这一定是一个大趋势”。
然而,量化金融领域创新频现、高尖人才密集,因此门槛较高。每一个有志成为量化金融分析师的人,都面临着“金融”、“编程”、“建模”三座大山,从理论到实践,每一步都需要大量的积累和学习。在此背景下,AQF量化金融分析师证书应运而生。
AQF考试简介
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。
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。
AQF核心课程体系
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。
AQF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。
AQF课程内容
课程内容包括量化金融分析师AQF实训项目(线上)及线上答疑,分三阶段开展课程。
第一阶段(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)
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。包含了最负有盛名、最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。
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最优解方案。
通过第三阶段的学习,学员将获得报名参与量化金融分析师(AQF)的证书考试资格。
AQF量化金融分析师实训项目学习大纲
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 >>>在线免费试听课
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
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
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