不管是備考還是處于了解AQF證書的童鞋們都比較關(guān)心的問題是AQF持證后可從事的行業(yè)有哪些?薪資待遇如何?
我們先來看下量化金融分析師的行業(yè)選擇有哪些?從事行業(yè)非常廣泛，包括投資銀行、基金公司、券商金融工程、資產(chǎn)管理公司、私募公司、Fintech公司等。工作職能包括量化研究、量化交易、量化風(fēng)控、數(shù)據(jù)結(jié)構(gòu)和算法、系統(tǒng)開發(fā)和運維、模型和咨詢等。根據(jù)Glassdoor統(tǒng)計，美國量化分析師的平均年薪已達到接近13萬美元。下圖展示了量化金融的行業(yè)和崗位分布情況。 >>>點擊咨詢AQF薪酬如何？
資料來源：券商研報
在國外，AI量化投資已經(jīng)屢見不鮮。據(jù)調(diào)研公司 LCH 在今年初出具的調(diào)研報告，美國業(yè)績排前 20 的對沖基金，包括橋水基金、索羅斯基金，全部采用計算機根據(jù)算法自動交易。據(jù)國際基金評級機構(gòu) Morningstar 數(shù)據(jù)顯示，截止 2017 年 7 月，機器人投顧管理的資產(chǎn)將近 3900 億美元，而在七年前這項數(shù)字幾乎為零。接下來的 10 年，機器人投顧管理的資產(chǎn)將達到 5 萬億美元。
接下來，介紹下AQF證書，如果想從事量化金融這塊的童鞋們，更要好好了解下AQF證書。
AQF簡介
量化金融分析師(簡稱AQF® ，Analyst of Quantitative Finance)由量化金融標準委員會(Standard Committee of Quantitative Finance，SCQF)主考并頒證，是代表量化金融領(lǐng)域的專業(yè)水平證書。 >>>點擊咨詢AQF證書含金量
AQF背景
量化投資在國外的發(fā)展已非常成熟，與此相反，曾經(jīng)在相當(dāng)長的一段時間里，國內(nèi)量化投資領(lǐng)域發(fā)展緩慢。2017年伊始，金融業(yè)界改革消息不斷。2 月 16 日，中金所重磅發(fā)布新的股指期貨交易規(guī)則，對其日內(nèi)過度交易行為的監(jiān)管、非套期保值持倉的交易保證金標準、平倉手續(xù)費標準都采取了進一步放松限制的政策指示。3月，十二屆全國人大會議上，李克強總理在《2017年政府工作報告》中提及“人工智能”和數(shù)字經(jīng)濟。人工智能被提高到戰(zhàn)略層面，對各行各業(yè)帶來不可估量的影響。11月，人民銀行會同銀監(jiān)會、證監(jiān)會、保監(jiān)會、外匯局等部門起草了《關(guān)于規(guī)范金融機構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見(征求意見稿)》，其中第二十二條對“智能投顧”開展資產(chǎn)管理業(yè)務(wù)的準入門檻、業(yè)務(wù)開展規(guī)范提出全面的規(guī)范意見。量化投資在各金融機構(gòu)的運用得到了監(jiān)管層的重視，未來發(fā)展可期。面對當(dāng)下量化金融人才匱乏、需求量激增的局面，加快量化投資專業(yè)水平人才的培養(yǎng)進程已迫在眉睫。
.png)
AQF認證機構(gòu)介紹
中國市場學(xué)會金融服務(wù)工作委員會(簡稱：金融委)，經(jīng)民政部批準(社證字第3586-3號)在北京設(shè)立，是中國社科院主管的中國市場學(xué)會下屬獨立分支機構(gòu)。
量化金融標準委員會(Standard Committee of Quantitative Finance，SCQF)受中國市場學(xué)會金融服務(wù)工作委員會下設(shè)的專家委員會的工作指導(dǎo)，負責(zé)量化金融分析師證書體系的專業(yè)水平認證、專業(yè)能力建設(shè)開發(fā)、研究咨詢、教育培訓(xùn)、培訓(xùn)教材修訂等方面的工作。
項目培養(yǎng)目標
結(jié)合現(xiàn)代計算機技術(shù)的發(fā)展，量化方法在金融實務(wù)中的應(yīng)用也越來越普遍和深入。本項目在借鑒國外發(fā)達的量化金融分析師執(zhí)業(yè)標準的基礎(chǔ)上，結(jié)合我國現(xiàn)代金融領(lǐng)域的實踐發(fā)展和實際情況，并通過研究分析相應(yīng)實戰(zhàn)崗位的專業(yè)要求和工作內(nèi)容，以培養(yǎng)量化金融分析師專業(yè)人員為目標，通過專業(yè)理論知識與實戰(zhàn)能力的訓(xùn)練，培養(yǎng)具備量化分析能力的專業(yè)金融從業(yè)人員。
AQF項目培養(yǎng)對象
有志于養(yǎng)成專業(yè)的量化投資方法，并且從事或有志于從事與金融量化分析相關(guān)的經(jīng)濟活動和專業(yè)服務(wù)工作的人員。例如：投行工作人員、股票分析師、金融分析師、量化工作者等金融行業(yè)從業(yè)人員。
有志于養(yǎng)成專業(yè)的量化投資方法的個人投資者等。
欲從其他領(lǐng)域轉(zhuǎn)行進入量化金融行業(yè)的專業(yè)人才。
AQF項目優(yōu)勢
系統(tǒng)性
AQF證書內(nèi)容全面涵蓋了量化金融領(lǐng)域的基礎(chǔ)知識，并且充分地吸收了國際量化金融的前沿和發(fā)展，學(xué)習(xí)模塊包括Python語言編程基礎(chǔ)、數(shù)據(jù)處理基礎(chǔ)、金融知識基礎(chǔ)和量化投資多平臺模擬交易等。
實戰(zhàn)性
AQF證書將量化投資交易的理論知識與實戰(zhàn)經(jīng)驗相銜接，運用編程技術(shù)將主流量化分析思想用于實踐，旨在達成系統(tǒng)、完善的量化投資證書體系，讓學(xué)員認識現(xiàn)實應(yīng)用場景。
前瞻性
AQF證書旨在結(jié)合主流的算法和經(jīng)典量化交易策略思想，提供前沿的科學(xué)知識服務(wù)。
AQF后續(xù)學(xué)習(xí)方案
獲取AQF證書的會員可參加由中國市場學(xué)會金融服務(wù)工作委員會及其下設(shè)部門定期舉辦的各類以量化投資、量化分析等為主題的活動，例如論壇、沙龍;可獲得其發(fā)行的優(yōu)選論文期刊、報道資訊等后續(xù)教育學(xué)習(xí)材料。AQF會員后續(xù)教育旨在為會員提供專業(yè)量化投資人士交流和學(xué)習(xí)的平臺。
AQF知識體系
AQF證書知識體系分為四大模塊，分別為：量化投資策略理論(20%)、Python語言的編程基礎(chǔ)(30%)、Python量化交易策略實現(xiàn)與回測(40%)、量化實盤交易(10%)。該課程體系旨在從理論和實踐兩個方面，幫助考生成為具有扎實理論功底和實踐能力的量化交易專業(yè)人才。 >>>點擊咨詢AQF考試相關(guān)問題
AQF量化金融分析師實訓(xùn)項目學(xué)習(xí)大綱 >>>點擊咨詢AQF課程相關(guān)問題
1.1.1. 第一部分：前導(dǎo)及課程介紹
|
1.AQF核心課程 |
|
2.量化策略的Python實現(xiàn)和回測 |
|
3.整體代碼介紹 |
1.1.2. 第二部分：量化投資基礎(chǔ)
|
1.量化投資背景及決策流程 |
|
2.量化擇時 |
|
3.動量及反轉(zhuǎn)策略 |
|
4.基金結(jié)構(gòu)套利 |
|
5.行業(yè)輪動與相對價值 |
|
6.市場中性和多因子 |
|
7.事件驅(qū)動 |
|
8.CTA_1（TD模型） |
|
9.統(tǒng)計套利_低風(fēng)險套利 |
|
10.大數(shù)據(jù)和輿情分析 |
|
11.機器學(xué)習(xí) |
|
12.高頻交易和期權(quán)交易 |
|
13.其他策略和策略注意點 |
1.1.3. 第三部分：Python編程知識
|
Python語言環(huán)境搭建 |
1.Python語言環(huán)境搭建 |
|
Python編程基礎(chǔ) |
1.python數(shù)字運算和Jupyter notebook介紹 |
|
2.字符串 |
|
|
3.Python運算符 |
|
|
4.Tuple和List |
|
|
5.字典 |
|
|
6.字符串格式化 |
|
|
7.控制結(jié)構(gòu)_1.For循環(huán) |
|
|
8.函數(shù) |
|
|
9.全局和局部變量 |
|
|
10.模塊 |
|
|
11.Python當(dāng)中的重要函數(shù) |
|
|
Python編程進階 |
1.Numpy數(shù)據(jù)分析精講 |
|
2.Pandas數(shù)據(jù)分析詳解 |
|
|
數(shù)據(jù)可視化 |
1.Pandas內(nèi)置數(shù)據(jù)可視化 |
|
2.Matplotlib基礎(chǔ) |
|
|
3.Seaborn |
|
|
金融數(shù)據(jù)處理實戰(zhàn) |
1.數(shù)據(jù)獲取_1.本地數(shù)據(jù)讀取 |
|
1.數(shù)據(jù)獲取_2.網(wǎng)絡(luò)數(shù)據(jù)讀取_1 |
|
|
1.數(shù)據(jù)獲取_2.網(wǎng)絡(luò)數(shù)據(jù)讀取_2.tushare |
|
|
1.數(shù)據(jù)獲取_2_網(wǎng)絡(luò)數(shù)據(jù)讀取_3.文件存儲 |
|
|
2.金融數(shù)據(jù)處理_1.同時獲取多只股票 |
|
|
2.金融數(shù)據(jù)處理_2.金融計算 |
|
|
2.金融數(shù)據(jù)處理_3.檢驗分布和相關(guān)性 |
|
|
3.金融時間序列分析_1.Python下的時間處理 |
|
|
3.金融時間序列分析_2.Pandas時間格式 |
|
|
3.金融時間序列分析_3.金融數(shù)據(jù)頻率的轉(zhuǎn)換 |
|
|
4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例1 |
|
|
4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標條件選股分析_1 |
|
|
4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標條件選股分析_2 |
1.1.4. 第四部分：量化交易策略模塊
|
三大經(jīng)典策略 |
1.三大經(jīng)典策略_1.SMA |
|
1.三大經(jīng)典策略_2.動量Momentum |
|
|
1.三大經(jīng)典策略_3.均值回歸 |
|
|
配對交易策略 |
2.配對交易 |
|
技術(shù)分析相關(guān)策略 |
3.量化投資與技術(shù)分析_1.技術(shù)分析理論 |
|
3.量化投資與技術(shù)分析_2.CCI策略的Python實現(xiàn) |
|
|
3.量化投資與技術(shù)分析_3.布林帶策略的Python實現(xiàn)_1 |
|
|
3.量化投資與技術(shù)分析_4.SMA和CCI雙指標交易系統(tǒng) |
|
|
3.量化投資與技術(shù)分析_5.形態(tài)識別和移動止損策略 |
|
|
大數(shù)據(jù)輿情分析策略 |
4.大數(shù)據(jù)輿情分析策略_基于谷歌搜索的大數(shù)據(jù)輿情分析 |
|
CTA交易策略 |
5.CTA交易策略_Aberration趨勢跟蹤系統(tǒng) |
|
量化投資與機器學(xué)習(xí) |
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_2_邏輯回歸原理 |
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_3_SVM算法原理 |
|
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_4_決策樹算法原理 |
|
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_5_KNN算法原理 |
|
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_6_神經(jīng)網(wǎng)絡(luò)算法了解 |
|
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_7_K-means算法原理和算法總結(jié) |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_1_數(shù)據(jù)集生成原理 |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_2_數(shù)據(jù)集可視化 |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_3_邏輯回歸算法的python實現(xiàn) |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_4_DT_KNN_NB算法的python實現(xiàn) |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_5_SVM算法的python實現(xiàn) |
|
|
6.量化投資與機器學(xué)習(xí)_3_機器學(xué)習(xí)算法實戰(zhàn)_6_基于邏輯回歸和SVM的股市趨勢預(yù)測 |
1.1.5. 第五部分：面向?qū)ο蠛蛯嵄P交易
|
1.模塊內(nèi)容整體介紹 |
|
2.面向?qū)ο?、類、實例、屬性和方?/p> |
|
3.創(chuàng)建類、實例、方法 |
|
4._init_初始化方法 |
|
5.面向?qū)ο蟪绦驅(qū)嵗?/p> |
|
6.繼承的概念及代碼實現(xiàn) |
|
7.面向?qū)ο罄^承的實戰(zhàn)案例 |
|
8.多繼承和量化交易平臺的面向?qū)ο箝_發(fā)思路 |
|
9.用面向?qū)ο蠓椒▽崿F(xiàn)股債平衡策略 |
1.1.6. 第六部分 實盤模擬交易
|
基于優(yōu)礦平臺的面向?qū)ο蟛呗?/p> |
1.優(yōu)礦平臺介紹 |
|
2.優(yōu)礦平臺回測框架介紹 |
|
|
3.優(yōu)礦框架之context對象、account和position對象 |
|
|
4.優(yōu)礦其它重要操作 |
|
|
5.優(yōu)礦之小市值因子策略 |
|
|
6.優(yōu)礦之雙均線策略 |
|
|
7.優(yōu)礦之均值回歸策略 |
|
|
8.優(yōu)礦之單因子策略模板 |
|
|
9.優(yōu)礦之多因子策略模板 |
|
|
10.優(yōu)礦之因子數(shù)據(jù)處理：去極值和標準化 |
|
|
面向?qū)ο髮嵄P交易之Oanda |
1.Oanda平臺介紹和賬戶配置 |
|
2.Oanda賬戶密碼配置和交易框架原理 |
|
|
3.Oanda鏈接賬戶并查看信息 |
|
|
4.Oanda API獲取歷史數(shù)據(jù) |
|
|
5.Oanda市價單和交易狀態(tài)查詢 |
|
|
6.Oanda高級交易訂單 |
|
|
7. Oanda其它高級功能 |
|
|
8. Oanda實戰(zhàn)ADX策略全講解：策略邏輯、數(shù)據(jù)讀取、歷史數(shù)據(jù)處理、可視化、實時數(shù)據(jù)和實時交易 |
|
|
9. Oanda通過實時數(shù)據(jù)API調(diào)取實時數(shù)據(jù)、resample |
|
|
面向?qū)ο髮嵄P交易之IB |
1.IB實戰(zhàn)平臺介紹及API安裝調(diào)試 |
|
2.IB實戰(zhàn)平臺請求和響應(yīng)遠離、線程控制 |
|
|
3.IB響應(yīng)函數(shù)wrapper講解 |
|
|
4.IB請求函數(shù)及合約定義 |
|
|
5.IB程序化下單、倉位及賬戶查詢 |
|
|
6.IB三均線交易_金字塔倉位下單控制模型實盤交易之策略原理、線程控制原理、策略結(jié)構(gòu)總覽、響應(yīng)函數(shù)、交易信號、策略展示等全講解。 |
1.1.7. 第七部分：基于優(yōu)礦的進階學(xué)習(xí)
|
1.1回測與策略框架 |
|
1.2評價指標 |
|
1.3.1量化策略設(shè)計流程簡介 |
|
1.3.2擇時策略舉例（雙均線） |
|
1.3.3量化投資模板1.0選股和擇時 |
|
2.1基于技術(shù)分析的量化投資 |
|
2.2.1技術(shù)指標簡介 |
|
2.2.2 MACD擇時策略 |
|
2.2.3 WVAD擇時策略 |
|
2.2.4 RSI擇時策略 |
|
2.2.5 MFI擇時策略 |
|
2.2.6 CCI擇時策略 |
|
2.2.7技術(shù)指標總結(jié) |
|
2.3通道技術(shù) |
|
3.1.1日期效應(yīng) |
|
3.1.2動量效應(yīng) |
|
3.2.1格雷厄姆成長投資 |
|
3.2.2積極投資策略 |
|
3.2.3價值投資策略 |
|
3.2.4小型價值股投資策略 |
|
3.3.1交易系統(tǒng)設(shè)計的一般原理 |
|
3.3.2均線排列系統(tǒng) |
|
3.3.3金肯納特交易系統(tǒng) |
|
3.3.4海龜交易法系統(tǒng) |
.png)
金程推薦： AQF培訓(xùn) AQF培訓(xùn)機構(gòu) AQF是什么意思
熱線電話：400-700-9596
AQF考友群：760229148
金融寬客交流群：801860357
微信公眾號：量化金融分析師
