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.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

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(jìn)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(biāo)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(biāo)條件選股分析_2

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(biāo)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.模塊內(nèi)容整體介紹

2.面向?qū)ο蟆㈩?、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

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(biāo)準(zhǔn)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(yuǎn)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回測與策略框架

1.2評價指標(biāo)

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(biāo)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(biāo)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)