很多童鞋會問AQF量化金融具體是做什么的?首先我們先了解下什么是AQF?
AQF量化投資，量化交易，量化金融，這是一個時髦的詞匯，做金融的你一定AQF不陌生，當(dāng)然對于量化更是很熟悉，熟悉的是你在圈子里一定看到很多人在討論它或者接觸到一些信息。陌生的是量化到底是什么，它和目前的金融有什么關(guān)系，能如何運用到工作當(dāng)中? >>>點擊咨詢AQF就業(yè)前景如何？
專業(yè)人士表示“投資者想要從事量化交易，必須是精通金融和計算機(jī)語言的復(fù)合型人才，金融、建模、編程缺一不可。”金融量化領(lǐng)域的內(nèi)容涉及基礎(chǔ)數(shù)據(jù)抓取及處理、量化交易策略編寫及回測、實盤程序化交易、衍生品定價、機(jī)器學(xué)習(xí)、高頻交易等模塊的內(nèi)容。“精細(xì)的算法系統(tǒng)不僅能輔佐人們進(jìn)行交易投資決策，在國外，也在逐步取代重復(fù)性的人工勞動，金融科技的發(fā)展方興未艾，這一定是一個大趨勢”。>>>點擊咨詢金融業(yè)必考證書
然而，量化金融領(lǐng)域創(chuàng)新頻現(xiàn)、高尖人才密集，因此門檻較高。每一個有志成為量化金融分析師的人，都面臨著“金融”、“編程”、“建模”三座大山，從理論到實踐，每一步都需要大量的積累和學(xué)習(xí)。在此背景下，AQF量化金融分析師證書應(yīng)運而生。
.png)
量化金融分析師（簡稱AQF ，Analyst of Quantitative Finance）由量化金融標(biāo)準(zhǔn)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
近年來，我國金融業(yè)改革與創(chuàng)新不斷，金融工作越來越專業(yè)化、標(biāo)準(zhǔn)化、國際化。結(jié)合現(xiàn)代計算機(jī)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(dá)國家的量化金融分析師執(zhí)業(yè)標(biāo)準(zhǔn)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(biāo)，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。
此外，本項目的課程內(nèi)容和結(jié)構(gòu)設(shè)計也適宜短期學(xué)習(xí)概覽量化分析方法，并且應(yīng)用于日常的投資分析工作中的金融從業(yè)人員。
AQF核心課程體系
課程內(nèi)容以學(xué)習(xí)主流交易策略為核心，提供Python語言編程基礎(chǔ)、數(shù)據(jù)處理基礎(chǔ)、金融知識基礎(chǔ)、量化投資策略實現(xiàn)和量化投資多平臺模擬交易五個模塊的教學(xué)。在市面課程中，本課程具備課程體系完整、課程內(nèi)容豐富、課程內(nèi)容銜接合適等優(yōu)勢。
AQF課程方案
量化金融實訓(xùn)項目(AQF)課程學(xué)習(xí)周期3個月，分三階段開展課程，階段課程時長為1個月。
AQF課程內(nèi)容
課程內(nèi)容包括量化金融分析師AQF實訓(xùn)項目(線上)及線上答疑，分三階段開展課程。
第一階段(1個月)：Python編程基礎(chǔ)+金融知識基礎(chǔ)
零基礎(chǔ)到入門，線上課程+線下面授。通過大量金融數(shù)據(jù)和金融案例的初步學(xué)習(xí)，了解Python編程核心基礎(chǔ)。課程內(nèi)容主要包括：Python語言環(huán)境的搭建、編程基礎(chǔ)、編程進(jìn)階(Numpy / Pandas配對交易實戰(zhàn)策略)、金融數(shù)據(jù)的獲取及相關(guān)處理、Python實戰(zhàn)金融應(yīng)用(統(tǒng)計分析、資產(chǎn)組合、風(fēng)險管理、資產(chǎn)定價)、量化交易策略(SMA經(jīng)典策略、CTA交易策略、基于爬蟲技術(shù)的事件驅(qū)動策略、大宗商品&股票市場聯(lián)動策略、基于機(jī)器學(xué)習(xí)算法預(yù)測股市漲跌)
第二階段(1個月)：量化金融進(jìn)階課程
中級進(jìn)階課程，主要涉及基于Python的經(jīng)典量化投資策略的深入學(xué)習(xí)等。包含了最負(fù)有盛名、最前沿的量化交易思想和交易策略。例如：海龜交易模型、配對交易模型、Alpha模型、機(jī)器學(xué)習(xí)各種模型等內(nèi)容。
第三階段(1個月)：量化金融高階課程
量化高階課程，課程內(nèi)容包括量化交易系統(tǒng)設(shè)計及量化實盤交易的學(xué)習(xí)。第三階段高階課程旨在學(xué)習(xí)量化交易系統(tǒng)的具體知識，包括過濾器、進(jìn)入信號、退出信號、倉位管理等詳細(xì)內(nèi)容，并指導(dǎo)學(xué)員設(shè)計涵蓋個人交易哲學(xué)的量化交易系統(tǒng)。量化實盤交易旨在為解決實際量化交易策略搭建過程中的一些問題提供較優(yōu)解方案。
通過第三階段的學(xué)習(xí)，學(xué)員將獲得報名參與量化金融分析師(AQF)的證書考試資格。
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(jī)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(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 |
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(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(jī)器學(xué)習(xí) |
6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_2_邏輯回歸原理 |
|
6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_3_SVM算法原理 |
|
|
6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_4_決策樹算法原理 |
|
|
6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_5_KNN算法原理 |
|
|
6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)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(jī)器學(xué)習(xí)_1_機(jī)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(jī)器學(xué)習(xí)_2_機(jī)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(jī)器學(xué)習(xí)_2_機(jī)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(jī)器學(xué)習(xí)_2_機(jī)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(jī)器學(xué)習(xí)_2_機(jī)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(jī)器學(xué)習(xí)_2_機(jī)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(jī)器學(xué)習(xí)_3_機(jī)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 |
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(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。 |
1.1.7. 第七部分：基于優(yōu)礦的進(jìn)階學(xué)習(xí)
|
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) |
.png)
金程推薦： AQF培訓(xùn) AQF培訓(xùn)機(jī)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
