很多童鞋會(huì)問什么是AQF量化金融?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(gè)時(shí)髦的詞匯，做金融的你一定AQF不陌生，當(dāng)然對(duì)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(yùn)用到工作當(dāng)中? >>>點(diǎn)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(jì)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(cè)、實(shí)盤程序化交易、衍生品定價(jià)、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(guó)外，也在逐步取代重復(fù)性的人工勞動(dòng)，金融科技的發(fā)展方興未艾，這一定是一個(gè)大趨勢(shì)”。
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(gè)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(shí)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(yùn)而生。
AQF考試簡(jiǎn)介
.png)
量化金融分析師（簡(jiǎn)稱AQF ，Analyst of Quantitative Finance）由量化金融標(biāo)準(zhǔn)委員會(huì)（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。
近年來，我國(guó)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(guó)際化。結(jié)合現(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展，量化方法在金融實(shí)務(wù)中的應(yīng)用也越來越普遍和深入。本項(xiàng)目在借鑒國(guó)外發(fā)達(dá)國(guó)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(guó)現(xiàn)代金融領(lǐng)域的實(shí)踐發(fā)展和實(shí)際情況，并通過研究分析相應(yīng)實(shí)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(shí)與實(shí)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(xiàng)目的課程內(nèi)容和結(jié)構(gòu)設(shè)計(jì)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(shí)基礎(chǔ)、量化投資策略實(shí)現(xiàn)和量化投資多平臺(tái)模擬交易五個(gè)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(shì)。
AQF課程方案
量化金融實(shí)訓(xùn)項(xiàng)目(AQF)課程學(xué)習(xí)周期3個(gè)月，分三階段開展課程，階段課程時(shí)長(zhǎng)為1個(gè)月。
AQF課程內(nèi)容
課程內(nèi)容包括量化金融分析師AQF實(shí)訓(xùn)項(xiàng)目(線上)及線上答疑，分三階段開展課程。
第一階段(1個(gè)月)：Python編程基礎(chǔ)+金融知識(shí)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(duì)交易實(shí)戰(zhàn)策略)、金融數(shù)據(jù)的獲取及相關(guān)處理、Python實(shí)戰(zhàn)金融應(yīng)用(統(tǒng)計(jì)分析、資產(chǎn)組合、風(fēng)險(xiǎn)管理、資產(chǎn)定價(jià))、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(dòng)策略、大宗商品&股票市場(chǎng)聯(lián)動(dòng)策略、基于機(jī)器學(xué)習(xí)算法預(yù)測(cè)股市漲跌)
第二階段(1個(gè)月)：量化金融進(jìn)階課程
中級(jí)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(duì)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(gè)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(jì)及量化實(shí)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(shí)，包括過濾器、進(jìn)入信號(hào)、退出信號(hào)、倉位管理等詳細(xì)內(nèi)容，并指導(dǎo)學(xué)員設(shè)計(jì)涵蓋個(gè)人交易哲學(xué)的量化交易系統(tǒng)。量化實(shí)盤交易旨在為解決實(shí)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(bào)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(shí)訓(xùn)項(xiàng)目學(xué)習(xí)大綱 >>>點(diǎn)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(shí)現(xiàn)和回測(cè) |
|
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(shí) |
|
3.動(dòng)量及反轉(zhuǎn)策略 |
|
4.基金結(jié)構(gòu)套利 |
|
5.行業(yè)輪動(dòng)與相對(duì)價(jià)值 |
|
6.市場(chǎng)中性和多因子 |
|
7.事件驅(qū)動(dòng) |
|
8.CTA_1（TD模型） |
|
9.統(tǒng)計(jì)套利_低風(fēng)險(xiǎn)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(diǎn) |
1.1.3. 第三部分：Python編程知識(shí)
|
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(yùn)算和Jupyter notebook介紹 |
|
2.字符串 |
|
|
3.Python運(yùn)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(shí)戰(zhàn) |
1.數(shù)據(jù)獲取_1.本地?cái)?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(chǔ) |
|
|
2.金融數(shù)據(jù)處理_1.同時(shí)獲取多只股票 |
|
|
2.金融數(shù)據(jù)處理_2.金融計(jì)算 |
|
|
2.金融數(shù)據(jù)處理_3.檢驗(yàn)分布和相關(guān)性 |
|
|
3.金融時(shí)間序列分析_1.Python下的時(shí)間處理 |
|
|
3.金融時(shí)間序列分析_2.Pandas時(shí)間格式 |
|
|
3.金融時(shí)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(shí)戰(zhàn)案例_案例1 |
|
|
4.金融數(shù)據(jù)處理分析實(shí)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(shí)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(dòng)量Momentum |
|
|
1.三大經(jīng)典策略_3.均值回歸 |
|
|
配對(duì)交易策略 |
2.配對(duì)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(shí)現(xiàn) |
|
|
3.量化投資與技術(shù)分析_3.布林帶策略的Python實(shí)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(shí)別和移動(dòng)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(shì)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(shí)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(shí)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(shí)現(xiàn)_3_邏輯回歸算法的python實(shí)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(shí)現(xiàn)_4_DT_KNN_NB算法的python實(shí)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(shí)現(xiàn)_5_SVM算法的python實(shí)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(shí)戰(zhàn)_6_基于邏輯回歸和SVM的股市趨勢(shì)預(yù)測(cè) |
1.1.5. 第五部分：面向?qū)ο蠛蛯?shí)盤交易
|
1.模塊內(nèi)容整體介紹 |
|
2.面向?qū)ο蟆㈩?、?shí)例、屬性和方法 |
|
3.創(chuàng)建類、實(shí)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(shí)現(xiàn) |
|
7.面向?qū)ο罄^承的實(shí)戰(zhàn)案例 |
|
8.多繼承和量化交易平臺(tái)的面向?qū)ο箝_發(fā)思路 |
|
9.用面向?qū)ο蠓椒▽?shí)現(xiàn)股債平衡策略 |
1.1.6. 第六部分 實(shí)盤模擬交易
|
基于優(yōu)礦平臺(tái)的面向?qū)ο蟛呗?/p> |
1.優(yōu)礦平臺(tái)介紹 |
|
2.優(yōu)礦平臺(tái)回測(cè)框架介紹 |
|
|
3.優(yōu)礦框架之context對(duì)象、account和position對(duì)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?shí)盤交易之Oanda |
1.Oanda平臺(tái)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(jià)單和交易狀態(tài)查詢 |
|
|
6.Oanda高級(jí)交易訂單 |
|
|
7. Oanda其它高級(jí)功能 |
|
|
8. Oanda實(shí)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(shí)時(shí)數(shù)據(jù)和實(shí)時(shí)交易 |
|
|
9. Oanda通過實(shí)時(shí)數(shù)據(jù)API調(diào)取實(shí)時(shí)數(shù)據(jù)、resample |
|
|
面向?qū)ο髮?shí)盤交易之IB |
1.IB實(shí)戰(zhàn)平臺(tái)介紹及API安裝調(diào)試 |
|
2.IB實(shí)戰(zhàn)平臺(tái)請(qǐng)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(qǐng)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(shí)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(hào)、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(cè)與策略框架 |
|
1.2評(píng)價(jià)指標(biāo) |
|
1.3.1量化策略設(shè)計(jì)流程簡(jiǎn)介 |
|
1.3.2擇時(shí)策略舉例（雙均線） |
|
1.3.3量化投資模板1.0選股和擇時(shí) |
|
2.1基于技術(shù)分析的量化投資 |
|
2.2.1技術(shù)指標(biāo)簡(jiǎn)介 |
|
2.2.2 MACD擇時(shí)策略 |
|
2.2.3 WVAD擇時(shí)策略 |
|
2.2.4 RSI擇時(shí)策略 |
|
2.2.5 MFI擇時(shí)策略 |
|
2.2.6 CCI擇時(shí)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(dòng)量效應(yīng) |
|
3.2.1格雷厄姆成長(zhǎng)投資 |
|
3.2.2積極投資策略 |
|
3.2.3價(jià)值投資策略 |
|
3.2.4小型價(jià)值股投資策略 |
|
3.3.1交易系統(tǒng)設(shè)計(jì)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(hào)：量化金融分析師
