公司簡介
弘毅遠方基金管理有限公司獲得中國證監(jiān)會批準后于2018年1月31日正式成立，辦公地點設于上海，注冊資本1.7億元人民幣，由弘毅投資(北京)有限公司100%出資，是弘毅投資旗下專事二級市場投資及管理業(yè)務的公募基金管理有限公司。
弘毅遠方基金作為弘毅投資旗下的公募基金管理有限公司，將充分依托弘毅投資的資源、能力、品牌優(yōu)勢，秉持弘毅投資“價值創(chuàng)造、價格實現(xiàn)”的核心理念，以專業(yè)化、市場化的經(jīng)營理念致力打造一個吸引和管理優(yōu)質海內外資金的資產(chǎn)管理平臺，為客戶持續(xù)提供各類投資精品。
工作招聘啟事
招聘崗位：
量化研究員(應屆生)
崗位職責：
1、ETF及有關量化產(chǎn)品方面的研究;
2、協(xié)助ETF基金經(jīng)理產(chǎn)品管理方面的事宜。
任職資格：
1、碩士及以上學位;條件優(yōu)異者可考慮應屆生;
2、有相關行業(yè)研究經(jīng)驗;
3、精通EXCEL、VBA等工具;熟悉Wind、Bloomberg等數(shù)據(jù)庫應用;
4、1年以上量化研究實習工作經(jīng)驗;
5、熟悉ETF產(chǎn)品的PCF制作及流程等事務的優(yōu)先。
申請方式
簡歷投遞zhaopin@honyfunds.com
AQF：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，是代表量化金融領域的專業(yè)水平證書。>>>點擊咨詢AQF含金量
AQF量化金融分析師實訓項目學習大綱 >>>點擊咨詢AQF課程相關問題
1.1.1. 第一部分：前導及課程介紹
|
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
|
1.量化投資背景及決策流程 |
|
2.量化擇時 |
|
3.動量及反轉策略 |
|
4.基金結構套利 |
|
5.行業(yè)輪動與相對價值 |
|
6.市場中性和多因子 |
|
7.事件驅動 |
|
8.CTA_1（TD模型） |
|
9.統(tǒng)計套利_低風險套利 |
|
10.大數(shù)據(jù)和輿情分析 |
|
11.機器學習 |
|
12.高頻交易和期權交易 |
|
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 |
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.控制結構_1.For循環(huán) |
|
|
8.函數(shù) |
|
|
9.全局和局部變量 |
|
|
10.模塊 |
|
|
11.Python當中的重要函數(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內置數(shù)據(jù)可視化 |
|
2.Matplotlib基礎 |
|
|
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)絡數(shù)據(jù)讀取_1 |
|
|
1.數(shù)據(jù)獲取_2.網(wǎng)絡數(shù)據(jù)讀取_2.tushare |
|
|
1.數(shù)據(jù)獲取_2_網(wǎng)絡數(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 |
|
技術分析相關策略 |
3.量化投資與技術分析_1.技術分析理論 |
|
3.量化投資與技術分析_2.CCI策略的Python實現(xiàn) |
|
|
3.量化投資與技術分析_3.布林帶策略的Python實現(xiàn)_1 |
|
|
3.量化投資與技術分析_4.SMA和CCI雙指標交易系統(tǒng) |
|
|
3.量化投資與技術分析_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) |
|
量化投資與機器學習 |
6.量化投資與機器學習_1_機器學習算法原理_2_邏輯回歸原理 |
|
6.量化投資與機器學習_1_機器學習算法原理_3_SVM算法原理 |
|
|
6.量化投資與機器學習_1_機器學習算法原理_4_決策樹算法原理 |
|
|
6.量化投資與機器學習_1_機器學習算法原理_5_KNN算法原理 |
|
|
6.量化投資與機器學習_1_機器學習算法原理_6_神經(jīng)網(wǎng)絡算法了解 |
|
|
6.量化投資與機器學習_1_機器學習算法原理_7_K-means算法原理和算法總結 |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_1_數(shù)據(jù)集生成原理 |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_2_數(shù)據(jù)集可視化 |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_3_邏輯回歸算法的python實現(xiàn) |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_4_DT_KNN_NB算法的python實現(xiàn) |
|
|
6.量化投資與機器學習_2_機器學習算法實現(xiàn)_5_SVM算法的python實現(xiàn) |
|
|
6.量化投資與機器學習_3_機器學習算法實戰(zhàn)_6_基于邏輯回歸和SVM的股市趨勢預測 |
1.1.5. 第五部分：面向對象和實盤交易
|
1.模塊內容整體介紹 |
|
2.面向對象、類、實例、屬性和方法 |
|
3.創(chuàng)建類、實例、方法 |
|
4._init_初始化方法 |
|
5.面向對象程序實例 |
|
6.繼承的概念及代碼實現(xiàn) |
|
7.面向對象繼承的實戰(zhàn)案例 |
|
8.多繼承和量化交易平臺的面向對象開發(fā)思路 |
|
9.用面向對象方法實現(xiàn)股債平衡策略 |
1.1.6. 第六部分 實盤模擬交易
|
基于優(yōu)礦平臺的面向對象策略 |
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 |
|
|
面向對象實盤交易之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調取實時數(shù)據(jù)、resample |
|
|
面向對象實盤交易之IB |
1.IB實戰(zhàn)平臺介紹及API安裝調試 |
|
2.IB實戰(zhàn)平臺請求和響應遠離、線程控制 |
|
|
3.IB響應函數(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、策略結構總覽、響應函數(shù)、交易信號、策略展示等全講解。 |
1.1.7. 第七部分：基于優(yōu)礦的進階學習
|
1.1回測與策略框架 |
|
1.2評價指標 |
|
1.3.1量化策略設計流程簡介 |
|
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基于技術分析的量化投資 |
|
2.2.1技術指標簡介 |
|
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技術指標總結 |
|
2.3通道技術 |
|
3.1.1日期效應 |
|
3.1.2動量效應 |
|
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)
(點擊上圖了解課程詳情)
.png)
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
