2019年5月份的FRM考試于上周六圓滿結(jié)束!突然考完FRM，是不是空虛?空虛就對(duì)了~FRM持證人，李同學(xué)在考過FRM后表示：“ FRM是飄在天上的理論，需要AQF技術(shù)將其落地”于是，完成FRM考試后，他開始AQF的學(xué)習(xí)。“距離AQF考試僅剩17天，在自12月初到2月末的3個(gè)月時(shí)間內(nèi)，我經(jīng)歷了從編程小白到已基本掌握精髓的準(zhǔn)AQF的成長過程，回憶起最初學(xué)習(xí)AQF的初衷，就是一句話：FRM是飄在天上的理論，需要用AQF的技術(shù)將其落地，說白了，學(xué)AQF是為了將FRM的思想通過高效的編程運(yùn)用出來，現(xiàn)在看來，是實(shí)現(xiàn)了一部分了。”
FRM(Financial Risk Manager)是全球金融風(fēng)險(xiǎn)管理領(lǐng)域的資格認(rèn)證，由美國“全球風(fēng)險(xiǎn)管理協(xié)會(huì)”(Global Association of Risk Professionals )GARP設(shè)立。
風(fēng)險(xiǎn)管理涵蓋眾多領(lǐng)域，包括金融數(shù)量分析、市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、基金投資風(fēng)險(xiǎn)、會(huì)計(jì)、法律等內(nèi)容?？荚嚱Y(jié)束后，讓我們用最精簡的話概括一下，F(xiàn)RM體系試圖幫助你探求三個(gè)問題的答案：
1.什么是金融風(fēng)險(xiǎn)?
2.如何度量金融風(fēng)險(xiǎn)?
3.量化后的金融風(fēng)險(xiǎn)，如何去管理?
FRM體系被發(fā)明已久很多風(fēng)險(xiǎn)度量方法，如Mean-Variance、VaR、蒙特卡洛隨機(jī)過程、GARCH等等模型都曾長期被束之高閣，除了股票量化交易以外的領(lǐng)域鮮有人知(因?yàn)楣善苯灰纂娮踊潭茸銐蚋?。
而量化風(fēng)控長久以來所面對(duì)的尷尬，可以打個(gè)形象的比方，就是在電(大數(shù)據(jù))還沒被發(fā)明前，數(shù)學(xué)家已經(jīng)發(fā)明了收音機(jī)(量化模型)。
未來已來，我等作為傳統(tǒng)銀行風(fēng)控體系生產(chǎn)出來的產(chǎn)品，為了不被歷史的車輪壓得粉碎，必然只能主動(dòng)迭代，迎接全面量化風(fēng)控時(shí)代的到來。
AQF(Analyst of Quantitative Finance)量化金融分析師是由量化金融標(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。
量化金融分析師證書考試分為五大科目，分別為《量化投資基礎(chǔ)》、《Python語言編程入門》、《基于Python的經(jīng)典量化投資策略》、《交易系統(tǒng)設(shè)計(jì)》、《量化實(shí)盤交易》。證書要求學(xué)員掌握量化投資基礎(chǔ)、Python編程基礎(chǔ)、經(jīng)典量化交易策略以及交易系統(tǒng)設(shè)計(jì)思想。 >>>點(diǎn)擊咨詢AQF考試相關(guān)問題
通過學(xué)習(xí)，每一個(gè)AQF持證人，都將取得以下收獲：
● 熟悉中國主要金融市場及交易產(chǎn)品的交易機(jī)制;
● 熟知國內(nèi)外期貨交易、股市交易的異同點(diǎn)和內(nèi)在運(yùn)行機(jī)制;
● 掌握經(jīng)典量化交易策略細(xì)節(jié)及其背后的交易哲學(xué);
● 掌握金融、編程和建模知識(shí)基礎(chǔ)，擁有量化交易實(shí)盤操作能力;
● 具備獨(dú)立自主地研發(fā)新量化交易策略的能力;
● 掌握量化交易模型設(shè)計(jì)的基本框架，以及風(fēng)險(xiǎn)管理和資產(chǎn)組合理論的實(shí)際運(yùn)用;
● 掌握從策略思想—>策略編寫—>策略實(shí)現(xiàn)的完整量化投資決策過程;
● 具備量化投資實(shí)戰(zhàn)交易能力。
學(xué)習(xí)AQF的學(xué)習(xí)，通過量化實(shí)戰(zhàn)交易加深對(duì)FRM理論知識(shí)的理解，從而靈活運(yùn)用FRM理論理論知識(shí)用于實(shí)戰(zhàn)投資。
.png)
(點(diǎn)擊上圖了解課程詳情)
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考試
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 |
|
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的股市趨勢預(yù)測 |
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(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
