AQF考試現(xiàn)在是在線考嗎?不是了哦!!大家關(guān)注下，AQF考試地點(diǎn)本場考試為線下考，具體考點(diǎn)到時通知。對AQF考試還有疑問的童鞋，可以看下AQF考試報(bào)名簡單。
量化金融分析師(AQF)全國統(tǒng)一考試報(bào)名簡章
AQF：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(diǎn)擊咨詢AQF含金量
現(xiàn)將AQF考試報(bào)名的有關(guān)事項(xiàng)通知如下：
一、AQF報(bào)名條件
同時符合下列條件的中國公民，可以申請參加AQF量化金融分析師全國統(tǒng)一考試：1.具有完全民事行為能力且年滿18周歲;2.已參加并完成指定授權(quán)培訓(xùn)機(jī)構(gòu)提供的量化金融分析師實(shí)訓(xùn)項(xiàng)目，并獲得對應(yīng)的學(xué)分。
二、AQF報(bào)名流程
參加AQF量化金融分析師全國統(tǒng)一考試的報(bào)名人員，應(yīng)當(dāng)通過全國財(cái)經(jīng)金融專業(yè)人才培養(yǎng)工程網(wǎng)站“考試中心”進(jìn)行量化金融分析師全國統(tǒng)一考試報(bào)名，具體報(bào)名時間和流程說明將另行通知。
三、AQF考試費(fèi)用
(一)2019年3月起注冊費(fèi)：760元/人/次，考試費(fèi)：1500元/人/次;
(二)由于特殊原因舉辦的場次，考試費(fèi)用另行規(guī)定。
四、AQF考試題型和考試范圍
(一)AQF考試題型：考試題型包括單選題(20%)、多選題(20%)和解答題(60%)。
(二)AQF考試范圍：以本標(biāo)準(zhǔn)委員會發(fā)布的《量化金融分析師全國統(tǒng)一考試大綱》為準(zhǔn)。
(三)AQF模擬考卷：量化金融標(biāo)準(zhǔn)委員會將于考前發(fā)布《2018年量化金融分析師考前模擬卷》。
>>>點(diǎn)擊咨詢量化金融分析師AQF實(shí)訓(xùn)項(xiàng)目
.jpg)
五、AQF考試方式考試采用計(jì)算機(jī)化考試方式
即，在計(jì)算機(jī)終端獲取試題、作答并提交答題結(jié)果。本次AQF考試試題從量化金融分析師考試題庫中隨機(jī)抽題。隨機(jī)抽題以試卷中的試題數(shù)量、類型、難度一致為原則。
六、AQF考試時間和地點(diǎn)
(一)AQF考試時間北京時間2019年9月22日上午09:00-12:00(請非北京時區(qū)的考生注意時差，合理安排時間)
(二)AQF考試地點(diǎn)本場考試為線下考，具體考點(diǎn)到時通知。 >>>點(diǎn)擊咨詢AQF考試相關(guān)問題
七、AQF試卷評閱和成績認(rèn)定
(一)考生答卷由量化金融標(biāo)準(zhǔn)委員會組織集中評閱，考試成績報(bào)經(jīng)中國市場學(xué)會量化金融專業(yè)委員會審核后發(fā)布。AQF成績發(fā)布后，考生可登錄標(biāo)準(zhǔn)委員會指定的官網(wǎng)查詢成績并下載和打印成績單，具體官網(wǎng)地址和成績查詢時間將另行通知。
(二)本場考試實(shí)行百分制，總分60分為成績合格分?jǐn)?shù)線。
(三)AQF成績合格的考生，可申請成為量化金融標(biāo)準(zhǔn)委員會個人會員，具體會員申請細(xì)則將另行通知。
七、AQF考試大綱：
一. 量化投資策略理論(20%)
(一)量化投資基礎(chǔ)
1 掌握量化投資的概念;
2 了解量化投資不同的編程語言和應(yīng)用平臺;
3 了解量化投資的一般決策流程;
4 熟悉中國主要金融市場及交易產(chǎn)品交易種類及交易機(jī)制;
5 掌握量化交易模型設(shè)計(jì)的基本框架。
(二)量化交易策略理論基礎(chǔ)
1 掌握多因子策略，了解國內(nèi)外常用的因子類型，掌握因子在不同階段的研究方法;
2 了解量化擇時的思想;
3 了解無風(fēng)險套利的思想;
4 了解基本面量化交易策略思想;
5 了解統(tǒng)計(jì)套利量化交易策略思想;
6 了解衍生品套利量化交易策略思想;
7 了解機(jī)器學(xué)習(xí)的基本概念、常見算法原理及其量化交易策略思想;
8 掌握機(jī)器學(xué)習(xí)的常用算法原理，如邏輯回歸、支持向量機(jī)、決策樹、KNN 等;
9 了解機(jī)器學(xué)習(xí)算法的評價方法;
10 了解輿情分析等其他量化交易策略思想;
11 了解高頻交易策略的基本概念;
12 掌握事件驅(qū)動量化交易策略思想;
13 掌握技術(shù)指標(biāo)類量化交易策略思想;
14 掌握 K 線概念，掌握常用技術(shù)指標(biāo)，包括均線、CCI 指標(biāo)、KDJ 指標(biāo)等;
15 掌握常見的量化交易策略的評價方法。
二. Python 語言的編程基礎(chǔ)(30%)
(一)Python 核心語法基礎(chǔ)
1 掌握數(shù)據(jù)的基本類型：整形、浮點(diǎn)型、字符串、布爾型的基本概念與運(yùn)算，熟悉不同類型間的轉(zhuǎn)換方式;
2 掌握核心數(shù)據(jù)結(jié)構(gòu)：列表、字典、元組、集合的基本概念、運(yùn)算、常用操作、常見方法;
3 掌握 Python 常用基本語法，包括模塊的導(dǎo)入等;
4 掌握 Python 運(yùn)算符及其優(yōu)先級;
5 掌握基本控制結(jié)構(gòu)：循環(huán)結(jié)構(gòu)、分支結(jié)構(gòu)的基本概念及使用方法;
6 掌握函數(shù)定義、參數(shù)傳遞與函數(shù)調(diào)用的基本概念;掌握全局變量、局部變量和作用域的基本概念;
7 熟悉異常處理的概念和基本方法;
8 掌握 CSV、HDF5、SQL、Excel 等形式文件的調(diào)用和存儲。
(二)Numpy 數(shù)據(jù)處理
1 掌握 Numpy 模塊向量化操作原理;
2 掌握 Numpy 模塊基本數(shù)據(jù)類型及其常見創(chuàng)建方式;
3 掌握 Numpy 模塊基本數(shù)據(jù)類型的常見操作方式，包括切片、索引、修改、數(shù)據(jù)清晰、結(jié)構(gòu)調(diào)整、拼接等;
4 掌握 Numpy 模塊數(shù)據(jù)統(tǒng)計(jì)常用函數(shù)與方法;
5 熟悉 Numpy 模塊邏輯運(yùn)算操作相關(guān)的函數(shù)或方法。
(三)Pandas 數(shù)據(jù)處理
1 掌握 Pandas 模塊向量化操作原理;
2 掌握 Pandas 模塊基本數(shù)據(jù)類型及其常見創(chuàng)建方式;
3 掌握 Pandas 模塊的基礎(chǔ)操作，如：排序、切片、索引、填充、累計(jì)計(jì)算、合并、對齊、存儲等;
4 掌握分組與聚合運(yùn)算;
5 熟悉多重索引與重構(gòu);
6 掌握缺失值的處理;
7 掌握 Pandas 模塊時間序列處理的操作;
8 會應(yīng)用 Pandas 模塊進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)清洗、數(shù)據(jù)合并等操作;
9 會應(yīng)用 Pandas 模塊數(shù)據(jù)處理進(jìn)行實(shí)戰(zhàn)金融數(shù)據(jù)處理。
(四)面向?qū)ο蠡A(chǔ)
1 掌握面向?qū)ο蠛兔嫦蜻^程的區(qū)別;
2 掌握類和實(shí)例的基本概念;
3 掌握屬性和方法的基本概念;
4 熟悉構(gòu)成和繼承的基本概念;
5 掌握面向?qū)ο缶幊痰乃枷?，具備運(yùn)用面向?qū)ο蟮姆椒ň帉懥炕灰撞呗缘哪芰Α?/p>
(五)數(shù)據(jù)可視化
1 掌握使用 Matplotlib 繪制直方圖、折線圖、散點(diǎn)圖;
2 掌握 Pandas 模塊內(nèi)置繪圖函數(shù);
3 掌握使用 Matplotlib 繪制凈值曲線、股價相關(guān)性散點(diǎn)圖等其他金融相關(guān)應(yīng)用圖形;
4 了解 Matplotlib 對數(shù)據(jù)做簡單的描述性統(tǒng)計(jì)方法;
5 了解 Seaborn 等其他數(shù)據(jù)可視化第三方庫
三. Python 量化交易策略實(shí)現(xiàn)與回測(40%)
1 掌握金融數(shù)據(jù)的獲取方法，包括從互聯(lián)網(wǎng)調(diào)取靜態(tài)金融數(shù)據(jù)的常見方法和實(shí)時數(shù)據(jù)的獲取方法;
2 掌握金融數(shù)據(jù)清洗方法;
3 掌握均線交易系統(tǒng);
4 掌握基本技術(shù)指標(biāo)的計(jì)算方法，包括調(diào)用函數(shù)進(jìn)行數(shù)據(jù)處理或調(diào)用 Ta-lib 等庫等方法;
5 掌握基于技術(shù)指標(biāo)、指標(biāo)系統(tǒng)的量化交易策略的編寫;
6 熟悉產(chǎn)生交易信號的常見方法，掌握常見交易信號的計(jì)算;
7 熟悉策略持倉信號的常見方法，掌握策略持倉信號的計(jì)算;
8 熟悉股價收益率、策略累計(jì)收益、策略凈值曲線的計(jì)算方法;了解常見策略評估指標(biāo)的計(jì)算方法;
9 掌握策略編寫的核心思想和方法;
10 掌握機(jī)器學(xué)習(xí)的各個算法的調(diào)用方法、使用原理，可以用來解決的實(shí)際問題;
11 掌握會引起回測和實(shí)盤交易收益產(chǎn)生巨大區(qū)別的原因和注意點(diǎn);
12 熟悉策略的優(yōu)化方法和優(yōu)化思路，包括參數(shù)優(yōu)化等;
13 熟悉策略風(fēng)險控制的常見方法。
四. 量化實(shí)盤交易(10%)
1 熟悉量化交易系統(tǒng)的一般框架設(shè)計(jì)思路;
2 熟悉量化交易系統(tǒng)或平臺的數(shù)據(jù)調(diào)取;
3 熟悉量化交易系統(tǒng)或平臺的合約調(diào)取方法;
4 熟悉量化交易系統(tǒng)或平臺的程序化下單方法;
5 熟悉交易的訂單類型和相關(guān)實(shí)現(xiàn)方法;
6 了解實(shí)盤進(jìn)行倉位控制的一般方法;
7 了解量化交易系統(tǒng)或平臺實(shí)現(xiàn)程序化交易策略的一般方法。
八、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 |
|
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(jì)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(diǎn) |
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(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 |
|
|
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(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(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(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(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?、類、?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?shí)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(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)時數(shù)據(jù)和實(shí)時交易 |
|
|
9. Oanda通過實(shí)時數(shù)據(jù)API調(diào)取實(shí)時數(shù)據(jù)、resample |
|
|
面向?qū)ο髮?shí)盤交易之IB |
1.IB實(shí)戰(zhàn)平臺介紹及API安裝調(diào)試 |
|
2.IB實(shí)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(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、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(jì)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(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難嗎
全國熱線電話：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
