提起金融，大多數(shù)人可能會條件反射地想到"華爾街" "投行"，以及金融人士常說的"Financial Modeling"。
其中Financial Modeling更是讓許多外行人看來無比"高大上"。那么這個"Financial Modeling"，到底是一種什么樣的存在呢?
Financial Models是什么?
一句話概括Financial Model就是加減乘除四則運算計算一個時間段內(nèi)的各種參考數(shù)值(比如常用的各種index)，用來給投資分析師寫報告或者調(diào)研時參考用。
不過不是只有四則運算就很簡單很low，背后其實涉及了很多邏輯判斷、匯率轉(zhuǎn)換、時間時差轉(zhuǎn)換、每個時間點對應(yīng)的值存儲。
有人曾將建模形象地比作"蒸餾咖啡"的過程：
咖啡豆是"10K/10Q/SEC Fillings";
研磨工具為Excel表格等軟件或語言;
濃萃精華為最終的Thesis，即投資觀點。
因此，一杯好喝的"金融咖啡"，不僅需要優(yōu)良的咖啡豆，還需要給力的研磨工具，方能得到一份精致的濃萃精華，來做出這樣一杯滿意的咖啡。
.png)
（點擊上圖了解課程詳情）
以一個典型的投資案例的財務(wù)模型為例，總體來看，所有分析都匯總在不同的sheet里：
1. 最基本的三張財務(wù)報表：利潤表、資產(chǎn)負(fù)債表、現(xiàn)金流量表(歷史+未來預(yù)測)
2. 為了完成對公司業(yè)績的預(yù)測，還要對公司所處的市場規(guī)模以及公司未來的表現(xiàn)進行預(yù)測：
3. 在回報倍數(shù)(X_Cal那一頁)的計算中，用到各類DCF或者PE Comparable等常用的模型。下圖是另外兩個實戰(zhàn)的模型，利用WACC和DCF等等去估值一個公司的價值。
4. 敏感性分析：針對投資人最關(guān)心的兩大指標(biāo)(回報倍數(shù)和IRR)，基于各種最重要的場景進行敏感性分析，包括：投資方式(股權(quán)?債券?混合?)、資產(chǎn)注入的不同形態(tài)、未來的PE以及未來的EPS等等。
5. 在個別復(fù)雜的情況，還需要針對Equity或者Loan的不同Class或者Tranche進行拆分然后具體的分析。
6. 交易員有時候也會拿Excel來做各種金融產(chǎn)品的價格估算和交易執(zhí)行策略的安排，雖然看起來簡單，但是后臺對接著龐大的Bloomberg各類接口以及各大牛逼碼農(nóng)開發(fā)的各類超級接口和復(fù)雜的后臺邏輯。
下圖提供的是一個針對某外匯的交易策略安排及價格估算。
Financial Models的應(yīng)用
偏會計或財務(wù)方面：財務(wù)三張報表的歷史及預(yù)測;
偏項目投資或項目管理方面：NPV/IRR等模型;
偏股權(quán)及債券投資方面：市場規(guī)模預(yù)測、投資價值預(yù)測(DCF及Comparable等等)等等、針對各種股權(quán)的回報預(yù)測;
偏交易方面：針對各類金融產(chǎn)品(FX、衍生品等等)的模型估算和執(zhí)行策略等等。
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。>>>點擊咨詢AQF含金量
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) |
|
量化投資與機器學(xué)習(xí) |
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_2_邏輯回歸原理 |
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_3_SVM算法原理 |
|
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_4_決策樹算法原理 |
|
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_5_KNN算法原理 |
|
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_6_神經(jīng)網(wǎng)絡(luò)算法了解 |
|
|
6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_7_K-means算法原理和算法總結(jié) |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_1_數(shù)據(jù)集生成原理 |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_2_數(shù)據(jù)集可視化 |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_3_邏輯回歸算法的python實現(xiàn) |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_4_DT_KNN_NB算法的python實現(xiàn) |
|
|
6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_5_SVM算法的python實現(xiàn) |
|
|
6.量化投資與機器學(xué)習(xí)_3_機器學(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
