AQF去年全國(guó)考試通過(guò)率大概是多少?以及AQF考試費(fèi)用大概是多少?更多關(guān)于AQF考試相關(guān)問(wèn)題下文中都會(huì)一一講解~
量化金融分析師(AQF®)(簡(jiǎn)稱(chēng)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(zhuān)業(yè)水平證書(shū)。本文中小編為大家詳細(xì)講解關(guān)于AQF考試詳情(比如:AQF報(bào)名、AQF費(fèi)用、AQF時(shí)間...)
AQF去年全國(guó)考試通過(guò)率是多少?針對(duì)這個(gè)問(wèn)題,AQF去年全國(guó)考試通過(guò)率大概是在80%左右~
AQF考試時(shí)間:每年3月與9月的第三個(gè)星期日
>>>2021年AQF考試地點(diǎn)點(diǎn)我咨詢(xún)
AQF報(bào)考條件:同時(shí)符合下列條件的考生,可以申請(qǐng)參加量化金融分析師全國(guó)統(tǒng)一考試:
(1) 具有完全民事行為能力且年滿(mǎn)18周歲
(2) 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AQF,并獲得對(duì)應(yīng)學(xué)分。
.jpg)
(點(diǎn)擊上圖了解課程詳情)
AQF報(bào)名流程:
AQF考試題型:?jiǎn)芜x題20%、多選題20%、解答題60%
AQF考試范圍:以標(biāo)準(zhǔn)委員會(huì)發(fā)布的《量化金融分析師全國(guó)統(tǒng)一考試大綱》為準(zhǔn)。
AQF考試方式:考試采用計(jì)算機(jī)化考試方式。
(1)即在計(jì)算機(jī)終端獲取試題、作答并提交答題結(jié)果。
(2)考試試題從量化金融分析師考試題庫(kù)中隨機(jī)抽題;隨機(jī)抽題以試卷中的試題數(shù)量、類(lèi)型、難度一致為原則。
AQF考試費(fèi)用:
(1)2020年9月起注冊(cè)費(fèi):760元/人/次,考試費(fèi):1500元/人/次;
(2)由于特殊原因舉辦的場(chǎng)次,考試費(fèi)用將另行規(guī)定。
AQF考試語(yǔ)言:中文+Python程序設(shè)計(jì)語(yǔ)言
AQF試卷評(píng)閱和成績(jī)認(rèn)定:
(1) 考生答卷由量化金融標(biāo)準(zhǔn)委員會(huì)組織集中評(píng)閱,AQF考試成績(jī)報(bào)經(jīng)中國(guó)市場(chǎng)學(xué)會(huì)金融服務(wù)工作委員會(huì)審核后發(fā)布。
(2) AQF成績(jī)發(fā)布后,AQF考生可登錄標(biāo)準(zhǔn)委員會(huì)指定的官網(wǎng)查詢(xún)成績(jī)并下載和打印成績(jī)單。
(3) AQF考試實(shí)行百分制,總分60分為成績(jī)合格分?jǐn)?shù)線(xiàn)。
(4) 成績(jī)合格的AQF考生,可申請(qǐng)成為量化金融標(biāo)準(zhǔn)委員會(huì)個(gè)人會(huì)員。
如果還有關(guān)于量化金融分析師AQF其他的問(wèn)題的話(huà),歡迎在線(xiàn)咨詢(xún)小編,小編會(huì)為大家解答~
課程適合人群:
金融工程/數(shù)學(xué)專(zhuān)業(yè)背景的同學(xué)/工作人士,希望進(jìn)一步學(xué)習(xí)Python編程以及在量化投資的實(shí)戰(zhàn)應(yīng)用;
非金融工程專(zhuān)業(yè)背景的同學(xué)/工作人士,希望迅速成為寬客; >>>國(guó)內(nèi)量化分析師職業(yè)前景薪酬如何點(diǎn)我咨詢(xún)
金融相關(guān)人員,希望學(xué)習(xí)如何系統(tǒng)的做量化策略;
個(gè)人投資者,希望系統(tǒng)學(xué)習(xí)掌握量化投資相關(guān)的實(shí)務(wù)技能,從模型開(kāi)發(fā),回測(cè),策略改進(jìn),搭建穩(wěn)定的量化交易系統(tǒng)。
AQF量化金融分析師實(shí)訓(xùn)項(xiàng)目學(xué)習(xí)大綱
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(yǔ)言環(huán)境搭建 |
1.Python語(yǔ)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(shù)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(pán)交易
|
1.模塊內(nèi)容整體介紹 |
|
2.面向?qū)ο?、?lèi)、實(shí)例、屬性和方法 |
|
3.創(chuàng)建類(lèi)、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_(kāi)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(pán)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(xiàn)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(pán)交易之Oanda |
1.Oanda平臺(tái)介紹和賬戶(hù)配置 |
|
2.Oanda賬戶(hù)密碼配置和交易框架原理 |
|
|
3.Oanda鏈接賬戶(hù)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(xún) |
|
|
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(guò)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(pán)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(xiàn)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(cāng)位及賬戶(hù)查詢(xún) |
|
|
6.IB三均線(xiàn)交易_金字塔倉(cāng)位下單控制模型實(shí)盤(pán)交易之策略原理、線(xiàn)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(xiàn)) |
|
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(xiàn)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)
更多內(nèi)容推薦閱讀:
金程推薦: AQF培訓(xùn) AQF培訓(xùn)機(jī)構(gòu) AQF是什么意思
咨詢(xún)電話(huà):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
完善下表,48小時(shí)內(nèi)查收aqf備考資料
(如果沒(méi)收到資料,可以點(diǎn)我咨詢(xún))
.png)




