下面是我們一位學員在考AQF 量化金融分析師學習心得分享！包括對量化金融分析師(AQF)證書、量化交易、Python語言、機器學習等的理解認識與個人見解等。

學員表示：文章是在他復習課程內(nèi)容，站在第三方角度，用IT人員的視角，評價課程整體設計，中途穿插金融幽默事件，這樣讀起來才不會太呆板。對量化方面感興趣的同學可以參考筆者的經(jīng)驗和學習路徑。

這次分享正在準備中的一張金融科技認證AQF(Analyst of Quantitative Finance)，有對標CQF(Certificated in Quantitative Finance)意味，但是在難度上有距離，AQF 比較容易。

其實本人會發(fā)現(xiàn)這一張認證，是一個意外。一開始自己學習計畫是金融 Python AI，配合之前一篇文章：學習心得分享 的8個步驟之一，確定學習范圍或考試范圍，因為AQF的考試內(nèi)容是 : 量化交易 Python 機器學習 Machine Learning，是非常符合我一開始自己定義的學習目標，算是一箭三雕的金融科技考試。

>>>點擊咨詢AQF 證書含金量

量化交易

揭開量化交易面紗的第一步就是學習，否則類似騙子把量子力學給神化，在網(wǎng)路上有一首詩為量子治痛經(jīng): 窮靠變異，富靠科技;遇事不決，量子力學;解釋不通，穿越時空;篇幅不夠，平行宇宙;資金見底，故事重啟。

量化交易的核心觀點是透過海量數(shù)據(jù)資料找出錯誤定價，導致套利空間，一般應用在金融機構(gòu)中。由于有學習 CFA level 1 經(jīng)驗，所以學習量化投資的專業(yè)領域知識，就有部分課程內(nèi)容是重疊的，其中數(shù)量方法，打下很好的地基。

量化交易是高風險，在華爾街有一則笑話，無論怎么金融分析，都比不上特朗普在深夜或股市開盤前的兩條 Twitter ! 因為股價是對未來現(xiàn)金流的折算，但是一般金融分析時候，很多策略會參考歷史資料，相信會有規(guī)律，從過去看未來的想法，所以才會有誤判。

另外一個比較經(jīng)典的反面案例是長期資本管理公司 (LTCM)，一家對沖基金公司，其中合伙人有幾位都是諾貝爾經(jīng)濟學獎得主，可以說是當時全球頂尖金融團隊也不為過，透過高杠桿和復雜金融衍生品的交易策略，但是無論模型計算如何好，但是黑天鵝事件就是發(fā)生，發(fā)生誤判，最后破產(chǎn)，所以必須敬畏市場。

整個課程中提到新穎金融領域是行為金融學，就是透過心理學對于人的投資行為分析，比如動量效應，當投資者有追漲殺跌的情況發(fā)生，會依據(jù)一些指標來做分析，是要與泡沫共存 (ride with the bubble) 還是立即清盤退出。另外今年分享 11 篇關于金融方面的書籍筆記中有兩篇文章是關于行為金融學：陸蓉行為金融學講義 心得筆記 和 行為金融與投資心理學的重點筆記，有興趣可以閱讀一下，可以有大致輪廓關于行為金融學，目前進展到哪一個地步。

過程中學習到超過 15 個不同的量化交易策略， 其中大數(shù)據(jù)及輿情分析，會參考國外一篇金融期刊 Quantifying Trading Behavior in Financial Markets Using Google Trends，雖然有 6 頁，實際上內(nèi)容只有 3 頁，自己花 30 分鐘看完這篇論文，基本上透過 Google Tread 關鍵字分析來做交易策略。這給我一個啟發(fā)，一篇好論文其實不需要長篇大論，也可以影響重大。另一個更好例子是中本聰在 2008 年發(fā)表的 Bitcoin: A Peer-to-Peer Electronic Cash System，也是不到 10 頁，但是卻創(chuàng)造出新的產(chǎn)業(yè)出現(xiàn)。

整個課程壓軸就是海龜交易系統(tǒng)，其實就是一套完整趨勢交易系統(tǒng)，如何倉位管理，比如分批加倉、動態(tài)止損、入市、離市 . . . 等，因此延伸出海龜交易法則，包含心理管理，有興趣的人可以上網(wǎng)查相關文章，進一步深入了解。

Python

Python 范圍是針對金融常用 numpy、pandas、talib、tushare、matplotlib 模組和機器學習 sklearn 模組為主的課程，因此如爬蟲 request、神經(jīng)網(wǎng)路 keras 和 Tensorflow 模組，就不在這次范圍內(nèi)，需要后續(xù)自學。課程設計比較傾向 Python 當作第一個入門程式語言，所以針對 Python 應用層面，其實不是很多，畢竟課程內(nèi)容，還包含量化金融，如果有過學習過其他程式語言，比如 C、C 、C#、Java、Apex、Ruby . . . 等，可以快速切入學習。另外有考過 SCJP 或 Salesforce Developer I 認證的人來說，考試范圍內(nèi)容會更廣泛，還會追加 Thread 線程的運作模式、I/O 處理模式、數(shù)據(jù)庫處理、單元測試、Web Service . . . 等。

量化平臺：優(yōu)礦 V.S. IB

當具備基礎 Python 編程能力，接下來就是量化投資理論轉(zhuǎn)成 Python 實作并且圖形化顯示資料，這邊會引入兩個量化平臺，一個是優(yōu)礦，專門針對國內(nèi)市場為主的量化平臺，另一個是 IB (Interactive Brokers)，中文翻譯為盈透證券，主要是面向全球金融機構(gòu)的量化平臺。

優(yōu)礦提供一個屬于它自已的框架和 API，開發(fā)人員可以參考網(wǎng)站中論壇研究，下面兩張圖是官方提供范例程式，執(zhí)行出來的結(jié)果，可以發(fā)現(xiàn)第一張圖的策略跑輸基準，這邊用上證 50 ETF 為標的，導致阿爾法收益為負，第二張圖就提供模擬不同時間區(qū)段的收益率變化情況，這可以為優(yōu)化策提供一個參考方向。

IB 框架會比優(yōu)礦復雜，會用到面向?qū)ο蟮亩嗬^承和重寫父類方法，以及 Thread 線程控制，因此提供比較大的彈性，針對策略上細節(jié)控制，這部分就屬于進階人員，當累積到一定程度量化經(jīng)驗和想要處理國外量化交易。下圖為 IB 運作畫面，提供的金融資訊比優(yōu)礦的內(nèi)容更多。

機器學習Machine Learning

現(xiàn)在 AI 人工智能很火，這也是當初我會報名 AQF 量化金融分析師的原因之一，這樣可以迫使我學習這領域知識，包含理論基礎和數(shù)學原理，然而 Python 實現(xiàn)時候，實際上不需要太多行程式碼，就可以完成，不過真正難點就是模型優(yōu)化部分，這就需要經(jīng)驗累積，不過從學習角度來說，是一個很好的切入點。

>>>點擊咨詢了解課程詳情

量化思維

最后我認為一位頂尖的量化分析師會具備量化思維，會意識到碰到事情可采用量化，不追求精確數(shù)據(jù)，而是掌握重點，選出需要量化指標。簡單說就是用數(shù)學解決問題，做到心中有數(shù)。在得到 app 中老喻的人生算法課，提到一個經(jīng)典案例，一位美國石油商人上被綁票，劫后余生提供給 FBI 三條線索，都是經(jīng)過量化，最后 FBI 也依照這三條線索找到犯人。

線索一：被綁架約一個多小時，經(jīng)過兩個石油田，因為隱約聽到鉆井聲音

線索二：依據(jù)車速和時間，汽車開到關押地點大約 960 公里

線索三：每天有兩次班機降落，推算是早上 9 : 45 和 下午 5 : 45

那你今天開始嘗試思考事情用量化思維嗎 ?