下面是我們一位學(xué)員在考AQF 量化金融分析師學(xué)習(xí)心得分享！包括對(duì)量化金融分析師(AQF)證書(shū)、量化交易、Python語(yǔ)言、機(jī)器學(xué)習(xí)等的理解認(rèn)識(shí)與個(gè)人見(jiàn)解等。

學(xué)員表示：文章是在他復(fù)習(xí)課程內(nèi)容，站在第三方角度，用IT人員的視角，評(píng)價(jià)課程整體設(shè)計(jì)，中途穿插金融幽默事件，這樣讀起來(lái)才不會(huì)太呆板。對(duì)量化方面感興趣的同學(xué)可以參考筆者的經(jīng)驗(yàn)和學(xué)習(xí)路徑。

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

其實(shí)本人會(huì)發(fā)現(xiàn)這一張認(rèn)證，是一個(gè)意外。一開(kāi)始自己學(xué)習(xí)計(jì)畫(huà)是金融 Python AI，配合之前一篇文章：學(xué)習(xí)心得分享 的8個(gè)步驟之一，確定學(xué)習(xí)范圍或考試范圍，因?yàn)锳QF的考試內(nèi)容是 : 量化交易 Python 機(jī)器學(xué)習(xí) Machine Learning，是非常符合我一開(kāi)始自己定義的學(xué)習(xí)目標(biāo)，算是一箭三雕的金融科技考試。

>>>點(diǎn)擊咨詢(xún)AQF 證書(shū)含金量

量化交易

揭開(kāi)量化交易面紗的第一步就是學(xué)習(xí)，否則類(lèi)似騙子把量子力學(xué)給神化，在網(wǎng)路上有一首詩(shī)為量子治痛經(jīng): 窮靠變異，富靠科技;遇事不決，量子力學(xué);解釋不通，穿越時(shí)空;篇幅不夠，平行宇宙;資金見(jiàn)底，故事重啟。

量化交易的核心觀點(diǎn)是透過(guò)海量數(shù)據(jù)資料找出錯(cuò)誤定價(jià)，導(dǎo)致套利空間，一般應(yīng)用在金融機(jī)構(gòu)中。由于有學(xué)習(xí) CFA level 1 經(jīng)驗(yàn)，所以學(xué)習(xí)量化投資的專(zhuān)業(yè)領(lǐng)域知識(shí)，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(fēng)險(xiǎn)，在華爾街有一則笑話(huà)，無(wú)論怎么金融分析，都比不上特朗普在深夜或股市開(kāi)盤(pán)前的兩條 Twitter ! 因?yàn)楣蓛r(jià)是對(duì)未來(lái)現(xiàn)金流的折算，但是一般金融分析時(shí)候，很多策略會(huì)參考?xì)v史資料，相信會(huì)有規(guī)律，從過(guò)去看未來(lái)的想法，所以才會(huì)有誤判。

另外一個(gè)比較經(jīng)典的反面案例是長(zhǎng)期資本管理公司 (LTCM)，一家對(duì)沖基金公司，其中合伙人有幾位都是諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主，可以說(shuō)是當(dāng)時(shí)全球頂尖金融團(tuán)隊(duì)也不為過(guò)，透過(guò)高杠桿和復(fù)雜金融衍生品的交易策略，但是無(wú)論模型計(jì)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(chǎng)。

整個(gè)課程中提到新穎金融領(lǐng)域是行為金融學(xué)，就是透過(guò)心理學(xué)對(duì)于人的投資行為分析，比如動(dòng)量效應(yīng)，當(dāng)投資者有追漲殺跌的情況發(fā)生，會(huì)依據(jù)一些指標(biāo)來(lái)做分析，是要與泡沫共存 (ride with the bubble) 還是立即清盤(pán)退出。另外今年分享 11 篇關(guān)于金融方面的書(shū)籍筆記中有兩篇文章是關(guān)于行為金融學(xué)：陸蓉行為金融學(xué)講義 心得筆記 和 行為金融與投資心理學(xué)的重點(diǎn)筆記，有興趣可以閱讀一下，可以有大致輪廓關(guān)于行為金融學(xué)，目前進(jìn)展到哪一個(gè)地步。

過(guò)程中學(xué)習(xí)到超過(guò) 15 個(gè)不同的量化交易策略， 其中大數(shù)據(jù)及輿情分析，會(huì)參考國(guó)外一篇金融期刊 Quantifying Trading Behavior in Financial Markets Using Google Trends，雖然有 6 頁(yè)，實(shí)際上內(nèi)容只有 3 頁(yè)，自己花 30 分鐘看完這篇論文，基本上透過(guò) Google Tread 關(guān)鍵字分析來(lái)做交易策略。這給我一個(gè)啟發(fā)，一篇好論文其實(shí)不需要長(zhǎng)篇大論，也可以影響重大。另一個(gè)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(yè)，但是卻創(chuàng)造出新的產(chǎn)業(yè)出現(xiàn)。

整個(gè)課程壓軸就是海龜交易系統(tǒng)，其實(shí)就是一套完整趨勢(shì)交易系統(tǒng)，如何倉(cāng)位管理，比如分批加倉(cāng)、動(dòng)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(guān)文章，進(jìn)一步深入了解。

Python

Python 范圍是針對(duì)金融常用 numpy、pandas、talib、tushare、matplotlib 模組和機(jī)器學(xué)習(xí) sklearn 模組為主的課程，因此如爬蟲(chóng) 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(xué)。課程設(shè)計(jì)比較傾向 Python 當(dāng)作第一個(gè)入門(mén)程式語(yǔ)言，所以針對(duì) Python 應(yīng)用層面，其實(shí)不是很多，畢竟課程內(nèi)容，還包含量化金融，如果有過(guò)學(xué)習(xí)過(guò)其他程式語(yǔ)言，比如 C、C 、C#、Java、Apex、Ruby . . . 等，可以快速切入學(xué)習(xí)。另外有考過(guò) SCJP 或 Salesforce Developer I 認(rèn)證的人來(lái)說(shuō)，考試范圍內(nèi)容會(huì)更廣泛，還會(huì)追加 Thread 線(xiàn)程的運(yùn)作模式、I/O 處理模式、數(shù)據(jù)庫(kù)處理、單元測(cè)試、Web Service . . . 等。

量化平臺(tái)：優(yōu)礦 V.S. IB

當(dāng)具備基礎(chǔ) Python 編程能力，接下來(lái)就是量化投資理論轉(zhuǎn)成 Python 實(shí)作并且圖形化顯示資料，這邊會(huì)引入兩個(gè)量化平臺(tái)，一個(gè)是優(yōu)礦，專(zhuān)門(mén)針對(duì)國(guó)內(nèi)市場(chǎng)為主的量化平臺(tái)，另一個(gè)是 IB (Interactive Brokers)，中文翻譯為盈透證券，主要是面向全球金融機(jī)構(gòu)的量化平臺(tái)。

優(yōu)礦提供一個(gè)屬于它自已的框架和 API，開(kāi)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(lái)的結(jié)果，可以發(fā)現(xiàn)第一張圖的策略跑輸基準(zhǔn)，這邊用上證 50 ETF 為標(biāo)的，導(dǎo)致阿爾法收益為負(fù)，第二張圖就提供模擬不同時(shí)間區(qū)段的收益率變化情況，這可以為優(yōu)化策提供一個(gè)參考方向。

IB 框架會(huì)比優(yōu)礦復(fù)雜，會(huì)用到面向?qū)ο蟮亩嗬^承和重寫(xiě)父類(lèi)方法，以及 Thread 線(xiàn)程控制，因此提供比較大的彈性，針對(duì)策略上細(xì)節(jié)控制，這部分就屬于進(jìn)階人員，當(dāng)累積到一定程度量化經(jīng)驗(yàn)和想要處理國(guó)外量化交易。下圖為 IB 運(yùn)作畫(huà)面，提供的金融資訊比優(yōu)礦的內(nèi)容更多。

機(jī)器學(xué)習(xí)Machine Learning

現(xiàn)在 AI 人工智能很火，這也是當(dāng)初我會(huì)報(bào)名 AQF 量化金融分析師的原因之一，這樣可以迫使我學(xué)習(xí)這領(lǐng)域知識(shí)，包含理論基礎(chǔ)和數(shù)學(xué)原理，然而 Python 實(shí)現(xiàn)時(shí)候，實(shí)際上不需要太多行程式碼，就可以完成，不過(guò)真正難點(diǎn)就是模型優(yōu)化部分，這就需要經(jīng)驗(yàn)累積，不過(guò)從學(xué)習(xí)角度來(lái)說(shuō)，是一個(gè)很好的切入點(diǎn)。

>>>點(diǎn)擊咨詢(xún)了解課程詳情

量化思維

最后我認(rèn)為一位頂尖的量化分析師會(huì)具備量化思維，會(huì)意識(shí)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(diǎn)，選出需要量化指標(biāo)。簡(jiǎn)單說(shuō)就是用數(shù)學(xué)解決問(wèn)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(gè)經(jīng)典案例，一位美國(guó)石油商人上被綁票，劫后余生提供給 FBI 三條線(xiàn)索，都是經(jīng)過(guò)量化，最后 FBI 也依照這三條線(xiàn)索找到犯人。

線(xiàn)索一：被綁架約一個(gè)多小時(shí)，經(jīng)過(guò)兩個(gè)石油田，因?yàn)殡[約聽(tīng)到鉆井聲音

線(xiàn)索二：依據(jù)車(chē)速和時(shí)間，汽車(chē)開(kāi)到關(guān)押地點(diǎn)大約 960 公里

線(xiàn)索三：每天有兩次班機(jī)降落，推算是早上 9 : 45 和 下午 5 : 45

那你今天開(kāi)始嘗試思考事情用量化思維嗎 ?