中科大金融碩士就業(yè)前景如何？雖然我不知道中科大金融碩士就業(yè)如何，但是我身邊就業(yè)前景好的，薪酬高的，他們都是AQF持證人，畢竟AQF是將金融理論知識(shí)落地的學(xué)習(xí)。那么，大家也會(huì)有一系列的問題，中科大金融碩士能從事哪些工作崗位?薪資待遇怎么樣?有發(fā)展前景嘛?
中科大金融碩士——AQF持證人好就業(yè)嘛?從事行業(yè)非常廣泛，包括投資銀行、基金公司、券商金融工程、資產(chǎn)管理公司、私募公司、Fintech公司等。工作職能包括量化研究、量化交易、量化風(fēng)控、數(shù)據(jù)結(jié)構(gòu)和算法、系統(tǒng)開發(fā)和運(yùn)維、模型和咨詢等。根據(jù)Glassdoor統(tǒng)計(jì)，美國(guó)量化分析師的平均年薪已達(dá)到接近13萬美元。
在國(guó)外，AI量化投資已經(jīng)屢見不鮮。據(jù)調(diào)研公司 LCH 在今年初出具的調(diào)研報(bào)告，美國(guó)業(yè)績(jī)排前 20 的對(duì)沖基金，包括橋水基金、索羅斯基金，全部采用計(jì)算機(jī)根據(jù)算法自動(dòng)交易。據(jù)國(guó)際基金評(píng)級(jí)機(jī)構(gòu) Morningstar 數(shù)據(jù)顯示，截止 2017 年 7 月，機(jī)器人投顧管理的資產(chǎn)將近 3900 億美元，而在七年前這項(xiàng)數(shù)字幾乎為零。接下來的 10 年，機(jī)器人投顧管理的資產(chǎn)將達(dá)到 5 萬億美元。
>>>國(guó)內(nèi)量化分析師平均年薪點(diǎn)我咨詢
接下來，介紹下AQF證書，如果想從量化金融這塊并想了解AQF持證人好就業(yè)的童鞋們，更要好好了解下AQF證書。
AQF介紹
AQF：量化金融分析師(簡(jiǎn)稱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)域的專業(yè)水平證書。
AQF背景
量化投資在國(guó)外的發(fā)展已非常成熟，與此相反，曾經(jīng)在相當(dāng)長(zhǎng)的一段時(shí)間里，國(guó)內(nèi)量化投資領(lǐng)域發(fā)展緩慢。2017年伊始，金融業(yè)界改革消息不斷。2 月 16 日，中金所重磅發(fā)布新的股指期貨交易規(guī)則，對(duì)其日內(nèi)過度交易行為的監(jiān)管、非套期保值持倉(cāng)的交易保證金標(biāo)準(zhǔn)、平倉(cāng)手續(xù)費(fèi)標(biāo)準(zhǔn)都采取了進(jìn)一步放松限制的政策指示。
11月，人民銀行會(huì)同銀監(jiān)會(huì)、證監(jiān)會(huì)、保監(jiān)會(huì)、外匯局等部門起草了《關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見(征求意見稿)》，其中第二十二條對(duì)“智能投顧”開展資產(chǎn)管理業(yè)務(wù)的準(zhǔn)入門檻、業(yè)務(wù)開展規(guī)范提出全面的規(guī)范意見。量化投資在各金融機(jī)構(gòu)的運(yùn)用得到了監(jiān)管層的重視，未來發(fā)展可期。面對(duì)當(dāng)下量化金融人才匱乏、需求量激增的局面，加快量化投資專業(yè)水平人才的培養(yǎng)進(jìn)程已迫在眉睫。
AQF認(rèn)證機(jī)構(gòu)介紹
中國(guó)市場(chǎng)學(xué)會(huì)(China Marketing Association)經(jīng)國(guó)家民政部批準(zhǔn)(民政部：社證字第3586號(hào))于1991年3月在北京成立，由中國(guó)社會(huì)科學(xué)研究院主管。中國(guó)市場(chǎng)學(xué)會(huì)量化金融專業(yè)委員會(huì)(下簡(jiǎn)稱：量專委)是中國(guó)市場(chǎng)學(xué)會(huì)下屬的獨(dú)立二級(jí)機(jī)構(gòu)。
量專委的宗旨在于積極有效組織各類金融理論和實(shí)踐學(xué)術(shù)研究，切實(shí)開展各界學(xué)術(shù)交流，充分利用各金融領(lǐng)域的專家資源，通過提供各類金融調(diào)研、培訓(xùn)、咨詢、出版、交流、認(rèn)證等服務(wù)，實(shí)現(xiàn)“金融服務(wù)市場(chǎng)、市場(chǎng)促進(jìn)金融”的目標(biāo)，提高金融服務(wù)學(xué)術(shù)水平和服務(wù)水平，加強(qiáng)金融服務(wù)領(lǐng)域的實(shí)踐溝通和技術(shù)交流，推動(dòng)金融產(chǎn)業(yè)融合促進(jìn)與創(chuàng)新，有效搭建金融高級(jí)人才培養(yǎng)的平臺(tái)，切實(shí)為我國(guó)金融服務(wù)注入更多動(dòng)力。
量化金融標(biāo)準(zhǔn)委員會(huì)(Standard Committee of Quantitative Finance，SCQF)受量化金融專業(yè)委員會(huì)下設(shè)的專家委員會(huì)的工作指導(dǎo)，負(fù)責(zé)量化金融分析師證書體系的專業(yè)水平認(rèn)證、專業(yè)能力建設(shè)開發(fā)、研究咨詢、教育培訓(xùn)、培訓(xùn)教材修訂等方面的工作。
項(xiàng)目培養(yǎng)目標(biāo)
結(jié)合現(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展，量化方法在金融實(shí)務(wù)中的應(yīng)用也越來越普遍和深入。本項(xiàng)目在借鑒國(guó)外發(fā)達(dá)的量化金融分析師執(zhí)業(yè)標(biāo)準(zhǔn)的基礎(chǔ)上，結(jié)合我國(guó)現(xiàn)代金融領(lǐng)域的實(shí)踐發(fā)展和實(shí)際情況，并通過研究分析相應(yīng)實(shí)戰(zhàn)崗位的專業(yè)要求和工作內(nèi)容，以培養(yǎng)量化金融分析師專業(yè)人員為目標(biāo)，通過專業(yè)理論知識(shí)與實(shí)戰(zhàn)能力的訓(xùn)練，培養(yǎng)具備量化分析能力的專業(yè)金融從業(yè)人員。
AQF項(xiàng)目培養(yǎng)對(duì)象
有志于養(yǎng)成專業(yè)的量化投資方法，并且從事或有志于從事與金融量化分析相關(guān)的經(jīng)濟(jì)活動(dòng)和專業(yè)服務(wù)工作的人員。例如：投行工作人員、股票分析師、金融分析師、量化工作者等金融行業(yè)從業(yè)人員;
有志于養(yǎng)成專業(yè)的量化投資方法的個(gè)人投資者等;
欲從其他領(lǐng)域轉(zhuǎn)行進(jìn)入量化金融行業(yè)的專業(yè)人才。
AQF項(xiàng)目?jī)?yōu)勢(shì)
系統(tǒng)性
AQF證書內(nèi)容全面涵蓋了量化金融領(lǐng)域的基礎(chǔ)知識(shí)，并且充分地吸收了國(guó)際量化金融的前沿和發(fā)展，學(xué)習(xí)模塊包括Python語(yǔ)言編程基礎(chǔ)、數(shù)據(jù)處理基礎(chǔ)、金融知識(shí)基礎(chǔ)和量化投資多平臺(tái)模擬交易等。
實(shí)戰(zhàn)性
AQF證書將量化投資交易的理論知識(shí)與實(shí)戰(zhàn)經(jīng)驗(yàn)相銜接，運(yùn)用編程技術(shù)將主流量化分析思想用于實(shí)踐，旨在達(dá)成系統(tǒng)、完善的量化投資證書體系，讓學(xué)員認(rèn)識(shí)現(xiàn)實(shí)應(yīng)用場(chǎng)景。
前瞻性
AQF證書旨在結(jié)合主流的算法和經(jīng)典量化交易策略思想，提供前沿的科學(xué)知識(shí)服務(wù)。
AQF后續(xù)學(xué)習(xí)方案
獲取AQF證書的會(huì)員可參加由中國(guó)市場(chǎng)學(xué)會(huì)量化金融專業(yè)委員會(huì)及其下設(shè)部門定期舉辦的各類以量化投資、量化分析等為主題的活動(dòng)，例如論壇、沙龍;可獲得其發(fā)行的優(yōu)選論文期刊、報(bào)道資訊等后續(xù)教育學(xué)習(xí)材料。AQF會(huì)員后續(xù)教育旨在為會(huì)員提供專業(yè)量化投資人士交流和學(xué)習(xí)的平臺(tái)。
AQF知識(shí)體系
AQF證書知識(shí)體系分為四大模塊，分別為：量化投資策略理論(20%)、Python語(yǔ)言的編程基礎(chǔ)(30%)、Python量化交易策略實(shí)現(xiàn)與回測(cè)(40%)、量化實(shí)盤交易(10%)。該課程體系旨在從理論和實(shí)踐兩個(gè)方面，幫助考生成為具有扎實(shí)理論功底和實(shí)踐能力的量化交易專業(yè)人才。
掌握Python及量化投資技能，我們能做什么?
1、熟悉中國(guó)主要金融市場(chǎng)及交易產(chǎn)品的交易機(jī)制;
2、熟知國(guó)內(nèi)外期貨交易、股市交易的異同點(diǎn)和內(nèi)在運(yùn)行機(jī)制;
3、掌握經(jīng)典量化交易策略細(xì)節(jié)及其背后的交易哲學(xué);
4、掌握金融、編程和建模知識(shí)基礎(chǔ)，擁有量化交易實(shí)盤操作能力;
5、具備獨(dú)立自主地研發(fā)新量化交易策略的能力;
6、掌握量化交易模型設(shè)計(jì)的基本框架，以及風(fēng)險(xiǎn)管理和資產(chǎn)組合理論的實(shí)際運(yùn)用;
7、掌握從策略思想——策略編寫——策略實(shí)現(xiàn)餓完整量化投資決策過程;具備量化投資實(shí)戰(zhàn)交易能力。
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(tái)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(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(tái)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(jià)單和交易狀態(tài)查詢 |
|
|
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)位及賬戶查詢 |
|
|
6.IB三均線交易_金字塔倉(cāng)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(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） |
|
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
咨詢電話：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
(如果沒收到資料，可以點(diǎn)我咨詢)
.png)
