任务1: 0.0 量化投资课程导读
任务2: 1.1 量化投资的概念
任务3: 1.2 量化投资的历史(上)
任务4: 1.3 量化投资的历史(下)
任务5: 1.4 量化投资的展望
任务6: 2.1.1 经济学
任务7: 2.1.2 经济学-需求、供给及其均衡理论
任务8: 2.1.3 金融学
任务9: 2.1.4 金融学-金融投资理论
任务10: 2.2.1 金融市场体系
任务11: 2.2.2 证券市场主体
任务12: 2.2.3 股票市场
任务13: 2.2.4 证券投资基金与衍生工具
任务14: 2.3.1 期货及衍生品
任务15: 2.3.2 期货及衍生品
任务16: 2.3.3 期货及衍生品
任务17: 2.3.4 期货及衍生品
任务18: 3.1 编程语言概述
任务19: 3.2 python概述和安装
任务20: 3.3 python基础组件
任务21: 3.4.1 python语法和案例(一)
任务22: 3.4.1 python语法和案例(二)
任务23: 3.4.1 python语法和案例(三)
任务24: 3.4.2 python语法和案例(一)
任务25: 3.4.2 python语法和案例(二)
任务26: 3.4.2 python语法和案例(三)
任务27: 3.4.3 python语法和案例(一)
任务28: 3.4.3 python语法和案例(二)
任务29: 3.4.4 python语法和案例(一)
任务30: 3.4.4 python语法和案例(二)
任务31: 3.4.4 python语法和案例(三)
任务32: 3.4.4 python语法和案例(四)
任务33: 4.1 NumPy(一)
任务34: 4.1 NumPy(二)
任务35: 4.2 pandas基础(一)
任务36: 4.2 pandas基础(二)
任务37: 4.3 pandas数据加载、存储
任务38: 4.4 pandas数据清洗和准备
任务39: 4.5 pandas数据规整
任务40: 4.6 matplotlib数据可视化
任务41: 4.7 matplotlib图样式详解
任务42: 4.8 pyecharts图样式详解
任务43: 4.9 pandas分组运算和数据聚合
任务44: 4.10 pandas时间序列
任务45: 4.11 pandas高级应用
任务46: 4.12 numpy进阶
任务47: 5.0 python资源
任务48: 6.1 概率论和数理统计
任务49: 6.2 概率论和数理统计
任务50: 6.3 概率论和数理统计
任务51: 6.4 概率论和数理统计
任务52: 6.5 概率论和数理统计
任务53: 6.6 数理统计.一元回归
任务54: 6.7 数理统计.多元回归
任务55: 6.8 python.回归分析
任务56: 6.9 scipy.stats案例介绍
任务57: 6.10 时间序列分析(一)
任务58: 6.11 时间序列分析(二)
任务59: 6.12 时间序列分析(三)
任务60: 7.1 sympy-数学符号计算
任务61: 7.2 sympy-数学符号计算
任务62: 7.3.1微积分
任务63: 7.3.2 微积分
任务64: 7.4.1 线性代数
任务65: 7.4.2 线性代数.矩阵及其运算
任务66: 7.4.3 线性代数.矩阵的初等变换与线性方程组
任务67: 7.4.4 线性代数.向量组的线性相关性
任务68: 7.4.5 线性代数.相似矩阵及二次型
任务69: 8.1.1 深度学习引言
任务70: 8.1.2.1 神经网络的编程基础-1
任务71: 8.1.2.2 神经网络的编程基础-2
任务72: 8.1.3.1 浅层神经网络-1
任务73: 8.1.3.2 浅层神经网络-2
任务74: 8.2.1.1 深度学习的实践-1
任务75: 8.2.1.2 深度学习的实践-2
任务76: 8.2.2 优化算法
任务77: 8.2.3 超参数调优,Batch正则化和程序框架
任务78: 8.3 机器学习的最佳实践
任务79: 8.4.1 卷积神经网络-1
任务80: 8.4.2 卷积神经网络-2
任务81: 8.5.1循环神经网络-1
任务84: 8.2.1.机器学习概述
任务85: 8.2.2.聚类算法-1
任务86: 8.2.2.聚类算法-2
任务87: 8.2.3.降维算法
任务88: 8.2.4.决策树算法
任务89: 8.2.5.K近邻法(KNN)算法
任务90: 8.2.6.朴素贝叶斯算法
任务91: 8.2.7支持向量机
任务92: 8.2.8.集成学习-1
任务93: 8.2.8.集成学习-2
任务94: 8.2.9.机器学习其它算
任务95: 9.01.金融专业知识
任务96: 9.02.金融专业知识
任务97: 9.03.金融专业知识
任务98: 9.04.金融专业知识
任务99: 9.05.金融专业知识
任务100: 9.06.金融专业知识
任务101: 9.07.金融专业知识
任务102: 9.08.金融专业知识
任务103: 9.09.金融专业知识
任务104: 9.10.金融专业知识
任务105: 9.11.金融专业知识
任务106: 9.12.金融专业知识
任务107: 9.13.金融专业知识
任务108: 9.14.金融专业知识
任务109: 9.15.金融专业知识
任务110: 9.16.金融专业知识
任务111: 9.17.金融专业知识
任务112: 9.18.金融专业知识
任务113: 9.19.金融专业知识
任务114: 9.20.金融专业知识
任务115: 9.21.金融专业知识
任务116: 9.22.金融专业知识
任务117: 9.23.金融专业知识
任务118: 9.24.金融专业知识
任务119: 9.25.金融专业知识
任务120: 10.01.行情软件.技术分析
任务121: 10.02.开发学习环境配置++
任务122: 10.03.技术指标_环境配置_tushare_talib
任务123: 10.04.技术指标_pyecharts_真实波幅
任务124: 10.05.指标图表展示功能封装
任务125: 10.06.技术指标_atr-natr-sma
课时 126 : 10.07.技术指标_ema_dema_tema
课时 127 : 10.08.技术指标_t3-wma-trima
课时 128 : 10.09.技术指标_trima_wwma_lsma_vama_mavp
课时 129 : 10.10.技术指标_bbands-kama-sar-sarext
课时 130 : 10.11.技术指标_midpoint-midprice-ht_trendline-mama
课时 131 : 10.12.量能指标_obv-ad-adosc
课时 132 : 10.13.价格指标-动量指标_dm-di
课时 133 : 10.14.动量指标_dx-adx-adxr
课时 134 : 10.15.动量指标_apo-aroon-bop
课时 135 : 10.16.动量指标_cci-macd
课时 136 : 10.17.动量指标_rsi-mfi-ppo
课时 137 : 10.18.动量指标_roc-trix-mom-willr
课时 138 : 10.19.动量指标_stoch-ultosc
课时 139 : 10.20.K线形态_pyecharts-标价信号
课时 140 : 10.21.K线形态_单K形态
课时 141 : 10.22.K线形态_多K形态1
课时 142 : 10.23.K线形态_多K形态2
课时 143 : 10.24.行情数据爬虫
课时 144 : 11.01.交易业务流程-CTP
课时 145 : 11.02.事件回调模式
课时 146 : 11.03.框架-GateWay_Broker_Exchange
课时 147 : 11.04.框架-单元测试-真实行情-简单策略
课时 148 : 11.05.工程结构-消息类型
课时 149 : 11.06.账户服务
课时 150 : 11.07.利用GIT同步工程代码
课时 151 : 11.08.框架-嵌入账户服务
课时 152 : 11.09.框架-UML类图订单撮合
课时 153 : 11.10.改进撮合-规范Account和Broker-绩效分析
课时 154 : 11.11.绩效分析库-rqrisk-empyrical
课时 155 : 11.12.绩效分析库-rqrisk-empyrical
课时 156 : 11.13.绩效分析库-rqrisk-empyrical
课时 157 : 11.14.绩效分析库-rqrisk-empyrical
课时 158 : 11.15.框架-回调中心_第一个APP
课时 159 : 11.16.安装框架-模拟消息-合约、费用、行情
课时 160 : 11.17.模拟消息-生产-消费-打印
课时 161 : 11.18.第一个完整择时策略
课时 162 : 11.19.第一个完整择时策略
课时 163 : 12.01.策略开篇
课时 164 : 12.02.组合管理-预期数据、可行集
课时165: 12.03.组合管理-特征组合-凸优拉格朗日乘子法数学推导
课时166: 12.04.组合管理-拉格朗日乘子法的直观理解
课时167: 12.05.组合管理-组合优化求解
课时168: 12.06.组合管理-凸优化求解包、Q和C组合
课时169: 12.07.组合管理-CAL、CML、CAPM
课时170: 12.08.组合管理-CAPM推导
课时 171 : 12.09.组合管理-SML和β系数
课时 172 : 12.10.组合管理-SML和β系数的A股实证1
课时 173 : 12.11.组合管理-SML和β系数的A股实证2
课时 174 : 12.12.组合管理-套利定价模型-三因子模型1
课时 175 : 12.13.组合管理-套利定价模型-三因子模型2
课时 176 : 12.14.组合管理-套利定价模型-三因子模型3
课时 177 : 12.15.alphalens的demo
课时 178 : 12.16.alphalens的功能和源码
课时179:12.17.组合管理-Fama-MacBeth回归定价
课时 180 : 12.18.组合管理-回归分析和资产定价功能封装
课时 181 : 12.19.组合管理-回归分析和资产定价的对比
课时 182 : 12.20.组合管理-因子显著性、候选因子、定价错误
课时 183 : 12.21.组合管理-因子显著性检验
课时 184 : 12.22.组合管理-因子策略、数据整理、消息函数
课时 185 : 12.23.组合管理-因子策略、策略逻辑
课时 186 : 12.24.组合管理-因子策略、回测和优化
课时 187 : 12.25.组合管理-多因子模型理论
课时 188 : 12.26.组合管理-多因子模型流程
课时 189 : 12.27.组合管理-多因子模型-数据和标准化
课时 190 : 12.28.组合管理-多因子模型-标准化案例
课时 191 : 12.29.组合管理-多因子模型-行业哑变量
课时 192 : 12.30.组合管理-多因子模型-单因子有效性T检验
课时 193 : 12.31.组合管理-多因子模型-有效因子辅助检验
课时 194 : 12.32.组合管理-多因子模型-大类因子分析
课时 195 : 12.33.组合管理-多因子模型-共线性和异方差
课时 196 : 12.34.组合管理-多因子模型-因子合成
课时 197 : 12.35.组合管理-多因子模型-估计因子收益率1
课时 198 : 12.36.组合管理-多因子模型-估计因子和标的收益率
课时 199 : 12.37.组合管理-多因子模型-风险模型1
课时 200 : 12.38.组合管理-多因子模型-风险模型2
课时 201 : 12.39.组合管理-多因子模型-优化模型1
课时 202 : 12.40.组合管理-多因子模型-优化模型2
课时 203 : 12.41.组合管理-多因子模型-优化模型3
课时 204 : 12.42.组合管理-多因子模型-优化模型4
课时 205 : 12.43.组合管理-小结
课时 206 : 13.01.量化平台都有哪些
课时 207 : 13.02.joinquant和bigquant
课时 208 : 13.03.bigquant的标注和因子
课时 209 : 13.04.bigquant单因子分析和worldquant101
课时 210 : 13.05.bigquant交易引擎
课时 211 : 13.06.bigquant自定义买入卖出
课时 212 : 13.07.bigquant垃圾股过滤
课时 213 : 13.08.bigquant.综合过滤
课时 214 : 13.09.bigquant多头回踩
课时 215 : 13.10.bigquant权重分配和止盈止损模块
课时 216 : 13.11.bigquant海龟策略
课时 217 : 13.12.bigquant.多条件选股策略
课时 218 : 13.13.bigquant.模块.量化分析.数据导入与构建
课时 219 : 13.14.bigquant.模块.因子研究.可视化.用户模块.自定义
课时 220 : 13.15.bigquant.模块.数据输入.输出.处理.标注.特征.机器学习
课时 221 : 13.18.bigquant.大盘风控.验证集过滤.GBDT选股
课时 222 : 13.19.bigquant.DNN策略
课时 223 : 13.20.bigquant.TaLib指标选股策略改进
课时 224 : 13.21.bigquant.DNN策略改进
课时 225 : 13.22.bigquant.配对交易.价值选股
课时 226 : 13.23.bigquant.期货MACD策略1
课时 227 : 13.24.bigquant.期货MACD策略2
课时 228 : 13.25.bigquant.期货MACD策略3
课时 229 : 13.26.bigquant.期货MACD策略4
课时 230 : 13.27.bigquant.期货品种交易框架的复用
课时 231 : 13.28.bigquant.常用工具及其它1
课时 232 : 13.29.bigquant.常用工具及其它2
课时 233 : 13.30.joinquant.概述
课时 234 : 13.31.joinquant.因子分析
课时 235 : 13.32.joinquant.策略引擎1
课时 236 : 13.33.joinquant.策略引擎2
课时 237 : 13.34.joinquant.策略API
课时 238 : 13.35.joinquant.归因分析
课时 239 : 13.36.joinquant.策略示例
课时 240 : 13.37.joinquant.策略模板1
课时 241 : 13.38.joinquant.策略模板2
课时 242 : 13.39.joinquant.研究环境1
课时 243 : 13.40.joinquant.研究环境2
课时 244 : 13.41.joinquant.期货日内策略
课时 245 : 13.42.joinquant.策略优化
课时 246 : 13.43.joinquant.低估价值选股
课时 247 : 13.44.joinquant.主题轮动和双均线交叉
课时 248 : 13.45.joinquant.小市值策略
课时 249 : 13.46.joinquant.因子模型1
课时 250 : 13.47joinquant.因子模型2
课时 251 : 13.48.joinquant.因子模型3
课时 252 : 13.49.joinquant.因子模型4
课时 253 : 13.50.joinquant.因子模型5
课时 254 : 13.51.joinquant.因子模型6
课时 255 : 13.52.joinquant.因子模型7
课时 256 : 13.53.joinquant.因子模型8
课时 257 : 13.54.joinquant.因子模型9
课时 258 : 13.55.joinquant.因子模型10
课时 259 : 13.56.ricequant.因子研究
课时 260 : 13.57.ricequant.策略创建和回测
课时 261 : 13.58.ricequant.策略框架和相关函数
课时 262 : 13.59.ricequant.研究环境回测和调优
课时 263 : 13.60.rqalpha.在jupyter中使用
课时 264 : 13.61.rqalpha.在pycharm中使用
课时 265 : 13.62.rqalpha.工程结构和模块功能1
课时 266 : 13.63.rqalpha.工程结构和模块功能2
课时 267 : 13.64.rqalpha.框架调试和解析1
课时 268 : 13.65.rqalpha.框架调试和解析2
课时 269 : 13.66.rqalpha.框架调试和解析3
课时 270 : 13.67.qlib.概述和安装运行
课时 271 : 13.68.qlib.环境配置.运行方式和组件
课时 272 : 13.69.qlib.源码各模块 1
课时 273 : 13.70.qlib.源码各模块 2
课时 274 : 13.71.qlib.源码调试解读 1
课时 275 : 13.72.qlib.源码调试解读 2
课时 276 : 13.73.qlib.源码调试解读 3
课时 277 : 13.74.qlib.源码调试解读 4
课时 278 : 13.75.qlib.源码调试解读 5
课时 279 : 13.76.qlib.源码调试解读 6
课时 280 : 13.77.qlib.源码调试解读 7
课时 281 : 13.78.qlib.源码调试解读 8
课时 282 : 13.79.qlib.策略和模型的解读 1
课时 283 : 13.80.qlib.策略和模型的解读 2
课时 284 : 13.81.qlib.策略和模型的解读 3
课时 285 : 13.82.qlib.策略和模型的解读 4
课时 286 : 13.83.qlib.策略和模型的解读 5
课时 287 : 13.84.qlib.策略和模型的解读 6
课时 288 : 13.85.qlib.策略和模型的解读 7
课时 289 : 13.86.qlib.策略和模型的解读 8
课时 290 : 13.87.qlib.策略和模型的解读 9
课时 291 : 13.88.qlib.策略和模型的解读 10
课时 292 : 13.89.qlib.策略和模型的解读 11
课时 293 : 13.90.qlib.策略和模型的解读 12
课时 294 : 13.91.qlib.策略和模型的解读 13
课时 295:14.01.vnpy.概述.环境配置
课时 296:14.02.vnpy.案例运行.项目结构
课时 297 : 14.03.vnpy.适配模块.数据存储.数据源.主引擎.日志引擎
课时 298 : 14.04.vnpy.适配模块.事件类型.网关.对象类型.优化器.配置和工具
课时 299 : 14.05.vnpy.应用速览
课时 300 : 14.06.vnpy.应用速览.CtpGateWay
课时 301: 14.07.vnpy.CtpGateWay 1
课时 302: 14.08.vnpy.CtpGateWay 2
课时 303: 14.09.vnpy.CtpGateWay 3
课时 304 : 14.10.vnpy.FemasGateWay
课时 305 : 14.11.vnpy.Gateway.Sopt.Sec
课时 306 : 14.12.vnpy.Gateway.Uft.Esunny.Xtp
课时 307 : 14.13.vnpy.Gateway.Xtp.Tora
课时 308 : 14.14.vnpy.Gateway.Ib.Tap
课时 309 : 14.15.vnpy.Gateway.Da.Rohon
课时 310 : 14.16.vnpy.Gateway.Ost.Hft
课时 311 : 14.17.vnpy.CtaStrategrApp
课时 312 : 14.18.vnpy.Run.Debug 1
课时 313 : 14.19.vnpy.Run.Debug 2
课时 314 : 14.20.vnpy.App.CtaStrategy.Debug-1
课时 315 : 14.21.vnpy.App.CtaStrategy.Debug-2
课时 316 : 14.22.vnpy.App.PaperAccount
课时 317 : 14.23.vnpy.App.CtaBacktester-1
课时 318 : 14.24.vnpy.App.CtaBacktester-2
课时 319 : 14.25.vnpy.App.CtaBacktester-3
课时 320 : 14.26.vnpy.App.SpreadTrading -1
课时 321 : 14.27.vnpy.App.SpreadTrading -2
课时 322 : 14.28.vnpy.App.SpreadTrading -3
课时 323 : 14.29.vnpy.App.SpreadTrading -4
课时 324 : 14.30.vnpy.App.AlgoTrading
课时 325 : 14.31.vnpy.App.OptionMaster-1
课时 326 : 14.32.vnpy.App.OptionMaster-2
课时 327 : 14.33.vnpy.App.OptionMaster-3
课时 328 : 14.34.vnpy.App.Option Master-4 & Upgrade2Py310
课时 329 : 14.35.vnpy.App.OptionMaster-5
课时 330 : 14.36.vnpy.App.OptionMaster-6
课时 331 : 14.37.vnpy.App.OptionMaster-7
课时 332 : 14.38.vnpy.App.PortfolioStrategy -1
课时 333 : 14.39.vnpy.App.PortfolioStrategy -2
课时 334 : 14.40.vnpy.App.PortfolioStrategy -3
课时 335 : 14.41.vnpy.App.ScriptTrader
课时 336 : 14.42.vnpy.App.ChartWizard&RpcService
课时 337 : 14.43.vnpy.App.ExcelRtd&DataManager&DataRecorder
课时 338 : 14.44.vnpy.App.RiskManager&WebTrader&PortfolioManager
课时 339 : 15.01.就业分享-1
课时 340 : 15.02.就业分享-2
量化投资是什么?
量化投资是指通过数量化方式及计算机程序化发出买卖指令,以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。
量化投资就业前景如何?
Wind数据显示,2016年1月至今,有32家基金公司和具有公募基金资格的证券公司申报了59只名称中包含“量化”二字的基金,其中31只基金已经获批,6只为基金中基金(FOF)。产品的大量申报和发行也带来了人才缺口。据了解,南方基金、金鹰基金、浙商基金、富国基金等多家公司近期在招聘量化研究的实习生。
量化投资薪酬如何(北沪深)?
实习生(一周四天):4000-8000元/月
经验1年以上:15000-25000元/月
经验3年以上:30000-50000元/月
量化投资国内发展趋势怎么样?
如果从2007年大批海外量化基金投资人才归国算起,我国量化投资基金行业已走过10年历程。从最初不为人知到成为公募行业名片,从单一的量化对冲产品到多策略量化组合,从震荡市大放异彩到单边行情下饱受质疑……这一全新的投资方式正在被各类资管机构接受,尤其是公募量化证券投资基金因其高门槛、大规模、运作透明规范的标准化特点,被广大中小投资者热捧。
大类资产配置需求给量化投资带来了全新的发展机遇。随着技术门槛的降低以及大数据、人工智能的应用,任何投资者都可以将量化投资应用到自身资产组合当中,广大中小投资者也可以为自己定制量化投资产品。同时,机器学习的发展也对量化投资起了促进作用。
16年11月,私募基金管理规模已经超越了公募基金,从这一事实就一定程度可以反映出量化投资在国内是可行的,因为现在私募基金募资,资金更青睐于量化投资方式而不是主观交易方式。
从量化投资的定义和特征来看,量化投资是借助于数学知识、统计学知识开发出策略模型然后根据模型给出的信号严格执行信号。因量化投资有其天然的优势:客观性、系统性、纪律性、可验证性,所以量化投资在国内是可行的,而且是未来投资领域的重要角色。
想入行,从思想到工具,策略,实战都不会怎么办?
参加量化投资训练营_从零基础入行量化投资
讲师介绍:
李紫超
拥有多年的机构投资管理经验,涉及套利、做市、量化等交易领域。
精通套利模型(期现套利、跨期套利、α套利、量化对冲等),CTA策略,因子策略、资产配置模型等模型和交易策略的研发和运用。
课程内容:
课程咨询及报名:
尹老师
电话:13321178792
QQ:42884447
WeChat:yinyinan888
内容不能少于5个字符!
©2024Peixun.net 北京国富如荷网络科技有限公司 版权所有 未经许可 请勿转载 京ICP备11001960号-4 京公网安备 11010802034634号
邮件已发送!
已成功发送邮件到您注册的邮箱 请前往查询并点击链接重置密码