Python

  • 1、掌握python的数据类型
  • 2、程序结构与控制流:赋值,条件,循环 语句
  • 3、函数与重要Python包
  • 4、使用Pandas进行数据处理
  • 5、使用Pandas进行描述性统计
  • 6、使用Pandas和matplotlib进行绘图
  • 7、抽样误差与统计推断基础
  • 8、t检验与方差分析
  • 9、相关分析与线性回归
  • 10、卡方检验与逻辑回归
  • 11、其他分类模型:朴素贝叶斯、SVM
  • 12、资产配置理论与实践
  • 13、时间序列
  • 14、滤波
  • 15、arima
  • 16、文本分析流程
  • 17、常用字符串函数与正则表达式
  • 18、分词与词频统计
  • 19、量化模型:阿尔法与贝塔策略
  • 20、统计套利原理
  • 21、阿尔法策略中简单配对交易
  • 22、Smart贝塔策略与组合回测
  • 23、构建窗口检验

MATLAB

1、

Matlab基本介绍

  • 1. MathWorks公司和MATLAB产品介绍
  • 2. MATLAB 用户界面与基本函数
  • 3. 编写脚本文件与控制语句(IF,For)
  • 4. 2D\3D绘图以及图像美化
2、

统计计算与优化方法

  • 1. 如何获取数据以及数据整理
  • 2. 常用的分布与随机数、统计回归与统计检验
  • 3. 优化问题的分类与求解方法
  • 4. 局部最优与全局最优
3、

固定收益分析

  • 1. 货币的时间价值
  • 2. 债券的价格与收益率
  • 3. 债券久期与凸度计算
  • 4. 分级基金定价与分析
4、

金融模型模拟计算

  • 1. 如何利用历史数据进行历史模拟
  • 2. 如何根据模型进行情景分析
  • 3. 如何生成随机价格序列并进行模型测试
5、

衍生品设计与定价

  • 1. 欧式期权、美式期权、异议期权的结构
  • 2. 期权定价的二叉树模型与BS公式
  • 3. 复杂期权定价的蒙特卡洛方法
6、

Matlab编程经验分享

  • 1. 量化中的疑惑与理性
  • 2. 思维逻辑与编程逻辑
  • 3. 理想与现实的矛盾
7、

MATLAB在量化投资中的应用

  • 1. MATLAB在量化投资中的具体应用案例简介
  • 2. 基于MATLAB的简单均线交易系统
  • 3. 基于MATLAB的常见指标的大盘择时交易系统
  • 4. 基于MATLB的期现套利
  • 5. 基于MATLAB的股指期货日内突破交易系统
  • 5. 基于MATLAB的IF、Cu期货跨期套利(日内高频)
  • 6. 基于MATLAB的跨市场套利(隔夜低频)
  • 7. 基于蒙特卡洛模拟的定增基金净值模拟
  • 8. 基于MATLAB的品种波动性分析
  • 9. 基于MATLAB的交易品种相关性分析
  • 10. 基于MATLAB的行情软件——MATLAB GUI简介
  • 11. 基于MATLAB的量化回测平台——框架、实现、应用
  • 12. 学习MATLAB的一些资源
8、

支持向量机的理论与应用

  • 1. 支持向量机理论相关
  • 2. What is SVM?
  • 3. 统计学习理论(Statistical Learning Theory)——SVM的理论基础
  • 4. SVM的基本思想
  • 5. Libsvm中采用的各种SVM模型
  • 6. 支持向量机应用相关
  • 7. 初识SVM分类与回归
  • 8. LIBSVM参数介绍
  • 9. SVM的具体应用案例简介
  • 10. LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用

R语言

第一天:量化投资概述及量化投资中的数据挖掘与文本挖掘
1、

量化投资概述

  • 1. 投资策略回顾与比较
  • 2. 量化投资概述
  • 3. 量化投资风险与管控
  • 4. 量化选股
  • 5. 投资组合配置
2、

数据挖掘算法在量化投资中的运用

  • 1. 逻辑回归与涨跌预测
  • 2. 神经网络与涨跌预测
  • 3. 支持向量机模型与涨跌预测
  • 4. 聚类与股票配对
3、

舆情分析与关注度模型

  • 1. 文本挖掘概述
  • 2. 编码知识
  • 3. 正则表达式
  • 4. 中文分词
  • 5. 文本分类模型
第二天:技术指标交易策略与 R语言实现
1、

金融时间序列分析与R语言

  • 1. 什么是时间序列数据
  • 2. 时间序列的平稳性检验与白噪声探讨
  • 3. 时间序列平滑【SMA、WMA EWMA】
  • 4. 金融时间序列建模预测【ARMA、ARIMA模型】
  • 5. 波动的集聚效应
  • 6. 高频金融数据分析
2、

R语言捕捉技术指标买卖点

  • 1. K线图绘制与形态分析
  • 2. 动量指标(momentum)策略
  • 3. 相对强弱指标(RSI)
  • 4. 移动平均线策略
  • 5. 异同均线(MACD)策略
  • 6. BOLL通道突破策略
  • 7. KDJ指标交易策略
  • 8. OBV指标交易策略
  • 9. 量价关系交易策略
第三天:用R语言玩转量化交易策略
1、

高级交易策略

  • 1. 多种技术指标综合应用
  • 2. 统计套利策略
  • 3. 轮动投资策略
  • 4. 趋势追踪、反转策略与波动率之间的关系
  • 5. 仓位控制的几种技术
  • 6. “支持向量机”与金融市场分析预测

金融量化分析师-R

第一天:
1、

数据工具讲解

  • 1.1 数据资源介绍
  • 1.1 宏观数据
  • 1.2  公司数据
2、

量化投资分析基础

  • 2.1 R 量化分析包
  • 2.2 R使用基础
第二天:
3、

金融统计分析

  • 3.1 概率分布理论
  • 3.2 多变量相关性分析
  • 3.3 方差分析、线性回归模型
  • 3.3.1 中国股票市场的CAPM模型的检验(投资业绩评价、α系数、β系数)
  • 3.3.2 中国股市的三因素模型分析(Fama、French)
  • 3.3.3 基金经理业绩的量化比较分析
  • 3.4 逻辑回归模型:上市公司财物欺诈识别
第三天:
4、

价值投资与财务沽值

  • 4.1 安全边际理论
  • 4.2 财务沽值方法
  • 4.3 有效市场理论与市场异象
  • 4.4 风险因子模型与因子选股
第四天:
5、

量化价值投资理论

  • 5.1 投资策略回顾与比较
  • 5.2 基本面、技术分析和量化的联系与区别
  • 5.3 统计套利原理
  • 5.4 量化模型简介:阿尔法与贝塔策略
6、

Smart贝塔策略

  • 6.1 Smart贝塔策略兴起的背景
  • 6.2 Smart贝塔策略运用场景与优势
  • 6.3 Smart贝塔策略
7、

投资组合回测

  • 案例:盈余超预期公司的超额收益
8、

高效量化分析平台搭建

  • 案例:基于Oracle+R的大数据金融分析平台

金融量化分析师-Python

第一天:
1、

数据工具讲解

  • 1.1 数据资源介绍
  • 1.1 宏观数据
  • 1.2  公司数据
2、

量化投资分析基础

  • 2.1 Python使用基础
  • 2.2 Python数据挖掘包
第二天:
3、

金融统计分析

  • 3.1 概率分布理论
  • 3.2 多变量相关性分析
  • 3.3 方差分析、线性回归模型
  • 3.3.1 中国股票市场的CAPM模型的检验(投资业绩评价、α系数、β系数)
  • 3.3.2 中国股市的三因素模型分析(Fama、French)
  • 3.3.3 基金经理业绩的量化比较分析
  • 3.4 逻辑回归模型:上市公司财物欺诈识别
第三天:
4、

价值投资与财务沽值

  • 4.1 安全边际理论
  • 4.2 财务沽值方法
  • 4.3 有效市场理论与市场异象
  • 4.4 风险因子模型与因子选股
第四天:
5、

量化价值投资理论

  • 5.1 投资策略回顾与比较
  • 5.2 基本面、技术分析和量化的联系与区别
  • 5.3 统计套利原理
  • 5.4 量化模型简介:阿尔法与贝塔策略
6、

Smart贝塔策略

  • 6.1 Smart贝塔策略兴起的背景
  • 6.2 Smart贝塔策略运用场景与优势
  • 6.3 Smart贝塔策略
7、

投资组合回测

  • 案例:盈余超预期公司的超额收益
8、

高效量化分析平台搭建

  • 案例:基于Oracle+R的大数据金融分析平台

微量网

福布斯中国互联网金融50强,国内首家以量化投资和社交投资为核心的股票、期货策略平台。将股票高手的选股技巧、期货操盘手的交易手法、时下热点的主题以及量化投资,组合衍生出“策略”带给普通投资者。投资者绑定交易账户后,一键跟单,无需任何软件,策略7*24小时自动运行。

UQER 优矿

私人金融量化分析的平台,是通联数据旗下的量化分析研究平台。旨在打破金融量化的壁垒,为广大量化爱好者提供华尔街专业量化机构的装备。通过提供高质量的海量金融数据与高性能的分析工具,共襄智慧与金融在大数据时代的红利。

更多通用平台分享……

Python

  • 1、Python初识
  • 2、深入 Python流程控制
  • 3、函数及数据结构
  • 4、数据处理与计
  • 5、数据描述与分析
  • 6、绘图与可视化
  • 7、数据挖掘初探
  • 8、异常处理

MATLAB

  • 1、MATLAB数据类型
  • 2、程序设计基础知识
  • 3、function函数
  • 4、Debug
  • 5、程序设计应用

R语言

  • 1、初识R语言
  • 2、把数据输入R
  • 3、处理数据及其子集
  • 4、图形工具
  • 5、循环(控制流)和函数
  • 6、数据的描述性和探索性分析
  • 7、参数估计
  • 8、假设检验
  • 9、回归分析

SAS

  • 1、SAS工具模块介绍
  • 2、SAS编程语言
  • 3、SAS数据步
  • 4、过程步
  • 5、宏过程