(*^▽^*)MG德科钻石游戏网站

為什么選擇經管之家量化投資就業班？

1，通過專業，有針對性的課程迅速提升自己的量化投資技能；
2，通過量化投資領域從業的講師授課，迅速掌握量化投資實戰經驗；
3，通過360小時高強度的學習與訓練，實現獨立編寫策略的目標；
4，通過畢業答辯的能力展現，彌補招聘中無法吻合的條件要求；
5，有機會畢業后直接進入授課講師的量化團隊進行實習。
投資也講究一個快字，等大家都知道了，很多投資方法也就沒那么有效、甚至失效了！

精準搜索能力
遇到問題想要知道是什么以及怎么解決，那就需要精準搜索能力，快速定位到問題得到解決辦法
行業信息獲取能力
行業信息包括量化行業相關新聞、咨詢，金融市場、券商研報相關信息，私募產品、私募策略等
金融的能力
其實就是金融知識背景的一些儲備，做量化是需要這些知識的，這可能不屬于技能
數學功底
西蒙斯獲得了數學界的諾貝爾獎，被稱為模型先生。量化與數學密切相關

數據分析的能力
現在很多做大數據、數據挖掘、機器學習的都屬于data scientist ，大部分時間都是對數據進行分析
交易技能
對交易很熟悉可以對策略、市場理解更為深刻，也便于開發出更好的策略，不會糾結于某些細節，也不容易走偏。同時，如果開發日內策略、高
編程技能
編程技能就是IT能力，所幸的是量化投資對編程其實要求不高，因為很多人只是策略研究員，大部分的工作是開發策略，代碼重復率比較高

1，點擊“我要報名”，在線提交報名信息；
2，通過訂單支付；
3，回答我們的課前情況了解以便我們幫助您更好的達到您的學習目標；
4，訂單支付后添加視頻學習權限后開始在線學習。

我要報名

01量化投資概述（3課時）

01-01 量化投資的定義(量化, 金融, 工程, 交易) 01-02 量化投資行業現狀(國外, 國內) 01-03 量化投資行業展望(崗位職業, 互聯網金融, 金融科技)
02金融理論：金融基礎知識（12課時）

02-01 經濟金融原理 02-02 證券及衍生品 02-03 期貨及衍生品
03Python基礎（12課時）

03-01 語言介紹和對比 03-02 安裝、配置和IDE 03-03 Python基礎和特性
04Python進階（12課時）

04-01 numpy 04-02 pandas 04-03 scipy 04-04 matplotlib
05Python三方庫（3課時）

05-01 清單介紹

06數學-概率論與數理統計（6課時）

06-01 理論和python案例

07數學-微積分（3課時）

07-01 理論和python案例

08數學-線性代數（6課時）

08-01 理論和python案例

09數據庫（6課時）

09-01 mysql 09-02 mongdb

10大數據理論與技術（12課時）

10-01 hadoop 10-02 spark

11機器學習理論（12課時）

11-01 概念、類型、應用場景 11-02 監督學習 11-03 無監督學習 11-04 半監督學習 11-05 強化學習 11-06 深度學習 11-07 遷移學習 11-08 其他

12機器學習技術（24課時）

12-01 sklearn 12-02 keras 12-03 TensorFlow

13金融理論-金融專業知識（12課時）

13-01 專業技能 13-02 證券估值 13-03 衍生品定價

14量化相關軟件

14-01 同花順、通達信-軟件使用,公式,指標,信號（3課時） 14-02 joinquant、ricequant、bigquant、uqerquant-介紹,數據,功能,案例（6課時） 14-03 TB、WH、TS、YT、MC-軟件介紹,數據,功能,案例（6課時） 14-04 國泰安、天軟、Wind-軟件介紹,數據,功能,案例（6課時）

15Python量化相關庫（12課時）

15-01 tushare 15-02 talib

16模型案例-模型研發流程（12課時）

16-01 模型原型 16-02 數據 16-03 模型模板 16-04 回測 16-05 優化 16-06 業績評價

17模型案例-擇時模型:技術指標模型（12課時）

17-01 模型原型：ma,macd, sar, rsi, kdj, boll, kama, turtle, grid 17-02 數據類型、源和清洗 17-03 模型信號 17-04 歷史回測 17-05 參數優化 17-06 業績評價

18模型案例-擇時模型:K線形態與組合模型（12課時）

18-01 模型原型：希望之星,黃昏之星,紅三兵,綠三兵,圓弧底,“V”型底,“U”型底,“W”底,“M”頂 18-02 數據類型、源和清洗 18-03 模型信號 18-04 歷史回測 18-05 參數優化 18-06 業績評價

19模型案例-擇時模型:經典日內模型（12課時）

19-01 模型原型：hans123,r-breaker,hl-breaker,nhl-breaker,ap-cross,grid 19-02 數據類型、源和清洗 19-03 模型信號 19-04 歷史回測 19-05 參數優化 19-06 業績評價

20模型案例-擇時模型:機器學習模式識別（24課時）

20-01 模型原型：線性回歸,邏輯回歸,決策樹,隨機森林,SVM,神經網絡 20-02 數據類型、源和清洗 20-03 模型信號 20-04 歷史回測 20-05 參數優化 20-06 業績評價

21模型案例-因子模型:基本面因子（12課時）

21-01 模型原型：因子模型、套利定價模型（APT） 21-02 數據類型、源和清洗-財務因子（盈利性、估值、現金流、成長性、營運能力、資本結構）；統計因子（換手率、波動率）；一致預期因子（分析師評級、盈利預測） 21-03 模型信號 21-04 歷史回測 21-05 參數優化 21-06 業績評價

22模型案例-因子模型:技術因子（12課時）

22-01 模型原型：因子模型 22-02 數據類型、源和清洗 22-03 模型信號 22-04 歷史回測 22-05 參數優化 22-06 業績評價

23模型案例-因子模型:數據挖掘另類因子（12課時）

23-01 模型原型：因子模型 23-02 數據類型、源和清洗-事件；輿情；大數據 23-03 模型信號 23-04 歷史回測 23-05 參數優化 23-06 業績評價

24模型案例-套利（12課時）

24-01 無風險套利理論 24-02 無風險套利案例 24-03 ETF套利 24-04 期現套利 24-05 跨期套利 24-06 跨品種套利 24-07 跨市場套利 24-08 期權套利 24-09 配對模型 24-10 統計套利原理 24-11 統計套利案例

25模型案例-阿爾法對沖（alphahedge）（12課時）

25-01 capm 25-02 套利定價模型（APT） 25-03 案例

26模型案例-聰明貝塔（smartbeta）（12課時）

26-01 同因子投資、阿爾法投資的相同和區別 26-02 產生背景 26-03 案例

27模型案例-資產配置（12課時）

27-01 Equal Weight 27-02 risk parity 27-03 Minimum Variance 27-04 Markowitz Model 27-05 Black-Litterman Model

28交易接口（12課時）

28-01 股票交易接口 28-02 期貨交易接口 28-03 其他交易標的交易接口

29量化系統（24課時）

29-01 qalpha 29-02 zipline 29-03 vnpy

30量化交易經驗分享（6課時）

30-01 交易分享 30-02 模型開發分享 30-03 技術分享

31量化投資崗位就業指導（6課時）

展開更多課程安排

Q：Q1:請問學這門課需要什么樣的基礎呢？是不是一定要金融工程學的才可以呢？

A：A1:對專業沒有要求。只要有量化投資方面技能的晉升或者轉行的強烈需求。
Q：Q2:想轉行量化投資，學習這門課怎么樣？

A：A2:建議全程100%投入，優秀的畢業學員可以推薦到大型金融機構從事量化投資。

李紫超
在職

李紫超

擁有多年的機構投資管理經驗，涉及套利、做市、量化等交易領域。
精通套利模型(期現套利、跨期套利、α套利、量化對沖等)，CTA策略，因子策略、資產配置模型等模型和交易策略的研發和運用。
蔡立耑
顧問

蔡立耑

親身實踐各種金融應用，主持研究團隊與臺灣知名大學與企業合作開展各種金融研究。在統計套利、金融大數據等領域有豐富的操作經驗與授課經驗。帶領的量化投資研究團隊用多種編程語言實現了統計套利以及風險管理自動化程序。
王小川
在職

王小川

國內某券商研究所高級分析師，神經網絡、數據挖掘、統計分析應用領域專家。
開辦Python量化投資課程，已出版《Python與量化投資》一書。