中科信软量化投资与机器学习培训
中科信软量化投资与机器学习培训
课程简介：
量化投资是起源于美国的高级投资方法论，在国内也有十余年的发展历史，代表当今金融业前沿的投资技术和水准，卓越稳定的实盘投资业绩使得量化投资具有坚实的高端市场需求。
本量化投资方向系列课程通过对各种量化投资方法与理论的介绍，结合机器学习的实际应用案例进行引导式教学，全面地提高学员对量化投资的认知能力和实践能力。
面向人群：
1. 适合有志于从事量化投资工作的计算机行业人员及在校学生；
2. 数据科学工作者，可以从本课程中学会从数据科学的方法玩转量化交易；
3. 所有金融机构从业人员，尤其是量化交易从业者，可以从本课程中学会如何用python玩机器学习和量化交易；
4. 适合希望使用机器学习和统计学习的方法应用于量化投资领域的爱好者和个人投资者 ，可以从本课程中学会量化投资的应用领域和必要的业务知识，以及如何构建成功的量化策略和交易的实战经验。
学习收益：
这门课的主要目的是让大家理解和掌握量化投资的应用领域及其业务知识，通过实际的案例教学，掌握端到端的量化交易流程，教会学员编写策略程序，通过建模，回测和风控，形成可盈利的策略并将整个流程自动化。其次，我们将讲授如何利用前沿人工智能的技术，如：机器学习方法，对海量金融数据进行建模，掌握机器学习在量化建模中的应用方法。课程也会提供量化策略研发平台服务，帮助学员建立自己的策略研究库。
课程大纲：
课： 量化投资基本概念和投资方法
1. 统计哲学
2. 量化投资哲学
3. 策略概述
4. 经典案例
5. 量化投资现状
第二课： 量化投资组合管理（一）
1. 量化投资组合管理简介
2. 基础理论
3. 多因子模型
4. 因子分类体系
第三课： 量化投资组合管理（二）
1. 因子测试方法
2. 风险模型
3. 投资组合构建方法
4. 机器学习在因子选股中的应用
第四课： 量化择时策略与方法
1. 量化择时概念
2. 择时方法
3. 择时策略的开发
4. 机器学习择时案例
第五课： 程序化交易及策略开发（一）
1. 程序化交易简介
2. 交易系统与开发语言
3. 策略分类与开发
4. CTA策略基本结构
第六课： 程序化交易及策略开发（二）
1. 技术分析基础
2. 开平仓条件构建
3. 交易策略实例
4. 机器学习模型的应用
第七课： 交易与算法交易
1. 原理
2. 交易分类与策略
3. 交易成本与冲击成本
4. 常见交易算法
5. 实践方法与系统
第八课： 投资业绩量化评价
1. 收益与波动
2. 风险管理
3. 基准对照分析
4. 投资风格分析
5. 业绩归因分析
第九课： 量化投资的其他课题方向
1. 高频交易介绍
2. 衍生品定价及交易策略
3. 大类资产配置方法
4. MOM, FOF产品管理
5. 对冲基金的运营与维护
课程简介：
量化投资是起源于美国的高级投资方法论，在国内也有十余年的发展历史，代表当今金融业前沿的投资技术和水准，卓越稳定的实盘投资业绩使得量化投资具有坚实的高端市场需求。
本量化投资方向系列课程通过对各种量化投资方法与理论的介绍，结合机器学习的实际应用案例进行引导式教学，全面地提高学员对量化投资的认知能力和实践能力。
面向人群：
1. 适合有志于从事量化投资工作的计算机行业人员及在校学生；
2. 数据科学工作者，可以从本课程中学会从数据科学的方法玩转量化交易；
3. 所有金融机构从业人员，尤其是量化交易从业者，可以从本课程中学会如何用python玩机器学习和量化交易；
4. 适合希望使用机器学习和统计学习的方法应用于量化投资领域的爱好者和个人投资者 ，可以从本课程中学会量化投资的应用领域和必要的业务知识，以及如何构建成功的量化策略和交易的实战经验。
学习收益：
这门课的主要目的是让大家理解和掌握量化投资的应用领域及其业务知识，通过实际的案例教学，掌握端到端的量化交易流程，教会学员编写策略程序，通过建模，回测和风控，形成可盈利的策略并将整个流程自动化。其次，我们将讲授如何利用前沿人工智能的技术，如：机器学习方法，对海量金融数据进行建模，掌握机器学习在量化建模中的应用方法。课程也会提供量化策略研发平台服务，帮助学员建立自己的策略研究库。
课程大纲：
课： 量化投资基本概念和投资方法
1. 统计哲学
2. 量化投资哲学
3. 策略概述
4. 经典案例
5. 量化投资现状
第二课： 量化投资组合管理（一）
1. 量化投资组合管理简介
2. 基础理论
3. 多因子模型
4. 因子分类体系
第三课： 量化投资组合管理（二）
1. 因子测试方法
2. 风险模型
3. 投资组合构建方法
4. 机器学习在因子选股中的应用
第四课： 量化择时策略与方法
1. 量化择时概念
2. 择时方法
3. 择时策略的开发
4. 机器学习择时案例
第五课： 程序化交易及策略开发（一）
1. 程序化交易简介
2. 交易系统与开发语言
3. 策略分类与开发
4. CTA策略基本结构
第六课： 程序化交易及策略开发（二）
1. 技术分析基础
2. 开平仓条件构建
3. 交易策略实例
4. 机器学习模型的应用
第七课： 交易与算法交易
1. 原理
2. 交易分类与策略
3. 交易成本与冲击成本
4. 常见交易算法
5. 实践方法与系统
第八课： 投资业绩量化评价
1. 收益与波动
2. 风险管理
3. 基准对照分析
4. 投资风格分析
5. 业绩归因分析
第九课： 量化投资的其他课题方向
1. 高频交易介绍
2. 衍生品定价及交易策略
3. 大类资产配置方法
4. MOM, FOF产品管理
5. 对冲基金的运营与维护
