帶嘴過日子
懂量化投資，但是他們應(yīng)該完全不知道CQF是什么，問題被他們簡化成了“不懂?dāng)?shù)學(xué)和編程的金融碩士，是否可以學(xué)習(xí)量化投資？還是自己學(xué)習(xí)編程比較好？”不過同意他們的言論。CQF是paul wilmott搞的一個培訓(xùn)課程和認(rèn)證體系。第一就是不官方，沒人會認(rèn)，除非你已經(jīng)在投行里工作，公司給你出錢修個CQF來進(jìn)行再教育，比如Sales和Trader對產(chǎn)品背后的數(shù)學(xué)知識有限，但是沒必要去脫產(chǎn)讀個MFE，就來修個CQF事半功倍。第二，CQF的課程跟MFE項目差不多，更偏向于金融產(chǎn)品端，講各類金融衍生品和FICC產(chǎn)品（期權(quán) 互換 債券 結(jié)構(gòu)化產(chǎn)品等）定價以及量化風(fēng)險管理的內(nèi)容。這些不是搞量化投資的內(nèi)容?？梢酝ㄋ椎恼J(rèn)為CQF是Q QUANT方向的知識，而量化投資是P -QUANT方向的，具體參見：P Quant 和 Q Quant 到底哪個是未來？ - 寬客 (Quant)另外一個問題，學(xué)習(xí)編程。不知道你怎么定義“學(xué)習(xí)編程”和“不會編程”。如果不會寫MATLAB R PYTHON這類語言，沒法實現(xiàn)基本的數(shù)據(jù)處理統(tǒng)計分析和策略回測的話，那真是不會編程，先學(xué)編程。 如果定義學(xué)編程是搞C++ JAVA要開發(fā)啥啥的，那暫時沒必要，能用M R P三個語言干活就行了。
CISSYZHANG74
高頓教育成為國際量化金融權(quán)威證書CQF 中國大陸?yīng)毤液献骰锇?2020年3月23日，高頓教育正式成為全球量化金融領(lǐng)域權(quán)威證書-國際量化金融證書CQF（Certification in Quantitative Finance）的中國大陸唯一合作機構(gòu)。高頓將與CQF協(xié)會共同推進(jìn)國際量化金融教育在大陸的蓬勃發(fā)展，為廣大金融從業(yè)者、財經(jīng)專業(yè)大學(xué)生帶來代表著時代前沿的量化投資知識與專業(yè)認(rèn)證。CQF量化金融分析師到底用處有多大？高頓教育與CQF協(xié)會建立合作，為雙方進(jìn)一步達(dá)成長期戰(zhàn)略合作關(guān)系奠定堅實基礎(chǔ)。CQF協(xié)會高度評價高頓在中國財經(jīng)教育行業(yè)的地位與前瞻性，惠譽教育集團(tuán)CEO Andreas Karaiskos也在去年10月到訪高頓總部時，對高頓的終生財經(jīng)教育生態(tài)布局、對量化金融的戰(zhàn)略重視表達(dá)了高度贊譽。據(jù)《2019年普華永道全球金融科技調(diào)查報告》，內(nèi)地量化金融人才缺口約150萬，此次高頓教育集團(tuán)成為CQF協(xié)會在中國大陸的唯一合作機構(gòu)，勢必為我國量化金融行業(yè)的高質(zhì)量發(fā)展添磚加瓦。
告別了以前
我個人認(rèn)為學(xué)習(xí)量化投資在金融方面需要具備兩個方面的知識：1、首先是要了解金融市場與金融產(chǎn)品，只有這樣才能在眾多市場與標(biāo)的中選擇合適的來構(gòu)建投資組合，這一方面需要了解的基礎(chǔ)知識有：金融市場與金融機構(gòu)、投資學(xué)、金融衍生品等等；2、其次是需要了解如何量化，相信你應(yīng)該有足夠的IT背景，編程沒啥問題，其次的話就是要了解數(shù)理來溝通金融產(chǎn)品選擇與編程落地，需要了解的科目有：概率論、統(tǒng)計學(xué)、計量經(jīng)濟(jì)學(xué)、金融經(jīng)濟(jì)學(xué)、數(shù)理金融等。
單色的星空
金融自學(xué)考試__金融行業(yè)含金量高的...金融自學(xué)考試,基金從業(yè)資格證,金融行業(yè)入門證書,人才缺口大,就業(yè)選擇多.每天學(xué)習(xí)30分鐘,零基礎(chǔ)備考,重點知識梳理分析,考前突訓(xùn),輕松備考通關(guān),取證時間短.
Joyce@靜艷
量化金融分析師AQF實訓(xùn)項目學(xué)習(xí)大綱了解下~. 第一部分：前導(dǎo)及課程介紹核心課程2.量化策略的Python實現(xiàn)和回測3.整體代碼介紹. 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3.動量及反轉(zhuǎn)策略4.基金結(jié)構(gòu)套利5.行業(yè)輪動與相對價值6.市場中性和多因子7.事件驅(qū)動（TD模型）9.統(tǒng)計套利_低風(fēng)險套利10.大數(shù)據(jù)和輿情分析11.機器學(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. 第三部分：Python編程知識Python語言環(huán)境搭建語言環(huán)境搭建Python編程基礎(chǔ)數(shù)字運算和Jupyter notebook介紹2.字符串運算符和List5.字典6.字符串格式化7.控制結(jié)構(gòu)循環(huán)8.函數(shù)9.全局和局部變量10.模塊當(dāng)中的重要函數(shù)Python編程進(jìn)階數(shù)據(jù)分析精講數(shù)據(jù)分析詳解數(shù)據(jù)可視化內(nèi)置數(shù)據(jù)可視化基礎(chǔ)金融數(shù)據(jù)處理實戰(zhàn)1.數(shù)據(jù)獲取_1.本地數(shù)據(jù)讀取1.數(shù)據(jù)獲取_2.網(wǎng)絡(luò)數(shù)據(jù)讀取_11.數(shù)據(jù)獲取_2.網(wǎng)絡(luò)數(shù)據(jù)讀取.數(shù)據(jù)獲取_2_網(wǎng)絡(luò)數(shù)據(jù)讀取_3.文件存儲2.金融數(shù)據(jù)處理_1.同時獲取多只股票2.金融數(shù)據(jù)處理_2.金融計算2.金融數(shù)據(jù)處理_3.檢驗分布和相關(guān)性3.金融時間序列分析下的時間處理3.金融時間序列分析時間格式3.金融時間序列分析_3.金融數(shù)據(jù)頻率的轉(zhuǎn)換4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例14.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標(biāo)條件選股分析_14.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標(biāo)條件選股分析. 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.三大經(jīng)典策略_2.動量Momentum1.三大經(jīng)典策略_3.均值回歸配對交易策略2.配對交易技術(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3.量化投資與技術(shù)分析策略的Python實現(xiàn)3.量化投資與技術(shù)分析_3.布林帶策略的Python實現(xiàn)_13.量化投資與技術(shù)分析和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)識別和移動止損策略大數(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交易策略交易策略_Aberration趨勢跟蹤系統(tǒng)量化投資與機器學(xué)習(xí)6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_2_邏輯回歸原理 6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_3_SVM算法原理6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_4_決策樹算法原理6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_5_KNN算法原理6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_6_神經(jīng)網(wǎng)絡(luò)算法了解6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_7_K-means算法原理和算法總結(jié)6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_1_數(shù)據(jù)集生成原理6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_2_數(shù)據(jù)集可視化6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_3_邏輯回歸算法的python實現(xiàn)6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_4_DT_KNN_NB算法的python實現(xiàn)6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_5_SVM算法的python實現(xiàn)6.量化投資與機器學(xué)習(xí)_3_機器學(xué)習(xí)算法實戰(zhàn)_6_基于邏輯回歸和SVM的股市趨勢預(yù)測. 第五部分：面向?qū)ο蠛蛯嵄P交易1.模塊內(nèi)容整體介紹2.面向?qū)ο?、類、實例、屬性和方?.創(chuàng)建類、實例、方法初始化方法5.面向?qū)ο蟪绦驅(qū)嵗?.繼承的概念及代碼實現(xiàn)7.面向?qū)ο罄^承的實戰(zhàn)案例8.多繼承和量化交易平臺的面向?qū)ο箝_發(fā)思路9.用面向?qū)ο蠓椒▽崿F(xiàn)股債平衡策略. 第六部分 實盤模擬交易基于優(yōu)礦平臺的面向?qū)ο蟛呗?.優(yōu)礦平臺介紹2.優(yōu)礦平臺回測框架介紹3.優(yōu)礦框架之context對象、account和position對象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髮嵄P交易之平臺介紹和賬戶配置賬戶密碼配置和交易框架原理鏈接賬戶并查看信息 API獲取歷史數(shù)據(jù)市價單和交易狀態(tài)查詢高級交易訂單7. Oanda其它高級功能8. Oanda實戰(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、實時數(shù)據(jù)和實時交易9. Oanda通過實時數(shù)據(jù)API調(diào)取實時數(shù)據(jù)、resample面向?qū)ο髮嵄P交易之實戰(zhàn)平臺介紹及API安裝調(diào)試實戰(zhàn)平臺請求和響應(yīng)遠(yuǎn)離、線程控制響應(yīng)函數(shù)wrapper講解請求函數(shù)及合約定義程序化下單、倉位及賬戶查詢?nèi)€交易_金字塔倉位下單控制模型實盤交易之策略原理、線程控制原理、策略結(jié)構(gòu)總覽、響應(yīng)函數(shù)、交易信號、策略展示等全講解。. 第七部分：基于優(yōu)礦的進(jìn)階學(xué)習(xí)回測與策略框架評價指標(biāo)量化策略設(shè)計流程簡介擇時策略舉例（雙均線）量化投資模板選股和擇時基于技術(shù)分析的量化投資技術(shù)指標(biāo) MACD擇時策略 WVAD擇時策略 RSI擇時策略 MFI擇時策略 CCI擇時策略技術(shù)指標(biāo)總結(jié)通道技術(shù)日期效應(yīng)動量效應(yīng)格雷厄姆成長投資積極投資策略 價值投資策略小型價值股投資策略交易系統(tǒng)設(shè)計的一般原理均線排列系統(tǒng)金肯納特交易系統(tǒng)海龜交易法系統(tǒng)
dianpingyao
CQF量化金融分析師在國內(nèi)的職業(yè)發(fā)展方向在金融行業(yè)，主要有證券公司、私募基金、期貨公司和互聯(lián)網(wǎng)公司等等。不同的公司因為其從事的業(yè)務(wù)不同，決定了從事量化金融的職員的工作方向和內(nèi)容。從職位類型分析來看，量化金融相關(guān)的職業(yè)主包含：量化研究員、量化分析師、量化交易員和量化開發(fā)工程師等等，雖然具備良好的數(shù)學(xué)、編程和金融基礎(chǔ)知識是從事量化金融行業(yè)必不可少的素養(yǎng)，但是不同職位側(cè)重點并不相同。CQF量化金融分析師的發(fā)展目前，CQF的招生范圍已擴大至全球，學(xué)員分別來自北美，南美，歐洲，亞洲地區(qū)。CQF在英國倫敦金融城（City of London）設(shè)立總部，并在紐約華爾街、法國、新加坡、香港與中國大陸設(shè)立培訓(xùn)中心，以適應(yīng)CQF項目在全球如火如荼的擴張勢頭。CQF持證人職業(yè)方向-量化交易員無論是證券公司、期貨公司還是私募基金對交易員的要求都相對較高，因為交易直接和資金掛鉤，量化研究也好、基本面分析也罷，最終都要落實到交易上，因此，量化交易這一個環(huán)節(jié)顯得尤為的重要。期貨公司的做市商部門就是一個交易部門，經(jīng)常在各大求職網(wǎng)站上招募交易員，近年來期貨公司做市業(yè)務(wù)的蓬勃發(fā)展，對具備金融基礎(chǔ)和編程能力的人才需求大大提高，期貨做市商部門包含場內(nèi)做市和場外做市商，場內(nèi)做市主要是場內(nèi)期權(quán)和期貨的套利，而場外做市對期權(quán)定價要求更加，主要工作是制定期權(quán)合約和撮合客戶成交CQF持證人職業(yè)方向-量化分析師/研究員證券公司的量化研究以權(quán)益類和固收類為主，比如股票的多因子模型的研究，固定收益類資產(chǎn)投研模型的研究等等，這些職位要求對國內(nèi)金融市場背景相對熟悉，并且對大類資產(chǎn)配置，風(fēng)險模型等金融基礎(chǔ)知識具備扎實的基礎(chǔ)，同時因為需要大量的數(shù)據(jù)分析，對編程能力具有一定的要求，主流以python為主。閱讀和理解金融領(lǐng)域的外文文獻(xiàn)和實現(xiàn)相關(guān)的模型也是重要的技能之一，因此英語和將論文模型實現(xiàn)也是必備技能。CQF持證人職業(yè)方向-量化開發(fā)工程師相對于量化研究和交易員，量化開發(fā)需要了解更多的和編程相關(guān)的內(nèi)容，也需要學(xué)習(xí)更多的軟件開發(fā)的工具，比如版本管理git，數(shù)據(jù)庫SQL，Linux操作系統(tǒng)等等，如果是從事算法交易開發(fā)還需要扎實的數(shù)學(xué)基礎(chǔ)知識，量化開發(fā)日常的工作主要是支持交易員的日常交易的需求，實現(xiàn)交易的策略和算法，開發(fā)交易Quant使用的交易工具等等，相對于量化研究，量化開發(fā)和量化交易聯(lián)系的更為緊密，因為Quants需要開發(fā)人員提供交易工具，包括算法的實現(xiàn)、策略執(zhí)行過程中問題的處理，交易數(shù)據(jù)統(tǒng)計等等，而量化研究人員更多的面對客戶提供具有價值的研究報告。
優(yōu)質(zhì)工程師考試問答知識庫
