那些靠數(shù)學(xué)模型分析金融市場(chǎng)，并用復(fù)雜的數(shù)學(xué)公式和計(jì)算機(jī)在稍縱即逝的市場(chǎng)機(jī)會(huì)中挖掘利潤(rùn)的投資家則被稱為寬客（Quant）。在如今的量化投資領(lǐng)域，已經(jīng)有了無(wú)數(shù)模型系統(tǒng)軟件，在強(qiáng)大的Python語(yǔ)言和數(shù)據(jù)庫(kù)的支持下，量化投資早已不再是一個(gè)神秘的領(lǐng)域。

為了幫助大家對(duì)量化投資進(jìn)行系統(tǒng)學(xué)習(xí)，七禾源碼邀請(qǐng)摩根斯坦利紐約總部量化女神，推出Python|機(jī)器學(xué)習(xí)與量化交易、定價(jià)實(shí)戰(zhàn)訓(xùn)練課！

本課程意在傳授金融數(shù)據(jù)處理分析、利率曲線擬合、微分方程數(shù)值解、量化交易投資策略建模以及機(jī)器學(xué)習(xí)在量化交易中的應(yīng)用, 并以Python代碼實(shí)現(xiàn)程序化交易。學(xué)生可以熟練掌握Yahoo Finance connection, sklearn、QS Trader、statsmodel等Python packages (庫(kù))。另外，本課程還會(huì)傳授量化部門(mén)面試求職技巧，幫助求職者拿到理想工作offer。

咨詢、報(bào)名

加小編微信：QHYM777，或掃描下圖二維碼

一、課程目標(biāo)

1. 熟練掌握Python語(yǔ)言

2.掌握Python金融數(shù)據(jù)處理分析技能

3.基本量化交易策略學(xué)習(xí)與Python實(shí)現(xiàn)

4.機(jī)器學(xué)習(xí)理論與Python實(shí)現(xiàn)

5.機(jī)器學(xué)習(xí)于量化交易的應(yīng)用與Python程序化實(shí)現(xiàn)

6.掌握投行Python衍生品定價(jià)

7.傳授面試求職技巧, 改進(jìn)簡(jiǎn)歷，如何在求職面試中求勝，拿到Dream Company的offer

二、講師介紹：摩根斯坦利紐約總部量化金融部門(mén)—— Diana

紐約大學(xué)數(shù)學(xué)金融碩士學(xué)位。就業(yè)于摩根斯坦利紐約總部量化金融部門(mén)，主要從事algorithm trading ，stock volume預(yù)測(cè)，機(jī)器學(xué)習(xí)研究，固定收益和外匯定價(jià)建模以及衍生品定價(jià)。建立了利率和外匯的定價(jià)模型和股票的統(tǒng)計(jì)套利模型，對(duì)銷(xiāo)售及交易類數(shù)據(jù)作機(jī)器學(xué)習(xí)分析有獨(dú)到的研究。

她為公司trading book的重要變量建立系統(tǒng)化自學(xué)習(xí)建?？蚣?，為每個(gè)季度的資金計(jì)劃提供指導(dǎo)性統(tǒng)計(jì)數(shù)據(jù)。還聯(lián)立了卡爾曼濾波模型和時(shí)間序列模型為大單交易量做出預(yù)測(cè)，為交易員提供交易建議。利用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)公司的高凈值客戶的理財(cái)投資預(yù)期數(shù)據(jù)進(jìn)行預(yù)測(cè)學(xué)習(xí)，為下一個(gè)年份的投資量做出量化指導(dǎo)。

Diana還在她所在的部門(mén)擔(dān)任面試主管，為候選人進(jìn)行面試。對(duì)分享自己的經(jīng)歷和幫助他人獲得事業(yè)上的成功有著強(qiáng)烈的熱情。她有3年在美國(guó)學(xué)生設(shè)計(jì)實(shí)習(xí)項(xiàng)目的指導(dǎo)經(jīng)驗(yàn)，幫助學(xué)生完善他們的簡(jiǎn)歷，準(zhǔn)備面試，并在金融行業(yè)取得成功。

三、課程內(nèi)容

第一節(jié) Algorithmic Trading In Python Overview（Python量化交易概述）

課程介紹overview

1.what is algo-trading? Compare to retail traders

（對(duì)于散戶來(lái)說(shuō)，量化交易是什么？）

2.why Python? Python notebook簡(jiǎn)介

（Python應(yīng)用于量化交易的優(yōu)勢(shì)）

3.交易系統(tǒng)簡(jiǎn)介

4.Python for finance常用packages : numpy, scipy, pandas, statsmodel, scikit-learn, matplotlib 

（Python在金融中的應(yīng)用以及各種庫(kù)函數(shù)）

5.量化交易的就業(yè)分析和職業(yè)發(fā)展

第二節(jié) Python for Finance 常用packages 學(xué)習(xí)I

1.學(xué)習(xí)數(shù)據(jù)分析基礎(chǔ) library （庫(kù)） -- NumPy:

 Creating Arrays（創(chuàng)建數(shù)組）

 Using Arrays and Scalars（使用數(shù)組和標(biāo)量）

 Indexing Arrays（索引數(shù)組）

 Array Manipulation（數(shù)組操作）

 Array Functions（數(shù)組函數(shù)）

2.學(xué)習(xí)數(shù)據(jù)分析高階 library – Pandas:

 DataFrames and file reading（DataFrames和文件閱讀導(dǎo)入）

 Index and Reindex Objects, Index Hierarchy（索引和索引命令對(duì)象,索引的層次結(jié)構(gòu)）

 Select/Drop Entry（選擇/刪除條目）

 Data Alignment, Rank and Sort、Handling missing data（數(shù)據(jù)對(duì)齊、等級(jí)和排序，處理缺失數(shù)據(jù) ）

 Summary Statistics（匯總統(tǒng)計(jì)）

3. 統(tǒng)計(jì)分析和最優(yōu)化 library—scipy 

 Optimization（優(yōu)化）

 Statistical test（統(tǒng)計(jì)檢驗(yàn)）

 Linear algebra-linalg （線性代數(shù)）

4. 畫(huà)圖 library—matplotlib

 How to plot basic graphs for different types

（如何繪制基本圖形為不同的類型）

 How to plot multiple graphs and do arrangement

（如何繪制多個(gè)圖形并進(jìn)行排列）

 Advanced plotting 

（高級(jí)繪圖/數(shù)據(jù)可視化）

第三節(jié) Python for Finance 常用packages 學(xué)習(xí) II

1.統(tǒng)計(jì)模型library--statsmodel

 Regression and generalized regression models

（回歸和廣義回歸模型）

 Time series analysis （時(shí)間序列分析）

 Statistical test（統(tǒng)計(jì)檢驗(yàn)）

 Distributions （分布）

2.金融數(shù)據(jù)處理

 Frequency of data（數(shù)據(jù)的頻率）

 How to source data from Bloomberg、Yahoo Finance and so on

（如何得到源數(shù)據(jù)）

 Data quality check and cleaning(smooth, seasonality adjustment, fill-forward and so on)（數(shù)據(jù)質(zhì)量檢查和清理）

第四節(jié) 金融數(shù)據(jù)建模與預(yù)測(cè)/風(fēng)險(xiǎn)測(cè)度因子

1.Statistical learning and techniques overview

（統(tǒng)計(jì)學(xué)習(xí)和技術(shù)概述）

2.Financial time series analysis

（金融時(shí)間序列分析）

3.Forecasting measures and techniques overview

（預(yù)測(cè)措施和技術(shù)概述）

4.Performance evaluation and risk measures

（績(jī)效評(píng)估和風(fēng)險(xiǎn)評(píng)估度量）

第五節(jié) 傳統(tǒng)量化交易策略和Python實(shí)現(xiàn)

1.Event-driven trading strategies and implementation

（事件驅(qū)動(dòng)的交易策略和實(shí)施）

2. Statistical trading strategies and implementation

（統(tǒng)計(jì)交易策略和實(shí)施）

 Moving-average trade（移動(dòng)平均交易）

 Pair trading （配對(duì)交易）

3. Parameter optimization（參數(shù)優(yōu)化）

 Overfitting and cross-validation（過(guò)度擬合和交叉驗(yàn)證）

 Grid search（網(wǎng)格搜索）

第六節(jié) 高階量化交易策略 I—貝葉斯模型

1.Advance algorithmic trading overview

（高級(jí)算法交易概述）

2. What is Bayesian statistics

（什么是貝葉斯統(tǒng)計(jì)）

3. Bayesian Inference methods

（貝葉斯推理方法）

4. Markov Chain Monte Carlo 

（MCMC 馬科夫鏈門(mén)特卡羅）

5. Linear regression model based on Bayes

（基于貝葉斯的線性回歸模型）

6. Bayesian stochastic volatility model

（貝葉斯隨機(jī)波動(dòng)模型）

7. Python舉例和模型代碼實(shí)現(xiàn)

第七節(jié) 金融時(shí)間序列分析-I

1.序列相關(guān)系和random walk 

（隨機(jī)游走）

2.平穩(wěn)時(shí)間序列模型-AR/MA/ARMA  

（波動(dòng)率預(yù)測(cè)模型）

3.非平穩(wěn)時(shí)間序列模型-ARIMA/異方差模型-GARCH 

第八節(jié) 金融時(shí)間序列分析-II

1.State-model and Kalman filter  

（狀態(tài)模型和卡爾曼濾波 ）

 Kalman filter theory 

（卡爾曼濾波器理論）

 Application to regression and pair trading in Python 

（卡曼濾波器在回歸及配對(duì)交易方面的應(yīng)用）

2.Hidden Markov Models 

（隱式馬科夫模型）

 HMM theory  （HMM理論）

 Application to market regime detection in Python

（HMM在市場(chǎng)機(jī)制判定/探測(cè)的應(yīng)用）

第九節(jié)  機(jī)器學(xué)習(xí)于量化交易中的應(yīng)用I

1.Introduction to machine learning 

（機(jī)器學(xué)習(xí)介紹）

2.Linear regression and MLE

（線性回歸和MLE）

3. Decision Tree（決策樹(shù)）

 Entropy and information gain theories （熵與信息論基礎(chǔ)）

 Pruning the tree （算法優(yōu)化-減枝）

 Advanced tree methods—bagging, boosting, random forest and son on （高級(jí)樹(shù)形理論）

4. Python implementation

（如何用Python實(shí)現(xiàn)）

第十節(jié) 機(jī)器學(xué)習(xí)于量化交易中的應(yīng)用II

1.Introduction to Support Vector Machine

（支持向量機(jī)的介紹）

 Maximum margin classifier（最大邊緣分類器）

 Linear SVM（線性支持向量機(jī)）

 Kernel function and higher dimension mapping（核函數(shù)與高維數(shù)據(jù)投影）

2. Cross-Validation for model selection

（交叉驗(yàn)證的模型選擇）

 Leave one out  （留一驗(yàn)證）

 K-fold   

 Bias-variance trade-off （偏差-方差的折中）

第十一節(jié) 機(jī)器學(xué)習(xí)于量化交易中的應(yīng)用III

1.Introduction to Clustering

（介紹集群  聚類）

 Clustering theory

（集群理論 聚類）

 Implementation to financial market

（在金融領(lǐng)域的應(yīng)用）

2. Neural network

（神經(jīng)網(wǎng)絡(luò)）

 Introduction to artificial neural network（人工神經(jīng)網(wǎng)絡(luò)）

 Introduction to recurrent neural network（遞歸神經(jīng)網(wǎng)絡(luò)）

3. Unsupervised dimensional reduction techniques

（非監(jiān)督降維技術(shù)）

 PCA/CCA

 Implementation to financial market 

（在金融領(lǐng)域的應(yīng)用）

第十二節(jié) 機(jī)器學(xué)習(xí)于量化交易中的應(yīng)用IV

1. Introduction to QS Trader in Python

 QS Trader overview  （QS Tader概況）

 QS Trader for backtesting   （利用XXX的回測(cè)）

2. ARIMA+GARCH Trading 

（XXX交易）

 Strategy on Stock Market （股票市場(chǎng)策略）

 Indexes Using R  （用R語(yǔ)言做什么不明白問(wèn)老師）

3. Cointegration-Based Pairs Trading using QSTrader

（基于QSTrader的協(xié)同一體化/結(jié)合下的配對(duì)交易）

4. Kalman Filter-Based Pairs Trading using QSTrader 

（基于QSTrader的卡曼濾波配對(duì)交易）

5. Supervised Learning for Intraday Returns Prediction using QSTrader  

（利用監(jiān)督學(xué)習(xí)預(yù)測(cè)日間交易回報(bào)）

第十三節(jié) Python for ODE PDE numerical methods (Python for 偏微分方程數(shù)值解)

1.ODE examples in Finance

(常微分方程金融例子)

2.Forward Backward Crank-Nicholson Methods for ODE

（向前向后CN方法）

3.Explicit Implicit and CN methods for PDE

(顯式隱式CN方法)

4.Option pricing examples for PDE

(偏微分方程期權(quán)定價(jià)例子)

第十四節(jié) Python衍生品定價(jià)-I

1. 蒙特卡洛模擬基礎(chǔ)

2. 常見(jiàn)隨機(jī)過(guò)程離散化

3. European Option（歐式期權(quán)）蒙特卡洛模擬定價(jià)

4. Exotic option

（奇異期權(quán)定價(jià)）

5.Least-square monte-carlo for American option pricing 

(最小二乘蒙特卡羅對(duì)美式期權(quán)定價(jià)) 

第十五節(jié) Python衍生品定價(jià)-II

1.Common variance reduction techniques for Monte-Carlo and application to option pricing

(常見(jiàn)蒙特卡羅方差降低方法與期權(quán)定價(jià))

2.Importance sampling and change of measure 

(重點(diǎn)抽樣級(jí)數(shù)和測(cè)度變化)

3.Incremental risk charge model and Gaussian Copula for credit risk

(信用風(fēng)險(xiǎn)的IRC模型和高斯核)

第十六節(jié)  Quant （寬客）求職面試和職業(yè)規(guī)劃

如何高效地通過(guò)面試，成為一名優(yōu)秀的量化分析師。

1.Quant（寬客）職位要求和招聘特點(diǎn)

2.剖析招聘流程／求職準(zhǔn)備時(shí)間表

3.如何準(zhǔn)備一份高命中率的簡(jiǎn)歷

4.知識(shí)覆蓋點(diǎn)和如何準(zhǔn)備面試

5.電話面試和on-site面試注意事項(xiàng)

課程試聽(tīng)

掃描下方二維碼即可試聽(tīng)

本次課程適合的人群

金融工程專業(yè)背景的同學(xué)/工作人士，希望能夠在課本之外工作之余進(jìn)一步了解Python在金融市場(chǎng)的實(shí)戰(zhàn)應(yīng)用

非金融工程專業(yè)背景的同學(xué)/工作人士，希望能夠系統(tǒng)性了解量化投資以及在投資中的實(shí)際應(yīng)用 

在證券公司/基金/銀行/期貨公司/交易所等相關(guān)領(lǐng)域工作的職場(chǎng)人士，希望進(jìn)一步提升自己的競(jìng)爭(zhēng)力

希望通過(guò)學(xué)習(xí)系統(tǒng)掌握量化投資相關(guān)的實(shí)務(wù)技能，為后續(xù)跳槽/轉(zhuǎn)行做必要的知識(shí)技能準(zhǔn)備與提升

課程詳情

活動(dòng)優(yōu)惠：前20名學(xué)員，899元

課程原價(jià)：1588元

開(kāi)課時(shí)間：5月26日（每周六晚上8：00~9：30、每周更新兩節(jié)課）

每節(jié)課時(shí)長(zhǎng)：50分鐘左右、部分內(nèi)容時(shí)長(zhǎng)可能超出。

課程形式：錄播視頻 & 社群互動(dòng) 

團(tuán)購(gòu)返現(xiàn)

如果你帶著你的小伙伴一起報(bào)名，3人以上（含3人）可享受團(tuán)購(gòu)價(jià)，每人將獲得50元返現(xiàn)

咨詢、報(bào)名

加小編微信：QHYM777，或掃描下圖二維碼