那些靠數(shù)學模型分析金融市場，并用復雜的數(shù)學公式和計算機在稍縱即逝的市場機會中挖掘利潤的投資家則被稱為寬客（Quant）。在如今的量化投資領域，已經(jīng)有了無數(shù)模型系統(tǒng)軟件，在強大的Python語言和數(shù)據(jù)庫的支持下，量化投資早已不再是一個神秘的領域。

為了幫助大家對量化投資進行系統(tǒng)學習，七禾源碼邀請摩根斯坦利紐約總部量化女神，推出Python|機器學習與量化交易、定價實戰(zhàn)訓練課！

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器學習在量化交易中的應用, 并以Python代碼實現(xiàn)程序化交易。學生可以熟練掌握Yahoo Finance connection, sklearn、QS Trader、statsmodel等Python packages (庫)。另外，本課程還會傳授量化部門面試求職技巧，幫助求職者拿到理想工作offer。

咨詢、報名

加小編微信：QHYM777，或掃描下圖二維碼

一、課程目標

1. 熟練掌握Python語言

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習與Python實現(xiàn)

4.機器學習理論與Python實現(xiàn)

5.機器學習于量化交易的應用與Python程序化實現(xiàn)

6.掌握投行Python衍生品定價

7.傳授面試求職技巧, 改進簡歷，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—— Diana

紐約大學數(shù)學金融碩士學位。就業(yè)于摩根斯坦利紐約總部量化金融部門，主要從事algorithm trading ，stock volume預測，機器學習研究，固定收益和外匯定價建模以及衍生品定價。建立了利率和外匯的定價模型和股票的統(tǒng)計套利模型，對銷售及交易類數(shù)據(jù)作機器學習分析有獨到的研究。

她為公司trading book的重要變量建立系統(tǒng)化自學習建模框架，為每個季度的資金計劃提供指導性統(tǒng)計數(shù)據(jù)。還聯(lián)立了卡爾曼濾波模型和時間序列模型為大單交易量做出預測，為交易員提供交易建議。利用卷積神經(jīng)網(wǎng)絡模型對公司的高凈值客戶的理財投資預期數(shù)據(jù)進行預測學習，為下一個年份的投資量做出量化指導。

Diana還在她所在的部門擔任面試主管，為候選人進行面試。對分享自己的經(jīng)歷和幫助他人獲得事業(yè)上的成功有著強烈的熱情。她有3年在美國學生設計實習項目的指導經(jīng)驗，幫助學生完善他們的簡歷，準備面試，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

（對于散戶來說，量化交易是什么？）

2.why Python? Python notebook簡介

（Python應用于量化交易的優(yōu)勢）

3.交易系統(tǒng)簡介

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

（Python在金融中的應用以及各種庫函數(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 學習I

1.學習數(shù)據(jù)分析基礎 library （庫） -- NumPy:

 Creating Arrays（創(chuàng)建數(shù)組）

 Using Arrays and Scalars（使用數(shù)組和標量）

 Indexing Arrays（索引數(shù)組）

 Array Manipulation（數(shù)組操作）

 Array Functions（數(shù)組函數(shù)）

2.學習數(shù)據(jù)分析高階 library – Pandas:

 DataFrames and file reading（DataFrames和文件閱讀導入）

 Index and Reindex Objects, Index Hierarchy（索引和索引命令對象,索引的層次結構）

 Select/Drop Entry（選擇/刪除條目）

 Data Alignment, Rank and Sort、Handling missing data（數(shù)據(jù)對齊、等級和排序，處理缺失數(shù)據(jù) ）

 Summary Statistics（匯總統(tǒng)計）

3. 統(tǒng)計分析和最優(yōu)化 library—scipy 

 Optimization（優(yōu)化）

 Statistical test（統(tǒng)計檢驗）

 Linear algebra-linalg （線性代數(shù)）

4. 畫圖 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

（如何繪制多個圖形并進行排列）

 Advanced plotting 

（高級繪圖/數(shù)據(jù)可視化）

第三節(jié) Python for Finance 常用packages 學習 II

1.統(tǒng)計模型library--statsmodel

 Regression and generalized regression models

（回歸和廣義回歸模型）

 Time series analysis （時間序列分析）

 Statistical test（統(tǒng)計檢驗）

 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)建模與預測/風險測度因子

1.Statistical learning and techniques overview

（統(tǒng)計學習和技術概述）

2.Financial time series analysis

（金融時間序列分析）

3.Forecasting measures and techniques overview

（預測措施和技術概述）

4.Performance evaluation and risk measures

（績效評估和風險評估度量）

第五節(jié) 傳統(tǒng)量化交易策略和Python實現(xiàn)

1.Event-driven trading strategies and implementation

（事件驅(qū)動的交易策略和實施）

2. Statistical trading strategies and implementation

（統(tǒng)計交易策略和實施）

 Moving-average trade（移動平均交易）

 Pair trading （配對交易）

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

 Overfitting and cross-validation（過度擬合和交叉驗證）

 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

（高級算法交易概述）

2. What is Bayesian statistics

（什么是貝葉斯統(tǒng)計）

3. Bayesian Inference methods

（貝葉斯推理方法）

4. Markov Chain Monte Carlo 

（MCMC 馬科夫鏈門特卡羅）

5. Linear regression model based on Bayes

（基于貝葉斯的線性回歸模型）

6. Bayesian stochastic volatility model

（貝葉斯隨機波動模型）

7. Python舉例和模型代碼實現(xiàn)

第七節(jié) 金融時間序列分析-I

1.序列相關系和random walk 

（隨機游走）

2.平穩(wěn)時間序列模型-AR/MA/ARMA  

（波動率預測模型）

3.非平穩(wěn)時間序列模型-ARIMA/異方差模型-GARCH 

第八節(jié) 金融時間序列分析-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交易方面的應用）

2.Hidden Markov Models 

（隱式馬科夫模型）

 HMM theory  （HMM理論）

 Application to market regime detection in Python

（HMM在市場機制判定/探測的應用）

第九節(jié)  機器學習于量化交易中的應用I

1.Introduction to machine learning 

（機器學習介紹）

2.Linear regression and MLE

（線性回歸和MLE）

3. Decision Tree（決策樹）

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

 Pruning the tree （算法優(yōu)化-減枝）

 Advanced tree methods—bagging, boosting, random forest and son on （高級樹形理論）

4. Python implementation

（如何用Python實現(xiàn)）

第十節(jié) 機器學習于量化交易中的應用II

1.Introduction to Support Vector Machine

（支持向量機的介紹）

 Maximum margin classifier（最大邊緣分類器）

 Linear SVM（線性支持向量機）

 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

（交叉驗證的模型選擇）

 Leave one out  （留一驗證）

 K-fold   

 Bias-variance trade-off （偏差-方差的折中）

第十一節(jié) 機器學習于量化交易中的應用III

1.Introduction to Clustering

（介紹集群  聚類）

 Clustering theory

（集群理論 聚類）

 Implementation to financial market

（在金融領域的應用）

2. Neural network

（神經(jīng)網(wǎng)絡）

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

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

3. Unsupervised dimensional reduction techniques

（非監(jiān)督降維技術）

 PCA/CCA

 Implementation to financial market 

（在金融領域的應用）

第十二節(jié) 機器學習于量化交易中的應用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）

2. ARIMA+GARCH Trading 

（XXX交易）

 Strategy on Stock Market （股票市場策略）

 Indexes Using R  （用R語言做什么不明白問老師）

3. Cointegration-Based Pairs Trading using QSTrader

（基于QSTrader的協(xié)同一體化/結合下的配對交易）

4. Kalman Filter-Based Pairs Trading using QSTrader 

（基于QSTrader的卡曼濾波配對交易）

5. Supervised Learning for Intraday Returns Prediction using QSTrader  

（利用監(jiān)督學習預測日間交易回報）

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

(偏微分方程期權定價例子)

第十四節(jié) Python衍生品定價-I

1. 蒙特卡洛模擬基礎

2. 常見隨機過程離散化

3. European Option（歐式期權）蒙特卡洛模擬定價

4. Exotic option

（奇異期權定價）

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

(最小二乘蒙特卡羅對美式期權定價) 

第十五節(jié) Python衍生品定價-II

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

(常見蒙特卡羅方差降低方法與期權定價)

2.Importance sampling and change of measure 

(重點抽樣級數(shù)和測度變化)

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

(信用風險的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

2.剖析招聘流程／求職準備時間表

3.如何準備一份高命中率的簡歷

4.知識覆蓋點和如何準備面試

5.電話面試和on-site面試注意事項

課程試聽

掃描下方二維碼即可試聽

本次課程適合的人群

金融工程專業(yè)背景的同學/工作人士，希望能夠在課本之外工作之余進一步了解Python在金融市場的實戰(zhàn)應用

非金融工程專業(yè)背景的同學/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際應用 

在證券公司/基金/銀行/期貨公司/交易所等相關領域工作的職場人士，希望進一步提升自己的競爭力

希望通過學習系統(tǒng)掌握量化投資相關的實務技能，為后續(xù)跳槽/轉(zhuǎn)行做必要的知識技能準備與提升

課程詳情

活動優(yōu)惠：前20名學員，899元

課程原價：1588元

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

每節(jié)課時長：50分鐘左右、部分內(nèi)容時長可能超出。

課程形式：錄播視頻 & 社群互動 

團購返現(xiàn)

如果你帶著你的小伙伴一起報名，3人以上（含3人）可享受團購價，每人將獲得50元返現(xiàn)

咨詢、報名

加小編微信：QHYM777，或掃描下圖二維碼