“量化投資”是指投資者使用數(shù)理分析、計(jì)算機(jī)編程技術(shù)、金融工程建模等方式，通過(guò)對(duì)樣本數(shù)據(jù)進(jìn)行集中比對(duì)處理，找到數(shù)據(jù)之間的關(guān)系，制定量化策略，并使用編寫(xiě)的軟件程序來(lái)執(zhí)行交易，從而獲得投資回報(bào)的方式。其核心優(yōu)勢(shì)在于風(fēng)險(xiǎn)管理更精準(zhǔn)，能夠提供超額收益。
而那些靠數(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。
量化交易在各大投資銀行和對(duì)沖基金公司中成為交易系統(tǒng)的主流，而機(jī)器學(xué)習(xí)也在量化交易中扮演著舉足輕重的角色。
為了幫助大家對(duì)量化投資進(jìn)行系統(tǒng)學(xué)習(xí)
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)傳授量化部門面試求職技巧，幫助求職者拿到理想工作offer。
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
課程講師
摩根斯坦利紐約總部量化金融部門—— 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，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)建模框架，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。
本次課程適合的人群
1）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
2）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xa0
3）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
4）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
【課程內(nèi)容】
第一節(jié) Algorithmic Trading In Python Overview（Python量化交易概述）
課程介紹overview
（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, matplotlibxa0
（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
（統(tǒng)計(jì)學(xué)習(xí)和技術(shù)概述）
（金融時(shí)間序列分析）
（預(yù)測(cè)措施和技術(shù)概述）
（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)
（事件驅(qū)動(dòng)的交易策略和實(shí)施）
（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
（高級(jí)算法交易概述）
（什么是貝葉斯統(tǒng)計(jì)）
（貝葉斯推理方法）
（MCMC 馬科夫鏈門特卡羅）
（基于貝葉斯的線性回歸模型）
（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 walkxa0
（隨機(jī)游走）
2.平穩(wěn)時(shí)間序列模型-AR/MA/ARMAxa0xa0
（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-GARCHxa0
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 theoryxa0xa0（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)xa0xa0機(jī)器學(xué)習(xí)于量化交易中的應(yīng)用I
（機(jī)器學(xué)習(xí)介紹）
（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 outxa0xa0（留一驗(yàn)證）
● 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xa0xa0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)）
● 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
● QS Trader overviewxa0xa0（QS Tader概況）
● QS Trader for backtestingxa0 xa0（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 Rxa0xa0（用R語(yǔ)言做什么不明白問(wèn)老師）
（基于QSTrader的協(xié)同一體化/結(jié)合下的配對(duì)交易）
（基于QSTrader的卡曼濾波配對(duì)交易）
（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)
(常微分方程金融例子)
（向前向后CN方法）
(顯式隱式CN方法)
(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)）
(最小二乘蒙特卡羅對(duì)美式期權(quán)定價(jià))xa0
第十五節(jié) Python衍生品定價(jià)-II
(常見(jiàn)蒙特卡羅方差降低方法與期權(quán)定價(jià))
(重點(diǎn)抽樣級(jí)數(shù)和測(cè)度變化)
(信用風(fēng)險(xiǎn)的IRC模型和高斯核)
第十六節(jié)xa0xa0Quant （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)
