
量化投资是什么?
量化投资是指通过数量化方式及计算机程序化发出买卖指令,以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。
量化投资就业前景如何?
Wind数据显示,2016年1月至今,有32家基金公司和具有公募基金资格的证券公司申报了59只名称中包含“量化”二字的基金,其中31只基金已经获批,6只为基金中基金(FOF)。产品的大量申报和发行也带来了人才缺口。据了解,南方基金、金鹰基金、浙商基金、富国基金等多家公司近期在招聘量化研究的实习生。
量化投资薪酬如何(北沪深)?
实习生(一周四天):4000-8000元/月
经验1年以上:15000-25000元/月
经验3年以上:30000-50000元/月
量化投资国内发展趋势怎么样?
如果从2007年大批海外量化基金投资人才归国算起,我国量化投资基金行业已走过10年历程。从开始不为人知到成为公募行业名片,从单一的量化对冲产品到多策略量化组合,从震荡市大放异彩到单边行情下饱受质疑……这一全新的投资方式正在被各类资管机构接受,尤其是公募量化证券投资基金因其高门槛、大规模、运作透明规范的标准化特点,被广大中小投资者热捧。
大类资产配置需求给量化投资带来了全新的发展机遇。随着技术门槛的降低以及大数据、人工智能的应用,任何投资者都可以将量化投资应用到自身资产组合当中,广大中小投资者也可以为自己定制量化投资产品。同时,机器学习的发展也对量化投资起了促进作用。
16年11月,私募基金管理规模已经超越了公募基金,从这一事实就一定程度可以反映出量化投资在国内是可行的,因为现在私募基金募资,资金更青睐于量化投资方式而不是主观交易方式。
从量化投资的定义和特征来看,量化投资是借助于数学知识、统计学知识开发出策略模型然后根据模型给出的信号严格执行信号。因量化投资有其天然的优势:客观性、系统性、纪律性、可验证性,所以量化投资在国内是可行的,而且是未来投资领域的重要角色。
想入行,从思想到工具,策略,实战都不会怎么办?
参加量化投资就业班_360小时从零基础入行量化投资
开课信息:
时间:随报随学,共360小时授课
方式:在线学习,按时完成课程作业
费用:23112元;学习有效期2年,提供全程答疑与学习监督
优惠:现场班老学员九折优惠
学员要求:
1,本科大三及以上在读或本科以上学历毕业生;
2,本课程授课期间全勤且毕业时可以以团队为单位编写量化策略。
课纲概览(理论部分与案例部分各占比一半):
概述 | 量化投资的定义 |
量化、金融、工程、交易 |
|||
量化投资行业现状 |
国外、国内 |
||||
量化投资行业展望 |
岗位职业、互联网金融、金融科技 |
||||
理论 | 金融基础知识 |
经济金融原理 |
|||
证券及衍生品 |
|||||
期货及衍生品 |
|||||
金融专业知识 |
专业技能 |
||||
证券估值 |
|||||
衍生品定价 |
|||||
数学 |
线性代数(矩阵) |
||||
微积分(导数,偏导数) |
|||||
概率论与数理统计(统计,回归,时间序列分析) |
|||||
机器学习 |
概念、类型、应用场景 |
监督学习 |
|||
无监督学习 |
|||||
半监督学习 |
|||||
强化学习 |
|||||
迁移学习 |
|||||
其他 |
|||||
程序、软件 |
各开发语言介绍和对比 |
||||
Python基础 |
安装、环境配置、IDE |
||||
基础教程 |
|||||
Python进阶 |
|||||
tushare |
|||||
talib |
|||||
Wind(万得咨询终端) |
wind软件介绍和使用演示 |
||||
wind量化平台介绍 |
|||||
wind open api(python)介绍和实例 |
|||||
机器学习案例 |
|||||
量化 |
量化投资流程 |
||||
量化投资方法论,交易哲学 |
|||||
实战 | 研发框架 |
1. 策略原型 |
|||
2. 数据 |
|||||
3. 策略模板 |
|||||
4. 回测 |
|||||
5. 优化 |
|||||
6. 业绩评价 |
|||||
7. 风险和资金管理 |
|||||
策略案例 | 择时模型 | 技术指标策略 | ma | ||
macd | |||||
sar | |||||
rsi | |||||
kdj | |||||
boll, | |||||
kama | |||||
turtle(海龟交易) | |||||
grid | |||||
K线形态与组合策略 |
希望之星 |
||||
黄昏之星 |
|||||
红三兵 |
|||||
绿三兵 |
|||||
圆弧底 |
|||||
“V”型底 |
|||||
“U”型底 |
|||||
“W”底 |
|||||
“M”顶 |
|||||
经典日内策略 |
hans123 |
||||
r-breaker |
|||||
hl-breaker |
|||||
nhl-breaker |
|||||
ap-cross |
|||||
grid |
|||||
机器学习模式识别 |
|||||
因子模型 |
基本面因子 |
财务因子(盈利性、估值、现金流、成长性、营运能力、资本结构) |
|||
统计因子(换手率、波动率) |
|||||
一致预期因子(分析师评级、盈利预测) |
|||||
技术因子 |
动量 | ||||
数据挖掘另类因子 |
事件 |
||||
舆情 |
|||||
大数据 |
|||||
套利对冲 |
无风险套利 |
ETF套利 |
|||
期现套利 |
|||||
统计套利 |
跨期套利 |
||||
跨品种套利 |
|||||
跨市场套利 |
|||||
期权套利 |
|||||
配对策略 |
|||||
对冲 |
alpha hedge |
||||
smart beta |
|||||
组合投资 |
Equal Weight |
||||
risk parity |
|||||
Minimum Variance |
|||||
Markowitz Model |
|||||
Black-Litterman Model |
|||||
交易系统 |
交易接口(api)(eg.股票、期货、其他) |
||||
开源项目讲解 |
|||||
备注 |
后续由于进度、反馈等原因,不排除课程大纲(内容、顺序等)有所调整 |
最后一讲:量化投资职场求职经验分享。
毕业答辩:以团队为单位提交量化策略并展现回测结果。
为什么选择经管之家的量化投资就业班:
1,通过专业,有针对性的课程迅速提升自己的量化投资技能;
2,通过量化投资领域从业的讲师授课,迅速掌握量化投资实战经验;
3,通过360小时高强度的学习与训练,实现独立编写策略的目标;
4,通过毕业答辩的能力展现,弥补招聘中无法吻合的条件要求;
5,有机会毕业后直接进入授课讲师的量化团队进行实习。
投资也讲究一个快字,等大家都知道了,很多投资方法也就没那么有效、甚至失效了!
经管之家量化投资学院:http://q.peixun.net/
课程咨询及报名:
魏老师
Tel:010-68478566
Mail:vip@pinggu.org
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10