京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11