京公网安备 11010802034615号
经营许可证编号:京B2-20210330
华尔街传奇人物詹姆斯·西蒙斯(James Simons)运作的大奖章基金(Medallion)在1989-2009的二十年间,平均年收益率为35%,若算上44%的收益提成,则该基金实际的年化收益率可高达60%,比同期标普500指数年均回报率高出20多个百分点。
最为难能可贵的是,纵然是在次贷危机全面爆发的2008年,该基金的投资回报率仍可稳稳保持在80%左右的惊人水准。
西蒙斯通过将数学模型和投资策略相结合,逐步走上神坛,开创了由他扛旗的量化时代。
量化投资,就是利用计算机技术并且采用一定的数学模型去实践投资理念,实现投资策略的过程。
价值投资和趋势投资(技术分析)是引领过去一个世纪的投资方法,随着计算机技术的发展,已有的投资方法和计算机技术相融合,产生了量化投资。
常用的量化投资的工具有R/MATLAB/Python,各有利弊,选择Python的优势在于:
首先,开放,各种平台可以用,开源各种分析工具包,时间系列,机器学习等都方便。文件处理,网络,数据库对接都很容易。
其次,有不同的开源包或者接口支持不同的功用,性能不是问题。
再次,Python已成为人工智能时代流行的语言之一。
更简单,更通用,能做更多的事情,
这也是本次量化投资现场培训选择Python授课的主要原因:
Python量化投资从零基础到实战
时间:2018年4月20-23日 (四天)
安排:上午9:00-12:00;下午1:30-4:30;答疑4:30-5:00
地点:北京市海淀区厂洼街3号丹龙大厦附近
学费:5000元 / 4200元 (仅限全日制在读本科生及硕士生优惠价);食宿自理
我要报名
讲师介绍:
蔡立耑(Terry Tsai),美国伊利诺伊大学金融硕士,华盛顿大学经济学硕士、博士,在国内外如美国、韩国有丰富的授课经验。带领博、硕士生从事投资决策、金融衍生品、风险分析、交易策略等领域的研究。经管之家资深金牌量化投资讲师。
亲身实践各种金融应用,主持研究团队与台湾知名大学与企业合作开展各种金融研究,例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。
课程特色:
1:现场教学,可现场和老师互动,解决当下的量化投资疑惑;
2:课程内容丰富,囊括了必备的量化投资的理论知识;
3:课程内容新颖,应用前沿的学术理论;
4:教学过程深入浅出,以实例与实作印证所学;
5:学员能掌握Python,能在现实中通过此工具解决量化投资等综合金融问题;
6:可操作性强,将所介绍理论在实战中一一展示,即学即用,在实战中搭建课程的整体脉络。
课程大纲:
一、Python 编程
二、Python数据分析
1. Numpy
2. Pandas
3. Matplotlib
三、MongoDB
四、基本面:大师选股策略
1. 本杰明·格雷厄姆
2. 詹姆斯·奥肖内西
3. 查尔斯·布兰德斯
4. 彼得·林奇
5. 史蒂夫·路佛
五、技术面:择时判断买卖点
1. 捕捉K线形态
(1) 红三兵
(2) 金针探底
(3) 双响炮
(4) 小探兵
(5) 一阳穿三线
2. 趋势分析
(1) W底突破
(2) 关键点买入形态量化策略
(3) 上升三角形突破
(4) 三到五日下跌法策
(5) 上升平台突破
3. 技术指标分析
(1) MACD
(2) KDJ
(3) BOLL
(4) OBV
(5) RSI
(6) MA
六、神经网路与深度学习在量化交易中的应用
1. 神经网络
2. 卷积神经网路
3. 循环神经网路
报名流程:
1:点击“我要报名”,网上填写信息提交;
2:给予反馈,确认报名信息;
3:网上订单缴费;
4:开课前一周发送课程电子版讲义,软件准备及交通住宿指南。
优惠:
现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;
以上优惠不叠加。
联系方式:
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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12