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
在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28