竺紫威 Sean zhen 江岸青 AI量化交易从入门到进阶

课程特色
本课程可以教你掌握 python的基本用法,学会数据分析Numpy.Pandas,Matplotlib;从各交易所获取实时数据,并自动下单交易;能对策略进行回测并实盘运行赚钱的案例策略:掌握各类策略、了解机器学习策略:构建自己的交易体系,量化策略:涵盖多个实用策略,如套利,回测报告分析、优化、风控、仓位管理、止盈止损等量化技巧。本课程适合于零基础的,想做量化的程序员、不会编程的交易员、金融专业或者金融行业的相关从业人员、计算机专业和金融专业的学生。
搜狗截图20220928201118.png
讲师:竺紫威

目前是密歇根大学安娜堡分校统计系的90后助理教授,获得博士学位,普林斯顿大学运筹学和金融工程学士学位。20岁时毕业于中国科学技术大学的才华横溢的少年班,主修数学。专注于高维统计,金融计量经济学和分布式机器学习。2017年在Citadel securities从事定量研究工作,专注于美国股票市场的alpha研究。


讲师:江岸青

早稻田大学博士,2017年加入日本人工智能公司Datasection进行有关图像处理领域研究并帮助多个日本公司进行人工智能项目的落地,后在复旦大学进行合作研究。在图像识别目标检测/光流等CV领域方面有丰富的开发经验,现主要进行人工智能在材料和光学元器件设计的横向科研项目。对CTA策略和人工智能机器学习策略有深入的研究。


讲师:Sean zhen

UNSW金融数学专业硕士,曾在知名券商担任量化策略算法工程师,主要进行A股/FOF多因子机器学习策略的研究和开发。现就职于国内领先科技公司量化投研团队,主导并参与核心因子挖掘、A策研究,以及多项基于机器学习、深度学习的大型集团投研项目。


课程大纲
第一章
掌握文件读取,改写以及从不同渠道获取数据
的方法:数据处理和分析做准备,同时建立量
化思想。
1.Python基本语法
2.变量形式
3.文件读取
4.基础数据结构
5.实战项目1:行情数据分析
6.实战项目2:换手数据分析
第一章习题
第二章
掌握文具备面向对象量化思维,熟练掌握
python常用语法和标准库,结合boll带计算
和ATR指标计算,用代码实现相应策略的最基
本计算。
1.流程控制:H判断
2.流程控制:whle和for循环
3.函数
4.模块
5.类和对象
6.实战项目3:Bo带计算
7.实战项目4ATR指标计算
第二章习题
第三章
用简洁优雅的方式完成高精度、高效率的数
值计算,像操作数据库一样完成数据表的复杂
运算,通过数据可视化技术洞察数据内隐藏的
深层次价值
1.Python高性能矩阵运算:Numpy
2.实战项目:Numpy实战
3.Python数据表格处理库:Panda
4.实战项目6:Pandas实战
5.Python绘图利器:Matplotl ib
6.实战项目7 Matplotlib实战
第三章习题
第四章
量化研究、量化交易离不开与数据的交互.也
离不开平台的支持。了解从获取、存储、到
使用数据的全流程操作:同时介绍利用平台验
证策略思维(回测),以及实现策略的(交易)终
极解决方案。
1.量化交易系统简介
2.数据存贮的利器:数据库与数据存储
3.交易工具:基于python的量化交易系统
4.实战项目8:开源量化交易系统安装与使用
第五章
了解常见的量化交易品种,其标的特征、交易
规则、流程等。同时对国内的交易所进行介
绍,了解每个交易所可以交易的标的。
1.多视角看投资:常见的投资标的
2.交易所介绍
3.量化交易标的
第六章
了解各类市场指标和常见策略评价指标。教
会大家如何在不同周期的趋势中利用cta策
略把握行情。同时介绍如何在盈利时扩大战
果受益增强,在亏损时及时止损规避风险。
1.知己知彼:CTA策略简介与盈利目标分析
2.CTA策略分析与策略回测分析
3.CTA基石:市场指标与指标分类
4.震荡逐利:短线震荡CTA策略
5.实战项目9:简单CTA策略与CTA回测系统
6.趋势逐利:中长线趋势CTA策略
7.实战项目10:构建CTA中长线策略
8.扩大战果:网格加仓法与动态止损
第七章
了解震荡市场异军突起的策略一配对交易。
掌握如何挖掘可以进行配对交易的标的组合
,以及如何在震荡行情中设计、优化开平仓
条件,止盈止损。
1.配对交易:统计套利的基石
2.协整:两个序列的特殊关系
3.配对交易的买卖时机设计
4.配对交易的风险与风险避免
5.实战项目11:寻找协整的交易品种组合
6.实战项目12:多品种的套利组合交易策略
第七章习题




本博客所有文章如无特别注明均为原创。作者:投资基友复制或转载请以超链接形式注明转自 投资基友
原文地址《竺紫威 Sean zhen 江岸青 AI量化交易从入门到进阶

相关推荐

发表评论

路人甲 表情
Ctrl+Enter快速提交

网友评论(0)