课程大纲
内容 | |
---|---|
初级 | 初识量化,理解量化 初识量化 传统量化和AI量化的区别 量化思想挖掘 量化思想的挖掘及积累技巧 量化代码基础: python、pandas、SQL基础语法 金融数据分析 常用金融分析方式 常用因子分析方式 数据分析实战练习 回测及交易引擎 交易引擎工作机制及原理 常见策略回测示例分析 量化因子构建 低频和高频因子的构建 原创因子构建技巧 机器学习因子构建技巧 量化策略分析及构建 策略绩效归因分析 经典大师策略、多因子策略、指数增强策略构建 经典大师策略的优化方法 机器学习及其在量化的应用: 机器学习的基础原理及常见算法理解 机器学习模型评估与特征选择 机器学习策略分析与应用 量化平台使用: 量化平台(BigQuant)的策略开发环境使用方法 |
高级 | 深度学习及其在量化中的应用 深度学习的基础原理和常见算法 神经网络对多因子模型的扩展 注意力机制的基本原理及其应用 深度学习策略分析与应用 强化学习及其在量化中的应用 强化学习的基础原理及其在量化的应用 强化学习策略分析与应用 AI自动因子挖掘 熟练掌握进化算法原理 股票及期货因子自动挖掘 指数增强策略专题 指数增强策略构建步骤 基于端到端神经网络的风险预算和组合优化 优质量化研报复现 一箭多雕:AI模型的多任务学习 方正/海通/广发高频因子研报复现过程拆解及分析 |
上面是从网上找的量化交易的培训课程。
一、量化投资和传统投资的区别
简单来说,量化投资与传统投资方法之间的关系比较类似于中医和西医的关系。量化投资与传统投资最鲜明的区别就是模型的应用,这就类似于医学上对仪器的应用。中医主要通过望、闻、问、切等医疗手段,很大程度上借助中医长期积累的经验进行诊断,定性的程度大一些。而西医则不同,西医主要借助于现代仪器,首要病人去拍片子、打B超、化验等,这些都要依托于医学仪器进行检验,对于各项检查结果有详细的数据评价标准,最后判断症结所在,进而对症下药。
二、量化投资,需要研发能力吗
从个人角度出发是需要的,虽然有一些量化平台可以提供一些ui来做策略,这就和IT的低代码平台类似,虽然降低了入门难度,但是只能做一些简单的规则行策略,现阶段 大部分都是 策略+AI的方式,个人不会开发做量化是不现实的。
三、量化大约要做些什么
分为两部分 选股 和 执行
选股:主成分分析法(PCA)选股 1.确定股票池;2.获取四个因子,3.对因子提取主成分值;4.选股
执行:策略制定 行情判断 股票池筛选 信号产生 因子管理 交易执行 人工干预 数据 评价和优化
这是我从网上搜的,我简单理解下:
0、数据准备(选股数据,应该在三方交易所有提供;执行数据,有直接从官方拿到的L1数据需要付钱,和三方交易所提供的L2数据,有免费的,区别我理解是延迟和数据的不一致,需要自己判断)
1、首先是你需要根据一些条件因子(如股价、市值等) 筛选出满足你条件的股票,这些满足你条件的就是股票池,后续的一系列操作就是对股票池内股票的操作。
2、基于策略,制定你的操作,如什么时候买,什么时候卖,持仓多少等
2.1)交易策略就有CTA策略等,我理解是有一套标准的方法论,涵盖基础操作,提供一些风险操作。
2.2)海龟策略,机器学习策略,深度学习策略等。
2.3)这些策略,我理解为串行的不同操作,有具体优先级。来保证谁生效。
3、基于准备的数据,去模拟操盘,如拿最近1年的数据,去验证你的策略,得出收益,通过matplotlib等工具,显示出你的收益曲线等其他信息。
4、对接真实的交易所接口,去操作真实的股票。
5、然后就是基于真实的交易情况,再去调整策略,优化。
四、项目demo
加载中https://www.joinquant.com/view/community/detail/e9caf426e0f12942b1432a4190179513/
保姆级量化交易入门教程
五、一些思考
量化交易就和程序开发一样,我认为分为两部分,金融知识的业务部分和程序实现部分。
如股市、期货、区块链。有不同的业务方式,玩法也不一样,这里面需要大量的领域知识和实操经验支持,需要大量的金融知识支撑。 技术部分,主要是把 业务操作用技术实现,常规的策略已经有很多实现好的,差异主要在机器学习和深度学习的模型调优上,有这个能力的也不是随便一个程序员可以实现的。
金融+IT 我理解个人可以做的,就是量化交易和区块链。
量化交易需要金融+技术机知识,门槛比较高。除个人操作,如果进公司从业,门槛高,很难进。个人和找工作都不容易,感觉比互联网要难。
区块链,这块我理解就是一个特殊的软件开发,主要是web3 和合约、钱包、以太坊啥的。个人方向,我觉得很难业务落地,需要团队吧,成本比较高。找工作我觉的会好很多,可以熟人推荐或者网上找,薪资也比一般互联网要好,缺点是,我认知里政策问题吧,应该需要出国开发,或者远程工作。