量化投资
2021-01-13 23:54:54 3 举报AI智能生成
量化投资知识
作者其他创作
大纲/内容
量化投资技能树
模型案例
套利
无风险套利
原理
案例
ETF套利
期现套利
跨期套利
跨品种套利
跨市场套利
期权套利
配对套利
统计套利
阿尔法对冲（alpha hedge）
capm
套利定价模型（APT）
聪明贝塔（smart beta）
同因子投资、阿尔法投资的相同和区别
产生背景
资产配置
Equal Weight
risk parity
Minimum Variance
Markowitz Model
Black-Litterman Model
......
个人能力
硬能力
基础的统计和概率学知识
各种抽样的意义
常见的概率分布
常见的统计量
平均数，众数，中位数，分位数，方差，标准差，变异系数，t-value，p-value 等
常见的分析方法
线性回归，加权回归，时间序列分析，多元回归等
基础的金融知识
基础的投资产品及其特征
股票，期货，期权，基金，衍生品、ETF等
利率，汇率的概念
基础的金融理论和模型
Efficient-frontier，CAPM，black-litterman，risk-parity 等
股票，期货常见的各种技术指标
理解公司财务分析方法
基础的技术知识
有计算机编程基础，和常用应用统计工具使用
对计算机理论体系有一定了解
掌握量化研究主流的Python语言
主体
numpy、pandas、scipy、matplotlib等
第三方库
tushare、talib等
对 python 相关的 package 有使用经验
软能力
协作能力
作为 quant，需要和不同的团队进行沟通协作，比如基础设施团队，数据服务团队等；团队之间也要保持沟通协作，quant 的职责有分析，研究，策略，交易等等，各个角色之间也需要经常性的配合协作
好奇心
作为 quant，一定要对市场充满好奇，市面上的资料、理论很多，但是不能满于当前可以接触到的信息，要能整合自己掌握的知识和理论，结合对市场的观察和理解，研究属于自己的一套理论和经验方法
抗压能力
作为 quant，需要非常大的抗压能力，特别是市场行情不好，或者研究失败的时候，要能及时调整心态，重新出发
主要教育背景
工程背景
计算机
数学背景
统计学
运筹学
概率论
应用数学
金融背景
经济学
金融学
金融工程
量化相关软件
P宗
重实战
常用软件
同花顺、通达信
软件使用，公式，指标，信号
joinquant、ricequant、bigquant、uqerquant
介绍，数据，功能，案例
TB、WH、TS、YT、MC
国泰安、天软、Wind
Q宗
重研究
数学、物理学的PhD
数据处理
数据库
mysql
mongdb
大数据理论与技术
hadoop
spark
机器学习
机器学习理论
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、深度学习、迁移学习等
机器学习技术
sklearn、keras、TensorFlow等
原型模型
择时模型:技术指标模型
择时模型:K线形态与组合模型
择时模型:经典日内模型
择时模型:机器学习模式
因子模型:基本面因子
因子模型、套利定价模型（APT）
因子模型:技术因子
因子模型
因子模型:数据挖掘另类因子
核心步骤
开设证券账户
开发环境搭建
常用语言
Python:目前应该是最普遍的个人量化技术首选语言，因为相关的开源框架相当丰富
R:高级算法比较方便，社区比较活跃
无论是python或是R语言。均有提供回测框架，时间序列分析，统计分析的库
数据
择时模型
数据类型、源和清洗
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
数据挖掘另类因子
事件
舆情
大数据
交易策略开发
回归测试
模型优化
模拟交易
实盘交易
业绩评价
0 条评论
回复 删除
下一页
