摩根纽约总部量化女神手把手教你学Python机器学习与量化交易 2018年6月25日 下午3:53 • 软件开发 “量化投资”是指投资者使用数理分析、计算机编程技术、金融工程建模等方式,通过对样本数据进行集中比对处理,找到数据之间的关系,制定量化策略,并使用编写的软件程序来执行交易,从而获得投资回 的方式。其核心优势在于风险管理更精准,能够提供超额收益。 而那些靠数学模型分析金融市场,并用复杂的数学公式和计算机在稍纵即逝的市场机会中挖掘利润的投资家则被称为宽客(Quant)。在如今的量化投资领域,已经有了无数模型系统软件,在强大的Python语言和数据库的支持下,量化投资早已不再是一个神秘的领域。 量化交易在各大投资银行和对冲基金公司中成为交易系统的主流,而机器学习也在量化交易中扮演着举足轻重的角色。 为了帮助大家对量化投资进行系统学习 陆家嘴学堂 邀请摩根士丹利纽约总部量化女神 推出Python|机器学习与量化交易、定价实战训练课(可试看) 本课程意在传授金融数据处理分析、利率曲线拟合、微分方程数值解、量化交易投资策略建模以及机器学习在量化交易中的应用, 并以Python代码实现程序化交易。学生可以熟练掌握Yahoo Finance connection, sklearn、QS Trader、statsmodel等Python packages (库)。另外,本课程还会传授量化部门面试求职技巧,帮助求职者拿到理想工作offer。 课程目标 1. 熟练掌握Python语言 2.掌握Python金融数据处理分析技能 3.基本量化交易策略学习与Python实现 4.机器学习理论与Python实现 5.机器学习于量化交易的应用与Python程序化实现 6.掌握投行Python衍生品定价 7.传授面试求职技巧, 改进简历,如何在求职面试中求胜,拿到Dream Company的offer 摩根斯坦利纽约总部量化金融部门—— Diana 第一节 Algorithmic Trading In Python Overview(Python量化交易概述) 课程介绍overview 1.what is algo-tradingCompare to retail traders (对于散户来说,量化交易是什么/span>) 2.why PythonPython notebook简介 (Python应用于量化交易的优势) 3.交易系统简介 4.Python for finance常用packages : numpy, scipy, pandas, statsmodel, scikit-learn, matplotlib (Python在金融中的应用以及各种库函数) 5.量化交易的就业分析和职业发展 第二节 Python for Finance 常用packages 学习I 1.学习数据分析基础 library (库) — NumPy: ● Creating Arrays(创建数组) ● Using Arrays and Scalars(使用数组和标量) ● Indexing Arrays(索引数组) ● Array Manipulation(数组操作) ● Array Functions(数组函数) 2.学习数据分析高阶 library – Pandas: ● DataFrames and file reading (DataFrames和文件阅读导入) ● Index and Reindex Objects, Index Hierarchy (索引和索引命令对象,索引的层次结构) ● Select/Drop Entry(选择/删除条目) ● Data Alignment, Rank and Sort、Handling missing data (数据对齐、等级和排序,处理缺失数据 ) ● Summary Statistics(汇总统计) 3. 统计分析和最优化 library—scipy ● Optimization(优化) ● Statistical test(统计检验) ● Linear algebra-linalg (线性代数) 4. 画图 library—matplotlib ● How to plot basic graphs for different types (如何绘制基本图形为不同的类型) ● How to plot multiple graphs and do arrangement (如何绘制多个图形并进行排列) ● Advanced plotting (高级绘图/数据可视化) 第三节 Python for Finance 常用packages 学习 II 1.统计模型library–statsmodel ● Regression and generalized regression models (回归和广义回归模型) ● Time series analysis (时间序列分析) ● Statistical test(统计检验) ● Distributions (分布) 2.金融数据处理 ● Frequency of data(数据的频率) ● How to source data from Bloomberg、Yahoo Finance and so on (如何得到源数据) ● Data quality check and cleaning(smooth, seasonality adjustment, fill-forward and so on)(数据质量检查和清理) 第四节 金融数据建模与预测/风险测度因子 1.Statistical learning and techniques overview (统计学习和技术概述) 2.Financial time series analysis (金融时间序列分析) 3.Forecasting measures and techniques overview (预测措施和技术概述) 4.Performance evaluation and risk measures (绩效评估和风险评估度量) 第五节传统量化交易策略和Python实现 1.Event-driven trading strategies and implementation (事件驱动的交易策略和实施) 2. Statistical trading strategies and implementation (统计交易策略和实施) ● Moving-average trade(移动平均交易) ● Pair trading (配对交易) 3. Parameter optimization(参数优化) ● Overfitting and cross-validation(过度拟合和交叉验证) ● Grid search( 格搜索) 第六节 高阶量化交易策略 I—贝叶斯模型 1.Advance algorithmic trading overview (高级算法交易概述) 2. What is Bayesian statistics (什么是贝叶斯统计) 3. Bayesian Inference methods (贝叶斯推理方法) 4. Markov Chain Monte Carlo (MCMC 马科夫链门特卡罗) 5. Linear regression model based on Bayes (基于贝叶斯的线性回归模型) 6. Bayesian stochastic volatility model (贝叶斯随机波动模型) 7. Python举例和模型代码实现 第七节 金融时间序列分析-I 1.序列相关系和random walk (随机游走) 2.平稳时间序列模型-AR/MA/ARMA (波动率预测模型) 3.非平稳时间序列模型-ARIMA/异方差模型-GARCH 第八节 金融时间序列分析-II 1.State-model and Kalman filter (状态模型和卡尔曼滤波 ) ● Kalman filter theory (卡尔曼滤波器理论) ● Application to regression and pair trading in Python (卡曼滤波器在回归及配对交易方面的应用) 2.Hidden Markov Models 声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢! 生成海 服务器优化web性能技巧总结 上一篇 2018年6月25日 软件测试的基本介绍 下一篇 2018年6月25日 相关推荐 压力测试 告软件,系统压力测试 告.doc 2021年6月19日 教你一个可以恢复丢失数据的方法 2021年9月19日 Linux期末考试题库(超全) 2022年3月26日 更多精选文章列表 2018年7月17日 拼多多软件补单,人人都在说的店铺,权重是什么? 2022年5月11日 软件开发流程与初始软件测试 2021年3月5日 【TRIO-Basic从入门到精通教程一】软件安装 2016年5月5日 浙江大学软件工程c语言复试题库,2022浙江大学软件工程考研经验备考指导 2021年4月22日 项目管理经典箴言 2011年3月8日 两台笔记本电脑通过软件实现屏幕扩展 2018年10月7日