<!doctype html>量化投资AQF
量化投资AQF
AQF核心知识介绍
Part one 量化投资基础
- 1.1 量化投资背景
- 1.2 量化投资的决策流程
-
1.3 量化投资策略思想
量化择时、商品CTA策略、动量及反转策略、事件驱动型策略、基金结构套利、机器学习量化策略、宏观择时及行业轮动、大数据及舆情分析、相对价值策略、高频交易策略、多空alpha策略、期权交易策略、多因子策略、其他策略、衍生品低风险套利
Part two Python语言编程基础
Part there Python基础策略实现
-
3.1 交易策略基础
- Python 策略的Library
-
3.2 简单交易策略纯Python实现和回测
- 均线模型及均线模型的优化
- 技术指标模型的实现（CCI、布林带、多指标交易系统）
- Momentum Strategy及优化
- Mean Reversion Strategy 及优化
- 配对交易策略
- 舆情及大数据分析实战策略实现
- 机器学习与量化交易投资策略
- 交易策略的简单回测和业绩衡量
Part four 量化实盘交易
-
4.1 量化实盘交易基础
- Socket 介绍
- Stream 数据
- PC端模拟Server和Client实现实时数据的传输
- 数据的Resample：tick数据变分钟线等
-
4.2 海外平台的自动化交易实现
-
Oanda平台
- Oanda平台介绍
- Oanda平台API介绍
- Oanda平台数据、合约调取
- Oanda平台实现程序化下单
- Oanda平台实现程序化交易策略
-
IB平台
-
Gemini平台
-
-
4.3 期货量化交易实盘交易
Part five 量化交易系统设计
-
Python 高级编程技术
-
面向对象的量化交易系统
- 面向对象和面向过程
- 面向对象编程
- 类和模块
- 面向对象编程实例
- SMA均线模型的面向对象实现
- Momentum 策略的面向对象实现
- Mean Reversion 的面向对象实现
- Pair Trading 交易策略的面向对象实现
- 面向对象量化交易系统案例
-
用凯利公式进行仓位管理
-
对策略进行风险管理
- Leverage
- 最大回撤
- VaR & Tail Risk
Part six 实战策略的第三方平台（基于优矿）实现
-
6.1 回测与策略框架
- 量化投资的一般过程
- 策略回测（Back test）的基本流程
- 回测流程的简单示例
- 投资表现得评价指标
- 量化策略的一般流程
-
6.2 基于技术分析的投资策略
- 技术指标类策略
- K线形态类策略
- 通道类策略
-
6.3 基于经典方法的交易策略
- 一月效应交易策略
- 均值回归策略
- 动量交易策略
- 海龟交易策略
-
6.4 基于投资组合理论的交易策略
- Markowitz均值-方差模型
- Black-Litterman模型
-
6.5 基于风险定价的交易策略
- CAPM模型
- 三因子模型
- 五因子模型
-
6.6 基于机器学习的交易策略
- 决策树与股票涨跌预测
- SVM与股票涨跌预测
-
6.7 量化投资策略其他更新