有这样一种对矿工(Quantitative Analyst)的戏谑定义:学CS的,学应数的,学物理的,学统计的,还有学金融的5个人坐在一桌吃饭,他们互相看不顺眼:学物理的看不惯学应数的,因为他们觉得总应数只是物理研究的工具;学应数的看不惯学统计的因为他们认为应数难得多,学不下去了才跑去学统计,学CS看不惯前面三个,因为他们光说不干,就知道在模型上一通操作。但前面四人通通看不上学金融的,因为金融在他们眼里压根就不属于科学。然后学金融的告诉了他们自己的月薪。然后第二天他们5个人便合开了家公司,老板是学金融的,剩下四个变成了quants。
玩笑归玩笑,但从这个玩笑中不难看出做quant的一些门槛:他需要理解物理学中对动态状态研究,他需要熟悉各种数学分析工具,他需要从数据中分析规律实现预测,他需要用高效的代码将模型付现,最后他还需要对金融产品与市场的直觉,而这种直觉有时候重要性甚至还会超过设计精巧的模型。毫不夸张的说,quant这个岗位是集数据分析,研发维护,模型研究,投资决策于一身的铁人三项,是集投资的艺术性与科学性于一身的硬核岗。
本课程将提供如何入门quant的必要条件,全面系统地介绍量化分析师所应具备的知识下限,并拟在课程最后结合业界实践案例,实现进阶与提高。
著名量化投资人,哥伦比亚大学教授Emanuel Derman对quant的发展有一段精彩的论述:Quant是科学化后的Trader,Trader是工业化后的Quant。目前中国就业市场上Quant岗位方兴未艾,投资科学化与交易工业化已经成为了中国量化工作不可逆的趋势。但是在大趋势下,能够真正胜任这种工作的人才却屈指可数。一家中国知名基金公司对量化交易经理岗位开出的是7位数的年薪,但是能真正胜任这项工作的人才却少之又少。这种就业的供需不平衡,便是能者变现自己实力,智者套利自己学识的机会与舞台。本课程,便是带领你入门Quant的第一门必修课,也是你应对各大买方业务面试的第一门必修课。
机会永远留给有准备的人。
课程大纲:
第一课:什么是quant?
第二课:成为quant的必要条件之数学
第三课:成为quant的必要条件之编程
第四课:固定时间下的价值模型之一:MPT
第五课:固定时间下的价值模型之二:CAPM及因子模型第六课:固定时间下的价值模型之三:多因子模型及APT第七课:动态时间下的价值模型:BSM(上)
第八课:动态时间下的价值模型:BSM(中)
第九课:动态时间下的价值模型:BSM(下)
第十课:走进Pquant
第十一课:走进Qquant
第十二课:实务与案例:集成学习在构建策略中的应用;NLP在构建情绪指数中的应用;多因子模型的增强
授课时间:
课程预计2019年7月19日开课,预计课程持续时间为14周
讲师介绍:
李昊,现居纽约。本科就读中山大学管理学院财务管理专业,中山大学数学学院统计学专业。研究生就读哥伦比亚大学运筹学金融工程方向。曾短期任安信证券IT与投资部软件工程师,炼数成金平台助教。现任WorldQuant Summer Analyst。参与国家自然科学基金项目“机器学习在现代金融风险管理中的新方法,新应用”。
Linkedin:https://www.linkedin.com/in/nicklovesmath
课程基础:
高等数学,线性代数,概率论,回归分析,Python数据分析基础,机器学习基础,金融产品及其衍生品基础
课程环境:
模型讲解部分主要以课件讲义为主,代码实现部分使用Python3。作业应用题应使用Markdown,Latex,Word等编辑器进行完成。不建议使用手写后扫描。上交作业请统一使用pdf格式。
课程特点:
课程知识涵盖非常广,建议以平台上的Python数据分析,统计学基础,矩阵运算基础,回归分析基础,机器学习基础课程为先修课程
点击下方二维码或阅读原文报名课程: