登录
主页 > CQF常见问题 >

aqf与cqf选哪个?

2022-12-19 Meteor
CQF是量化行业的专业认证,如果要说AQF和CQF选择哪个,我个人觉得还是CQF比较好。CQF已经受到了各大世界名企的青睐,根据CQF协会的公布,目前CQF在阿布扎比投资局、美银美林、巴克莱(Barclays)、法国巴黎银行(BNP Paribas)、BTG Pactual、芝加哥贸易公司、城堡、花旗集团(Citigroup)、德国商业银行、法国农业信贷银行、瑞士信贷(Credit Suisse)、德勤、德意志银行(Deutsche Bank)、法国电力公司交易、汇丰银行、联合圣保罗、摩根大通(J.P.Morgan)、毕马威(KPMG)、三菱uffg证券、全国金融、野村证券、太平洋投资管理公司、加拿大皇家银行、瑞银(UBS)。
aqf与cqf选哪个?

1、CQF课程有哪些?

必修课 内容
模块1-定量金融的构建模块 资自随机行为
重要的教学工具和结论
泰勒级数
中心极限定理
偏微分方程
转移密度函数
普朗克和科尔莫戈罗夫方程
随机微积分及其引理
随机微分方程的求解
资产定价的二项模型
模块2-量化风险与回报 现代投资组合理论
资本市场资产定价模型
夏普比率和风险的市场定价
无风险价格套利策略
投资组合优化
布莱克利特曼模型
风险监督和巴塞尔条约
风险价值和亏损预期
抵押品和保证金
流动资产负债管理
波动性过滤
高频教据
资产收益:关键和经验教据
波动模型
模块3-股票和货币 布莱克-斯科尔斯模型
对冲和风险管理
期权策略
欧式行权和美式期权
有限差分法
蒙特卡罗模拟
奇异期权
波动率套利策略
吉尔萨诺夫理论
高级风险指标
衍生品市场
完全竞争市场中的高级波动性建模
非概率波动模型
模块4-数据科学与机器学习l 什么是数学建模?
机器学习种的数学工具
监督学习
线性回归
拉索回归,岭回归和单性网络回归
逻辑回归
K近邻策略
朴素贝叶斯分类
支持向量机
决策树
集成模型
Python-Scikit库
模块5-数据科学与机器学习ll 无监督机器学习
高级机器学习中的数学工具
主成分分析
K-均值
自组织映射
人工神经网络
神经网络结构
自然语言处理
深度学习和NLP工具
强化学习
强化学习的风险敏感性
量化投资的机器学习实例
基于AI的Algo交易策略
Tensorflow-Python
模块6-固定收入和信贷 固收产品和市场
收益率,久期和凸性
随机利率模型
利率的随机方法
数据分析和校准
同业拆借利率模型
标准风险管理模型
结构化模型
简化模型和风险率
信用风险和信用衍生品
X-值调整(CVA,DVA,FVA,MVA)
CDS定价和市场方法
违约风险,结构性和简化形式
关联结构模型的使用
高级必修课 内容
算法交易 数据准备;回测;结果分析和优化
新建一个算法
另类方法:配对交品;期权;新分析工具
算法交易的职业路径
高级风险管理 巴塞尔协议:巴塞尔协议I,II and III
风险价值和亏损预期
最小资本要求2016
横向流动性(LH)
风险和相关性
极位理论
交易对手信用风险协议
流动性的动态性质
高级波动率模型 傅里叶变换
复变函数
随机波动性
跳跃扩散
交易对手风险建模 信用风险和信用衍生品
CVA,DVA,FVA
交易对手风险的利率-动态模型和建模
利率互换CVA和动态模型实施
复杂计算方法 有限差分法及其在BVP中的应用
根值算法
插值
数值积分
基于Python的数据分析 Python和数据结构
基于NumPy的数据分析
基于Pandas的金融数据时间序列分析
静态和交互式金融数据可视化
量化的行为金融学 两个系统理论
行为偏差;启发式过程;框架效应和分组过程
亏损厌恶VS风险厌恶;SP/A理论
线性和非线性
高级投资组合管理 使用随机控制进行动态投资组合优化
使用筛选将视图与市场数据结合起来
了解行为偏差和应对
开发新的组合风险管理
Python应用 基础量化方案
数据和文件处理
用户定义函数以及强大的概率和统计库
基于R语言的量化金融 R语言的安装和入门介绍
理解数据结构和数据类型
常见的函数
动手写脚本和代码
一些常见的异常和处理
金融科技 R金融科技入门介绍
金融科技-打破现有金融服务产业链
金融科技社群
金融科技技术–区块链;加密货币;大数据102;AI 102
金融科技方案
金融科技的未来
基于Python的机器学习 使用线性回归预测金融资产的价格和收益
蒙特卡罗模拟在美式期权定价中的应用
利用逻辑回归来处理分类问题
利用分类问题来预测市场收益
C++ C++入门和环境搭建
控制流和格式化–文件管理和数据输出
函数–头文件和源文件
面向对象介绍–简单的类和对象
数组和字符串

2、CQF可以担任的岗位有哪些?

CQF持证人在世界各地的金融市场工作,在世界知名银行、投资管理公司、基金、贸易公司和咨询公司担任职务。他们的头衔从承包商和助理,到董事和c级职位,他们的工作涉及各个领域,包括模型验证、定量分析、衍生品、交易、基金管理、量化和股票研究、合规、经济学和学术界。
根据CQF协会的信息,CQF的持证人他们所在的岗位有量化开发人员、数据科学家、数据分析总监、定量分析、机器学习专家、算法交易量化分析师、定量交易员、多重资产风险系统经理、交易风险控制全球主管、风险分析师、高级大宗商品分析师、集团内部审计主管、财务风险咨询总监、投资组合风险经理、市场风险审核员、模型风险管理总监、独立风险模型验证经理、产品经理、策略股票基金经理、可转换策略、量化开发与研究副总裁、量化建模与分析主管、经济学家、高级讲师等。

3、CQF的讲师都有哪些?

CQF的讲座由金融领域杰出的从业者和学者提供,包括Paul Wilmott博士,Peter Jaeckel博士,Espen Gaarder Haug博士和Sebastien Lleo博士。为了更深入地研究特定的主题,CQF还提供专家的大师班,如Claudio Albanese博士和Wim Schoutens博士。总之,这形成了一个真正令人兴奋的学习高水平的机会。
172 5

CQF

金融量化领域专业资格

分享到:
精彩推荐
更多>>