退出
登录
| 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 |
|
Certificate in Quantitative Finance，简称：CQF,是由Paul Wilmott博士领导的国际知名的数量金融工程专家团队设计和推出，是量化金融领域的专业资格，并获得了全球金融公司的认可。
