请选择 进入手机版|继续访问电脑版
返回列表 发新帖

抢占先机!成为AI量化交易精英 [MP4] (6.5G)

[复制链接]

该用户从未签到

628

主题

628

帖子

6708

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
6708
发表于 2020-1-14 13:30:16 | 显示全部楼层 | 阅读模式
├─01AI量化交易微专业系列直播课
│      课时1量化交易实战应用与就业——全方位探索AI量化交易(下)
│      课时2打开量化交易的大门——全方位探索AI量化交易(上)
│      课时3老司机领你探索AI量化交易
│      课时4从小白到入门,给程序员的量化交易第一课
│      课时5走近科学:传说中的量化策略到底多神秘?
│      课时6如何应用量化技术做全球资产配置
│      课时7AI量化交易,你不可不知的另类数据投资
│      课时8不要怂!非CS非math的量化小白入门经验分享
│      课时9一探究竟,量化实例讲解
│      
├─02量化交易基础
│  └─第1章 量化交易基础:成对交易与优化
│          1.1 量化交易简介
│          1.2 大纲简介与课程设置
│          1.3 成对交易算法
│          1.4 【Python实战】基于成对交易算法的目标股票池选取和自动交易
│          1.5 成对交易问题探讨与模型优化
│          1.6【Python实战】案例算法优化之动态成对交易模型
│          1.7课程声明
│         
├─03投资标的:Alpha策略篇
│  ├─第2章 寻找市场中的alpha
│  │      2.1 利用技术面数据挖掘A股中具有超额收益的股票
│  │      2.2 【Python实战】基于单因子回测的因子有效性验证
│  │      2.3 量价因子和基本面因子的有效性和换手率
│  │      2.4 因子的评价体系和IC,IR,在自制回测框架中加入因子评价指标
│  │      2.5 因子间相关性和PCA,利用自制回测框架计算因子的相关性矩阵
│  │      2.6 【Python实战】利用PCA使多个因子降维和去除共线性
│  │      2.7课程声明
│  │      
│  ├─第3章 投资组合的对冲和多因子模型
│  │      3.1 如何用期货对冲beta收益,做到无论市场涨跌与否都能赚得收益
│  │      3.2 基于均价、开盘-收盘价在自制回测框架中加入更细致的撮合
│  │      3.3 【Python实战】建立简单投资组合的对冲回测,检验策略收益
│  │      3.4 线性回归和多因子股票组合,画出无视牛熊市的超额收益曲线
│  │      3.5 因子加权方式对组合收益的影响以及IC、IR加权
│  │      3.6 【Python实战】回测多因子组合策略,提升自己策略的收益表现
│  │      3.7课程声明
│  │      
│  ├─第4章 Barra风险模型和波动率
│  │      4.1 Barra风险模型的风格因子,了解市场不同阶段股票的涨幅特征
│  │      4.2 风格因子在投资组合上的暴露,在回测系统中加入风险暴露模块
│  │      4.3 【Python实战】利用减小风格暴露减少多因子组合的历史回撤
│  │      4.4 协方差矩阵和组合收益波动率,凸优化在组合投资中的应用
│  │      4.5 利用sharp ratio评价组合策略,实现多倍杠杆进入股市
│  │      4.6【Python实战】利用协方差矩阵减小投资组合的波动率
│  │      4.7课程声明
│  │      
│  └─第4章 【新】第四章 Barra风险模型和波动率
│          4.0本章概述
│          4.1风险模型简介
│          4.2Barra结构化风险模型
│          4.3因子收益风险估计
│          4.4特质收益风险估计
│          4.5【Python实战】Barra风险模型A股本土化
│          4.6课程声明
│         
├─04投资标的:CTA传统与进阶篇
│  ├─第5章 CTA入门与CTA策略回测
│  │      5.1.1什么是CTA策略
│  │      5.1.2CTA策略的主要特点与分类
│  │      5.1.3CTA策略的盈利来源
│  │      5.2.1CTA信号的定义,三种不同的定义方法
│  │      5.2.2使用Sharpe、Calmar,最大回撤,收益回撤比评价CTA策略
│  │      5.2.3看得见的看不见的交易成本
│  │      5.2.4回测和真实交易的差距
│  │      5.2.5【Python案例】推进分析下的均线策略
│  │      
│  ├─第6章 传统CTA
│  │      6.1技术指标与业内内幕级别第三方库
│  │      6.2样本内和样本外
│  │      6.3过拟合和欠拟合
│  │      6.4【python实战】基于推进分析的双均线策略回测与评价
│  │      
│  ├─第7章 机器学习CTA
│  │      7.1什么是机器学习
│  │      7.2监督与非监督式学习
│  │      7.3从因子出发理解机器学习“黑箱”
│  │      7.4传统的因子分析为什么不适合用来理解机器学习“黑箱”
│  │      7.5【R实战】机器学习策略的归因于回撤时的调整策略
│  │      7.6【python实战】基于机器学习做出第一个机器学习CTA策略
│  │      7.7【python实战】使用H2O建立你的第一个机器学习CTA策略
│  │      
│  └─第8章 仓位控制和分配
│          8.1基于预测值和其他指标进行仓位控制
│          8.2波动率倒数模型
│          8.3均值-方差模型(Mean Variance Model)
│          8.4Black Litteman 模型
│          8.5【进阶】仓位控制和分配进阶学习
│          8.6【Pyhton实战】用Python实现Mean Variance模型
│         
├─05投资标的:高频交易篇
│  ├─09.第九章 市场的动量和反转
│  │      9.1多股票的相关性,了解行业内股票的轮动和互相牵扯关系
│  │      9.2【Pyhton实战】寻找行业最相关的两只股票并设计相关性策略
│  │      9.3市场的短期波动和主动成交方向的关系
│  │      9.4回归和动量:市场的正反面
│  │      9.5【python实战】设计简单的均值回归策略和动量突破策略_20190722_222817
│  │      
│  ├─10.第十章 瞬息万变的市场,毫厘之间的交易机会
│  │      10.1什么是order book
│  │      10.2打开交易所高频数据的秘密
│  │      10.3在回测框架中解析高频数据
│  │      10.4大单策略
│  │      10.5【python实战】验证自己的订单在交易所撮合的位置
│  │      10.6CPU和订单延时
│  │      10.7python实战,设计大单策略在500ms模拟延时下验证策略有效性
│  │      
│  └─11.第十一章 降低时延,增加收益
│          11.1对冲基金_20190722_222903
│          11.2处理器-网课的效率
│          11.3【python实战】不同方式计算矩阵相乘消耗时间对比
│          11.4处理器调度
│          11.5设计调度策略为高频交易服务
│          11.6【python实战】利用减少的时延策略在200ms下的收益
│         
├─06 衍生品:定价模型初级稿
│  ├─12第十二章 离散模型
│  │      01.12.1衍生品定价部分介绍
│  │      02.12.2做市商和Quant
│  │      03.12.3衍生品(Derivatives)
│  │      04.12.4二叉树模型(Binomial model)
│  │      05.12.5参考书目
│  │      06.12.6【python实战】二叉 树模型
│  │      
│  ├─13第十三章 连续模型
│  │      01.13.1布朗运动和lto积分
│  │      02.13.2布莱克-斯科尔斯(Black Scholes)模型
│  │      03.13.3蒙特(Monte Carlo)模拟股票
│  │      04.13.4Greeks希腊字符
│  │      05.13.5 参考书目
│  │      06.13.6【python实战】用Black Scholes模型期权定价
│  │      
│  ├─14第十四章 隐含波动率微笑
│  │      01.14.1隐含波动率
│  │      02.14.2现实中的问题
│  │      03.14.3 赫斯顿模型(The Heston model)_20190810_191354
│  │      04.14.4校准(calibration)
│  │      05.14.5参考章节-只有一张图片.doc
│  │      06.14.6【python实战】Heston模型的校准
│  │      
│  └─15第十五章 现代衍生品定价模型
│          01.15.1蒙特卡洛(Monte Carlo)模拟进阶
│          02.15.2随机微分方程和偏微分方程转换
│          03.15.3差分法
│          04.15.4参考书目
│          05.15.5【论文】现代衍生品定价模型
│         
├─07.衍生品:定价模型高级篇
│  ├─16第十六章 模型与数值计算方法进阶
│  │      16.1跳跃过程_20190826_233622
│  │      16.2Heston 模型的推导与启发
│  │      16.3快速傅里叶变化的期权定价体系
│  │      16.4参考书目
│  │      16.5【Python实战】MorganStanley基于Fourier变换的期权定价模型
│  │      
│  ├─17第十七章 企业级量化(Quant)库介绍
│  │      17.1QuantLin简介
│  │      17.2面向对象的编程
│  │      17.3设计模式(Design Patterns)
│  │      17.4定价引擎(Picing Engine)
│  │      17.5参考资料.doc
│  │      
│  ├─18第十八章 利率衍生品模型
│  │      18.1利率衍生品介绍
│  │      18.2Ho-lee,CIR and Hull White
│  │      18.3计价物的变化
│  │      18.4HJM(Heath-Jarrow-Morton)定价体系
│  │      18.5参考书目
│  │      18.6【论文】利率衍生品定价的实际困难
│  │      
│  ├─19第十九章 企业利率衍生品模型
│  │      19.1The Stochastic Alpha Beta(SABR)model
│  │      19.2SABR模型存在的套利
│  │      19.3无套利SABR模型
│  │      19.4 Crank-Nicolson方法的缺陷
│  │      19.5参考书目
│  │      19.6【VBA-Matlab实战】无套利SABR模型的隐含波动率和期权定价
│  │      
│  └─20第二十章 其他衍生品,定价模型以及更多资源
│          20.1奇异期权(Exotic options)
│          20.2信用违约互换(Credit Default Swap)
│          20.3 大宗商品(Commodities)
│          20.4外汇(Foreign Exchange)
│          20.5参考书目
│         
├─08.前沿:最新AI技术应用篇
│  ├─第二十一章 区块链与数字货币的量化实战
│  │      21.1区块链梗概
│  │      21.2区块链技术原理
│  │      21.3关于数字货币
│  │      21.4.对接去中心化交易所
│  │      21.5数字货币交易的进阶学习
│  │      
│  ├─第二十三章 强化学习和股票日内交易策略
│  │      23.1背景与使用场景
│  │      23.2强化学习模型算法
│  │      23.3【Pyhton实战】Q-Learning 解决小游戏
│  │      23.4股票交易问题设定
│  │      23.5【Pyhton实战】创建智能炒股AI
│  │      23.6强化学习进阶攻略
│  │      
│  └─第二十二章 自然语言与卷积神经网络模型
│          22.1新闻与大事件对股票影响
│          22.2自然语言处理
│          22.3案例:自然语言处理三大经典案例
│          22.4卷积神经网络于文字的应用
│          22.5【Python实战】CCTV新闻与A古大盘涨跌分析
│          22.6自然语言处理进阶学习攻略
│         
├─09.求职:从业经验篇
│  └─第二十四章 从业经验分享
│          24.1Alpha策略从业经验分享
│          24.2CTA从业经验分享
│          24.3高频交易从业经验分享
│          24.4定价模型从业经验分享
│         
├─10.趣味:德州扑克中的量化与策略
│      1.0导读篇
│      1.1德州扑克历时及规则
│      1.2德州扑克的量化与概率计算
│      1.3德州扑克智能策略



下载地址
游客,如果您要查看本帖隐藏内容请回复


回复

使用道具 举报

发表回复

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表