课程特色：

1：现场教学，可现场和老师互动，解决当下的课程疑惑

2：课程内容丰富，囊括了许多量化投资的理论知识

3：课程内容新颖，应用前沿的学术理论

4：教学过程深入浅出, 以实例与实作印证所学

5：学员能快速掌握灵活R语言，能在现实中通过此工具解决量化投资等综合金融问题

6：可操作性强，将所介绍理论在实战中一一展示，即学即用，在实战中搭建课程的整体脉络

课程目标：

本课程旨在有限的四天时间内帮助学员高效实现：

1：深入理解量化投资的思想，建立起量化投资的理论直觉

2：熟练灵活使用R语言，能藉助R语言工具高效迅速构建量化投资策略

3：培养强烈的市场投资直觉，能通过构建量化投资策略敏锐捕捉市场盈利，赢取市场套利空间

课程大纲：

基础班

第1天 R语言基础与金融统计分析

R语言学习与应用

1. R语言简介

  1.1 R语言的特点与安装

  1.2 R Studio的环境配置

  1.3 R 语言的扩展包

2. 数据操作

  2.1 基本数据类型与互相转换

  2.2 数据结构介绍

3. 数据的输入与输出

  3.1 常用文件格式

  3.2 数据结果输出

4. 数据计算基础

  4.1 常用数据运算函数

5. R语言绘图

5.1 基础图形绘制

5.2 ggplot2图层式绘图

6. R语言高阶技巧

  6.1 R语言的函数结构

  6.2 apply函数簇介绍

  6.3 R语言并行运算

案例: 大型股票数据读取

案例: A股市场股票数据绘图

金融统计分析与R语言

7. 概率分布理论

  7.1 样本分布理论

  7.2 描述性统计

  7.3 参数估计

  7.4 假设检验

8. 多变量相关性分析

9. 线性回归模型

案例:  A股交易数据描述性统计

案例: 指数编制与计算

案例: 行业间股票收益率比较

实战班

第2天 金融时间序列, 基本面选股策略, 投资组合

金融时间序列分析

1. 认识金融时间序列

2. 时间序列的平稳性检验与白噪声探讨

3. 时间序列平滑处理

4. 金融时间序列建模预测

5. 时间序列波动的集聚效应

案例: 以上证综指为例，运用统计方法检验时间序列数据可预测性的前提条件。

案例: 运用ARIMA模型进行批量模拟建模，以预测股票未来的收益率。

案例: 使用GARCH模型预测波动率，并将其应用于VaR模型的风险管控。

量化选股策略

6. 基本面分析（FundamentalAnalysis）选股

  6.1 短期偿债能力指标

  6.2 营运能力指标

  6.3 资本结构与长期偿债能力分析指标

  6.4 盈利能力指标

7. Benjamin Graham价值选股

  7.1 Graham选股公式三个标准

  7.2 中国股市的检验

  7.3 经典十项法则及详解

  7.4 Graham选股策略的实现与市场表现

8. GARP 选股策略

9. CAPM超额Alpha选股

10. 三因子模型选股

投资组合配置

11. 马科维茨风险-收益模型原理

12. Black-Litterman模型

第3天 常用技术指标,投资表现衡量,高频数据分析

投资绩效表现分析

1. 收益分析

2. 风险分析

3. PerformanceAnalytics包的介绍与应用

技术指标、买卖点捕捉

4. K线图形态分析

5. 均线系统

6. 动量交易策略

7. 相对强弱指标（RSI）与市场反转

  7.1 RSI "黄金交叉"与“死亡交叉”探讨

  7.2 RSI "顶背离"探讨

8. 随机指标KDJ与价格波动

9. 高频金融数据分析

  9.1 非同步交易

  9.2 交易数据的经验特征

  9.3 价格变化模型

  9.4 持续期模型

  9.5 处理市场微观结构噪声

第4天 量化投资策略实战

1. 通道策略

2. 多指标组合投资策略

3. 量价关系分析

4. 配对交易策略

5. 轮动投资策略

6. 仓位控制

7. 一个趋势存在與否的判斷策略

8. 趋势追踪策略

9. 利用均值回归在震荡中获取交易机会

10. 追涨杀跌策略

11. 支持向量机与股票涨跌预测

12. 神经网络与股票涨跌预测

我要报名