第一部分：量化交易基礎(chǔ)

第1章 量化交易基礎(chǔ)：成對(duì)交易與模型自動(dòng)化

1.1 量化交易簡(jiǎn)介

1.2 大綱簡(jiǎn)介與課程設(shè)置

1.3 成對(duì)交易算法

1.4 【Python實(shí)戰(zhàn)】基于成對(duì)交易算法的目標(biāo)股票池選取和自動(dòng)化交易

1.5 成對(duì)交易問(wèn)題探討與模型優(yōu)化

1.6 【Python實(shí)戰(zhàn)】案例算法優(yōu)化之動(dòng)態(tài)成對(duì)交易模型

第二部分：Alpha策略篇

第2章 尋找市場(chǎng)中的alpha

2.1 利用技術(shù)面數(shù)據(jù)挖掘A股中具有超額收益的股票

2.2 【Python實(shí)戰(zhàn)】基于單因子回測(cè)的因子有效性驗(yàn)證

2.3 量?jī)r(jià)因子和基本面因子的有效性和換手率

2.4 因子的評(píng)價(jià)體系和IC，IR，在自制回測(cè)框架中加入因子評(píng)價(jià)指標(biāo)

2.5 因子間相關(guān)性和PCA，利用自制回測(cè)框架計(jì)算因子的相關(guān)性矩陣

2.6 【Python實(shí)戰(zhàn)】利用PCA使多個(gè)因子降維和去除共線性

第3章 投資組合的對(duì)沖回測(cè)框架和多因子模型

3.1 如何用期貨對(duì)沖beta收益，做到無(wú)論市場(chǎng)漲跌與否都能賺得收益

3.2 基于均價(jià)、開(kāi)盤(pán)/收盤(pán)價(jià)在自制回測(cè)框架中加入更細(xì)致的撮合

3.3 【Python實(shí)戰(zhàn)】建立簡(jiǎn)單投資組合的對(duì)沖回測(cè)，檢驗(yàn)策略收益

3.4 線性回歸和多因子股票組合，畫(huà)出無(wú)視牛熊市的超額收益曲線

3.5 因子加權(quán)方式對(duì)組合收益的影響以及IC、IR加權(quán)

3.6 【Python實(shí)戰(zhàn)】回測(cè)多因子組合策略，提升自己策略的收益表現(xiàn)

第4章 Barra風(fēng)險(xiǎn)模型和波動(dòng)率

4.1 Barra風(fēng)險(xiǎn)模型的風(fēng)格因子，了解市場(chǎng)不同階段股票的漲幅特征

4.2 風(fēng)格因子在投資組合上的暴露，在回測(cè)系統(tǒng)中加入風(fēng)險(xiǎn)暴露模塊

4.3 【Python實(shí)戰(zhàn)】利用減小風(fēng)格暴露減少多因子組合的歷史回撤

4.4 協(xié)方差矩陣和組合收益波動(dòng)率，凸優(yōu)化在組合投資中的應(yīng)用

4.5 利用sharp ratio評(píng)價(jià)組合策略，實(shí)現(xiàn)多倍杠桿進(jìn)入股市

4.6【Python實(shí)戰(zhàn)】利用協(xié)方差矩陣減小投資組合的波動(dòng)率

4.7 【進(jìn)階】Alpha策略進(jìn)階學(xué)習(xí)攻略

第三部分：CTA傳統(tǒng)與進(jìn)階篇

第5章 CTA回測(cè)系統(tǒng)

5.1 CTA入門

5.1.1 什么是CTA策略

5.1.2 CTA策略的主要特點(diǎn)與分類

5.1.3 CTA策略的盈利來(lái)源

5.2 CTA策略的回測(cè)

5.2.1 CTA信號(hào)的定義，三種不同的定義方法

5.2.2 使用Sharpe，Calmar，最大回撤，收益回撤比評(píng)價(jià)CTA策略

5.2.3 看得見(jiàn)的與看不見(jiàn)的交易成本

5.2.4 回測(cè)和真實(shí)交易的差距

5.2.5 【Python案例】推進(jìn)分析下的均線策略

第6章 傳統(tǒng)CTA

6.1 技術(shù)指標(biāo)與業(yè)內(nèi)內(nèi)幕級(jí)別第三方庫(kù)

6.2 樣本內(nèi)和樣本外

6.3 過(guò)擬合和欠擬合

6.4 【Python實(shí)戰(zhàn)】基于推進(jìn)分析的雙均線策略回測(cè)與評(píng)價(jià)

第7章 機(jī)器學(xué)習(xí)CTA

7.1 什么是機(jī)器學(xué)習(xí)

7.2 監(jiān)督與非監(jiān)督式學(xué)習(xí)

7.3 從因子出發(fā)理解機(jī)器學(xué)習(xí)”黑箱”

7.4 傳統(tǒng)的因子分析為什么不適合用來(lái)理解機(jī)器學(xué)習(xí)“黑箱”？

7.5 【R實(shí)戰(zhàn)】機(jī)器學(xué)習(xí)策略的歸因與回撤時(shí)的調(diào)整策略

7.6 【Python實(shí)戰(zhàn)】基于機(jī)器學(xué)習(xí)做出第一個(gè)機(jī)器學(xué)習(xí)CTA策略

7.7 【Python實(shí)戰(zhàn)】使用H2O建立你的第一個(gè)機(jī)器學(xué)習(xí)CTA策略

第8章 倉(cāng)位控制和分配

8.1 基于預(yù)測(cè)值和其他指標(biāo)進(jìn)行倉(cāng)位控制

8.2 波動(dòng)率倒數(shù)模型

8.3 均值-方差模型(Mean Variance Model)

8.4 Black Litterman模型

8.5【進(jìn)階】倉(cāng)位控制和分配進(jìn)階學(xué)習(xí)

8.6 【Python實(shí)戰(zhàn)】用Python實(shí)現(xiàn)Mean Variance模型

第四部分：高頻交易篇

第9章 市場(chǎng)的動(dòng)量和反轉(zhuǎn)

9.1 多股票間的相關(guān)性，了解行業(yè)內(nèi)股票的輪動(dòng)和互相牽扯關(guān)系

9.2 【Python實(shí)戰(zhàn)】找出每個(gè)行業(yè)中相關(guān)性最高的兩只股票并針對(duì)它們?cè)O(shè)計(jì)相關(guān)性策略

9.3 市場(chǎng)的短期波動(dòng)和主動(dòng)成交方向的關(guān)系

9.4 回歸和動(dòng)量：市場(chǎng)的正反面

9.5 【Python實(shí)戰(zhàn)】設(shè)計(jì)簡(jiǎn)單的均值回歸策略和動(dòng)量突破策略

第10章 瞬息萬(wàn)變的市場(chǎng)，毫厘之間的交易機(jī)會(huì)

10.1 什么是order book

10.2 打開(kāi)交易所高頻數(shù)據(jù)的秘密

10.3 在回測(cè)框架中解析高頻數(shù)據(jù)

10.4 大單策略

10.5 【Python實(shí)戰(zhàn)】驗(yàn)證自己的訂單在交易所撮合中的位置

10.6 CPU和訂單延時(shí)

10.7 Python實(shí)戰(zhàn) 設(shè)計(jì)大單策略在500ms模擬延時(shí)下驗(yàn)證策略有效性

第11章 降低時(shí)延，增加收益

11.1 對(duì)沖基金

11.2 處理器/網(wǎng)卡的效率

11.3 【Python實(shí)戰(zhàn)】不同方式計(jì)算矩陣相乘消耗時(shí)間對(duì)比

11.4 處理器調(diào)度

11.5 設(shè)計(jì)調(diào)度策略為高頻交易服務(wù)

11.6 【Python實(shí)戰(zhàn)】利用減少的時(shí)延，策略在200ms下，交易的勝率，單筆收益等

第五部分：定價(jià)模型初級(jí)篇

第12章 離散模型

12.1 衍生品定價(jià)部分介紹

12.2 做市商和Quant

12.3 衍生品(Derivatives)

12.4 二叉樹(shù)模型12.4 二叉樹(shù)模型(Binomial model)

12.5 參考書(shū)目

12.5 【Python實(shí)戰(zhàn)】 二叉樹(shù)模型

第13章 連續(xù)模型

13.1 布朗運(yùn)動(dòng)和Ito積分

13.2 布萊克-斯克爾斯(Black Scholes)模型

13.3 蒙特卡羅(Monte Carlo)模擬股票

13.4 Greeks希臘字符

13.5 參考書(shū)目

13.6 【Python實(shí)戰(zhàn)】用Black Scholes模型給期權(quán)定價(jià)

第14章 隱含波動(dòng)率微笑

14.1 隱含波動(dòng)率

14.2 現(xiàn)實(shí)中的問(wèn)題

14.3 赫斯頓模型(The Heston model)

14.4 校準(zhǔn)(calibration)

14.5 參考章節(jié)

14.6 【Python實(shí)戰(zhàn)】 Heston模型的校準(zhǔn)

第15章 現(xiàn)代衍生品定價(jià)模型

15.1 蒙特卡洛(Monte Carlo)模擬進(jìn)階

15.2 隨機(jī)微分方程和偏微分方程轉(zhuǎn)換

15.3 差分法

15.4 參考書(shū)目

15.5【論文】現(xiàn)代衍生品定價(jià)模型

第六部分：定價(jià)模型高級(jí)篇

第16章 模型與數(shù)值計(jì)算方法進(jìn)階

16.1 跳躍過(guò)程

16.2 Heston模型的推導(dǎo)與啟發(fā)

16.3 快速傅里葉變化的期權(quán)定價(jià)體系

16.4 參考書(shū)目

16.5【Python實(shí)戰(zhàn)】MorganStanley基于Fourier變換的期權(quán)定價(jià)模型

第17章 企業(yè)級(jí)量化(Quant)庫(kù)介紹

17.1 QuantLib簡(jiǎn)介

17.2 面向?qū)ο蟮木幊?/p>

17.3 設(shè)計(jì)模式(Design Patterns)

17.4 定價(jià)引擎(Pricing Engine)

17.5 參考資料

第18章 利率衍生品模型

18.1 利率衍生品介紹

18.2 Ho-lee,CIR and Hull White

18.3 計(jì)價(jià)物的變化(Change of Numeraire)

18.4 HJM(Heath-Jarrow-Morton)定價(jià)體系

18.5 參考書(shū)目

18.6【論文】 利率衍生品定價(jià)的實(shí)際困難

第19章 企業(yè)利率衍生品模型

19.1 The Stochastic Alpha Beta Rho (SABR) model

19.2 SABR模型存在的套利

19.3 無(wú)套利SABR模型

19.4 Crank-Nicolson方法的缺陷

19.5 參考書(shū)目

19.6【VBA / Matlab實(shí)戰(zhàn)】無(wú)套利SABR模型的隱含波動(dòng)率和期權(quán)定價(jià)

第20章 其他衍生品，定價(jià)模型以及更多資源

20.1 奇異期權(quán)(Exotic options)

20.2 信用違約互換 (Credit Default Swap)

20.3 大宗商品(Commodities)

20.4 外匯(Foreign Exchange)

20.5 參考書(shū)目

第七部分：最新AI技術(shù)應(yīng)用篇

第21章 區(qū)塊鏈與數(shù)字貨幣的量化實(shí)戰(zhàn)

21.1 區(qū)塊鏈梗概

21.2 區(qū)塊鏈技術(shù)原理

21.3 關(guān)于數(shù)字貨幣

21.4 對(duì)接去中心化交易所

21.5 數(shù)字貨幣交易的進(jìn)階學(xué)習(xí)

第22章 自然語(yǔ)言與卷積神經(jīng)網(wǎng)絡(luò)模型

22.1 新聞與大事件對(duì)股票影響

22.2 自然語(yǔ)言處理

22.3 案例：自然語(yǔ)言處理三大經(jīng)典案例

22.4 卷積神經(jīng)網(wǎng)絡(luò)于文字的應(yīng)用

22.5 【Python實(shí)戰(zhàn)】CCTV新聞與A股大盤(pán)漲跌分析

22.6 自然語(yǔ)言處理進(jìn)階學(xué)習(xí)攻略

第23章 強(qiáng)化學(xué)習(xí)和股票日內(nèi)交易策略

23.1 背景與使用場(chǎng)景

23.2 強(qiáng)化學(xué)習(xí)模型算法

23.3 【Python實(shí)戰(zhàn)】Q-Learning 解決小游戲

23.4 股票交易問(wèn)題設(shè)定

23.5 【Python實(shí)戰(zhàn)】創(chuàng)建智能炒股AI

23.6 強(qiáng)化學(xué)習(xí)進(jìn)階攻略

第八部分：從業(yè)經(jīng)驗(yàn)篇

第24章 從業(yè)經(jīng)驗(yàn)分享

24.1 Alpha策略從業(yè)經(jīng)驗(yàn)分享

24.2 CTA從業(yè)經(jīng)驗(yàn)分享

24.3 高頻交易從業(yè)經(jīng)驗(yàn)分享

24.4 定價(jià)模型從業(yè)經(jīng)驗(yàn)分享

24.5 AI量化交易從業(yè)經(jīng)驗(yàn)分享

第九部分：德州撲克中的量化與策略

第25章 德州撲克中的量化與智能策略

25.1 德州撲克歷史及規(guī)則

25.2 德州撲克的量化與概率計(jì)算

25.3 德州撲克智能策略

總結(jié)

以上是生活随笔為你收集整理的python alpha量化交易软件_2019AI量化交易教程视频 AI量化交易模型教程 alpha量化选股模型交易系统 CTA型量化策略教程...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。