大家好，又见面了，我是你们的朋友全栈君。
第一部分：量化交易基础
第1章 量化交易基础：成对交易与模型自动化
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化交易
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
第二部分：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
第3章 投资组合的对冲回测框架和多因子模型
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
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 【进阶】Alpha策略进阶学习攻略
第三部分：CTA传统与进阶篇
第5章 CTA回测系统
5.1 CTA入门
5.1.1 什么是CTA策略
5.1.2 CTA策略的主要特点与分类
5.1.3 CTA策略的盈利来源
5.2 CTA策略的回测
5.2.1 CTA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 看得见的与看不见的交易成本
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与回撤时的调整策略
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)
8.4 Black Litterman模型
8.5【进阶】仓位控制和分配进阶学习
8.6 【Python实战】用Python实现Mean Variance模型
第四部分：高频交易篇
第9章 市场的动量和反转
9.1 多股票间的相关性，了解行业内股票的轮动和互相牵扯关系
9.2 【Python实战】找出每个行业中相关性最高的两只股票并针对它们设计相关性策略
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
第10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中的位置
10.6 CPU和订单延时
10.7 Python实战 设计大单策略在500ms模拟延时下验证策略有效性
第11章 降低时延，增加收益
11.1 对冲基金
11.2 处理器/网卡的效率
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，交易的胜率，单笔收益等
第五部分：定价模型初级篇
第12章 离散模型
12.1 衍生品定价部分介绍
12.2 做市商和Quant
12.3 衍生品(Derivatives)
12.4 二叉树模型12.4 二叉树模型(Binomial model)
12.5 参考书目
12.5 【Python实战】 二叉树模型
第13章 连续模型
13.1 布朗运动和Ito积分
13.2 布莱克-斯克尔斯(Black Scholes)模型
13.3 蒙特卡罗(Monte Carlo)模拟股票
13.4 Greeks希腊字符
13.5 参考书目
13.6 【Python实战】用Black Scholes模型给期权定价
第14章 隐含波动率微笑
14.1 隐含波动率
14.2 现实中的问题
14.3 赫斯顿模型(The Heston model)
14.4 校准(calibration)
14.5 参考章节
14.6 【Python实战】 Heston模型的校准
第15章 现代衍生品定价模型
15.1 蒙特卡洛(Monte Carlo)模拟进阶
15.2 随机微分方程和偏微分方程转换
15.3 差分法
15.4 参考书目
15.5【论文】现代衍生品定价模型
第六部分：定价模型高级篇
第16章 模型与数值计算方法进阶
16.1 跳跃过程
16.2 Heston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
第17章 企业级量化(Quant)库介绍
17.1 QuantLib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(Pricing Engine)
17.5 参考资料
第18章 利率衍生品模型
18.1 利率衍生品介绍
18.2 Ho-lee,CIR and Hull White
18.3 计价物的变化(Change of Numeraire)
18.4 HJM(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
第19章 企业利率衍生品模型
19.1 The Stochastic Alpha Beta Rho (SABR) model
19.2 SABR模型存在的套利
19.3 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
第20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
第七部分：最新AI技术应用篇
第21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22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股大盘涨跌分析
22.6 自然语言处理进阶学习攻略
第23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 【Python实战】Q-Learning 解决小游戏
23.4 股票交易问题设定
23.5 【Python实战】创建智能炒股AI
23.6 强化学习进阶攻略
第八部分：从业经验篇
第24章 从业经验分享
24.1 Alpha策略从业经验分享
24.2 CTA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
24.5 AI量化交易从业经验分享
第九部分：德州扑克中的量化与策略
第25章 德州扑克中的量化与智能策略
25.1 德州扑克历史及规则
25.2 德州扑克的量化与概率计算
25.3 德州扑克智能策略
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/153210.html原文链接：https://javaforall.net
