第一部分：量化交易基礎

第1章 量化交易基礎：成對交易與模型自動化

1.1 量化交易簡介

1.2 大綱簡介與課程設置

1.3 成對交易算法

1.4 【Python實戰】基于成對交易算法的目標股票池選取和自動化交易

1.5 成對交易問題探討與模型優化

1.6 【Python實戰】案例算法優化之動態成對交易模型

第二部分：Alpha策略篇

第2章 尋找市場中的alpha

2.1 利用技術面數據挖掘A股中具有超額收益的股票

2.2 【Python實戰】基于單因子回測的因子有效性驗證

2.3 量價因子和基本面因子的有效性和換手率

2.4 因子的評價體系和IC，IR，在自制回測框架中加入因子評價指標

2.5 因子間相關性和PCA，利用自制回測框架計算因子的相關性矩陣

2.6 【Python實戰】利用PCA使多個因子降維和去除共線性

第3章 投資組合的對沖回測框架和多因子模型

3.1 如何用期貨對沖beta收益，做到無論市場漲跌與否都能賺得收益

3.2 基于均價、開盤/收盤價在自制回測框架中加入更細致的撮合

3.3 【Python實戰】建立簡單投資組合的對沖回測，檢驗策略收益

3.4 線性回歸和多因子股票組合，畫出無視牛熊市的超額收益曲線

3.5 因子加權方式對組合收益的影響以及IC、IR加權

3.6 【Python實戰】回測多因子組合策略，提升自己策略的收益表現

第4章 Barra風險模型和波動率

4.1 Barra風險模型的風格因子，了解市場不同階段股票的漲幅特征

4.2 風格因子在投資組合上的暴露，在回測系統中加入風險暴露模塊

4.3 【Python實戰】利用減小風格暴露減少多因子組合的歷史回撤

4.4 協方差矩陣和組合收益波動率，凸優化在組合投資中的應用

4.5 利用sharp ratio評價組合策略，實現多倍杠桿進入股市

4.6【Python實戰】利用協方差矩陣減小投資組合的波動率

4.7 【進階】Alpha策略進階學習攻略

第三部分：CTA傳統與進階篇

第5章 CTA回測系統

5.1 CTA入門

5.1.1 什么是CTA策略

5.1.2 CTA策略的主要特點與分類

5.1.3 CTA策略的盈利來源

5.2 CTA策略的回測

5.2.1 CTA信號的定義，三種不同的定義方法

5.2.2 使用Sharpe，Calmar，最大回撤，收益回撤比評價CTA策略

5.2.3 看得見的與看不見的交易成本

5.2.4 回測和真實交易的差距

5.2.5 【Python案例】推進分析下的均線策略

第6章 傳統CTA

6.1 技術指標與業內內幕級別第三方庫

6.2 樣本內和樣本外

6.3 過擬合和欠擬合

6.4 【Python實戰】基于推進分析的雙均線策略回測與評價

第7章 機器學習CTA

7.1 什么是機器學習

7.2 監督與非監督式學習

7.3 從因子出發理解機器學習”黑箱”

7.4 傳統的因子分析為什么不適合用來理解機器學習“黑箱”？

7.5 【R實戰】機器學習策略的歸因與回撤時的調整策略

7.6 【Python實戰】基于機器學習做出第一個機器學習CTA策略

7.7 【Python實戰】使用H2O建立你的第一個機器學習CTA策略

第8章 倉位控制和分配

8.1 基于預測值和其他指標進行倉位控制

8.2 波動率倒數模型

8.3 均值-方差模型(Mean Variance Model)

8.4 Black Litterman模型

8.5【進階】倉位控制和分配進階學習

8.6 【Python實戰】用Python實現Mean Variance模型

第四部分：高頻交易篇

第9章 市場的動量和反轉

9.1 多股票間的相關性，了解行業內股票的輪動和互相牽扯關系

9.2 【Python實戰】找出每個行業中相關性最高的兩只股票并針對它們設計相關性策略

9.3 市場的短期波動和主動成交方向的關系

9.4 回歸和動量：市場的正反面

9.5 【Python實戰】設計簡單的均值回歸策略和動量突破策略

第10章 瞬息萬變的市場，毫厘之間的交易機會

10.1 什么是order book

10.2 打開交易所高頻數據的秘密

10.3 在回測框架中解析高頻數據

10.4 大單策略

10.5 【Python實戰】驗證自己的訂單在交易所撮合中的位置

10.6 CPU和訂單延時

10.7 Python實戰 設計大單策略在500ms模擬延時下驗證策略有效性

第11章 降低時延，增加收益

11.1 對沖基金

11.2 處理器/網卡的效率

11.3 【Python實戰】不同方式計算矩陣相乘消耗時間對比

11.4 處理器調度

11.5 設計調度策略為高頻交易服務

11.6 【Python實戰】利用減少的時延，策略在200ms下，交易的勝率，單筆收益等

第五部分：定價模型初級篇

第12章 離散模型

12.1 衍生品定價部分介紹

12.2 做市商和Quant

12.3 衍生品(Derivatives)

12.4 二叉樹模型12.4 二叉樹模型(Binomial model)

12.5 參考書目

12.5 【Python實戰】 二叉樹模型

第13章 連續模型

13.1 布朗運動和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 參考書目

13.6 【Python實戰】用Black Scholes模型給期權定價

第14章 隱含波動率微笑

14.1 隱含波動率

14.2 現實中的問題

14.3 赫斯頓模型(The Heston model)

14.4 校準(calibration)

14.5 參考章節

14.6 【Python實戰】 Heston模型的校準

第15章 現代衍生品定價模型

15.1 蒙特卡洛(Monte Carlo)模擬進階

15.2 隨機微分方程和偏微分方程轉換

15.3 差分法

15.4 參考書目

15.5【論文】現代衍生品定價模型

第六部分：定價模型高級篇

第16章 模型與數值計算方法進階

16.1 跳躍過程

16.2 Heston模型的推導與啟發

16.3 快速傅里葉變化的期權定價體系

16.4 參考書目

16.5【Python實戰】MorganStanley基于Fourier變換的期權定價模型

第17章 企業級量化(Quant)庫介紹

17.1 QuantLib簡介

17.2 面向對象的編程

17.3 設計模式(Design Patterns)

17.4 定價引擎(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 計價物的變化(Change of Numeraire)

18.4 HJM(Heath-Jarrow-Morton)定價體系

18.5 參考書目

18.6【論文】 利率衍生品定價的實際困難

第19章 企業利率衍生品模型

19.1 The Stochastic Alpha Beta Rho (SABR) model

19.2 SABR模型存在的套利

19.3 無套利SABR模型

19.4 Crank-Nicolson方法的缺陷

19.5 參考書目

19.6【VBA / Matlab實戰】無套利SABR模型的隱含波動率和期權定價

第20章 其他衍生品，定價模型以及更多資源

20.1 奇異期權(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 參考書目

第七部分：最新AI技術應用篇

第21章 區塊鏈與數字貨幣的量化實戰

21.1 區塊鏈梗概

21.2 區塊鏈技術原理

21.3 關于數字貨幣

21.4 對接去中心化交易所

21.5 數字貨幣交易的進階學習

第22章 自然語言與卷積神經網絡模型

22.1 新聞與大事件對股票影響

22.2 自然語言處理

22.3 案例：自然語言處理三大經典案例

22.4 卷積神經網絡于文字的應用

22.5 【Python實戰】CCTV新聞與A股大盤漲跌分析

22.6 自然語言處理進階學習攻略

第23章 強化學習和股票日內交易策略

23.1 背景與使用場景

23.2 強化學習模型算法

23.3 【Python實戰】Q-Learning 解決小游戲

23.4 股票交易問題設定

23.5 【Python實戰】創建智能炒股AI

23.6 強化學習進階攻略

第八部分：從業經驗篇

第24章 從業經驗分享

24.1 Alpha策略從業經驗分享

24.2 CTA從業經驗分享

24.3 高頻交易從業經驗分享

24.4 定價模型從業經驗分享

24.5 AI量化交易從業經驗分享

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 德州撲克歷史及規則

25.2 德州撲克的量化與概率計算

25.3 德州撲克智能策略

總結

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...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。