准备参加19年9月的AQF考试的童鞋们注意下了~量化金融分析师(AQF®)2019年3月全国统一考试考试大纲，可以从参考一下啊~!
一.量化投资策略理论(20%)
(一)量化投资基础
1 掌握量化投资的概念;
2 了解量化投资不同的编程语言和应用平台;
3 了解量化投资的一般决策流程;
4 熟悉中国主要金融市场及交易产品交易种类及交易机制;
5 掌握量化交易模型设计的基本框架。
(二)量化交易策略理论基础
1 掌握多因子策略，了解国内外常用的因子类型，掌握因子在不同阶段的研究方法;
2 了解量化择时的思想;
3 了解无风险套利的思想;
4 了解基本面量化交易策略思想;
5 了解统计套利量化交易策略思想;
6 了解衍生品套利量化交易策略思想;
7 了解机器学习的基本概念、常见算法原理及其量化交易策略思想;
8 掌握机器学习的常用算法原理，如逻辑回归、支持向量机、决策树、KNN 等;
9 了解机器学习算法的评价方法;
10 了解舆情分析等其他量化交易策略思想;
11 了解高频交易策略的基本概念;
12 掌握事件驱动量化交易策略思想;
13 掌握技术指标类量化交易策略思想;
14 掌握 K 线概念，掌握常用技术指标，包括均线、CCI 指标、KDJ 指标等;
15 掌握常见的量化交易策略的评价方法。
二. Python 语言的编程基础(30%)
(一)Python 核心语法基础
1 掌握数据的基本类型：整形、浮点型、字符串、布尔型的基本概念与运算，熟悉不同类型间的转换方式;
2 掌握核心数据结构：列表、字典、元组、集合的基本概念、运算、常用操作、常见方法;
3 掌握 Python 常用基本语法，包括模块的导入等;
4 掌握 Python 运算符及其优先级;
5 掌握基本控制结构：循环结构、分支结构的基本概念及使用方法;
6 掌握函数定义、参数传递与函数调用的基本概念;掌握全局变量、局部变量和作用域的基本概念;
7 熟悉异常处理的概念和基本方法;
8 掌握 CSV、HDF5、SQL、Excel 等形式文件的调用和存储。
(二)Numpy 数据处理
1 掌握 Numpy 模块向量化操作原理;
2 掌握 Numpy 模块基本数据类型及其常见创建方式;
3 掌握 Numpy 模块基本数据类型的常见操作方式，包括切片、索引、修改、数据清晰、结构调整、拼接等;
4 掌握 Numpy 模块数据统计常用函数与方法;
5 熟悉 Numpy 模块逻辑运算操作相关的函数或方法。
(三)Pandas 数据处理
1 掌握 Pandas 模块向量化操作原理;
2 掌握 Pandas 模块基本数据类型及其常见创建方式;
3 掌握 Pandas 模块的基础操作，如：排序、切片、索引、填充、累计计算、合并、对齐、存储等;
4 掌握分组与聚合运算;
5 熟悉多重索引与重构;
6 掌握缺失值的处理;
7 掌握 Pandas 模块时间序列处理的操作;
8 会应用 Pandas 模块进行数据处理、数据清洗、数据合并等操作;
9 会应用 Pandas 模块数据处理进行实战金融数据处理。
(四)面向对象基础
1 掌握面向对象和面向过程的区别;
2 掌握类和实例的基本概念;
3 掌握属性和方法的基本概念;
4 熟悉构成和继承的基本概念;
5 掌握面向对象编程的思想，具备运用面向对象的方法编写量化交易策略的能力。
(五)数据可视化
1 掌握使用 Matplotlib 绘制直方图、折线图、散点图;
2 掌握 Pandas 模块内置绘图函数;
3 掌握使用 Matplotlib 绘制净值曲线、股价相关性散点图等其他金融相关应用图形;
4 了解 Matplotlib 对数据做简单的描述性统计方法;
5 了解 Seaborn 等其他数据可视化第三方库
三. Python 量化交易策略实现与回测(40%)
1 掌握金融数据的获取方法，包括从互联网调取静态金融数据的常见方法和实时数据的获取方法;
2 掌握金融数据清洗方法;
3 掌握均线交易系统;
4 掌握基本技术指标的计算方法，包括调用函数进行数据处理或调用 Ta-lib 等库等方法;
5 掌握基于技术指标、指标系统的量化交易策略的编写;
6 熟悉产生交易信号的常见方法，掌握常见交易信号的计算;
7 熟悉策略持仓信号的常见方法，掌握策略持仓信号的计算;
8 熟悉股价收益率、策略累计收益、策略净值曲线的计算方法;了解常见策略评估指标的计算方法;
9 掌握策略编写的核心思想和方法;
10 掌握机器学习的各个算法的调用方法、使用原理，可以用来解决的实际问题;
11 掌握会引起回测和实盘交易收益产生巨大区别的原因和注意点;
12 熟悉策略的优化方法和优化思路，包括参数优化等;
13 熟悉策略风险控制的常见方法。
四. 量化实盘交易(10%)
1 熟悉量化交易系统的一般框架设计思路;
2 熟悉量化交易系统或平台的数据调取;
3 熟悉量化交易系统或平台的合约调取方法;
4 熟悉量化交易系统或平台的程序化下单方法;
5 熟悉交易的订单类型和相关实现方法;
6 了解实盘进行仓位控制的一般方法;
7 了解量化交易系统或平台实现程序化交易策略的一般方法。
量化金融分析师(简称AQF ，Analyst of Quantitative Finance)由量化金融标准委员会(Standard Committee of Quantitative Finance，SCQF)主考并颁证，是代表量化金融领域的专业水平证书。
AQF证书
课程适合人群：
金融工程/数学专业背景的同学/工作人士，希望进一步学习Python编程以及在量化投资的实战应用；
非金融工程专业背景的同学/工作人士，希望迅速成为宽客；
金融相关人员，希望学习如何系统的做量化策略；
个人投资者，希望系统学习掌握量化投资相关的实务技能，从模型开发，回测，策略改进，搭建稳定的量化交易系统。
金程AQF实训项目
量化金融分析师AQF核心课程体系：
1、《量化投资基础》
主要涵盖了量化投资领域的必备知识，包括：基本面分析、技术分析、数量分析、固定收益、资产组合管理、权益、另类投资等内容。
2、《Python语言编程基础》
包含了Python环境搭建、基础语法、变量类型、基本函数、基本语句、第三方库、金融财务实例等内容。旨在为金融财经人提供最需要的编程方法。
3、《基于Python的经典量化投资策略》
包含了最富盛名，最基本的量化交易思想和交易策略。例如：海龟交易模型、Logistics模型、配对交易模型、波动扩张模型、Alpha模型、机器学习(随机森林模型、主成分分析)、深度学习(人工神经网络)等内容。
4、《量化交易系统设计》
旨在学习量化交易系统的具体知识，包括过滤器，进入信号，退出信号，仓位管理等详细内容，并指导学员设计涵盖个人交易哲学的量化交易系统。
5、《量化实盘交易》
旨在为解决实际量化交易策略搭建过程中的一些问题提供最优解决方案。
掌握Python及量化投资技能，我们能做什么?
1、熟悉中国主要金融市场及交易产品的交易机制；
2、熟知国内外期货交易、股市交易的异同点和内在运行机制；
3、掌握经典量化交易策略细节及其背后的交易哲学；
4、掌握金融、编程和建模知识基础，拥有量化交易实盘操作能力；
5、具备独立自主地研发新量化交易策略的能力；
6、掌握量化交易模型设计的基本框架，以及风险管理和资产组合理论的实际运用；
7、掌握从策略思想——策略编写——策略实现饿完整量化投资决策过程；具备量化投资实战交易能力。
网友评论