“金融大数据与量化分析”版本间的差异
来自iCenter Wiki
（→大数据部分） |
（→量化部分） |
||
| 第27行： | 第27行： | ||
==量化部分== | ==量化部分== | ||
| − | 1. | + | 1. 第一讲：量化分析基础， 主要内容：量化投资分析的背景、流派和主流分析方法 |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | 2. | + | 2. 第二讲：从主观投资中汲取精华， 主要内容：证券二级市场主观投资方法概述 |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | 3. | + | 3. 第三讲、第四讲：多因子模型基础与应用（1）（2）， 主要内容：建立多因子模型的基本方法和案例分析 |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | 4. | + | 4. 第五讲：量化投资策略与实战分析， 主要内容：如何建立基本的投资策略 |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | 5. | + | 5. 第六讲：量化投资中常见问题剖析， 主要内容：针对经常犯的错误进行针对性分析和案例剖析 |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | 6. | + | 6. 第七讲、第八讲：打造量化交易体系（1）（2）， 主要内容：如何构建实战交易体系，并通过真实数据进行严格测试验证 |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | 7. | + | 7. 答辩：量化分析自学内容及交易体系验证报告， 主要内容：以现场答辩的方式演示说明自己的交易体系特征 |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
2017年10月30日 (一) 04:38的版本
课号
01510313
教学目标
掌握金融大数据系统和工具，并能够使用这些工具来建模和分析金融大数据。 了解市场投资的基本概念，掌握基本的数据分析方法和工具，具备使用工具对金融数据建模和分析能力。
预计学习成效
完成本课程的学习后，学生首先对二级市场的投资理论和模型形成基本的概念，并具备了搭建、验证和使用量化数据分析模型的能力。通过课外阅读和调研，掌握金融工程的基础理论工具，形成学习研究报告。最后，学生通过实践环节，制作自己的多因子模型或其它种类的量化策略，采用历史数据和实时行情验证策略的有效性。
教学内容
大数据部分
计算机系统的基本原理。
计算机系统-实验。
大数据系统的原理与技术，在实践中运用大数据技术。
机器学习与机器智能
大数据智能的理论，了解大数据系统与机器智能的相辅相成的关系，在实践中运用机器智能技术。
量化部分
1. 第一讲：量化分析基础， 主要内容：量化投资分析的背景、流派和主流分析方法
2. 第二讲：从主观投资中汲取精华， 主要内容：证券二级市场主观投资方法概述
3. 第三讲、第四讲：多因子模型基础与应用（1）（2）， 主要内容：建立多因子模型的基本方法和案例分析
4. 第五讲：量化投资策略与实战分析， 主要内容：如何建立基本的投资策略
5. 第六讲：量化投资中常见问题剖析， 主要内容：针对经常犯的错误进行针对性分析和案例剖析
6. 第七讲、第八讲：打造量化交易体系（1）（2）， 主要内容：如何构建实战交易体系，并通过真实数据进行严格测试验证
7. 答辩：量化分析自学内容及交易体系验证报告， 主要内容：以现场答辩的方式演示说明自己的交易体系特征
