课程大纲
| 内容 | |
|---|---|
| 初级 | 初识量化，理解量化 初识量化 传统量化和AI量化的区别 量化思想挖掘 量化思想的挖掘及积累技巧 量化代码基础： python、pandas、SQL基础语法 金融数据分析 常用金融分析方式 常用因子分析方式 数据分析实战练习 回测及交易引擎 交易引擎工作机制及原理 常见策略回测示例分析 量化因子构建 低频和高频因子的构建 原创因子构建技巧 机器学习因子构建技巧 量化策略分析及构建 策略绩效归因分析 经典大师策略、多因子策略、指数增强策略构建 经典大师策略的优化方法 机器学习及其在量化的应用： 机器学习的基础原理及常见算法理解 机器学习模型评估与特征选择 机器学习策略分析与应用 量化平台使用： 量化平台（BigQuant）的策略开发环境使用方法 |
| 高级 | 深度学习及其在量化中的应用 深度学习的基础原理和常见算法 神经网络对多因子模型的扩展 注意力机制的基本原理及其应用 深度学习策略分析与应用 强化学习及其在量化中的应用 强化学习的基础原理及其在量化的应用 强化学习策略分析与应用 AI自动因子挖掘 熟练掌握进化算法原理 股票及期货因子自动挖掘 指数增强策略专题 指数增强策略构建步骤 基于端到端神经网络的风险预算和组合优化 优质量化研报复现 一箭多雕：AI模型的多任务学习 方正/海通/广发高频因子研报复现过程拆解及分析 |
上面是从网上找的量化交易的培训课程。
一、量化投资和传统投资的区别
简单来说，量化投资与传统投资方法之间的关系比较类似于中医和西医的关系。量化投资与传统投资最鲜明的区别就是模型的应用，这就类似于医学上对仪器的应用。中医主要通过望、闻、问、切等医疗手段，很大程度上借助中医长期积累的经验进行诊断，定性的程度大一些。而西医则不同，西医主要借助于现代仪器，首要病人去拍片子、打B超、化验等，这些都要依托于医学仪器进行检验，对于各项检查结果有详细的数据评价标准，最后判断症结所在，进而对症下药。
二、量化投资，需要研发能力吗
从个人角度出发是需要的，虽然有一些量化平台可以提供一些ui来做策略，这就和IT的低代码平台类似，虽然降低了入门难度，但是只能做一些简单的规则行策略，现阶段 大部分都是 策略+AI的方式，个人不会开发做量化是不现实的。
三、量化大约要做些什么
分为两部分 选股 和 执行
选股：主成分分析法(PCA)选股 1.确定股票池；2.获取四个因子，3.对因子提取主成分值；4.选股
执行：策略制定 行情判断 股票池筛选 信号产生 因子管理 交易执行 人工干预 数据 评价和优化
这是我从网上搜的，我简单理解下：
0、数据准备(选股数据，应该在三方交易所有提供；执行数据，有直接从官方拿到的L1数据需要付钱，和三方交易所提供的L2数据，有免费的，区别我理解是延迟和数据的不一致，需要自己判断)
1、首先是你需要根据一些条件因子(如股价、市值等) 筛选出满足你条件的股票，这些满足你条件的就是股票池，后续的一系列操作就是对股票池内股票的操作。
2、基于策略，制定你的操作，如什么时候买，什么时候卖，持仓多少等
2.1）交易策略就有CTA策略等，我理解是有一套标准的方法论，涵盖基础操作，提供一些风险操作。
2.2）海龟策略，机器学习策略，深度学习策略等。
2.3）这些策略，我理解为串行的不同操作，有具体优先级。来保证谁生效。
3、基于准备的数据，去模拟操盘，如拿最近1年的数据，去验证你的策略，得出收益，通过matplotlib等工具，显示出你的收益曲线等其他信息。
4、对接真实的交易所接口，去操作真实的股票。
5、然后就是基于真实的交易情况，再去调整策略，优化。
四、项目demo
加载中
https://www.joinquant.com/view/community/detail/e9caf426e0f12942b1432a4190179513/
五、一些思考
量化交易就和程序开发一样，我认为分为两部分，金融知识的业务部分和程序实现部分。
如股市、期货、区块链。有不同的业务方式，玩法也不一样，这里面需要大量的领域知识和实操经验支持，需要大量的金融知识支撑。 技术部分，主要是把 业务操作用技术实现，常规的策略已经有很多实现好的，差异主要在机器学习和深度学习的模型调优上，有这个能力的也不是随便一个程序员可以实现的。
金融+IT 我理解个人可以做的，就是量化交易和区块链。
量化交易需要金融+技术机知识，门槛比较高。除个人操作，如果进公司从业，门槛高，很难进。个人和找工作都不容易，感觉比互联网要难。
区块链，这块我理解就是一个特殊的软件开发，主要是web3 和合约、钱包、以太坊啥的。个人方向，我觉得很难业务落地，需要团队吧，成本比较高。找工作我觉的会好很多，可以熟人推荐或者网上找，薪资也比一般互联网要好，缺点是，我认知里政策问题吧，应该需要出国开发，或者远程工作。