近年來，金融領(lǐng)域的量化分析越來越受到理論界與實(shí)務(wù)界的重視，量化分析的技術(shù)也取得了較大的進(jìn)展，成為備受關(guān)注的一個(gè)熱點(diǎn)領(lǐng)域。所謂金融量化，就是將金融分析理論與計(jì)算機(jī)編程技術(shù)相結(jié)合，更為有效的利用現(xiàn)代計(jì)算技術(shù)實(shí)現(xiàn)準(zhǔn)確的金融資產(chǎn)定價(jià)以及交易機(jī)會(huì)的發(fā)現(xiàn)。量化分析目前已經(jīng)涉及到金融領(lǐng)域的方方面面，包括基礎(chǔ)和衍生金融資產(chǎn)定價(jià)、風(fēng)險(xiǎn)管理、量化投資等。隨著大數(shù)據(jù)技術(shù)的發(fā)展，量化分析還逐步與大數(shù)據(jù)結(jié)合在一起，對(duì)海量金融數(shù)據(jù)實(shí)現(xiàn)有效和快速的運(yùn)算與處理。

在量化金融的時(shí)代，選用一種合適的編程語言對(duì)于金融模型的實(shí)現(xiàn)是至關(guān)重要的。在這方面，Python語言體現(xiàn)出了不一般的優(yōu)勢(shì)，特別是它擁有大量的金融計(jì)算庫，并且可以提供與C++，java等語言的接口以實(shí)現(xiàn)高效率的分析，成為金融領(lǐng)域快速開發(fā)和應(yīng)用的一種關(guān)鍵語言，由于它是開源的，降低了金融計(jì)算的成本，而且還通過廣泛的社交網(wǎng)絡(luò)提供大量的應(yīng)用實(shí)例，極大的縮短了金融量化分析的學(xué)習(xí)路徑。

一、概述

1、課程介紹與環(huán)境安裝

（1） 課程介紹

（2） 安裝課程環(huán)境

本章內(nèi)容：課程介紹與演練環(huán)境安裝，為后續(xù)學(xué)習(xí)搭建環(huán)境

二、Python基礎(chǔ)

1、Python數(shù)據(jù)類型、結(jié)構(gòu)與可視化

（1）Python基本數(shù)據(jù)類型與數(shù)據(jù)結(jié)構(gòu)

（2）NumPy數(shù)據(jù)結(jié)構(gòu)

（3）代碼向量化與內(nèi)存布局

（4）數(shù)據(jù)可視化

（5）Pandas數(shù)據(jù)結(jié)構(gòu)與金融數(shù)據(jù)

本章內(nèi)容：學(xué)習(xí)Python基礎(chǔ)、基本數(shù)據(jù)類型和數(shù)據(jù)結(jié)構(gòu)，如何從網(wǎng)絡(luò)或文件中獲取數(shù)據(jù)，數(shù)據(jù)的可視化。如何使用pandas讀取和處理金融數(shù)據(jù)

2、Python的輸入輸出與性能

（1）Python輸入輸出基本操作

（2）Python操作文件與數(shù)據(jù)庫

（3）Pandas的I/O

（4）PyTables實(shí)現(xiàn)I/O

本章內(nèi)容：學(xué)習(xí)Python基礎(chǔ)、基本數(shù)據(jù)類型和數(shù)據(jù)結(jié)構(gòu)，如何從網(wǎng)絡(luò)或文件中獲取數(shù)據(jù)，數(shù)據(jù)的可視化。如何使用pandas讀取和處理金融數(shù)據(jù)。

3、Python數(shù)學(xué)工具

（1）回歸與曲線插值

（2）凸優(yōu)化算法

（3）積分

（4）符號(hào)計(jì)算

本章內(nèi)容：學(xué)習(xí)Python中提供的數(shù)學(xué)計(jì)算相關(guān)工具，包括如何進(jìn)行回歸與曲線插值、如何實(shí)現(xiàn)優(yōu)化算法，如何計(jì)算數(shù)值積分，符號(hào)計(jì)算等。

4、Python統(tǒng)計(jì)與數(shù)據(jù)分析

（1）Python隨機(jī)抽樣與模擬

（2）風(fēng)險(xiǎn)測(cè)度與信用價(jià)值調(diào)整

（3）正態(tài)性檢驗(yàn)

（4）投資組合優(yōu)化

（5）主成分分析

本章內(nèi)容：學(xué)習(xí)Python提供的描述統(tǒng)計(jì)工具與推斷統(tǒng)計(jì)工具，學(xué)習(xí)正態(tài)性檢驗(yàn)，主成分分析等方法，初步了解隨機(jī)數(shù)與模擬，期權(quán)定價(jià)與風(fēng)險(xiǎn)測(cè)度的相關(guān)知識(shí)。

5、Python面向?qū)ο笈cDjango

（1）Python面向?qū)ο蟪绦蛟O(shè)計(jì)基礎(chǔ)

（2）使用Python構(gòu)建簡(jiǎn)單的短期利率類和現(xiàn)金流序列類

（3）Django概述

（4）Django的Model層

（5）Django的View層

（6）Django的Template層

（7）使用Django構(gòu)建簡(jiǎn)單的投資組合業(yè)績(jī)分析系統(tǒng)

本章內(nèi)容：學(xué)習(xí)Python面向?qū)ο蟮幕A(chǔ)知識(shí)，構(gòu)造簡(jiǎn)單的類實(shí)現(xiàn)。學(xué)習(xí)Django Web框架及其MTV結(jié)構(gòu)，使用Django構(gòu)建簡(jiǎn)單的投資組合業(yè)績(jī)分析與歸因系統(tǒng)。

6、衍生品估值的基本理論

（1）市場(chǎng)環(huán)境的構(gòu)建

（2）衍生品估值的基本原理

本章內(nèi)容：衍生品估值的基本原理學(xué)習(xí)，使用Python構(gòu)造衍生品平臺(tái)的市場(chǎng)環(huán)境類。

7、衍生品分析平臺(tái)的模擬模塊開發(fā)

（1）泛型模擬類（基類）的構(gòu)建

（2）幾何布朗運(yùn)動(dòng)的模擬

（3）跳躍擴(kuò)散過程的模擬

（4）平方根擴(kuò)散過程的模擬

（5）均值回復(fù)擴(kuò)散過程的模擬

（6）平方根跳躍過程的模擬

（7）波動(dòng)率sabr模型的模擬

（8）隨機(jī)波動(dòng)率的模擬

本章內(nèi)容：學(xué)習(xí)各類衍生品分析隨機(jī)過程的模擬，包括幾何布朗運(yùn)動(dòng)，跳躍擴(kuò)散過程，平方根擴(kuò)散過程，均值回復(fù)擴(kuò)散過程，波動(dòng)率過程等。

8、衍生品分析平臺(tái)的估值和組合估值模塊開發(fā)

（1）泛型估值類（基類）的構(gòu)建

（2）歐式期權(quán)估值類的構(gòu)建

（3）美式期權(quán)估值類的構(gòu)建

（4）衍生品投資組合持倉類的構(gòu)建

（5）衍生品投資組合分析類

本章內(nèi)容：學(xué)習(xí)衍生品分析平臺(tái)中對(duì)期權(quán)及其組合進(jìn)行估值的方法和Python實(shí)現(xiàn)。

9、衍生品分析平臺(tái)的應(yīng)用

（1）輔助函數(shù)的編寫

（2）單一風(fēng)險(xiǎn)因子衍生品建模

（3）多風(fēng)險(xiǎn)因子衍生品建模

（4）多風(fēng)險(xiǎn)衍生品資產(chǎn)組合建模

（5）大資產(chǎn)組合的平行估值

（6）資產(chǎn)組合風(fēng)險(xiǎn)報(bào)告

（7）隱含波動(dòng)率與模型校準(zhǔn)

（8）利率互換和隨機(jī)短期利率

本章內(nèi)容：在前三部分介紹衍生品平臺(tái)基本理論、模擬模塊、估值模塊的基礎(chǔ)上，針對(duì)單標(biāo)的、多標(biāo)的和利率衍生品進(jìn)行建模應(yīng)用分析，并對(duì)隱含波動(dòng)率與模型進(jìn)行分析和校準(zhǔn)。實(shí)現(xiàn)衍生品分析平臺(tái)的實(shí)務(wù)應(yīng)用。

10、量化投資平臺(tái)概述

（1）量化投資平臺(tái)介紹

（2）回測(cè)與自動(dòng)執(zhí)行

（3）軟件安裝與環(huán)境部署

本章內(nèi)容：介紹以Python為基礎(chǔ)的量化投資平臺(tái)，安裝配置軟件環(huán)境

11、量化投資平臺(tái)的數(shù)據(jù)處理

（1）金融數(shù)據(jù)存儲(chǔ)MySQL的基礎(chǔ)處理

（2）金融數(shù)據(jù)處理

本章內(nèi)容：介紹MySQL數(shù)據(jù)庫與金融數(shù)據(jù)存儲(chǔ)，使用Python操作MySQL數(shù)據(jù)庫，介紹量化投資中金融數(shù)據(jù)平臺(tái)的基本類型和處理方法

12、量化投資平臺(tái)中金+C16:C17融數(shù)據(jù)建模方法

（1）統(tǒng)計(jì)機(jī)器學(xué)習(xí)基本方法（機(jī)器學(xué)習(xí)概述，監(jiān)督學(xué)習(xí)，線性回歸，樹為基礎(chǔ)的方法，支持向量機(jī)，模型選擇與交叉驗(yàn)證，非監(jiān)督學(xué)習(xí)，聚類方法，自然語言處理）

（2）時(shí)間序列分析方法（序列相關(guān)、隨機(jī)漫步與白噪聲，自回歸移動(dòng)平均模型，協(xié)整時(shí)間學(xué)列，狀態(tài)空間模型與Kalman濾波）

（3）貝葉斯分析方法（二項(xiàng)分布的貝葉斯模擬，馬爾科夫鏈蒙特卡洛，貝葉斯線性回歸，貝葉斯隨機(jī)波動(dòng)率模型）

本章內(nèi)容：介紹量化投資系統(tǒng)中金融數(shù)據(jù)建模方法，包括機(jī)器學(xué)習(xí)、時(shí)間序列，貝葉斯方法，為后續(xù)學(xué)習(xí)各類交易策略的實(shí)現(xiàn)奠定基礎(chǔ)。

13、業(yè)績(jī)?cè)u(píng)價(jià)與VaR風(fēng)險(xiǎn)管理

（1）介紹投資業(yè)績(jī)?cè)u(píng)價(jià)的基本方法

（2）介紹量化平臺(tái)中風(fēng)險(xiǎn)管理，特別是VaR的使用

本章內(nèi)容：介紹量化投資平臺(tái)中業(yè)績(jī)?cè)u(píng)價(jià)與風(fēng)險(xiǎn)管理方法，包括資產(chǎn)組合分析，回撤指標(biāo)，VaR風(fēng)險(xiǎn)管理指標(biāo)等。

14、自動(dòng)化交易平臺(tái)

（1）事件驅(qū)動(dòng)的交易引擎實(shí)現(xiàn)

（2）資產(chǎn)組合策略概述

（3）ARIMA-GARCH股票指數(shù)交易策略

（4）以協(xié)整為基礎(chǔ)的配對(duì)交易策略

（5）Kalman濾波為基礎(chǔ)的配對(duì)交易策略

（6）日內(nèi)交易預(yù)測(cè)的監(jiān)督學(xué)習(xí)模型策略

（7）Sentiment分析的交易策略

（8）基于市場(chǎng)Regime判斷的交易策略

本章內(nèi)容：使用Python（部分使用R語言）實(shí)現(xiàn)量化交易策略的分析與回測(cè)，介紹以事件驅(qū)動(dòng)為基礎(chǔ)的交易引擎的基本實(shí)現(xiàn)，介紹常見策略的實(shí)現(xiàn)基礎(chǔ)與回測(cè)方法。把握量化投資平臺(tái)的構(gòu)建與使用方法。