LOFTER for ipad —— 让兴趣,更有趣

点击下载 关闭

量化投资

375浏览    23参与
量化顾问slam

C++软件开发有福利了!

C++软件工程师(应届毕业生都可以)base上海

base40-70K+年终

为表诚意 只要面试了通关

一面(在线测试)通过,3百

二面(技术面)通过,5百

三面(技术面)通过,1千

四面(终面)通过,2千

终面后HR谈薪 

面试一过马上给奖励

如果是资深人员,全部翻倍

奖励政策截止日期,1月28日(春节前)

需求:

1、C++/go,学历要好,应届、初级、资深都要

2、数据相关岗位,资深

3、交易系统开发

4、C#

任职要求:

1、2022年研究生或应届毕业生(最多4年)

2、学习计算机科学、计算机/软件/电...

C++软件开发有福利了!

C++软件工程师(应届毕业生都可以)base上海

base40-70K+年终

为表诚意 只要面试了通关

一面(在线测试)通过,3百

二面(技术面)通过,5百

三面(技术面)通过,1千

四面(终面)通过,2千

终面后HR谈薪 

面试一过马上给奖励

如果是资深人员,全部翻倍

奖励政策截止日期,1月28日(春节前)

需求:

1、C++/go,学历要好,应届、初级、资深都要

2、数据相关岗位,资深

3、交易系统开发

4、C#

任职要求:

1、2022年研究生或应届毕业生(最多4年)

2、学习计算机科学、计算机/软件/电气/机电工程或类似技术学位

3、了解对象导向的设计和开发概念(我们的技术评估需要C++、C#或 Java 的经验)

4、自然问题解决者只喜欢应对复杂的技术挑战

5、团队合作者喜欢与志同道合的同龄人一起工作,并且总是希望学习和提高

6、对量化行业感兴趣(无需事先了解)

#QuantJob

#QuantitativeStrategist #量化研究员/ #QuantitativeDeveloper #量化开发/ #QuantitativeResearcherAtHedgeFund #量化研究员/ #对冲基金/ #MachineLearningEngineer #机器学习工程师/ #EquitiesandEquityDerivatives #股票

#量化对冲  #期货量化 #应届 #量化#秋招#秋招 #C++ #应届 #春招 #大厂 #量化 #开发

olympeak中国区第一对接团队

setl赛特钱包量化

SETL赛特 介绍:https://url.cn/5WNPdgi

SETL赛特 机制介绍:http://985.so/bV3X

SETL赛特 安全防范:https://dwz.cn/O1rHn6CV

SETL赛特 公司背景:https://dwz.cn/tbQejuIl

SETL赛特 十问十答:https://dwz.cn/zXNxZubf

SETL赛特 国际官网:https://www.setl.io/

SETL赛特 中国官网:http://ljshn.com/

火币USDT 充值到 SETL...

SETL赛特 介绍:https://url.cn/5WNPdgi

SETL赛特 机制介绍:http://985.so/bV3X

SETL赛特 安全防范:https://dwz.cn/O1rHn6CV

SETL赛特 公司背景:https://dwz.cn/tbQejuIl

SETL赛特 十问十答:https://dwz.cn/zXNxZubf

SETL赛特 国际官网:https://www.setl.io/

SETL赛特 中国官网:http://ljshn.com/

火币USDT 充值到 SETL赛特教程:https://dwz.cn/Bemi4nvm

SETL赛特 APP操作教程:https://dwz.cn/rxkVOG8Y

什么是量化交易(解析):http://t.cn/AiRmGhAR

SETL赛特 币白皮书:http://985.so/bN3u

(领导奖励) 四大节点:成为节点以后开启无限代收益!

初级节点直推十个有效用户并且该团队总投资市值2万 USDT以上,领导人可享受该团队总收益的2%;

中级节点拥有5个初级节点该团队总投资市值10万 USDT以上,领导人可享受该团队总收益的5%;

高级节点拥有5个中级节点该团队总投资市值50万 USDT以上,领导人上可享受该团队总收益的10%;

超级节点拥有5个高级节点该团队总投资市值250万 USDT以上,领导人上可享受该团队总收益的15%

注:根据火币OTC、火币PRO。USDT当前实时汇率换算,1 USDT≈7元RMB

注:若团队投资总市值低于相对应节点的投资金额,将不再享受节点收益。


盈时YSQuant

【量化策略】沪铅5分钟线策略(YS-PB-5min-000G6Q)

1策略基本情况

策略名称:YS-PB-5min-000G6Q(沪铅)

多空:多空都做

交易所:SHFE

日内或隔夜:日内

品种名称:沪铅

品种代码:pb.SHFE

周期: 5min

数据时间范围:2014-01-02 09:00:00-2019-06-21 15:00:00

策略上线时间:2018-03-01

近三月累计年化收益率:45.62%

该策略加入移动止盈和止损来控制最大回撤。策略开发于2014/01/01,2018-03-01 在商城上线,适用沪铅5分钟线周期。

该策略最大回撤为8.78%,收益风险比为2.66,胜率63.59%,初始资金11000...

1策略基本情况

策略名称:YS-PB-5min-000G6Q(沪铅)

多空:多空都做

交易所:SHFE

日内或隔夜:日内

品种名称:沪铅

品种代码:pb.SHFE

周期: 5min

数据时间范围:2014-01-02 09:00:00-2019-06-21 15:00:00

策略上线时间:2018-03-01

近三月累计年化收益率:45.62%

该策略加入移动止盈和止损来控制最大回撤。策略开发于2014/01/01,2018-03-01 在商城上线,适用沪铅5分钟线周期。

该策略最大回撤为8.78%,收益风险比为2.66,胜率63.59%,初始资金11000元。


① 考虑交易成本和摩擦成本,设置手续费为成交金额的 1.5%;

② 所有策略每次建仓 1 手,不进行连续建仓,因此所有策略的资金占用均为 1 手标的的保证金占用;

③ 所有策略的样本外区间为最近一年半或更长时间的数据,样本外区间的具体长度在策略报告中具体说明;

④ 所有策略测试均在标的期货的主力连续数据上进行。

2:交易盈亏曲线图


3:月度盈亏柱状图


4:交易概要

图示为在2014/01/02-2019/06/21日的交易汇总概要。

该策略截止目前总共交易174手,其中多头95手,空头79手。

此结果是在每次只交易一手期货合约的情况下得到的;手续费按每张合约成交金额的0.01%。


该策略总交易时间为1997天,其持仓时间为23天,最大空仓时间为257天。

该策略资产最大升水发生时间2019年05月06日 09:05

最大资产回撤发生在2014年07月12日 00:40


5:交易截图




金程AQF

量化杂谈 | 考CFA对量化工作有用吗?

       工作中我会遇到一些同事考了CFA注册金融分析师,不少都是考过了三级的,只要经验一够就可以拿证。我自己没有考过。读大一、大二的时候考过北美精算师SOA的考试,但没有考过CFA。很多人会问考CFA到底有没有用?

  其实这些证书有肯定比没有好,很多人更多关心付出这么多时间值不值得。据说CFA每级备考都需要200-300小时,费用也不低,三门下来确实辛苦。国内研究生学习时间比较宽裕,而且很多是三年的,因此还可以有足够的时间备考CFA。如果是在美国读硕士博士,读书研究已经很忙了,未必有时间备考CFA。我发现很多斯坦福...

       工作中我会遇到一些同事考了CFA注册金融分析师,不少都是考过了三级的,只要经验一够就可以拿证。我自己没有考过。读大一、大二的时候考过北美精算师SOA的考试,但没有考过CFA。很多人会问考CFA到底有没有用?

  其实这些证书有肯定比没有好,很多人更多关心付出这么多时间值不值得。据说CFA每级备考都需要200-300小时,费用也不低,三门下来确实辛苦。国内研究生学习时间比较宽裕,而且很多是三年的,因此还可以有足够的时间备考CFA。如果是在美国读硕士博士,读书研究已经很忙了,未必有时间备考CFA。我发现很多斯坦福的理工博士想转金融的,考CFA第二级很多都没有考过。要知道这些人本科都是北大清华的,而且都是在北清里面顶尖的,才能去斯坦福读博士。但国内很多普通院校的硕士生都能考过CFA二、三级。

  可见CFA这东西更多是看你是否愿意投入足够多的时间,跟智力、专业的关系不大。

  当然,招人的时候,有CFA的人会更倾向于认可CFA的价值,本身就没有CFA的人就不会辣么认可CFA的价值。如果是大公司有HR的,他们会更倾向于用985、本硕双985、金融或量化相关专业来卡人,CFA的重要性排在这些之后。也就是一个非985学生,大概率无法用CFA来翻身;一个985非相关专业学生,想靠CFA找金融相关工作,希望会大一些,可以用CFA二级冲抵金融硕士专业。

  当然,现在私募公司很多,很多公司并没有专职的HR,学校出身的要求也不会这么苛刻,越是小公司越是招才不招人,CFA的用处会比进大公司更大。

  另外,CFA是宽而不专的,如果是已经在量化领域工作的人,就更没必要专门学习CFA了。从时间投入和产出性价比来看,可以阅读更为相关的期货、股票专业书籍和论文,而不是CFA。当然,CFA也有自己的社区,可以认识圈内的人,但要知道圈内人来来去去就那些,通过CFA认识和通过其他渠道认识差不多。

  如果是职业发展到一定阶段,需要见客户募集资金,名片上有个CFA或许会好一些,毕竟很少人会把学校写上去,哪怕是北大、哈佛。

  总之,权衡利弊,建议非金融专业的学生考CFA,通过考试来学习金融知识。也建议工作后想跳槽到量化的人考CFA;但对于金融专业,或者已经在量化领域工作的人,不建议考CFA,因为时间有限,有很多性价比更高的事情做,每个人都希望努力程度恰好够不浪费一分一秒却能取得满意的结果。

  或许金融专业或者已经在量化领域工作的人,更需要的是过硬的量化技能、量化行业相关证书。>>>点击咨询AQF证书含金量

  

  AQF(Analyst of Quantitative Finance),量化金融分析师,是基于Python语言的专业量化投资证书,该证书由中国社科院下设的中国市场学会量化金融专业委员会建立的全国财经金融培养工程(简称PFT)主办并颁发,是代表量化金融行业的专业水平认证。在国内金融量化人才的高需求下,取得AQF证书能够让你在行业中有更强的竞争力。 >>>点击咨询AQF课程详情


金程AQF

Python量化随笔丨那些年,我写Python踩过的坑(一)

       这是一篇关于Python量化的笔记~坑的时候有一种很奇怪的感觉,我对python似曾相识,又觉得陌生。打游戏发现新的隐藏关卡带来的是喜悦,而python的坑带来的是自我怀疑,甚至可能是实实在在的经济损失,所以,坑,我们踩过的,一定带你绕过去。


  下面让我们一起看看python隐藏的坑,排名不分先后。 >>>点击咨询量化投资行业前景


  1. Python量化之基础篇


  基础的坑,最重要的是举一反三,最怕的是在黑板上老师写了‘一’,回家在笔记本上写一个横线就不认识...

       这是一篇关于Python量化的笔记~坑的时候有一种很奇怪的感觉,我对python似曾相识,又觉得陌生。打游戏发现新的隐藏关卡带来的是喜悦,而python的坑带来的是自我怀疑,甚至可能是实实在在的经济损失,所以,坑,我们踩过的,一定带你绕过去。


  下面让我们一起看看python隐藏的坑,排名不分先后。 >>>点击咨询量化投资行业前景


  1. Python量化之基础篇


  基础的坑,最重要的是举一反三,最怕的是在黑板上老师写了‘一’,回家在笔记本上写一个横线就不认识这种事情。


  忘记写冒号。在def,if,while,for等语句第一行某位输入”:”。


  缩进要一致。避免在缩进时混合使用制表符和空格。


  不要认为在原处修改对象的函数会返回结果。例如a = list.append(),a是不会被赋值的。


  不要在变量赋值前就使用变量。例如a = b写这行代码时,b在此之前一定要被赋值过的。


  函数调用一定要加括号。例如dataframe.dropna()。


  不要写死循环。例如while True: 之后的代码块中没有跳出循环的代码。


  判断两个变量是否相等用的是‘==’号。大多数初学者,觉得‘=’号就可以了。


  写字符串,写各种样式的括号时注意他们是成对出现的。常见['a', b']这样的错误,然后觉得自己代码没有问题的初学者。


  >>>点击咨询如何系统学习Python量化投资


  2. Python量化之进阶篇


  有一句歌词唱的挺好的,“跨过这道山,越过那道岭,眼前又是一座峰”。基础的坑排完了,还会有更多,更隐藏的坑等着你去踩。(比较熟悉这个歌的同学,我觉得你大概率上是北方人,更具体点的话,是东北人)


  2.1 赋值仅仅生成引用


  a = [1, 2, 3]


  b = a


  这里你认为自己构建了两个相同的列表,准备用在不同的用途。然而当开开心心的进行接下来的其他操作时,比如,对a进行修改,就发生了其他的事情。


  a[1] = 100000a


  out: [1, 100000, 3]


  b


  out: [1, 100000, 3]


  结果发现,本来希望只对a进行修改,结果发现b也受到了影响,其原因在于通过b = a的方式进行对b赋值,其实a、b指向同一个列表对象。我们可以通过查看a、b的内存地址或用is进行验证


  print(id(a), id(b))


  out: 124006856 124006856


  可以看到a、b指向的其实是同一块内存


  a is b


  out: True


  用is也检测出a和b完全就是一个东西的不同名字而已。


  上面的赋值方法还是比较容易看出,因为有等号,那么下面的赋值方法可能就稍微难一点看出来了。


  c = [1, a, 3]


  c


  out: [1, [1, 100000, 3], 3]


  当对a修改时,c同样也会受到影响


  a.append(100000)


  a


  out: [1, 100000, 3, 100000]


  c


  out: [1, [1, 100000, 3, 100000], 3]


  所以,不要觉得写完了,print出来的东西看着和自己想的一样就万事大吉,不实际踩一下肯定不知道接下来有坑。


  那么,如何解决呢?用 .copy(),这样就会产生两个不相干的对象,当然如果不嫌麻烦的话,可以把相同的东西再打一遍,然后,你有没有看到同行鄙视的眼神?


  我们看一下效果。


  a = [1, 2, 3]


  b = a.copy()


  a is b


  out: False


  print(id(a), id(b))


  out:125323528 87389000


  可以看到a,b指向了不同的内存地址,并且用is检测显示是不同对象。


  接下来修改a。


  a[1] = 100000a


  out: [1, 100000, 3]


  b


  out: [1, 2, 3]


  可以看到修改a已经不会对b产生影响了,此坑已填。


  2.2 乘法与嵌套列表


  编程的某个时候,你希望生成这样一个嵌套列表[[],[],[],..., [],[]],里面的列表为空或者默认值,那么第一选择肯定是利用列表乘法一次性生成多个列表,像这样


  a = [[]] * 5a


  out: [[], [], [], [], []]


  确实满足了需求,然后当你开开心心的使用时,发觉事情有点不太对。比如对a列表中作为元素的某一个列表进行修改


  a[0].append(1000)


  a[0]


  out: [1000]


  a


  out: [[1000], [1000], [1000], [1000], [1000]]


  然后发现,怎么所有作为元素的列表全都发生了变化。这次同样可以用id或这is进行检测。


  print(id(a[0]), id(a[1]))


  out: 125325256 125325256


  a[0] is a[1]


  out: True


  可以看出,原来a列表中作为元素的每一个列表,其实都是同一个东西,这也就解释了为什么对其中一个作为元素的列表进行原地修改时,其他所有作为元素的列表也发生了变化。


  那么,解决方案如下,


  a = [[] for i in range(5)]


  a


  out: [[], [], [], [], []]


  a[0] is a[1]


  out: False


  print(id(a[0]), id(a[1]))


  out: 125323144 125321544


  可以看到,a中作为元素的列表已经不是同一个了,这样对其中的列表进行修改时候就不会影响其他列表。


  a[0].append(1000)


  a


  out: [[1000], [], [], [], []]


  此坑已填


  2.3 本地变量静态检测


  刚刚了解作用域的同学应该对LEGB原则有一定了解,然后实践中可能大胆的写出了这样的函数。


  a = 1def print_a():


  print(a)


  a = 2


  这个函数的目的也比较容易理解,打印a的值之后将a的值修改为2,但是,实际运行时发生了这样的事情。


  print_a()


  ---------------------------------------------------------------------------


  out: UnboundLocalError Traceback (most recent call last)


  <ipython-input-24-4bb72463237f> in <module>()


  ----> 1 print_a()


  <ipython-input-23-feb3b9a58246> in print_a()


  1 a = 1


  2 def print_a():


  ----> 3 print(a)


  4 a = 2


  UnboundLocalError: local variable 'a' referenced before assignment


  发生这样问题的原因是在python读入并编译这段代码时,发现def里面有一个对a赋值的语句,然后决定a在函数中属于本地变量名。那么当print_a执行时,就会对print(a)按照LEGB原则执行搜索,发现a属于本地变量名但还未赋值。也就是我们在前面基础坑里面提到的在变量未赋值前进行使用。


  解决方案需要使用global声明a是一个全局变量。


  a = 1def print_a():


  global a


  print(a)


  a = 2


  print_a()


  out: 1


  a


  out: 2


  可以看到,函数已经可以正常使用,并且全局变量a按照预期进行了修改。此坑已填。


  2.4 可变对象作函数默认参数


  默认参数在def语句运行时完成了保存,对于可变对象而言,当函数被调用并对该参数进行原地修改,默认参数将发生变化并进而影响接下来的函数调用。


  先用可变对象作为默认参数编写一个函数。


  def test(a=[]):


  a.append(1)


  print(a)


  接下来多次调用test函数,你一定以为每次打出来的都是一个包含1的列表。但是,事实并不是这样。


  test()


  out: [1]


  test()


  out: [1, 1]


  test()


  out: [1, 1, 1]


  是不是感觉三观尽毁啊。


  当然,有坑就会有填坑的方案。官方给出的标准解决方案是这样的。


  def test(a=None):


  if a is None:


  a = []


  a.append(1)


  print(a)


  test()


  out: [1]


  test()


  out: [1]


  可以看到,test多次被调用已经不会出现之前的情况了。此坑已填。


  2.5 嵌套在循环中的lambda


  在知道python中一切皆对象之后,也许你就会尝试把一些特别的东西放进一个list,虽然不清楚未来实际会不会用到这样的写法,反正先试试。然后你就想将一套简单的函数放进一个列表,然后用lambda编写。


  func_list = []for i in range(5):


  func_list.append(lambda x: x + i)


  这样生成了一个元素为函数的列表,其中每个函数都可以传入一个参数,然后返回的是传入值和0,1,2,3,4的和。当然理想情况下是这样,现实并不会如此。


  func_list[0](1)


  out: 5


  func_list[1](1)


  out: 5


  func_list[2](1)


  out: 5


  可以发现,所有结果都是4+1的和。发生这种现象的原因在于变量i在函数调用时才进行查找,而此时循环已经结束,i=4,所以所有函数对象在被调用时参数i全部都为5.


  那么解决方案就是按照本文2.4中写的,默认参数在def语句运行时完成了保存,也就是使用默认参数的方式解决该问题。


  func_list = []for i in range(5):


  func_list.append(lambda x, i=i: x + i)


  func_list[0](1)


  out: 1


  func_list[1](1)


  out: 2


  func_list[2](1)


  out: 3


  可以看到,问题已经得到解决。此坑已填。


  2.6 列表和enumerate


  熟悉列表,学习python算是入门;熟悉enumerate,学习python可以说不是纯小白了。enumerate返回下标和元素的方式还是为python使用者提供了不大不小的便利,不过同时也挖下了一个坑。


  比如你写了一个循环,想从列表中删除偶数。


  a = [1,2,3,4,5,6]for i, item in enumerate(a): if a[i] % 2==0: del a[i]


  a


  out: [1, 3, 5]


  是不是想说没什么错误啊,然后在给你看看这个。


  a = [1,2,6,3,4,4]for i, item in enumerate(a): if a[i] % 2==0: del a[i]


  a


  out: [1, 6, 3, 4]


  enumerate(a)


  out: <enumerate at 0x78e6d80>


  产生这个问题的原因是在当i=1时,a[1]的值为2,符合条件,那么删除2这个值之后,a整个列表发生了变化,6这个数值前进一个位置到了a[1]的位置,然后i在执行下一次循环时候值取了2,我们以为应该对应着检验6,其实6被前移一个位置,也就被遗漏了。


  下面我们将for 循环的部分手动执行,看现实是不是和我们理解的一样。


  a = [1,2,6,3,4,4]


  e = enumerate(a)


  e


  out: <enumerate at 0x78edc18>


  i, item = e.__next__()


  (i, item)


  out: (0, 1)


  if a[i] % 2==0: del a[i]


  a


  out: [1, 2, 6, 3, 4, 4]


  此时我们可以看到,执行完循环的第一步,a并没有发生变化。接下来我们继续第二步。


  i, item = e.__next__()


  (i, item)


  out: (1, 2)


  if a[i] % 2==0: del a[i]


  a


  out: [1, 6, 3, 4, 4]


  可以发现,a已经发生了变化,那么我们接下来只要看在enumerate提供新的下标好元素是不是还按照未调整的a进行提供的。当然,可以告诉你们答案,肯定不是了。


  i, item = e.__next__()


  (i, item)


  out: (2, 3)


  可以看到6已经不是第三个元素, 它通过向前移动一个位置的方式逃过了检查。这个坑真的是非常难发现,因为有时候碰巧你的运算方式和提供的列表刚刚好结果是你想要的,然后让你觉得这样用就是正确的。这种时候就非常可怕了。


  这个坑的解决方案可以使用列表解析式添加筛选条件即可。


  a = [1, 2, 6, 3, 4, 4]


  a = [x for x in a if x%2 != 0]


  a


  [1, 3]


  此坑已填。


  是不是觉得觉得一不留神就掉进Python的坑里了?哈哈哈,写到这里,python编程一些比较基础的坑也已经描述的比较详细了。我从来不产生失落感,我只是信心的粉碎机。当你觉得自己python已经学的差不多的时候,总会有那么一个人、或者一篇文章告诉你,你懂得还不够多。


  不过,坑总是有的,学习的时候你可以抱着填坑的心态,也可以怀着获取的目的,两者都取决于你的选择。而且,个人觉的,怀着获取的态度,容易满足,不断追求,也就一直快乐。


  最后,还是用毒翼神龙的一段话结个尾:“几盘卡带就可以陪我们走过整个童年的那个时代恐怕也一去不复返了吧。每天的生活被工作、学习、应酬充斥着,也让我们渐渐忘记了那个传说~虽然它是一段美丽的谣言,但想起那个信以为真的年纪,仍然有许多美好的回忆。我怀念那时单纯的快乐,怀念那个很容易就能满足的童心”


       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。 >>>点击咨询AQF证书含金量


  


       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。


>>>点击咨询AQF课程相关问题



  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。  >>>点击咨询AQF相关问题


  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。


      咨询电话:400-700-9596

      AQF考友群:760229148

  金融宽客交流群:801860357

  微信公众号:量化金融分析师


金程AQF

申请AQF证书前,你还需要做这4件事!

       2019年3月17日,量化金融分析师(AQF)认证项目于北京、上海两地如期举行全国统一考试。

  AQF考试结束后,还不能算毫无后顾之忧,完成考试只是拿证书的第一步,还需要完成:成绩公布、证书申请、晒证书。接下来将就上述步骤跟大家聊聊。>>>点击咨询AQF考试报名条件

  1.AQF考后回顾

  先说说刚刚过去的AQF考试:3月20日,PFT办公室发文表示量化金融分析师AQF首次线下考试圆满结束。

  [图片]

  本次AQF考试是自2018年3月开始AQF考试以来首次线下考试,根据量化金融的...

       2019年3月17日,量化金融分析师(AQF)认证项目于北京、上海两地如期举行全国统一考试。

  AQF考试结束后,还不能算毫无后顾之忧,完成考试只是拿证书的第一步,还需要完成:成绩公布、证书申请、晒证书。接下来将就上述步骤跟大家聊聊。>>>点击咨询AQF考试报名条件

  1.AQF考后回顾

  先说说刚刚过去的AQF考试:3月20日,PFT办公室发文表示量化金融分析师AQF首次线下考试圆满结束。

  

  本次AQF考试是自2018年3月开始AQF考试以来首次线下考试,根据量化金融的国内发展趋势及PFT办公室发文“据悉,AQF考试规范化仅仅是AQF专业水平认证改革进程的第一步”来看,AQF考试后期将会进一步规范考试,加大考试难度等。根据CFA及FRM考试发展路径来看,后续考试难度增加包括但不限于:AQF考试内容增加、考试题型复杂化、考试规则更严格等。

  想要从事量化相关行业或学习量化的同学要抓紧时间,现在考量化金融分析师AQF证书还是有红利的,毕竟AQF证书还在初期发展阶段;后续随着协会的发展壮大和学习人数的增多,考试门槛及考核难度势必会增加。

  首先,恭喜各位同学顺利完成AQF考试,拿下这波红利。为了准备这场考试,老师们也和大家一起紧张备考。

  AQF考试结束后,收到了各位同学关于学习的感悟、考试心得,以及对金程老师的感谢。

  

  

  正如上面这两位同学所说“学无止境”,考试结束不是学习的终止与结束,“学习常态化”才是我们更该追求的一种状态。

  2.成绩公布

  考试结束后,一边放松,一边紧张:放松是考后时间与安排相对轻松,紧张考试成绩还没有下来,心中的石头还没有完全落地。

  根据以往经验:考后1个月,大概4月17号会公布考试成绩。

  量化金融分析师AQF考试是合格制,100分满分,只要到60分就都算通过。这点是不同于CFA与FRM考试的地方,大家目前还不用担心别的同学太厉害自己过不了,自己学得好就可以了。现在是不是比较好奇AQF成绩单是怎样的?

  考试成绩单上不会显示具体的分数,但是会显示成绩等级,大家可以根据考试的等级大致估计自己对这一学科只是的掌握程度。

  下面是去年某位同学的成绩单,希望大家都能“优秀”~

  

  3、AQF证书申请

  AQF考试成绩公布后,顺利通过考试的同学就可以在协会规定的时间在官网申请证书了,协会会根据大家的申请制作证书。

  建议成绩公布后,确认通过就去协会网站申请证书,申请证书要趁早哦,不然拖着拖着就忘了。

  即将拿到手的量化金融分析师AQF证书,证书封面和证书本体,见下图:   >>>点击咨询AQF证书含金量

  

  

  4.晒证书

  证书申请完成功能后就静待协会寄出证书。

  根据经验来说,考生将会在证书申请时间结束后一个月内收到证书;等待证书的时间还是比较漫长的,大家静待证书寄到手就好。

  收到证书后,就可以拍照发朋友圈了,后续项目组将有晒证书福利活动,可以持续关注,晒证书拿福利让大家羡慕一波啦!   >>>点击金融行业必考证书

  金程推荐:    AQF就业前景    AQF证书含金量    AQF量化金融分析师年薪

  AQF考友群:760229148

  金融宽客交流群:801860357

  微信公众号:量化金融分析师


投资有道

上海睿福投资付爱民介绍最简单量化投资策略

  而在众多的股票策略基金中,量化投资在近几年逐渐热门起来。对于量化投资而言,量化选股是整个流程的第一步,对于任何一个做量化对冲策略的基金经理来说,如何选择出一个股票池,使得池子中的股票整体的收益率取得一个较理想的成绩,是非常重要的一个课题。量化投资是一种相对新型的投资策略,在国外已发展超40年,但近年来仍然有不少新理论和方法涌现。


  我国量化选股基金与传统选股型基金有啥异同呢?本文从人员配置和选股策略两个方面来分析下。希望从对比中,投资者可以更深入的了解量化选股基金的特点,进而做出适合自己的选择。

  量化选股和传统选股基金在人员配置上异同点

  相同点

  所有能长期表现优异...

  而在众多的股票策略基金中,量化投资在近几年逐渐热门起来。对于量化投资而言,量化选股是整个流程的第一步,对于任何一个做量化对冲策略的基金经理来说,如何选择出一个股票池,使得池子中的股票整体的收益率取得一个较理想的成绩,是非常重要的一个课题。量化投资是一种相对新型的投资策略,在国外已发展超40年,但近年来仍然有不少新理论和方法涌现。



  我国量化选股基金与传统选股型基金有啥异同呢?本文从人员配置和选股策略两个方面来分析下。希望从对比中,投资者可以更深入的了解量化选股基金的特点,进而做出适合自己的选择。

  量化选股和传统选股基金在人员配置上异同点

  相同点

  所有能长期表现优异的基金,都非常重视投研团队的建设,其中核心基金经理的背景尤为重要。

  不同点

  传统选股基金要求投研人员对具体的市场、行业、公司都要有深入的了解,传统投研人员需要丰富的财务知识和市场经验。这也使得传统基金的核心经理大多是“本土派”,他们在中国投融资市场打拼多年,熟悉中国市场的特点,对市场上的各种微观结构有深刻的认识。

  而对于量化选股基金,投研人员除了要有一定的财务知识和市场经验外,还需要丰富的数学统计及计算机知识,懂得如何提出和验证假设,有建模经验,现在许多量化基金已经开始运用机器学习等最前沿的数据和计算机科学。不少量化基金经理都有海外求学经历,专业以理工科为主,他们中许多还在国外的知名量化投资机构供职过,积累了丰富的实战经验后选择回国。

  量化选股和传统选股在选股策略上的异同点

  和传统选股一样,量化选股的逻辑也包含基本面分析、技术面分析、交易者行为分析,只不过具体方法上又有异同。实践中,无论是量化选股还是传统选股,基本上都会将这三种分析方法结合起来使用。



  上海睿福投资管理有限公司去年推出量化产品,业绩表现优异,睿福投资董事长付爱民老师对此表示:

  “这也是我一直梦寐以求的,我们一直追求稳健盈利,也做很很多尝试,最终的交易就是复利增长。我们以前拿很多奖是为了证明自己有进攻能力和赚钱的能力。但能不能在这个行业长期发展下去,除了赚钱还应该有控制能力。通过提高自身风控能力外,最关键的还是机器,机器可以做到资金合一。4年前我就开始总结进入量化,前面2年走了很多弯路,但从去年6月份开始我们就走向了稳健。到今年,我们公开对外发起了一支量化产品,这支产品到现在为止都是盈利的,成绩还是令人满意的。”

  目前,睿福投资的量化产品,适合有合格投资者做长期资产的配置。资产配置、私募基金投资、专户合作等各种基金投资问题交流:021-68770780 ; 13817864069(微信同号)


投资有道

上海睿福投资付爱民谈量化投资策略

  随着股票市场的发展,投资方法也随之多样化,近年来量化交易从传统投资方法中脱颖而出。传统投资策略一般从基本面或者技术面分析入手,或着力于行业配置或精选个股,分析大多是定性而非定量,完全依赖于个人的经验分析与判断。


  量化投资策略更多的通过历史数据,寻找具有相对明确的规则,统计挖掘出某些客观指标。此外,传统的投资策略注重股票的精选,投资组合大多为纯做多头;而量化投资可以同时分析数以千计的股票,精选个股纯做多头,或可辅以金融衍生品等对冲部分系统风险做出稳定收益的策略。

  在百度百科中量化投资的定义为:通过数量化方式及计算机程序化发出买卖指令,以获取稳定收益为目的的交易方式。在海外的发...

  随着股票市场的发展,投资方法也随之多样化,近年来量化交易从传统投资方法中脱颖而出。传统投资策略一般从基本面或者技术面分析入手,或着力于行业配置或精选个股,分析大多是定性而非定量,完全依赖于个人的经验分析与判断。



  量化投资策略更多的通过历史数据,寻找具有相对明确的规则,统计挖掘出某些客观指标。此外,传统的投资策略注重股票的精选,投资组合大多为纯做多头;而量化投资可以同时分析数以千计的股票,精选个股纯做多头,或可辅以金融衍生品等对冲部分系统风险做出稳定收益的策略。

  在百度百科中量化投资的定义为:通过数量化方式及计算机程序化发出买卖指令,以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。

  打个比方,中医与西医的区别。中医是望、闻、问、切,最后判断出的结果,很大程度上基于中医的主观经验,定性程度上大一些;西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,根据测量的数据定量的分析,最后得出结论,对症下药。

  美国量化投资大师西蒙斯是量化投资中最成功的例子,在1989年到2007年接近20年的时间为投资者获得超过35%的收益率,超过采用传统分析方法取得良好业绩的股神巴菲特的同期回报。西蒙斯所采用的以数据模型来分析并且执行交易的量化投资,创造了投资界的神话,在2008年金融危机时,大奖章居然取得了80%的收益率,他本人成为20年内最赚钱的基金经理

  最近几年量化投资才在我国逐渐兴起,市场开始了一股量化产品的发行潮,如基金、券商、私募都推出各自的量化产品。

  量化投资的优点:

  1.严苛的纪律性

  为什么大多数人投资会失败。即我们平常认知的七亏二平一赢呢?因为人之为人,是有人的天性的, 而天性中的贪婪恐惧、追涨杀跌是投资的天敌。 只有保持纪律性、克服人性的弱点,如贪婪、恐惧、侥幸   等心理, 严格按照机器般的纪律来执行交易,才能取的投资的优势,成为那一个赢家。量化投资就是严格根据程序发出的买卖信号来执行。

  2.以具体数据量化,而非经验性判断

  人往往有认知偏差,会注意到好的方面而刻意避开不好的一面,常常记住赢钱的时候,而忘记亏钱的经验。每次买卖则是带有这种偏差性来判断买入点,那么亏损是迟早的事。而量化投资则是有具体的数据来测量,比如现在的室温、水温等,用具体量化指标来判断当前时点是否需要买入,去除人为的经验判断。

  3.以概率获胜

  每一笔买卖盈亏可以用概率来衡量。比如没有根据、随机买卖,那就是相当于抛铜板的概率:对半开!量化投资是根据历史走势,从中找到在未来可重复的规律,加以利用,以较高胜率的优势,在未来投资获得领先优势。越大于50%的概率投资获胜的把握越高。

  资产配置、私募基金投资、专户合作等各种基金投资问题交流:021-68770780 ; 13817864069(微信同号)



投资有道

上海睿福投资付爱民分析量化投资策略

  近年来,投资领域的众多精英纷纷投身量化投资领域,利用计算机科技并采用一定的数学模型去实现自己的投资理念、投资策略。他们以自己的智慧加数学的方法组成投资策略,设计出自己的赢利模型,来克服交易中人性的弱点,实现稳定的赢利。


  风控不容忽视

  不少的量化交易者,都有过不错的收益,但亏损更甚,原因之一是没有把握住风险控制。

  “控制风险比收益更重要,控制风险才是投资者最核心的东西。”在银行、保险、券商和期货这几大金融行业中,期货的收益应该是最高的,但做期货往往是最穷的;而银行的收益是最低的,银行理财只有5、6个点,但银行是最富的。为什么?因为银行的风控能力是最强的,所以真正的富人敢...

  近年来,投资领域的众多精英纷纷投身量化投资领域,利用计算机科技并采用一定的数学模型去实现自己的投资理念、投资策略。他们以自己的智慧加数学的方法组成投资策略,设计出自己的赢利模型,来克服交易中人性的弱点,实现稳定的赢利。



  风控不容忽视

  不少的量化交易者,都有过不错的收益,但亏损更甚,原因之一是没有把握住风险控制。

  “控制风险比收益更重要,控制风险才是投资者最核心的东西。”在银行、保险、券商和期货这几大金融行业中,期货的收益应该是最高的,但做期货往往是最穷的;而银行的收益是最低的,银行理财只有5、6个点,但银行是最富的。为什么?因为银行的风控能力是最强的,所以真正的富人敢把钱存在银行,但没人把大钱拿给期货公司玩。通常是把风险控制住之后,靠规模、放大杠杆去赚钱的。

  通过多策略的方法降低风险。上海睿福投资管理有限公司付爱民老师认为,金融投资的策略体系一定要符合保险学原理。比如你交易200个标的,用了200个策略,其一个标的出了问题,仅影响0.5%。要从这个角度去研发策略、组合策略。

  “我们公司对策略风控、模型回撤要求非常严格。” 付爱民表示,“我们在策略开发的过程中,特别注重三个方面,一是时间纬度上,要在不同的时间架构上对策略进行分散,有长期、中期、短期,甚至日内的;二是在空间上进行分散;三是在策略的类别上分散,有趋势型策略,也有振荡型策略,多策略使风险最小化。”

  好模型如利剑

  量化赢利如同一辆好车在路上跑,风险控制如同刹车,计算成本如同估计路况,遇到路况不好时踩刹车放缓速度避免翻车,而好的策略模型则如同油门,路况好时要想跑的快,必须踩油门。

  另一个是量化定增套利策略。这种更关注定向增发前的部分,从董事会预案公告,股东大会公告通过,然后到证监会审核通过,再到定增公告,不同的阶段去分析、统计哪些阶段会有超额收益。基于这样的思路,他们建立了量化定增套利策略模型,年化可以到10%-20%,但是波动也比较大。

  最后分享的策略是基于量化均线突破策略——短线交易策略。这个策略用在所有的股票上,分析、识别均线和K线形态,在历史上满足这个形态的样本,就可以满足这个的策略,一般持有1到3天。这个策略效果还不错,只是可容纳的资金有限,如果扩大样本量,还会有比较好的结果的。

  明天还能赚钱吗?

  随着对量化的熟络,越来越多的投资者进入了这个圈子,原来做主观交易的投资者有盘感、经验、好心态、能够操作大资金,和一些做量化投资者结合起来,一起做市场,会少走弯路。

  现货投资者,因为原来现货做的好,规模大,拥有丰富的社会资源,基于现货市场的定价机制形成了自己的一些的方式,如果做量化,建议先实现程序化,做一些套保或者对冲,无需高深的数学知识也会收入颇丰。

  如果是纯量化投资者,因将来的发展趋势会更加智能化,所以要向更复杂的非线性的数据工具倾斜。

  对于量化投资的未来发展趋势,付爱民认为会形成两大流派,一个是策略流派,一个是工具流派。策略流派是开发出各种各样的好策略,发现更多的机会;工具流派是用传统的策略,但工具做得更好、数据更全、效率更高、数据更快。

  资产配置、私募基金投资、专户合作等各种基金投资问题交流:021-68770780 ; 13817864069(微信同号)



投资有道

上海睿福投资付爱民谈量化投资,散户需要量化投资吗

  大机构管理上百亿资产需要复杂模型,而个人投资者多数不需要非常复杂的模型,通俗的来说,在没有使用量化模型之前,人潜意识地在使用各种因子,用心中这杆秤粗略的评估给予哪个因子更大的权重。当基本面分析者分析完财务报表后根据技术信号决定入场时间,这就是一个予以基本面因子更大权重、同时考虑技术面因子的模型。只不过人心中这杆秤常常会因为外部因素、市场情绪等原因发生倾斜,导致每次制造出的产品质量并不一样。市场上的大多数人都认为自己心中的那杆秤的忽上忽下是一种考虑市场变化的“动态”模型,但事实证明大多数个人投资者在这个零和博弈(我亏的钱就是你赚的)的市场里是亏钱的。而量化模型要做的事其实就是排除主观偏见,对...

  大机构管理上百亿资产需要复杂模型,而个人投资者多数不需要非常复杂的模型,通俗的来说,在没有使用量化模型之前,人潜意识地在使用各种因子,用心中这杆秤粗略的评估给予哪个因子更大的权重。当基本面分析者分析完财务报表后根据技术信号决定入场时间,这就是一个予以基本面因子更大权重、同时考虑技术面因子的模型。只不过人心中这杆秤常常会因为外部因素、市场情绪等原因发生倾斜,导致每次制造出的产品质量并不一样。市场上的大多数人都认为自己心中的那杆秤的忽上忽下是一种考虑市场变化的“动态”模型,但事实证明大多数个人投资者在这个零和博弈(我亏的钱就是你赚的)的市场里是亏钱的。而量化模型要做的事其实就是排除主观偏见,对因子用前后一致的方法分配权重,指导选股。


  投资的收益其实可以分解为两部分,一部分是因为大盘好咱跟着好所得到的收益beta,另一部分是独立于大盘的超额收益alpha。Alpha和beta之间会相互转化,属于此消彼长的关系。所谓盛极必衰,没有能持续创造alpha的因子,当因子有效的时间越长,后续失效的概率越大,所带来的毁灭性也是致命的。当我们在使用因子时需要明白我们赚的是什么钱,是否具有持续性,对不同的因子应该如何使用得当。



  我们可以看两个单因子策略。下图是总市值因子的IC图,IC图能直观展示因子和未来收益的相关性,即对当前全市场股票按照总市值从小到大排序,然后再对股票未来5日收益从大到小排序,最后对这两个排序计算相关系数。若相关系数为正,则表示市值越小的股票未来取得正收益的可能性越大。总市值的IC值越大,小盘股表现越好,反之,大盘股表现越好。从下面的图我们可以清晰地看到,总市值IC自2017年以来明显为较大的负值,说明大盘股走的远胜于小盘股,很多分析师评论:这样的大小盘冰火两重天可谓A股前所未见。但从IC图上看,其实小盘股炒作横行,出现常年正值的IC是2007年以后的事,在2007-2017长达十年的时间里,小盘股的回报惊人,这当然是源于发行和退市制度等原因,导致垃圾壳股在过去得到爆炒。但2007年以前,在股权分置改革后,实际上也出现过大盘股表现长期好于小盘股的现象,并长达数年之久。


  运用量化的方法我们可以观察到很多我们的市场记忆(很多年轻股民可能2007年以前尚未入市)所观察不到的现象,能够明白我们所押注的因子的特性。对于像总市值这样此起彼伏,波浪式剧烈震荡的因子,追随趋势轮动是较好的办法。A股历史上的大小盘风格转换的强趋势性给轮动创造了先天的条件,所以市场上应运而生很多2/8轮动的产品和策略。当然单因子策略总有失效的风险,倘若市值因子维度不清晰,未来市场出现类似2013年那样市值风格不明显的情况,那轮动可能在频繁轮换中折损消耗。量化和传统主观决策好比中西医的区别,使用量化方法进行投资即便亏损,也能明确知晓具体的原因是什么,而非一笔糊涂账。



  上海睿福投资管理有限公司去年推出量化产品,业绩表现优异,睿福投资董事长付爱民老师对此表示:


  “这也是我一直梦寐以求的,我们一直追求稳健盈利,也做很很多尝试,最终的交易就是复利增长。我们以前拿很多奖是为了证明自己有进攻能力和赚钱的能力。但能不能在这个行业长期发展下去,除了赚钱还应该有控制能力。通过提高自身风控能力外,最关键的还是机器,机器可以做到资金合一。4年前我就开始总结进入量化,前面2年走了很多弯路,但从去年6月份开始我们就走向了稳健。到今年,我们公开对外发起了一支量化产品,这支产品到现在为止都是盈利的,成绩还是令人满意的。”


  目前,睿福投资的量化产品,适合有合格投资者做长期资产的配置。资产配置、私募基金投资、专户合作等各种基金投资问题交流:021-68770780 ; 13817864069(微信同号)


FANZY--碳水化合物
FANZY--碳水化合物
FANZY--碳水化合物
FANZY--碳水化合物
FANZY--碳水化合物
ID512397240

LOFTER

让兴趣,更有趣

简单随性的记录
丰富多彩的内容
让生活更加充实

下载移动端
关注最新消息