证券市场是股票、证券、基金、期货等金融产品进行交易的场所,也是金融市场重要的组成部分。资金在证券市场中通过买卖进行交易、流动, 可以有效合理配置社会资源, 支持和推动经济的发展。 股票市场是证券市场中最重要的组成部分,也是最活跃、最受关注的市场。股票价格的预测,成为了相关研究人员、机构投资者长期坚持不懈研究的重要课题。
对金融市场进行分析常见的有两种手段, 基本面分析和技术分析。
基本面分析是通过对宏观经济、 行业以及公司的基本情况诸如公司的经营理念策略、 财务报表、 宏观经济走势等进行研究,进而对价格走势做出判断,基本面分析一般适合于进行较长时间尺度的预测。技术分析,一般是通过分析证券价格的历史走势,计算相应的技术指标从而做出投资决策。进行基本面分析的投资者一般喜欢自称为价值投资者,而技术派则希望通过 K 线图中的各项技术因子来对股票的涨跌进行判断。
量化投资,有时也成为量化交易(Quantitative trading, QT)、算法交易(Algorithmic trading, AT)是指通过计算机算法从海量的历史数据中挖掘出有效因子,建立数学模型来进行交易决策的投资方法。其交易策略依赖于严格的数学模型,而非交易者的主观判断,交易系统的纪律性、及时性、准确性更强,能够避免人类贪婪、恐惧等情绪对交易的影响,通过对交易机会的客观评价进行盈利。当市场处于极度狂热或者极度悲观的状态下时,算法交易可以避免做出非理性决策,陷入股民、散户常见的“赌徒思维”。
近年来,随着人工智能技术的飞速发展,越来越多的人工智能技术应用到了量化交易中,并且对交易收益取得了重大提升。越来越多的机器学习专家被“挖角”到顶级的对冲基金公司和投行。本期,我们特别开设了人工智能在量化交易中的应用线下课程,以期为广大学员打开一扇了解相关领域知识的窗户。
课程安排
章节 | 内容 |
1 量化交易简介 | 1.1什么是量化交易 |
1.2量化交易优缺点 | |
1.3量化交易编程语言选择 | |
1.4国内外知名基金公司简介 | |
1.5散户和机构相比的优势与劣势 | |
2 交易系统 | 2.1为什么我们需要进行回测 |
2.2如何构建回测系统 | |
2.3 “回测的理想”与”现实的骨感” | |
2.4自动化交易 | |
3 数据获取 | 3.1数据获取的不同渠道 |
3.2常见量化平台简介 | |
3.3金融数据处理 | |
4 机器学习策略建模 | 4.1传统模型与深度学习模型简介 |
4.2双均线、MACD策略简介 | |
4.3基于机器学习的股价预测 | |
4.4基于机器学习的策略增强 | |
4.5参数调优 | |
4.6强化学习在量化交易中的应用简介 | |
5 性能评估与风险管理 | 5.1交易结果分析 |
5.2风险分析与控制 | |
5.3资金管理 |