1 什么是CQF?
2 CQF持證人都在哪里工作?
3 CQF到底學(xué)什么?
必修課 | 內(nèi)容 | |
模塊1-定量金融的構(gòu)建模塊 |
資自隨機(jī)行為 重要的教學(xué)工具和結(jié)論 泰勒級數(shù) 中心極限定理 偏微分方程 轉(zhuǎn)移密度函數(shù) 普朗克和科爾莫戈羅夫方程 隨機(jī)微積分及其引理 隨機(jī)微分方程的求解 資產(chǎn)定價的二項模型 |
|
模塊2-量化風(fēng)險與回報 |
現(xiàn)代投資組合理論 資本市場資產(chǎn)定價模型 夏普比率和風(fēng)險的市場定價 無風(fēng)險價格套利策略 投資組合優(yōu)化 布萊克利特曼模型 風(fēng)險監(jiān)督和巴塞爾條約 風(fēng)險價值和虧損預(yù)期 抵押品和保證金 流動資產(chǎn)負(fù)債管理 波動性過濾 高頻教據(jù) 資產(chǎn)收益:關(guān)鍵和經(jīng)驗教據(jù) 波動模型 |
|
模塊3-股票和貨幣 |
布萊克-斯科爾斯模型 對沖和風(fēng)險管理 期權(quán)策略 歐式行權(quán)和美式期權(quán) 有限差分法 蒙特卡羅模擬 奇異期權(quán) 波動率套利策略 吉爾薩諾夫理論 高級風(fēng)險指標(biāo) 衍生品市場 完全競爭市場中的高級波動性建模 非概率波動模型 |
|
模塊4-數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)l |
什么是數(shù)學(xué)建模? 機(jī)器學(xué)習(xí)種的數(shù)學(xué)工具 監(jiān)督學(xué)習(xí) 線性回歸 拉索回歸,嶺回歸和單性網(wǎng)絡(luò)回歸 邏輯回歸 K近鄰策略 樸素貝葉斯分類 支持向量機(jī) 決策樹 集成模型 Python-Scikit庫 |
|
模塊5-數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)ll |
無監(jiān)督機(jī)器學(xué)習(xí) 高級機(jī)器學(xué)習(xí)中的數(shù)學(xué)工具 主成分分析 K-均值 自組織映射 人工神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 自然語言處理 深度學(xué)習(xí)和NLP工具 強(qiáng)化學(xué)習(xí) 強(qiáng)化學(xué)習(xí)的風(fēng)險敏感性 量化投資的機(jī)器學(xué)習(xí)實例 基于AI的Algo交易策略 Tensorflow-Python |
|
模塊6-固定收入和信貸 |
固收產(chǎn)品和市場 收益率,久期和凸性 隨機(jī)利率模型 利率的隨機(jī)方法 數(shù)據(jù)分析和校準(zhǔn) 同業(yè)拆借利率模型 標(biāo)準(zhǔn)風(fēng)險管理模型 結(jié)構(gòu)化模型 簡化模型和風(fēng)險率 信用風(fēng)險和信用衍生品 X-值調(diào)整(CVA,DVA,FVA,MVA) CDS定價和市場方法 違約風(fēng)險,結(jié)構(gòu)性和簡化形式 關(guān)聯(lián)結(jié)構(gòu)模型的使用 |
|
高級必修課 | 內(nèi)容 | |
算法交易 |
數(shù)據(jù)準(zhǔn)備;回測;結(jié)果分析和優(yōu)化 新建一個算法 另類方法:配對交品;期權(quán);新分析工具 算法交易的職業(yè)路徑 |
|
高級風(fēng)險管理 |
巴塞爾協(xié)議:巴塞爾協(xié)議I,II and III 風(fēng)險價值和虧損預(yù)期 最小資本要求2016 橫向流動性(LH) 風(fēng)險和相關(guān)性 極位理論 交易對手信用風(fēng)險協(xié)議 流動性的動態(tài)性質(zhì) |
|
高級波動率模型 |
傅里葉變換 復(fù)變函數(shù) 隨機(jī)波動性 跳躍擴(kuò)散 |
|
交易對手風(fēng)險建模 |
信用風(fēng)險和信用衍生品 CVA,DVA,FVA 交易對手風(fēng)險的利率-動態(tài)模型和建模 利率互換CVA和動態(tài)模型實施 |
|
復(fù)雜計算方法 |
有限差分法及其在BVP中的應(yīng)用 根值算法 插值 數(shù)值積分 |
|
基于Python的數(shù)據(jù)分析 |
Python和數(shù)據(jù)結(jié)構(gòu) 基于NumPy的數(shù)據(jù)分析 基于Pandas的金融數(shù)據(jù)時間序列分析 靜態(tài)和交互式金融數(shù)據(jù)可視化 |
|
量化的行為金融學(xué) |
兩個系統(tǒng)理論 行為偏差;啟發(fā)式過程;框架效應(yīng)和分組過程 虧損厭惡VS風(fēng)險厭惡;SP/A理論 線性和非線性 |
|
高級投資組合管理 |
使用隨機(jī)控制進(jìn)行動態(tài)投資組合優(yōu)化 使用篩選將視圖與市場數(shù)據(jù)結(jié)合起來 了解行為偏差和應(yīng)對 開發(fā)新的組合風(fēng)險管理 |
|
Python應(yīng)用 |
基礎(chǔ)量化方案 數(shù)據(jù)和文件處理 用戶定義函數(shù)以及強(qiáng)大的概率和統(tǒng)計庫 |
|
基于R語言的量化金融 |
R語言的安裝和入門介紹 理解數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)類型 常見的函數(shù) 動手寫腳本和代碼 一些常見的異常和處理 |
|
金融科技 |
R金融科技入門介紹 金融科技-打破現(xiàn)有金融服務(wù)產(chǎn)業(yè)鏈 金融科技社群 金融科技技術(shù)–區(qū)塊鏈;加密貨幣;大數(shù)據(jù)102;AI 102 金融科技方案 金融科技的未來 |
|
基于Python的機(jī)器學(xué)習(xí) |
使用線性回歸預(yù)測金融資產(chǎn)的價格和收益 蒙特卡羅模擬在美式期權(quán)定價中的應(yīng)用 利用邏輯回歸來處理分類問題 利用分類問題來預(yù)測市場收益 |
|
C++ |
C++入門和環(huán)境搭建 控制流和格式化–文件管理和數(shù)據(jù)輸出 函數(shù)–頭文件和源文件 面向?qū)ο蠼榻B–簡單的類和對象 數(shù)組和字符串 |
4 如何成為CQF持證人?
5 CQF考試流程介紹
月份 | CQF學(xué)習(xí)事項 | |
1月 | 1st入學(xué),模塊1學(xué)習(xí),final project考試 | |
2月 | 模塊2學(xué)習(xí) | |
3月 | 1st考試,模塊3學(xué)習(xí) | |
4月 | 1st考試,模塊4學(xué)習(xí) | |
5月 | 模塊5學(xué)習(xí) | |
6月 | 2nd入學(xué),模塊6&選修課學(xué)習(xí),3th考試,final project | |
7月 | 3th考試,模塊1學(xué)習(xí) | |
8月 | 1st考試,模塊2學(xué)習(xí) | |
9月 | 2nd考試,模塊3學(xué)習(xí) | |
10月 | 模塊4學(xué)習(xí) | |
11月 | 3th考試,final project,模塊5學(xué)習(xí) | |
12月 | 模塊6學(xué)習(xí),選修課學(xué)習(xí),3th考試,final project |