2022年CQF量化投資分析師到底學點什么？

模塊一（量化金融的基礎(chǔ)知識）
在模塊一，我們將向您介紹一些基 礎(chǔ)量化模型。您將使用隨機計算作 為工具，并學習如何使用簡單的隨 機微分方程及其相關(guān)的普朗克和科 爾莫戈羅夫方程。
• 資產(chǎn)的隨機行為 • 重要的數(shù)學工具和結(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 • 隨機微積分及其引理 • 隨機微分方程的求解 • 資產(chǎn)定價的二項模

模塊二（量化的風險和收益）

在模塊二，您將學習馬科維茨的經(jīng) 典投資組合理論，資本資產(chǎn)定價模 型以及這些理論的最新發(fā)展。我們 將研究定量風險和收益，研究諸如 ARCH框架之類的計量經(jīng)濟學模型 和諸如VaR之類的風險管理指標以 及它們在行業(yè)中的使用方式。 • 現(xiàn)代投資組合理論 • 資本市場資產(chǎn)定價模型 • 夏普比率和風險的市場定價 • 無風險價格套利策略 • 投資組合優(yōu)化 • 布萊克利特曼模型 • 風險監(jiān)督和巴塞爾條約 • 風險價值和虧損預期 • 抵押品和保證金 • 流動資產(chǎn)負債管理 • 波動性過濾 • 高頻數(shù)據(jù) • 資產(chǎn)收益: 關(guān)鍵和經(jīng)驗數(shù)據(jù) • 波動模
模塊三（股票和現(xiàn)金）

在模塊三, 我們將探討布萊克-斯科 爾斯理論作為基于定價和無套利原 則的理論和實踐定價模型的重要 性。您將使用各種數(shù)學知識來了解 股票和貨幣背景下的理論和結(jié)果， 以使您熟悉當前使用的技術(shù)。 • 布萊克-斯科爾斯模型 • 對沖和風險管理 • 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 • 高級風險指標 • 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

模塊四（數(shù)據(jù)科學和機器學習1）

在模塊四，將向您介紹金融中使 用的最新數(shù)據(jù)科學和機器學習技 術(shù)。從對該主題的全面概述開始， 您將學習基本的數(shù)學工具，然后 深入研究監(jiān)督學習的主題，包括 回歸方法，k近鄰，支持向量機， 集成方法等等。 • 什么是數(shù)學建模? • 機器學習中的數(shù)學工具 • 監(jiān)督學習 • 線性回歸 • 拉索回歸，嶺回歸和彈性網(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 • 決策樹 • 集成模型 • Python -
模塊五（數(shù)據(jù)科學和機器學習2）

在模塊五，您將學習更多用于金融 機器學習的方法。從無監(jiān)督開始學 習，深度學習和神經(jīng)網(wǎng)絡(luò)，我們將 進入自然語言處理和強化學習。您 將研究理論框架，但更重要的是， 分析實際案例研究，探索如何在金 融中使用這些技術(shù)。 • 無監(jiān)督機器學習 • 高級機器學習中的數(shù)學工具 • 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 • 深度學習和NLP工具 • 強化學習 • 強化學習的風險敏感性 • 量化投資的機器學習實例 • 基于AI的Algo交易策略 • 量子計算在金融的應(yīng)用 • Tensorflow - Python
模塊六（固收和信用）
在模塊六的第一部分中，我們將回顧 行業(yè)中使用的多種利率模型，重點是 每種模型的實施和局限性。在第二部 分中，您將學習信用以及如何在量化 金融中使用信用風險模型，包括結(jié)構(gòu) 化，簡化形式以及關(guān)聯(lián)結(jié)構(gòu)模型。 • 固收產(chǎn)品和市場 • 收益率，久期和凸性 • 隨機利率模型 • 利率的隨機方法 • 數(shù)據(jù)分析和校準 • 同業(yè)拆借利率模型 • 標準風險管理模型 • 結(jié)構(gòu)化模型 • 簡化模型和風險率 • 信用風險和信用衍生品 • X-值調(diào)整 (CVA, DVA, FVA, MVA) • CDS 定價和市場方法 • 違約風險，結(jié)構(gòu)性和簡化 形式 • 關(guān)聯(lián)結(jié)構(gòu)模型的使用