板块 7 - 高级选修课

欢迎点赞，收藏～更多量化课程持续更新ing

高级选修课是我们核心课程的最后一部分，这让你有机会探索与你最相关或最感兴趣的领域。您需要从以下广泛选项中选择两门选修课来完成CQF资格认证。

1. 高级投资组合管理

随着定量金融在当今金融市场中变得越来越重要，许多买方公司正在使用定量技术来提高其回报率并更好地管理其客户资本。本选修课将探讨买方为实现这些目标而使用的最新技术。

使用随机控制执行动态投资组合优化
使用过滤将视图与市场数据相结合，以确定必要的参数
了解行为偏差的重要性，并能够解决这些问题
了解实施问题
开发投资组合风险管理的新见解

为谁服务：交易、基金管理、资产管理专业人士

2. 高级机器学习I

机器学习（ML）选修课将侧重于深度顺序建模的实际考虑。从了解机器学习框架到特征工程和选择，选修课教授构建和调整神经网络所需的基本技能。

定义、趋势和景观
七步解决ML建模问题
理解训练和数据表示
学习算法
数据分析探索
时间序列特征工程
数值特征工程
解决梯度灾难问题
特征选择方法概述
基于Boruta算法的特征选择
理解序列
序列数据生成
TensorFlow和Keras API入门
多元LSTM模型的建立与训练
超参数优化和挑参
ML模型的评价

3. 高级机器学习II

本选修课是高级机器学习的延伸，侧重于机器学习的实际考虑。选修课教授构建、评估和跟踪各种机器学习模型所需的基本技能。

了解机器学习生命周期
使用开发者调试器优化模型
在Python中构建数据/ML应用程序
理解集成学习
建立趋势预测的集成模型
定制ML实验TensorBoard

为谁服务：IT、数据科学、风险管理、交易、基金管理和机器学习专业人士

4. 高级风险管理

在本选修课中，我们将探讨定量风险管理的一些最新发展。

我们以银行业（预期缺口）和新巴塞尔监管框架（交易账簿基本审查、新最低限额、市场风险资本）下如何构想和衡量市场风险的范式为出发点。

这些变化的后果之一是对灵敏度的有效和准确计算的需求急剧增加。为了涵盖这一主题，我们将探索计算金融中的伴随自动微分（AAD）技术。我们将看到，与有限差分近似相比，这种方法可以潜在地将计算成本降低几个数量级，灵敏度精确到机器精度。

市场风险管理和计量的新发展综述
探索极值理论（EVT）的使用
探索伴随自动微分（AAD）

为谁服务：风险管理、交易、基金管理专业人士

5. 高级波动率建模

波动性和能够建模波动性是任何定量模型的关键要素。

本选修课将探讨用于模拟整个行业波动性的常用技术。它将为解决随机波动性问题提供数学和数值方法。

傅立叶变换
复变函数
随机波动率
Jump-Diffusion模型

为谁服务：衍生品、结构化、交易、估值、精算、模型验证专业人士

6. 算法交易I

算法交易选修课是一个DIY指南，可以让你从头开始定量交易。从了解数据科学工作流程到使用公共/私有API检索数据并将其存储在SQL中，本选修课教授不同定量应用程序所需的基本技能。

算法交易简介

定义、趋势和前景
量化交易的工作流概述
应用和系统示意图
量化交易系统的构建模块
数据API概述
数据库概述

开源数据API

数据API入门
熟悉数据格式
处理流数据
数据检索和存储

盈透证券入门

IB API的Python包装器
指定合同
检索历史EOD和日内数据
检索实时刻度数据

Alpaca入门-第1部分

处理贸易和市场数据API
数据存储和检索

为谁服务：想在交易中学习和使用Python的交易员和定量人士。

7. 算法交易II

算法交易选修课是一个DIY指南，可以让你从头开始定量交易。本选修课程是算法交易I的扩展，涵盖了开发定量应用程序的一些最佳软件实践，包括使用CRON的自动数据摄取、回测以及使用Alpaca和Zipline API的实时编程执行交易。

Alpaca入门-第2部分

自动数据接收
使用Gmail的数据更新警报
使用电报设置通知

拉链开始使用

矢量化和事件驱动的回溯测试概述
Alpaca数据摄取
利用Alpaca摄入的数据进行回溯测试策略

与羊驼进行现场交易

流式实时数据
使用Alpaca进行现场交易
使用拉链进行实时交易*

为谁服务：想在交易中学习和使用Python的交易员和定量人士。

8. 量化的行为金融学

行为金融学以及人类心理如何影响我们对世界的感知、影响我们的量化模型并推动我们的财务决策。这门选修课将为学员们提供识别关键心理陷阱的工具，利用他们的数学技能解决这些陷阱，并建立更好的财务模型。

系统1 Vs 系统2

行为偏见；启发式过程；框架效应和群体过程
损失厌恶与风险厌恶；损失厌恶；SP/A理论
线性和非线性
博弈论

为谁服务：交易、基金管理、资产管理专业人士

9. C++

适用于那些完全不熟悉C++或很少接触该语言的人。

这门选修课将从通过键盘进行简单输入和输出到屏幕的基础知识开始，学习许多主题，最后学习简单的面向对象编程。

C++环境入门–第一个程序；数据类型；简单调试
控制流程和格式-决策；文件管理；格式化输出
函数–编写用户定义的函数；标题和源文件
OOP简介–简单类和对象
数组和字符串

为谁服务：IT、定量分析、估值、衍生品、模型估值

10. 交易对手信用风险建模

全球金融危机后，交易对手信用风险和其他相关风险变得更加显著，需要在定价和建模阶段加以考虑。该选项将涵盖与交易对手相关的所有风险，以及如何将其纳入任何建模框架。

信用衍生工具的信用风险
交易对手信用风险：CVA、DVA、FVA
交易对手风险利率–动态模型和建模
利率互换CVA及其动态模型的实现

为谁服务：风险管理、结构、估值、精算、模型验证专业人士

11. 去中心化金融技术

区块链技术是21世纪最大的创新之一。虽然这项技术可以追溯到20世纪90年代初，但在2009年推出比特币后，它开始流行起来。随着在此基础上构建的应用程序数量快速增长，这类技术有能力塑造从金融到制造业的未来。

这门选修课让我们在揭开这些新时代技术的神秘面纱时，深入了解了金融技术革命。

区块链基础
Python实现比特币挖掘原型
揭开去中心化金融的神秘面纱 [DeFi]
以太坊基础与智能合约
Solidity编程
在以太坊网络上开发智能合约

为谁服务：IT、定量分析、交易、衍生品、估值、精算、模型验证专业人士，以及任何想要学习这些新时代技术的人。

12. 金融科技

金融技术，也称为fintech，是一个由使用技术提高金融服务效率的公司组成的经济行业。这门选修课深入了解了金融技术革命及其带来的破坏、创新和机遇。

金融科技简介和历史
Fintech–打破金融服务价值链
金融科技中心
技术——区块链；加密货币；大数据；AI
金融科技解决方案
金融科技的未来

为谁服务：IT、定量分析、交易、衍生品、估值、精算、模型验证专业人士

13. 数值方法

没有数值分析的处理，任何数学研究都是不完整的。当封闭形式的解不可用或待解决的问题过于复杂，无法采用显式方法时，则会寻求数值/计算解。所得解是近似解的一个示例。

这门为期一天的选修课将介绍几种基本的数值方法，用于解决数学中一些最经典的问题。

基本迭代与收敛
二等分法
牛顿法
收敛速度
泰勒级数与误差项
数值微分
梯形法
辛普森法则
误差分析
欧拉函数
龙格库塔方法
拉格朗日插值
三次样条函数
LU分解
SOR方法

14. R语言的数据科学与机器学习

R是用于统计计算的强大编程语言和软件环境。它是院士最喜欢的工具之一，在统计人员和数据挖掘人员的数据分析中被广泛使用。在本次研讨会中，我们将从头开始重新讨论R编程，以解决量子金融和机器学习问题，这些问题有助于从量子的角度理解数学和计算工具。

介绍与安装
R&R Studio入门
使用数据
编写自定义函数
可视化和图表
概率统计
机器学习在R中的应用