2022年CQF量化投资分析师到底学点什么？-高顿教育

2022年CQF量化投资分析师到底学点什么？

高顿教育2021-11-05 17:06Dandy

关注公众号

快扫码关注
公众号吧

点击下载高顿教育APP体验更佳

CQF是量化金融业全球性的的国际资格认证之一，想必大家都多少了解了学习CQF量化需要一定的数学和编程的基础，那么更具体点，今天小编就把CQF需要学习的内容掰开来，揉碎了，细分一下2022年CQF量化投资分析师到底学点什么内容！

一、2022年CQF量化投资分析师到底学点什么？
CQF的准备阶段（三门前导课）这些入门课程包括长达12小时的强化训练，为学员提供开始课程所需的准备。
1）数学前导课

量化金融所需的数学预备知识，包括:•简单微积分

•基础微分方程

•线性代数

•概率论

•统计学

2）Python前导课

从零开始学习Python编程:•Python语法

•标准的数学函数

•SciPy库和NumPy库

•好的编程习惯

•编码和调试

3）金融前导课

介绍关键概念和资产类别，包括:•宏观经济学

•资本市场基础

•货币市场入门

•货币的时间价值

•金融资产入门
二、细分CQF课程内容

模块一（量化金融的基础知识）
在模块一，我们将向您介绍一些基础量化模型。您将使用随机计算作为工具，并学习如何使用简单的随机微分方程及其相关的普朗克和科尔莫戈罗夫方程。
• 资产的随机行为 • 重要的数学工具和结论 • 泰勒级数 • 中心极限定理 • 偏微分方程 • 转移密度函数 • 普朗克和科尔莫戈罗夫方程 • 随机微积分及其引理 • 随机微分方程的求解 • 资产定价的二项模

模块二（量化的风险和收益）

在模块二，您将学习马科维茨的经典投资组合理论，资本资产定价模型以及这些理论的最新发展。我们将研究定量风险和收益，研究诸如 ARCH框架之类的计量经济学模型和诸如VaR之类的风险管理指标以及它们在行业中的使用方式。 • 现代投资组合理论 • 资本市场资产定价模型 • 夏普比率和风险的市场定价 • 无风险价格套利策略 • 投资组合优化 • 布莱克利特曼模型 • 风险监督和巴塞尔条约 • 风险价值和亏损预期 • 抵押品和保证金 • 流动资产负债管理 • 波动性过滤 • 高频数据 • 资产收益: 关键和经验数据 • 波动模
模块三（股票和现金）

在模块三, 我们将探讨布莱克-斯科尔斯理论作为基于定价和无套利原则的理论和实践定价模型的重要性。您将使用各种数学知识来了解股票和货币背景下的理论和结果，以使您熟悉当前使用的技术。 • 布莱克-斯科尔斯模型 • 对冲和风险管理 • 期权策略 • 欧式行权和美式期权 • 有限差分法 • 蒙特卡罗模拟 • 奇异期权 • 波动率套利策略 • 吉尔萨诺夫理论 • 高级风险指标 • 衍生品市场 • 完全竞争市场中的高级波动性建模 • 非概率波动模型

模块四（数据科学和机器学习1）

在模块四，将向您介绍金融中使用的最新数据科学和机器学习技术。从对该主题的全面概述开始，您将学习基本的数学工具，然后深入研究监督学习的主题，包括回归方法，k近邻，支持向量机，集成方法等等。 • 什么是数学建模? • 机器学习中的数学工具 • 监督学习 • 线性回归 • 拉索回归，岭回归和弹性网络回归 • 逻辑回归 • K近邻策略 • 朴素贝叶斯分类 • 支持向量机 • 决策树 • 集成模型 • Python -
模块五（数据科学和机器学习2）

在模块五，您将学习更多用于金融机器学习的方法。从无监督开始学习，深度学习和神经网络，我们将进入自然语言处理和强化学习。您将研究理论框架，但更重要的是，分析实际案例研究，探索如何在金融中使用这些技术。 • 无监督机器学习 • 高级机器学习中的数学工具 • 主成分分析 • K-均值 • 自组织映射 • 人工神经网络 • 神经网络结构 • 自然语言处理 • 深度学习和NLP工具 • 强化学习 • 强化学习的风险敏感性 • 量化投资的机器学习实例 • 基于AI的Algo交易策略 • 量子计算在金融的应用 • Tensorflow - Python
模块六（固收和信用）
在模块六的第一部分中，我们将回顾行业中使用的多种利率模型，重点是每种模型的实施和局限性。在第二部分中，您将学习信用以及如何在量化金融中使用信用风险模型，包括结构化，简化形式以及关联结构模型。 • 固收产品和市场 • 收益率，久期和凸性 • 随机利率模型 • 利率的随机方法 • 数据分析和校准 • 同业拆借利率模型 • 标准风险管理模型 • 结构化模型 • 简化模型和风险率 • 信用风险和信用衍生品 • X-值调整 (CVA, DVA, FVA, MVA) • CDS 定价和市场方法 • 违约风险，结构性和简化形式 • 关联结构模型的使用

高级选修课（选修）

CQF课程为你提供了进一步学习两门高级选修课的机会，让你能够根据自己的具体职业目标发展自己的技能。

•高级机器学习

•高级投资组合管理

•高级风险管理

•高级波动性建模

•算法自动化交易I•算法自动化交易II

•量化相关的行为金融学

•C++

•交易对手风险建模

•金融科技

•数值计算方法