CQF资格考试由六个模块，两个选定的高级选修课，三个考试和一个最终项目组成。

必修课	内容
●模块一：量化投资基础	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。
●模块二：量化分析风险和收益	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。
●模块三：股票和现金	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。
●模块四：数据分析和机器学习I	学习基本的数学工具，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。
●模块五：数据分析和机器学习II	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。
●模块六：债券和评级	回顾行业中使用的多种利率模型，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。
●高级必修课(任选两科)	高级投资组合管理、高级机器学习I、高级机器学习II、高级风险管理、高级波动率建模、算法交易I、算法交易II、量化分析师的行为金融学、c++、交易对手信用风险建模、Fintech、量子计算在金融中的应用、数值方法、R代表数据科学与机器学习、风险预算:基于风险的资产配置方法

——来源：CQF官网

课程的内容和CFA以及FRM都有一定的重合，但都更深。

CQF学习能够学习到的内容非常广，大致来说可以说是以传统的金融工程为基础，在叠加最前沿的金融领域的课程。

所以CQF的课程每年定期更新。实际上课的时候，老师都会更新讲义，而课程是老师讲课直播录制的网课，因此老师更新讲义也会带来课程的更新。

CQF的另外一个特点是终身学习，而CQF的学员也可以终身看课。同时，CQF有很多选修的课程也非常经典，部分参考如下：

量化的行为金融学，基于R语言的量化金融，高级投资组合管理，风险预算，Python应用，金融科技，基于Python的机器学习，C++，算法交易，高级风险管理，高级波动率模型，交易对手风险建模，复杂计算方法，基于Python的数据分析。

上面说到CQF和CFA/FRM都有一些重合的地方，但CQF更加侧重金融和科技的结合，特别是计算机编程技术。