懂量化投資，但是他們應(yīng)該完全不知道CQF是什么，問題被他們簡(jiǎn)化成了“不懂?dāng)?shù)學(xué)和編程的金融碩士，是否可以學(xué)習(xí)量化投資？還是自己學(xué)習(xí)編程比較好？”不過同意他們的言論。CQF是paul wilmott搞的一個(gè)培訓(xùn)課程和認(rèn)證體系。第一就是不官方，沒人會(huì)認(rèn)，除非你已經(jīng)在投行里工作，公司給你出錢修個(gè)CQF來進(jìn)行再教育，比如Sales和Trader對(duì)產(chǎn)品背后的數(shù)學(xué)知識(shí)有限，但是沒必要去脫產(chǎn)讀個(gè)MFE，就來修個(gè)CQF事半功倍。第二，CQF的課程跟MFE項(xiàng)目差不多，更偏向于金融產(chǎn)品端，講各類金融衍生品和FICC產(chǎn)品（期權(quán) 互換 債券 結(jié)構(gòu)化產(chǎn)品等）定價(jià)以及量化風(fēng)險(xiǎn)管理的內(nèi)容。這些不是搞量化投資的內(nèi)容?？梢酝ㄋ椎恼J(rèn)為CQF是Q QUANT方向的知識(shí)，而量化投資是P -QUANT方向的，具體參見：P Quant 和 Q Quant 到底哪個(gè)是未來？ - 寬客 (Quant)另外一個(gè)問題，學(xué)習(xí)編程。不知道你怎么定義“學(xué)習(xí)編程”和“不會(huì)編程”。如果不會(huì)寫MATLAB R PYTHON這類語言，沒法實(shí)現(xiàn)基本的數(shù)據(jù)處理統(tǒng)計(jì)分析和策略回測(cè)的話，那真是不會(huì)編程，先學(xué)編程。 如果定義學(xué)編程是搞C++ JAVA要開發(fā)啥啥的，那暫時(shí)沒必要，能用M R P三個(gè)語言干活就行了。

就學(xué)金融基礎(chǔ)就可以啦。

高頓教育成為國(guó)際量化金融權(quán)威證書CQF 中國(guó)大陸?yīng)毤液献骰锇?2020年3月23日，高頓教育正式成為全球量化金融領(lǐng)域權(quán)威證書-國(guó)際量化金融證書CQF（Certification in Quantitative Finance）的中國(guó)大陸唯一合作機(jī)構(gòu)。高頓將與CQF協(xié)會(huì)共同推進(jìn)國(guó)際量化金融教育在大陸的蓬勃發(fā)展，為廣大金融從業(yè)者、財(cái)經(jīng)專業(yè)大學(xué)生帶來代表著時(shí)代前沿的量化投資知識(shí)與專業(yè)認(rèn)證。CQF量化金融分析師到底用處有多大？高頓教育與CQF協(xié)會(huì)建立合作，為雙方進(jìn)一步達(dá)成長(zhǎng)期戰(zhàn)略合作關(guān)系奠定堅(jiān)實(shí)基礎(chǔ)。CQF協(xié)會(huì)高度評(píng)價(jià)高頓在中國(guó)財(cái)經(jīng)教育行業(yè)的地位與前瞻性，惠譽(yù)教育集團(tuán)CEO Andreas Karaiskos也在去年10月到訪高頓總部時(shí)，對(duì)高頓的終生財(cái)經(jīng)教育生態(tài)布局、對(duì)量化金融的戰(zhàn)略重視表達(dá)了高度贊譽(yù)。據(jù)《2019年普華永道全球金融科技調(diào)查報(bào)告》，內(nèi)地量化金融人才缺口約150萬，此次高頓教育集團(tuán)成為CQF協(xié)會(huì)在中國(guó)大陸的唯一合作機(jī)構(gòu)，勢(shì)必為我國(guó)量化金融行業(yè)的高質(zhì)量發(fā)展添磚加瓦。

我個(gè)人認(rèn)為學(xué)習(xí)量化投資在金融方面需要具備兩個(gè)方面的知識(shí)：1、首先是要了解金融市場(chǎng)與金融產(chǎn)品，只有這樣才能在眾多市場(chǎng)與標(biāo)的中選擇合適的來構(gòu)建投資組合，這一方面需要了解的基礎(chǔ)知識(shí)有：金融市場(chǎng)與金融機(jī)構(gòu)、投資學(xué)、金融衍生品等等；2、其次是需要了解如何量化，相信你應(yīng)該有足夠的IT背景，編程沒啥問題，其次的話就是要了解數(shù)理來溝通金融產(chǎn)品選擇與編程落地，需要了解的科目有：概率論、統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、金融經(jīng)濟(jì)學(xué)、數(shù)理金融等。

金融自學(xué)考試__金融行業(yè)含金量高的...金融自學(xué)考試,基金從業(yè)資格證,金融行業(yè)入門證書,人才缺口大,就業(yè)選擇多.每天學(xué)習(xí)30分鐘,零基礎(chǔ)備考,重點(diǎn)知識(shí)梳理分析,考前突訓(xùn),輕松備考通關(guān),取證時(shí)間短.

量化金融分析師AQF實(shí)訓(xùn)項(xiàng)目學(xué)習(xí)大綱了解下~. 第一部分：前導(dǎo)及課程介紹核心課程2.量化策略的Python實(shí)現(xiàn)和回測(cè)3.整體代碼介紹. 第二部分：量化投資基礎(chǔ)1.量化投資背景及決策流程2.量化擇時(shí)3.動(dòng)量及反轉(zhuǎn)策略4.基金結(jié)構(gòu)套利5.行業(yè)輪動(dòng)與相對(duì)價(jià)值6.市場(chǎng)中性和多因子7.事件驅(qū)動(dòng)（TD模型）9.統(tǒng)計(jì)套利_低風(fēng)險(xiǎn)套利10.大數(shù)據(jù)和輿情分析11.機(jī)器學(xué)習(xí)12.高頻交易和期權(quán)交易13.其他策略和策略注意點(diǎn). 第三部分：Python編程知識(shí)Python語言環(huán)境搭建語言環(huán)境搭建Python編程基礎(chǔ)數(shù)字運(yùn)算和Jupyter notebook介紹2.字符串運(yùn)算符和List5.字典6.字符串格式化7.控制結(jié)構(gòu)循環(huán)8.函數(shù)9.全局和局部變量10.模塊當(dāng)中的重要函數(shù)Python編程進(jìn)階數(shù)據(jù)分析精講數(shù)據(jù)分析詳解數(shù)據(jù)可視化內(nèi)置數(shù)據(jù)可視化基礎(chǔ)金融數(shù)據(jù)處理實(shí)戰(zhàn)1.數(shù)據(jù)獲取_1.本地?cái)?shù)據(jù)讀取1.數(shù)據(jù)獲取_2.網(wǎng)絡(luò)數(shù)據(jù)讀取_11.數(shù)據(jù)獲取_2.網(wǎng)絡(luò)數(shù)據(jù)讀取.數(shù)據(jù)獲取_2_網(wǎng)絡(luò)數(shù)據(jù)讀取_3.文件存儲(chǔ)2.金融數(shù)據(jù)處理_1.同時(shí)獲取多只股票2.金融數(shù)據(jù)處理_2.金融計(jì)算2.金融數(shù)據(jù)處理_3.檢驗(yàn)分布和相關(guān)性3.金融時(shí)間序列分析下的時(shí)間處理3.金融時(shí)間序列分析時(shí)間格式3.金融時(shí)間序列分析_3.金融數(shù)據(jù)頻率的轉(zhuǎn)換4.金融數(shù)據(jù)處理分析實(shí)戰(zhàn)案例_案例14.金融數(shù)據(jù)處理分析實(shí)戰(zhàn)案例_案例2_多指標(biāo)條件選股分析_14.金融數(shù)據(jù)處理分析實(shí)戰(zhàn)案例_案例2_多指標(biāo)條件選股分析. 第四部分：量化交易策略模塊三大經(jīng)典策略1.三大經(jīng)典策略.三大經(jīng)典策略_2.動(dòng)量Momentum1.三大經(jīng)典策略_3.均值回歸配對(duì)交易策略2.配對(duì)交易技術(shù)分析相關(guān)策略3.量化投資與技術(shù)分析_1.技術(shù)分析3.量化投資與技術(shù)分析策略的Python實(shí)現(xiàn)3.量化投資與技術(shù)分析_3.布林帶策略的Python實(shí)現(xiàn)_13.量化投資與技術(shù)分析和CCI雙指標(biāo)交易系統(tǒng)3.量化投資與技術(shù)分析_5.形態(tài)識(shí)別和移動(dòng)止損策略大數(shù)據(jù)輿情分析策略4.大數(shù)據(jù)輿情分析策略_基于谷歌搜索的大數(shù)據(jù)輿情分析CTA交易策略交易策略_Aberration趨勢(shì)跟蹤系統(tǒng)量化投資與機(jī)器學(xué)習(xí)6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_2_邏輯回歸原理 6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_3_SVM算法原理6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_4_決策樹算法原理6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_5_KNN算法原理6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_6_神經(jīng)網(wǎng)絡(luò)算法了解6.量化投資與機(jī)器學(xué)習(xí)_1_機(jī)器學(xué)習(xí)算法原理_7_K-means算法原理和算法總結(jié)6.量化投資與機(jī)器學(xué)習(xí)_2_機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)_1_數(shù)據(jù)集生成原理6.量化投資與機(jī)器學(xué)習(xí)_2_機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)_2_數(shù)據(jù)集可視化6.量化投資與機(jī)器學(xué)習(xí)_2_機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)_3_邏輯回歸算法的python實(shí)現(xiàn)6.量化投資與機(jī)器學(xué)習(xí)_2_機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)_4_DT_KNN_NB算法的python實(shí)現(xiàn)6.量化投資與機(jī)器學(xué)習(xí)_2_機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)_5_SVM算法的python實(shí)現(xiàn)6.量化投資與機(jī)器學(xué)習(xí)_3_機(jī)器學(xué)習(xí)算法實(shí)戰(zhàn)_6_基于邏輯回歸和SVM的股市趨勢(shì)預(yù)測(cè). 第五部分：面向?qū)ο蠛蛯?shí)盤交易1.模塊內(nèi)容整體介紹2.面向?qū)ο蟆㈩?、?shí)例、屬性和方法3.創(chuàng)建類、實(shí)例、方法初始化方法5.面向?qū)ο蟪绦驅(qū)嵗?.繼承的概念及代碼實(shí)現(xiàn)7.面向?qū)ο罄^承的實(shí)戰(zhàn)案例8.多繼承和量化交易平臺(tái)的面向?qū)ο箝_發(fā)思路9.用面向?qū)ο蠓椒▽?shí)現(xiàn)股債平衡策略. 第六部分 實(shí)盤模擬交易基于優(yōu)礦平臺(tái)的面向?qū)ο蟛呗?.優(yōu)礦平臺(tái)介紹2.優(yōu)礦平臺(tái)回測(cè)框架介紹3.優(yōu)礦框架之context對(duì)象、account和position對(duì)象4.優(yōu)礦其它重要操作5.優(yōu)礦之小市值因子策略6.優(yōu)礦之雙均線策略7.優(yōu)礦之均值回歸策略8.優(yōu)礦之單因子策略模板9.優(yōu)礦之多因子策略模板10.優(yōu)礦之因子數(shù)據(jù)處理：去極值和標(biāo)準(zhǔn)化面向?qū)ο髮?shí)盤交易之平臺(tái)介紹和賬戶配置賬戶密碼配置和交易框架原理鏈接賬戶并查看信息 API獲取歷史數(shù)據(jù)市價(jià)單和交易狀態(tài)查詢高級(jí)交易訂單7. Oanda其它高級(jí)功能8. Oanda實(shí)戰(zhàn)ADX策略全講解：策略邏輯、數(shù)據(jù)讀取、歷史數(shù)據(jù)處理、可視化、實(shí)時(shí)數(shù)據(jù)和實(shí)時(shí)交易9. Oanda通過實(shí)時(shí)數(shù)據(jù)API調(diào)取實(shí)時(shí)數(shù)據(jù)、resample面向?qū)ο髮?shí)盤交易之實(shí)戰(zhàn)平臺(tái)介紹及API安裝調(diào)試實(shí)戰(zhàn)平臺(tái)請(qǐng)求和響應(yīng)遠(yuǎn)離、線程控制響應(yīng)函數(shù)wrapper講解請(qǐng)求函數(shù)及合約定義程序化下單、倉位及賬戶查詢?nèi)€交易_金字塔倉位下單控制模型實(shí)盤交易之策略原理、線程控制原理、策略結(jié)構(gòu)總覽、響應(yīng)函數(shù)、交易信號(hào)、策略展示等全講解。. 第七部分：基于優(yōu)礦的進(jìn)階學(xué)習(xí)回測(cè)與策略框架評(píng)價(jià)指標(biāo)量化策略設(shè)計(jì)流程簡(jiǎn)介擇時(shí)策略舉例（雙均線）量化投資模板選股和擇時(shí)基于技術(shù)分析的量化投資技術(shù)指標(biāo) MACD擇時(shí)策略 WVAD擇時(shí)策略 RSI擇時(shí)策略 MFI擇時(shí)策略 CCI擇時(shí)策略技術(shù)指標(biāo)總結(jié)通道技術(shù)日期效應(yīng)動(dòng)量效應(yīng)格雷厄姆成長(zhǎng)投資積極投資策略 價(jià)值投資策略小型價(jià)值股投資策略交易系統(tǒng)設(shè)計(jì)的一般原理均線排列系統(tǒng)金肯納特交易系統(tǒng)海龜交易法系統(tǒng)

CQF量化金融分析師在國(guó)內(nèi)的職業(yè)發(fā)展方向在金融行業(yè)，主要有證券公司、私募基金、期貨公司和互聯(lián)網(wǎng)公司等等。不同的公司因?yàn)槠鋸氖碌臉I(yè)務(wù)不同，決定了從事量化金融的職員的工作方向和內(nèi)容。從職位類型分析來看，量化金融相關(guān)的職業(yè)主包含：量化研究員、量化分析師、量化交易員和量化開發(fā)工程師等等，雖然具備良好的數(shù)學(xué)、編程和金融基礎(chǔ)知識(shí)是從事量化金融行業(yè)必不可少的素養(yǎng)，但是不同職位側(cè)重點(diǎn)并不相同。CQF量化金融分析師的發(fā)展目前，CQF的招生范圍已擴(kuò)大至全球，學(xué)員分別來自北美，南美，歐洲，亞洲地區(qū)。CQF在英國(guó)倫敦金融城（City of London）設(shè)立總部，并在紐約華爾街、法國(guó)、新加坡、香港與中國(guó)大陸設(shè)立培訓(xùn)中心，以適應(yīng)CQF項(xiàng)目在全球如火如荼的擴(kuò)張勢(shì)頭。CQF持證人職業(yè)方向-量化交易員無論是證券公司、期貨公司還是私募基金對(duì)交易員的要求都相對(duì)較高，因?yàn)榻灰字苯雍唾Y金掛鉤，量化研究也好、基本面分析也罷，最終都要落實(shí)到交易上，因此，量化交易這一個(gè)環(huán)節(jié)顯得尤為的重要。期貨公司的做市商部門就是一個(gè)交易部門，經(jīng)常在各大求職網(wǎng)站上招募交易員，近年來期貨公司做市業(yè)務(wù)的蓬勃發(fā)展，對(duì)具備金融基礎(chǔ)和編程能力的人才需求大大提高，期貨做市商部門包含場(chǎng)內(nèi)做市和場(chǎng)外做市商，場(chǎng)內(nèi)做市主要是場(chǎng)內(nèi)期權(quán)和期貨的套利，而場(chǎng)外做市對(duì)期權(quán)定價(jià)要求更加，主要工作是制定期權(quán)合約和撮合客戶成交CQF持證人職業(yè)方向-量化分析師/研究員證券公司的量化研究以權(quán)益類和固收類為主，比如股票的多因子模型的研究，固定收益類資產(chǎn)投研模型的研究等等，這些職位要求對(duì)國(guó)內(nèi)金融市場(chǎng)背景相對(duì)熟悉，并且對(duì)大類資產(chǎn)配置，風(fēng)險(xiǎn)模型等金融基礎(chǔ)知識(shí)具備扎實(shí)的基礎(chǔ)，同時(shí)因?yàn)樾枰罅康臄?shù)據(jù)分析，對(duì)編程能力具有一定的要求，主流以python為主。閱讀和理解金融領(lǐng)域的外文文獻(xiàn)和實(shí)現(xiàn)相關(guān)的模型也是重要的技能之一，因此英語和將論文模型實(shí)現(xiàn)也是必備技能。CQF持證人職業(yè)方向-量化開發(fā)工程師相對(duì)于量化研究和交易員，量化開發(fā)需要了解更多的和編程相關(guān)的內(nèi)容，也需要學(xué)習(xí)更多的軟件開發(fā)的工具，比如版本管理git，數(shù)據(jù)庫SQL，Linux操作系統(tǒng)等等，如果是從事算法交易開發(fā)還需要扎實(shí)的數(shù)學(xué)基礎(chǔ)知識(shí)，量化開發(fā)日常的工作主要是支持交易員的日常交易的需求，實(shí)現(xiàn)交易的策略和算法，開發(fā)交易Quant使用的交易工具等等，相對(duì)于量化研究，量化開發(fā)和量化交易聯(lián)系的更為緊密，因?yàn)镼uants需要開發(fā)人員提供交易工具，包括算法的實(shí)現(xiàn)、策略執(zhí)行過程中問題的處理，交易數(shù)據(jù)統(tǒng)計(jì)等等，而量化研究人員更多的面對(duì)客戶提供具有價(jià)值的研究報(bào)告。