/FBDQA-2019A

金融大数据量化分析

Primary LanguageJupyter Notebook

金融大数据量化分析

课程分四个模块, 共15讲

一. 基础准备

1. 量化交易体系的开启姿势

  • 教学内容:
    • 量化交易概述;本课程的整体安排和教学要求
  • 学习引导:
    • 熟悉notebook
    • 安装熟悉Python环境
    • 参考书目:
      • 《打开量化投资的黑箱》
        • Inside the Black'Box:A Simple Guide to Quantitative and High-Frequency Trading
        • 作者:里什纳兰 (Rishi K.Narang)
        • 出版社: 机械工业出版社; 第1版 (2016年5月1日)
      • 《主动投资组合管理:创造高收益并控制风险的量化投资方法》
        • Active Portfolio Management: A Quantitative Approach for Providing Superior Returns and Controlling Risk (2th Edition)
        • 作者:理查德 C.格林诺德 (Richard C.Grinol, 雷诺德 N.卡恩 (Ronald N.Kahn), 李腾 (译者)
        • 出版社: 机械工业出版社; 第1版 (2014年9月1日)
      • 《算法交易:制胜策略与原理》
        • Algorithmic Trading: Winning Strategies and Their Rationale
        • 作者:欧内斯特陈 (Ernest P.Chan)
        • 出版社: 机械工业出版社;
        • 第1版 (2017年1月1日)
    • 了解第三方平台
    • 熟悉GitHub
  • 作业:
    • 《黑箱》读书笔记,要求简要论述自己读书后对量化交易系统的理解;2周后交

2. 量化交易的技术基础(1)

  • 教学内容:

    • 量化交易相关的Python编程基础
    • 在聚宽上开发一个轻量级的量化策略
    • 理解基本的策略评价指标
    • 介绍Notebook任务:计算年化收益、最大回撤
  • 学习引导:

    • 理解和熟悉notebook环境并动手完成实际任务;
    • 注册第三方平台账号(聚宽或一创聚宽)并体验策略回测过程
  • 课堂教学计划:

    基础知识部分,由汪老师讲解,45分钟:

    • 交易基础知识
    • 策略评价指标

    Python部分,由郭老师讲解,45分钟:

    • 环境安装
    • 常用的数据结构: 如何表示价格时间序列(series, dataframe) 如何进行价格的计算,例如计算均线、计算指数滑动平均、计算两个序列的差、价格的引用等,(包含rolling、shift)
    • 基本语法、库函数(重点介绍Pandas和TALib)
    • Notebook部分,简单讲解代码和分布运行的操作过程

    第三方平台(聚宽)部分,由刘老师讲解,45分钟 以双均线策略为例,讲解聚宽上一个策略的开发和回测过程。标的物分成3种:

    • 一只单独的股票
    • 多只股票构成的一个股票池
    • 一只ETF

3. 量化交易的技术基础(2)

  • 教学内容:

    • 其他第三方平台介绍;
    • 一个轻量级的量化策略;
    • Notebook任务:计算夏普比率、分解Alpha和Beta
  • 学习引导

    • 理解投资组合的alpha来源
    • 理解计算后验alpha和beta的原理
  • 课堂教学计划:

    第一部分:进一步完善轻量级量化策略 主讲:刘老师,60分钟

    • 引入完整的股票池机制
    • 择时信号采用更小的颗粒度
    • 股票池择时框架是万能的吗 需要倪助教测试聚宽代码

    第二部分:介绍一个第三方量化交易工具--TB 主讲:汪老师,30分钟 课前要求:安装TB旗舰版

    • 介绍TB的基本功能和语法
    • 用海龟交易法实例演示TB的工作流程 需要池助教检查大家的TB安装情况

    第三部分:投资组合的后验Alpha分解 主讲:汪老师,45分钟(含作业布置、课堂调研和小结)

    • 何为Alpha
    • 怎样分解beta和alpha
    • 实战中怎样看待后验分解的结果
  • 作业:

    • notebook实验报告:要求简要说明收益序列指标评价及后验alpha、beta分解的实验结果和问题讨论, 2周后交

二. 策略初探

4. 打造稳定交易体系的基础

  • 教学内容:

    • 量化策略的六大要素
    • 多因子模型介绍
    • 怎样利用行为金融学扩展量化策略的逻辑来源
  • 学习引导:

    • 参考书目: 《行为金融学》
  • 课堂教学计划:

    第4讲内容 打造稳定交易体系的基础 主讲:汪老师

    第一部分:打雪仗模型 45分钟

    • 交易体系的关键要素
    • 不同风险偏好下的选择
    • 注意事项

    第二部分:行为金融学 45分钟

    • 回顾EMH
    • 在市场里需要掌握聪明的程度
    • 套利限制和投资者行为

    第三部分:多因子模型 45分钟

    • 经典派系
    • 单因子检验
    • 怎样享受多因子的好处
  • 作业:

    • 预告下次作业,自愿结组

5. 创建自己的交易策略

  • 教学内容:

    • 趋势型策略的开发
    • 策略的细节处理和策略检验
  • 学习引导:

    • 参考书目: 《海龟交易法则》
  • 课堂教学计划:

    第5讲内容 创建自己的交易策略 主讲:汪老师

    第一部分:趋势跟随 45分钟

    • 因子回顾
    • 海龟交易法则
    • 应对复杂情况

    第二部分:均值回复 45分钟

    • 均值回复现象和与趋势的关系
    • 反转型策略的基本框架
    • 更复杂的均值回复策略

    第三部分:在实战中如何构建和检验策略 45分钟

    • 下次课程的策略报告要求
  • 作业:

    • 分组开发一个交易策略,下节课进行演示,要求在下节课课前上传策略演示文稿
    • 演示文稿需要包含:
      • 策略逻辑概述
      • 策略重要参数的选择依据
      • 策略回测结果及分析
      • 优化思路

6. 分组策略开发演示及点评

  • 教学内容:
    • 分组演示自己的量化策略,重点说明策略要素和策略评价结果,对后续策略优化的思路
  • 学习引导:
    • 各小组课前一定要上传策略路演报告
  • 作业:
    • 到目前为止总共有3次作业,课程记分方式为3次作业中选择成绩最好的2次计入平时成绩。

三. 深入研发

7. 再战Alpha

  • 教学内容:
    • 更多经典策略介绍
    • 实战因素和关键问题的解决
    • 如何进行刻意练习 - 主观交易与量化交易的关系

8. 策略诊断及挑战性课题

  • 教学内容:
    • 如何进行有效的量化策略诊断
    • 挑战性课题 - 看看专业机构都在怎么玩
      • 怎样用少量非成分股去拟合一个宽基指数
      • 在A股市场怎样做空一个行业
  • 作业:
    • 选课同学可以选做挑战性课题,作为期末加分项
    • 挑战性课题的报告要求汪老师会单独告知,对挑战性课题感兴趣的同学可以联系助教刘为为。

9. 期权

  • 教学内容:
    • 期权的基本概念
    • 期权交易的基本原理和典型策略;
    • 期权实战案例 - 基于pVIX的跨式策略和单边策略

10. 上市公司如何操纵财务报表

  • 教学内容:
    • 基本面分析的基本原理
    • 为什么要操纵财务报表
    • 如何识别财务操纵的蛛丝马迹

四. 实战

11. 爬虫与vn.py

  • 教学内容:
    • 为什么要爬取数据
    • 爬虫的基本原理和技术实现
    • VN.PY为何物
    • 典型的VN.PY技术框架及应用
    • 基于VN.PY的CTP交易小工具的实现
  • 学习引导:
    • 以赛代练,基于本课程启动“第五届清华大学iCenter量化策略邀请赛”
  • 作业:
    • 预告期末大作业要求

12. 深入讨论技术指标与信号系统

  • 教学内容:
    • 技术指标的物理意义
    • 技术指标到信号系统
    • 信号系统开发的坑
    • 如何评测信号性能

13. 专题报告

  • 教学内容:
    • 《人工智能在量化交易中的应用》
    • 《配对交易》

14. 量化策略的体系化研发

  • 教学内容:
    • 回顾与小结:量化交易的优势和盲区
    • 量化交易策略体系化研发方法论
    • 实战量化交易的误区
    • 谈谈高频交易

15. 期末策略路演

  • 教学内容:
    • 以个人为单位的策略制作和报告路演