wolegeyun / FBDQA-2019A

金融大数据量化分析

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
    • 聚宽/一创聚宽：https://www.joinquant.com/；https://ycjq.95358.com/
    • 交易开拓者（TB）
  • 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