https://mp.weixin.qq.com/s/aPITviBfizekfvUXiQxOlg
时间 |
内容 |
第1周(2020年9月7日至2020年9月13日) |
熟悉软件基本功能: 1) Python的同学安装Anaconda,Jupyter,Spyder等软件 2) 每人获得一份国内金属期货铜、锌、镍、黄金、白银期货4年一档分笔数据和3个月5档分笔数据,可以进行简单地分析和学习; 3) 利用数据,实现基本的统计、绘图等功能; |
第2周(2020年9月14日-2020年9月20日) |
测试第一个因子: 1) 按照样例程序,测试第一个预测因子的表现;使用固定金额回测,方便跨品种; 2) 改变回看周期生成不同的结果; 3) 画出回测曲线,统计收益率、夏普比、最大回撤等指标; 4) 统计样本内、样本外的表现; 5) 多品种联合回测 |
第3周(2020年9月21日-2020年9月27日) |
测试多个因子: 1) 测试约5个因子,分别生成结果; 2) 对比不同的因子,总结看哪类因子比较好; 3) 按照偏度、峰度调整因子 |
第4周(2020年9月28日至2020年10月4日) |
增加趋势、反转等形态类因子 1) 测试相关性、动量、波动率等方面的因子; 2) 研究一些与方向无关的形态类因子; 3) 大规模迭代生成因子 4) 基于5档行情的因子回测 |
第5周(2020年10月5日-2020年10月11日) |
因子深度加工 1) 跨品种因子回测 2) 套利策略回测; 3) 跨周期因子组合; |
第6周(2020年10月12日-2020年10月18日) |
建立投资组合模型: 1) 不同因子生成不同的资金曲线; 2) 按照马科维茨、均值方差模型生成投资组合曲线; 3) 按照风险平价模型生成投资组合曲线; 4) 按照夏普比、主成分分析进行投资组合; 5) 完成测试报告; |
第7周(2020年10月19日-2020年10月25日) |
线性回归模型: 1) 用因子来构建线性回归模型; 2) 测试不同的因变量; 3) 统计各个因子的R平方、t统计量等; 4) 分样本内、样本外统计R平方; 5) 逐步向前回归; 6) 生成资金曲线; 7) 完成测试报告; |
第8周(2020年10月26日-2020年11月1日) |
高级线性回归模型: 1) 生成带约束的线性回归模型; 2) 建模前因子矩阵处理; 3) 对比ridge, lasso,elastic net的表现; 4) 测试样本内、样本外的表现; 5) 跨品种因子建模 6) 完成测试报告; |
第9周(2020年11月2日-2020年11月8日) |
滚动优化 1) 运用滚动方法训练、测试模型; 2) 滚动的lasso、ridge、elastic net等; 3) 滚动的投资组合优化; 4) 完成测试报告; |
第10周(2020年11月9日-2020年11月15日) |
机器学习之决策树模型 1) 安装gbm, xgboost等程序包; 2) 调用决策回归树研究模型,优化参数; 3) 按样本内核样本外构造模型; 4) 完成测试报告; |
第11周(2020年11月16日-2020年11月22日) |
其它频率策略: 1) 利用之前的结果,选取最好的因子和模型; 2) 分析中低频策略表现,生成资金曲线,划分样本内、样本外、滚动优化等; 3) 分析更高频策略表现,生成资金曲线,划分样本内、样本外、滚动优化等; |
第12周(2020年11月23日-2020年11月29日) |
完全样本外测试 1) 读取课程以来这12周的数据,清洗数据、计算因子等; 2) 用之前的模型来进行完全样本外的测试; 3) 一般选取最好的模型和参数进行一次性的测试; |
3
本项目的特点
1、 直接用真实的期货高频数据建模,而不是人工合成的K线数据;
2、 回测、优化程序大部分已经完成,学员只需要写最核心的部分;
3、 有ppt和视频讲解;
4、 导师提供完整的样本策略供学员参考、学习;
5、 建模用到的都是业内主流的统计学模型,不是传统程序化交易模型;
6、 从第二周开始就提供完整的策略学习,培养学员的学习兴趣;
7、 循序渐进,而不是枯燥的独立重复劳动;
4
与其他项目的区别
内容 |
本项目 |
其他培训项目 |
项目形式 |
样本程序+自己编程 |
理论+模拟交易 |
主要内容 |
优化参数、设计因子、测试模型 |
手动模拟交易 |
时间跨度 |
3个月 |
1-2个月 |
教学方式 |
网上教学 |
现场教学 |
所用知识 |
回归分析、机器学习等 |
简单交易规则 |
自动化程度 |
面向自动交易 |
面向手动交易 |
5
与其他量化培训项目的区别
本项目 |
其他实习项目 |
|
教学方面 |
有导师系统教学,有样本程序学习 |
没有系统性教学,自己摸索为主 |
工作内容 |
研究因子、建立模型、投资组合优化等量化交易的方方面面 |
单纯测试研究预测因子 |
灵活程度 |
没有工作时间和场所限制 |
严格的工作时间和场所 |
知识产权 |
研究成果归个人所有 |
研究成果归公司所有 |
时间长度 |
长达3个月,内容更充实 |
往往只有1 个月 |
6
课程形式
1、 每周周日或之前会发样本程序、数据、ppt、视频,主要是黑色系商品期货,周一开始学生自行进行程序的调试和编写;
2、 从课程体验来说,第2周开始学生就会接触到完整的策略和相应的资金曲线与策略评价,这样学生可以很直观地知道自己策略研究的进展;当然,稳定赚钱的策略是很难研究的,