行为金融学认为,投资者是非理性的,普遍存在的情绪因素和认知偏差使投资者很难做出客观理性的投资决策,而投资决策的偏差则导致市场的非有效性,使资产价格偏离其基本价值。行为金融学很好地解释了人们在从事金融投资时出现的各种现象,对金融资产定价模型进行了改进,并提出行为资产组合理论。
行为金融学的研究表明,任何一个投资个体的判断与决策过程都会不由自主地收到认知过程、情绪过程、意志过程等各种心理因素的影响,以致陷入认知陷阱,使我们出现惯性思维、后悔心态、跟风心理、盲目听信、过度自信、抵制心理、愿赌不服输等问题,导致金融市场中普遍的行为偏差。恰恰是这种非理性认知和行为偏差,使我们频繁出现投资失误。量化投资技术克服认知及投资偏差。
克服投资者认知和行为的偏差有效方法就是充分运用现代计算机信息处理技术,运用数理统计方法和人工智能技术,建立一套科学的数量化的投资模型和科学的投资程序,构造包括多因素量化模型选股、量化投资组合优化,实时量化风险监控,量化业绩归因分析等以量化为核心的投资决策体系。这种投资技术带来的一个显著好处是能快速处理大量数据,通过科学的实证研究有效降低非有效信息的干扰,从而发现股票价值增长的关键因素,在市场波动中捕捉到常规投资分析不易发现的获利机会,有效克服投资偏见,帮助投资者实现长期稳健的收益。
资料来源于博文资产
Python量化投资
从零基础到实战
时间:2018年12月8-9日 和 15-16日 (共四天两个周末)
安排:上午9:00-12:00;下午1:30-4:30;答疑4:30-5:00
地点:上海市培训教室
学费:5000元 / 4000元 (仅限全日制在读本科生及硕士生优惠价);食宿自理
我要报名
讲师介绍:
王小川,博士。国内某券商研究所高级分析师,神经网络、数据挖掘、统计分析应用领域专家,国内的MATLAB论坛管理员,曾多次参与Mathworks公司培训活动。近三年在经管之家开办Python培训,参与承担CDA-1/CDA-2,就业班中Python教学任务,并开办Python量化投资课程。编写《MATLAB神经网络30案例分析》一书,该书的升级版《MATLAB神经网络43个案例分析》已出版,已经出版《Python与量化投资》一书。被评为“金牌讲师”。
课程特色:
1:现场教学,可现场和老师互动,解决从业疑惑;
2:课程内容丰富,囊括了许多量化投资的理论知识;
3:基础班从零开始,快速掌握Python金融编程所需;
4:教学过程深入浅出, 以实例与实作印证所学;
5:可操作性强,将所介绍理论在实战中一一展示,即学即用,在实战中搭建课程的整体脉络。
课程大纲:
基础班(一天):Python语言基础与金融统计分析
Part1:Python语言学习与应用
1、Python语言简介
2、运算符与表达式
3、Python控制流
4、Python函数
5、Python模块
6、异常处理与文件操作
7、Python绘图
8、Numpy篇
9、Pandas篇
10、数据库连接
Part2:金融统计分析概论
1、统计学理论
(1)统计学概论
(2)描述性统计
(3)参数估计
(4)假设检验
2、多变量相关性分析
3、线性回归模型
案例分析:
案例一:大型股票数据库读取股票数据
案例二:A股市场股票数据绘图
案例三:交易数据描述性统计
案例四:非金融专业数据获取方法
实战班(三天)
第一天:
Part1:金融数据处理高级编程
1、Pandas深入分析
2、金融因子数据生成
3、常见的金融数据整理方式
Part2:量化投资概述
1、投资策略回顾与比较
2、基本面、技术分析和量化的联系与区别
3、量化投资概述
4、量化投资风险与管控
Part3:量化投资Python平台介绍
1、数据获取
2、回测框架介绍
3、回测注意问题。
案例分析:
案例一:市盈率手动计算
案例二:Panel数据的存储与提取
案例三:简单的均线穿越策略实现
第二天:
Part1:市场描述策略
描述性研究
Part2:高级交易策略
1、CTA策略
2、大师选股策略
3、市场中性选股策略
4、技术指标类策略
5、资产配置策略
Part3:时间序列模型
1、什么是时间序列数据
2、时间序列的平稳性检验与白噪声探讨
3、时间序列平滑
4、【SMA、WMA EWMA】
5、金融时间序列建模预测
6、【ARMA、ARIMA模型】
7、波动的集聚效应
案例分析:
案例一:如何通过各种数据描述当前市场状态
案例二:CTA策略
案例三:经典大师选股策略
案例四:市场中性选股策略
案例五:技术指标类选股策略
案例六:资产配置策略
案例七:时间序列策略
第三天:
Part1:投资组合基本概念
1、超额Alpha选股
2、CAPM模型
3、三因子模型选股
Part2:投资组合构建
1、单因子测试
2、多因子测试
3、常见的组合构建方法
Part3:数据挖掘算法在量化投资中的运用
1、逻辑回归与涨跌预测
2、支持向量机模型与涨跌预测
3、聚类与股票配对
Part4 舆情分析与关注度模型
1、文本挖掘概述
2、文本处理技巧
3、中文分词
案例分析:
案例一:单因子全套测试代码
案例二:组合构建案例
案例三:文本数据处理案例
报名流程:
1:点击“我要报名”,网上填写信息提交;
2:给予反馈,确认报名信息;
3:网上订单缴费;
4:开课前一周发送课程电子版讲义,软件准备及交通住宿指南。
优惠:
现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;
以上优惠不叠加。
联系方式:
魏老师
QQ:1143703950
Tel:010-68478566
Mail:vip@pinggu.org