R语言量化投资_SAS金融应用

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

       最近伴随着两会召开最热的题外话题是什么？可能就要数人工智能AlphaGo大战韩国棋手李世石了。人工智能到底有多少潜能？不仅让技术门外汉感到震撼，全国人大代表、腾讯CEO马化腾这样的互联网科技翘楚也有同样的感受。

       马化腾说，必须要靠推理的方式才有可能战胜人脑。所以这方面是给大家一个相当大的震撼，业界包括公司内的同事争相传阅，蠢蠢欲动，说他们也想做点儿这样的事情。这个是给沉寂多年的人工智能确实带来了一些实实在在的变化。做这一行的人也感到很激动。

       有人在网上调侃，AlphaGo要在炒股上战胜人类，那才真是有本事。其实我们可能忽略了，人工智能与资本投资结合出来的初期应用已经在我们身边一段时间了，我们叫它“量化投资”。

       它借助现代统计学、数学的方法，从海量历史数据中寻找能够带来超额收益的多种“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资，力求取得稳定的、可持续的、高于平均的超额回报。

       量化投资在海外的发展已经有30多年的历史，由于机器决策的逻辑一致性和独立性，投资领域中机器战胜人的例子不少。不过，在A股市场，2004年就出现的量化策略基金一直遭遇水土不服。直到2010年4月中国个股指期货品种——沪深300股指期货推出后，有了对冲标的，量化对冲基金和这种理念才开始被人们所熟知。去年A股市场大幅震荡，量化对冲产品依靠有效的对冲工具避过了暴跌而大行其道，一些产品还取得了不错的收益。

      中国资本市场还在蓬勃发展，我们的量化投资未来也会有更广阔的空间。不过投资本身还是有着人性的博弈，就像现在每一个成功的量化产品背后，都有着独具个性的投资人。未来这种人的眼光与模型智能的结合，可能衍生出更多看点。

量化投资：思想、策略与R语言
基础+实战
时间：基础班: 2017年3月24日 (一天)                    
          实战班: 2017年3月25-27日 (三天)
安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
地点：北京市海淀区首都体育学院
学费：基础班: 1000元 /800元 (仅限全日制本科生及硕士研究生优惠价)
          实战班: 4000元 /3200元 (仅限全日制本科生及硕士研究生优惠价)
          全程优惠价: 4500元 /3600元 (仅限全日制本科生及硕士研究生优惠价)          
         (食宿自理)
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。
详情请参照回复
我要报名

同时，SAS数据分析解决方案在金融行业大放异彩
        金融业中蕴含着海量的客户信息与交易数据。如何从这样一个巨大的数据库中提炼有用信息，挖掘数据背后的商业价值，如何将这些数据转化为企业效益，这是金融领域中的企业正在面临的难题。      
        一直以来，SAS为众多金融客户提供分析解决方案与实施服务，其金融客户遍布全球，其中包括财富全球500强银行中97%的银行。在中国，四大国有银行及21家股份制银行和数家主流保险机构均为SAS用户，SAS协助其提高盈利、管理风险、获得更佳股东价值以及有效提升竞争力。
金融业的SAS实际运用特训

时间：2017年4月29-5月1日 (三天)

地点：上海市南京东路附近培训教室

费用：3300元 /2800元 (仅限全日制本科生及硕士研究生优惠价)

安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00

详情请参照回复

我要报名

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。

报名流程：

1：点击“我要报名”，网上填写信息提交，注明报全程还是阶段
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

联系方式：

魏老师

QQ：1143703950

Tel：010-68478566

Mail：vip@pinggu.org

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏7 回帖

关键词：量化投资 金融应用 R语言 沪深300股指期货 SAS数据分析 北京

量化投资：思想、策略与R语言

讲师介绍：

蔡立耑（Terry Tsai），美国伊利诺伊大学金融硕士，华盛顿大学经济学硕士、博士，在国内外如美国、韩国有丰富的授课经验。带领博、硕士生从事投资决策、金融衍生品、风险分析、交易策略等领域的研究。
生长于台湾，求学于美国，在台湾的信息与金融业担任高级顾问，不仅拥有扎实的金融理论基础，而且具备广阔的国际视野与前沿的研究理念！
主持多项金融大数据研究项目，涉及SAS、R、Matlab、Mathematica、Java 与C#、F# 等多种统计分析工具与编程语言。在数据处理、数据分析以及数据可视化等数据科学领域有丰富的经验和独到的见解。
亲身实践各种金融应用，主持研究团队与台湾知名大学与企业合作开展各种金融研究，例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。

课程特色：

1：现场教学，可现场和老师互动，解决当下的课程疑惑

2：课程内容丰富，囊括了许多量化投资的理论知识

3：课程内容新颖，应用前沿的学术理论

4：教学过程深入浅出, 以实例与实作印证所学

5：学员能快速掌握灵活R语言，能在现实中通过此工具解决量化投资等综合金融问题

6：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

课程目标：

本课程旨在有限的四天时间内帮助学员高效实现：

1：深入理解量化投资的思想，建立起量化投资的理论直觉

2：熟练灵活使用R语言，能藉助R语言工具高效迅速构建量化投资策略

3：培养强烈的市场投资直觉，能通过构建量化投资策略敏锐捕捉市场盈利，赢取市场套利空间

课程大纲：

基础班

第1天 R语言基础与金融统计分析

R语言学习与应用

1. R语言简介

  1.1 R语言的特点与安装

  1.2 R Studio的环境配置

  1.3 R 语言的扩展包

2. 数据操作

  2.1 基本数据类型与互相转换

  2.2 数据结构介绍

3. 数据的输入与输出

  3.1 常用文件格式

  3.2 数据结果输出

4. 数据计算基础

  4.1 常用数据运算函数

5. R语言绘图

5.1 基础图形绘制

5.2 ggplot2图层式绘图

6. R语言高阶技巧

  6.1 R语言的函数结构

  6.2 apply函数簇介绍

  6.3 R语言并行运算

案例: 大型股票数据读取

案例: A股市场股票数据绘图

金融统计分析与R语言

7. 概率分布理论

  7.1 样本分布理论

  7.2 描述性统计

  7.3 参数估计

  7.4 假设检验

8. 多变量相关性分析

9. 线性回归模型

案例:  A股交易数据描述性统计

案例: 指数编制与计算

案例: 行业间股票收益率比较

实战班

第2天 金融时间序列, 基本面选股策略, 投资组合

金融时间序列分析

1. 认识金融时间序列

2. 时间序列的平稳性检验与白噪声探讨

3. 时间序列平滑处理

4. 金融时间序列建模预测

5. 时间序列波动的集聚效应

案例: 以上证综指为例，运用统计方法检验时间序列数据可预测性的前提条件。

案例: 运用ARIMA模型进行批量模拟建模，以预测股票未来的收益率。

案例: 使用GARCH模型预测波动率，并将其应用于VaR模型的风险管控。

量化选股策略

6. 基本面分析（FundamentalAnalysis）选股

  6.1 短期偿债能力指标

  6.2 营运能力指标

  6.3 资本结构与长期偿债能力分析指标

  6.4 盈利能力指标

7. Benjamin Graham价值选股

  7.1 Graham选股公式三个标准

  7.2 中国股市的检验

  7.3 经典十项法则及详解

  7.4 Graham选股策略的实现与市场表现

8. GARP 选股策略

9. CAPM超额Alpha选股

10. 三因子模型选股

投资组合配置

11. 马科维茨风险-收益模型原理

12. Black-Litterman模型

第3天 常用技术指标,投资表现衡量,高频数据分析

投资绩效表现分析

1. 收益分析

2. 风险分析

3. PerformanceAnalytics包的介绍与应用

技术指标、买卖点捕捉

4. K线图形态分析

5. 均线系统

6. 动量交易策略

7. 相对强弱指标（RSI）与市场反转

  7.1 RSI "黄金交叉"与“死亡交叉”探讨

  7.2 RSI "顶背离"探讨

8. 随机指标KDJ与价格波动

9. 高频金融数据分析

  9.1 非同步交易

  9.2 交易数据的经验特征

  9.3 价格变化模型

  9.4 持续期模型

  9.5 处理市场微观结构噪声

第4天 量化投资策略实战

1. 通道策略

2. 多指标组合投资策略

3. 量价关系分析

4. 配对交易策略

5. 轮动投资策略

6. 仓位控制

7. 一个趋势存在與否的判斷策略

8. 趋势追踪策略

9. 利用均值回归在震荡中获取交易机会

10. 追涨杀跌策略

11. 支持向量机与股票涨跌预测

12. 神经网络与股票涨跌预测

我要报名

金融业的SAS实际运用特训

讲师介绍：

覃老师，2001年开始使用SAS进行金融产品开发和金融数据分析，曾经在某一世界500强金融企业负责产品分析和数据建模工作，使用SAS完成了很多产品开发及其数据分析的项目。

他开发的产品通过数据分析和建模体现创新性，曾领跑国内同类产品销售收入业绩多年，其利用SAS工具和金融建模思想较大程度地推进了业务的发展。

覃老师对SAS的培训有丰富的实战经验，讲授SAS课程多年，理论和实践相结合，培训学员无数，能够帮助即使是零基础的学员在短时间内掌握和使用好SAS，深刻理解金融和方法工具实现，并能学以致用，每次都受到学员高度好评。

课程目标：

不仅仅是搭建数据挖掘平台，更重要是让培训对象在理解数据所包含的业务含义的基础上进行分析工作。通过这种方法使帮助学员切实的解决了很多工作中的实际问题，提升了从数据角度去思考的能力。

课程特色：

1. 注重SAS的基础操作和数据的特征相结合，注重数据分析的理论和业务的实际理解相结合，帮助学员在短时间内掌握金融业数据分析业务最核心的解决方案和思路；

2. 使用工作中实际遇到的问题作为案例分析讲解，让学员在工作中对数据分析很快上手，提升业务的数据分析实际能力。

课程适用人群：

1.零基础学员，想涉足金融数据分析领域者；

2.在公司从事数据分析工作者，想系统地进行学习或者提高数据分析的高度和技能。

课程大纲：

一, 金融的SAS基础（上）        
课程目标：掌握SAS的数据整理、变量和观测值的汇总等关键语句
1. 利用数据步进行数据获取整理：结合实例分析（含set, by, merge, put, infile, keep, retain, array等等重要语句）
2. 利用过程步进行数据汇总整理：结合案例分析（含print, means, SQL, report, datasets, sort等等重要语句）
3. 案例：全面覆盖SAS 常见的数据整理经典案例

二, 金融的SAS基础（下）        
课程目标：掌握SAS的函数、编程和宏变量等关键语句
1. 利用循环与控制进行数据分析：结合实例分析（含if-then, select, do, go to, continue, leave等等重要编程语句）
2. 利用函数功能：结合案例分析（含各种重要函数）
3. SAS的宏变量（宏参数、宏函数、宏语句和宏的应用）
4. 案例：
a. 多个SAS金融常见的小案例分析；
b. 信用卡还款计算；
c. 客户交易的数据分析。

三, SAS金融的线性模型经典应用案例分析
1. 金融线性模型的SAS分析
2. 案例：
a. 中国股票市场的CAPM模型的检验（投资业绩评价、α系数、β系数）；
b. 中国股市的三因素模型分析（Fama、French）；
c. 基金经理业绩的量化比较分析；
d. 银行理财产品收益的预期比较分析。

四, SAS金融时间序列应用分析
1. 金融时间序列的基本概念和理论基础（含平稳和单位根检验、ARIMA模型、协整、误差修正模型、格兰杰检验等重要金融时间序列内容）
2. SAS金融的时期和时间的处理
3. 案例：
a. 从白噪声时间序列到ARMA序列的随机模拟；
b. 单位根检验指数实例；
c. ARIMA模型建模实例及其预测；
d. 指数的协整检验实例；
e. ECM模型的参数估计实例；
f. Granger检验。

五, SAS收益计算、收益波动率计算和最优投资组合
1. 股票收益的SAS计算（含单个股票、多股票和投资组合收益计算）
2. 固定收益证券的SAS计算（含内生收益、到期收益、债券久期和凸度的计算等）
3. 收益波动率SAS计算的各种情形
4. 线性规划和非线性规划的最优投资组合
5. 案例：多个SAS金融收益和波动率计算的案例分析、最优投资组合经典情形分析

六, 金融的SAS随机模拟和风险度量
1. 随机变量和统计抽样的分布模拟实例
2. AS的蒙特卡罗模拟及其计算实例
3. VaR的概念、检验和度量方法
4. 案例：
a. 债券及其组合的VaR的计算实例；
b. GARCH模型在股票VaR中的计算实例；
c. 交易数据的综合分析（选讲）。

我要报名

SAS和R都是金融领域不可离开的分析利器！！支持SAS金融和R量化投资~零基础可学

非常棒的课程，案例分享可以更快上手
参加SAS金融

R量化投资课程又更新了内容参加参加  期待(☆▽☆)

好好学习

see                    

非常实在的课程，可惜不在北京，不然肯定就报了。