18年4月北京DSGE模型 / Python量化投资

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

DSGE，动态随机一般均衡模型（Dynamic Stochastic General Equilibrium）已成为当代宏观经济学研究和分析主流框架，被众多经济学家和政策制定者们用于经济分析和政策研究。

本培训课程专门针对DSGE模型初学者和宏观经济研究者，系统全面地介绍DSGE模型的相关理论及计量方法。希望通过本课程培训引导初学者熟悉DSGE模型的构建及计算机实现，为研究者将来构建自己的DSGE模型和从事基于DSGE模型的政策研究提供帮助。

DSGE模型原理及应用

时间：2018年4月20-23日 (四天)

地点：北京市海淀区厂洼街3号丹龙大厦附近
安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
费用：4000元 / 3400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

主讲人介绍：
朱传奇，目前任教于中山大学岭南学院。
美国波士顿经济学院博士毕业，美国波士顿联邦储备银行助理研究员，并长期从事宏观经济学的科研和教学工作。其研究方向关注非线性DSGE模型的计量方法，并致力于利用DSGE模型研究中国宏观经济波动和宏观经济政策。

---

Python量化投资
从零基础到实战
时间：2018年4月20-23日 (四天)  
安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
地点：北京市海淀区厂洼街3号丹龙大厦
学费：5000元 / 4200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：

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！经管之家资深量化投资讲师。

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。

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
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3 回帖

关键词：课程 模型

DSGE模型：

参考资料

1.  课程培训讲义及参考程序(Matlab和Dynare Codes)

2.  David Dejong and Chetan Dave(2011), Structural Macroeconometrics,Princeton University Press.

3.  Fabio Canova(2008), Methods for AppliedMacroeconomic Research, Princeton University Press.

4.  David Houceque, (2005), Introduction to Matlab forEngineering Students.

教学方法

1.  理论模型推导

2.  计量方法和计算方法介绍

3.  Matlab 和 Dynare上机练习

课程内容及课时安排（1课时=45min）

第1讲：课程简介（1课时）

1. 课程简介

2. 宏观经济学模型发展历史

3. DSGE模型介绍及培训安排

第2讲：宏观经济数据（3课时）

1.  宏观经济数据处理

   1.1 宏观经济数据来源

   1.2 趋势剔除和周期提取

        1.2.1 线性去除趋势法

        1.2.2 Hodrick-Prescott滤波法

        1.2.3 Band Pass 滤波法

    1.3 经济周期统计描述

2.  Matlab上机训练（1课时）

第3讲：真实商业周期（Real Business Cycle）模型（10课时）

1.  RBC模型（3课时）

   1.1 RBC基准模型介绍(King et al.(1988))

   1.2 求解模型均衡条件

2.  DSGE模型近似及求解（2课时）

   2.1 对数线性化

   2.2 线性差分模型组求解方法

        2.2.1 Blanchard and Kahn(1980)方法

        2.2.2 Klein(2000)方法

        2.2.3 Uhlig(1999)待定系数法

3.  参数校准（2课时）

   3.1 参数校准原理

   3.2 矩匹配(Matching Moments)

4.  RBC派生模型（Money-in-Utility模型，Cash-in-Advance模型）(1课时)

5.  Matlab 上机训练（2课时）

第4讲：Dynare安装及使用（3课时）

1.  Dyanre 安装和配置

2.  Dynare 软件使用：以RBC模型为例

3.  Dynare 上机训练（2课时）

第5讲：新凯恩斯主义模型（New-Keynesian）模型（10课时）

1.  New-Keynesian模型（6课时）

   1.1 模型主体介绍

   1.2 粘性价格定价法则(Calvo定价)及详细推导

   1.3 均衡条件求解

   1.4 对数线性化及线性求解

   1.5 参数校准及模型模拟

2.  Matlab训练（1课时）

3.  Smets和Wounter (2007, AER) （3课时）

   3.1 模型介绍及详细推导

   3.2 Dynare程序实现

第6讲：DSGE模型贝叶斯估计方法及应用（10课时）

1.  状态空间模型

   1.1 卡尔曼滤波(Kalman Filter)

2.  贝叶斯估计基本原理

   2.1 Markov Chain Monte Carlo方法

        2.1.1 Gibbs sampler

        2.1.2 Metropolis-Hastings算法

   2.2 模型参数先验概率选取

   2.3 后验分布与统计推断

3.  案例：New-Keynesian模型的贝叶斯估计

   3.1 Smets and Wounters (2007 AER)

   3.2 上机训练（2课时）

Python量化投资：

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Python，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。

课程大纲：

Day 1

一，Python 编程

1, 数据类型

  1.1 数值类型，字符串，列表，元组，字典，集合

  1.2 可变与不可变

2, 基本语法

  2.1 常用运算符

  2.2 常用语句

  2.3 函数的定义与调用

3, 进阶技巧

  3.1 切片，迭代，列表解析，生成器，迭代器

  3.2 面向对象

        3.2.1 类，封装，与继承

  3.3 函数式编程

         3.3.1 map/reduce

         3.3.2 匿名函数

         3.3.3 装饰器

         3.3.4 偏函数

Day 2

二，数据探索

1, Numpy：数组和向量计算

2, Pandas 与金融数据处理

  2.1 数据清理，转换，合并，重塑

  2.2 数据聚合与分组运算

3, Matplotlib 与数据可视化

4, 时间序列数据

  4.1 日期的采样，频率，移动，及算术运算

三，基于事件趋动的自动化交易系统实践

Day 3

四，基本面选股

1, 财务指标选股模型

2, 积极成长策略

3, 兼具价值与成长之GARP策略

五，常用技术指标

1, K线

2, RSI

3, 均线系统

  3.1 移动平均

  3.2 MACD

4, 通道

  4.1 唐奇安通道

  4.2 布林带通道

        4.2.1 随机指标KDJ

        4.2.2 量价关系

        4.2.3 能量潮OBV指标

六，动量

七，宏观择时分析

八，Kelly公式与仓位控制

九，配对交易

Day 4

十，卡曼滤波器与股价预测

十一，网格交易

十二，缠论

十三，机器学习与量化交易

1, 神经网路

2, 随机森林

3, KNN分析

4, 支持向量机

5, 线性判别分析

6, 二次判别分析

7, 逻辑回归

课程结束后颁发“经管之家量化投资学院”结业证书，直接加入量化投资学院！

支持一下

支持一下！

欢迎大家报名参加

支持支持

谢谢分享