发帖
147 个论坛币
雷达卡
这周事情真的很多，Jerry老师跟我正在积极“备战”，因为在下周一（9.26），我们的【基金量化分析训练营】就要开营了。
1-为什么要做这个基金量化分析训练营呢？
在经历2020和2021的两年里，我们对主观多头和量化多头的追捧，再到2022年由热转冷、躺平摆烂，许多投资人和投资顾问都开始发现：自己所看到的产品简介也好、路演培训也罢，都没有把这些基金产品的重要信息讲明白！
过去，我们往往看到的是产品的上线，比如优秀的管理团队，无比优秀的从业背景以及漂亮的业绩曲线。但如果再仔细一点，会发现除了年化收益、超额收益、区间收益、夏普之外，没有再多的信息了。甚至可能截取一段业绩比较好的区间放在营销材料上，或者把模拟数据和实盘业绩合成一条曲线来展现……
也就是说：我们所看到的信息带有强烈的选择性的！由于只能看到片面的数据，使得我们对于投资的预期无法充分理解，大部分投资人也没搞清楚自己究竟买的是啥？当然这里要深究的话有很多细节，需要各方一起努力来改善。
根据本人的习惯：每当看到一只产品，除了必须了解背后的策略信息之外，还想要结合净值数据去做一些略微有点深度的分析，而这样的分析需要一个完整的框架，当初我在学习时候就非常渴望能够有人能够较为完整地做个梳理。
后来，越来越多的伙伴（投资人和投顾）向我表达了相同的需求，因此我在创立无鱼之后便一直留意，希望能够找到从事基金研究分析经历较长，并且愿意分享的大咖，来给我们这些小白做个培训！
这一找就找了大半年。终于不负苦心人，有一次Jerry在做内部分享的时候，会议链接被他的一个朋友发给了我，我在听完那场讲座之后立刻死皮赖脸地帖了上去，添了几个月，Jerry终于答应我搞个成体系的课程。
这便是【量化分析训练营】的由来，总之开设这个训练营是希望为0基础的伙伴提供更多学习的机会。目前报名参训学员达到150，入营的学员已经超过130。
2-基金量化分析的学习难点和应对方案
还有许多学员不断在问，学这个难不难？
肯定是有难度的，要不然我跟Jerry不需要花费时间来做这么个训练营。
我自己就是个基金小白，也从未在任何金融机构、资管机构、FOF机构里担任过任何职位，按照我的经验，从0基础到入门这个阶段的难点莫过于这么几个。
第一，缺乏完整的学习框架。
不得不承认，我们很多时候的学习是碎片化的。碎片化的好处是不会花费你太多的时间，就能学到一点东西。但是这些东西可能仅仅停留在知道的层面，你没有把这些知识和实际场景结合起来，说白了就是知行分离。
知行分离的结果是让我们的学习没有反馈，也就是你不断在花时间，但究竟得到了什么？不知道！有没有学会呢？也不知道！
没有反馈会让你疑惑，质疑自己这么做的价值，这种质疑则会让你动摇，最终放弃。
而有了学习框架，我们会知道学这个能干嘛？要怎么学？分几步学？我当前学到哪里了？还差多少可以学完……
脱离框架学习，很容易迷失方向或者走错方向，学习效率低，这是第一个难点。
第二，需要借助工具去实战。
上述提到了实战，基金分析是技能，技能就需要通过你不断地使用才能转化成自己的经验和感知，这才会变成真正属于你的东西。
但要实战，就必须借助工具。
什么叫做分析？分析就是对数据进行加工处理，提炼出有用的信息。
既然要处理，没有工具你咋处理？
使用工具的背后是分析问题的思维，工具则是具体实施这些思想的载体。
对于数据的处理有很多工具，比如excel，其实这个工具非常强大，在数据不是很多的前提下，直接使用excel便可以完成建模分析和可视化。无论是风险平价、均值方差、还是动态码模型、期权定价BS都可以用excel去做，也可以使用蒙特卡洛，excel的功能非常强大，但大部分只会用5%~10%。当然，如果数据量比较大的时候，excel就会有所限制，比如运行速度慢甚至算出结果。
除了excel，还有R、matlab、python，学统计的喜欢用matlab或者R（SPSS也可以），运算能力强大，只需要一行命令。但如果要涉及到机器学习，或者其他的功能，可能python会好一些。在本训练营，我们使用python作为工具。
分析的方法（思维方式）和工具使用是第二个难点。
第三，没有实战的学习，从来就不是学习
实战型技能的学习是要以战养战，所以训练营的核心不是听课，而是听课后的训练和讨论。
因此，我跟Jerry会结合课程设计相应的作业给大家。不强求交作业，但如果你自己做了，有问题可以群里讨论，Jerry老师也能有的放矢，帮带辅导。这个地方真的只能靠你自觉了，我先前在【基金组合训练营】中也有安排作业，就是大家使用火富牛工具去构建自己的基金组合，对于组合有问题可以讨论。
很多学员关注这个课程有多少节，每节多少时长，这是学习的误区！问这类问题的人，通常学习成绩都不会太好。因为关注的都不是重点信息，由此外推按照这个思路逻辑去做投资或者服务，结果也不会太好。
对于没有python基础，也不太熟悉基金策略的伙伴，我更是建议大家一定要多实战。一开始可以慢点，你就用学到的东西去分析一只基金产品，把这个过程吃透。然后再复制到你自己买过的基金产品，依葫芦画瓢，坚持去做会有收获。
这是我自己的练习记录：对于管理人的基金产品结合工具分析，然后写报告，不断重复训练，直到形成习惯。这个过程虽然比较枯燥甚至痛苦，但坚持过后会有很大的收获。这个就看对自己的要求了~
3-目前训练营课程进度如何？
训练营授课形式是多元化的，视频课程+群内问答，专业和技术部分课程大家学习的时候虽然会配课件，但要把自己的问题记下来，不懂一定要在群里问！
有两块Jerry老师会给大家展开，一个是基金分析的框架，即对其业绩归因的时候要看哪些方面？为什么要看这些？这些指标反映的是什么信息等等。
另一个是python代码部分，很多伙伴没有接触过coding，可能会有点怵。所以Jerry老师会给大家解读代码，大家今后不是要去做程序员，因此对于python只需要掌握2点即可：大致看得懂代码，以及学会调用功能包（类似按钮，知道哪个按钮按下去会有什么样的效果即可）。
课程已经在小鹅通-经管云课堂上建了专栏，Jerry老师最近在忙着录制和课件制作。
已经完成了第一个章节。
4-学习目标与训练内容
开营时间：9.26周一19:30
4-1-训练型学习目标
1，学会制作基金净值报告
2，学会对单基金产品的表现归因
3，学会对多基金产品的表现归因，并筛选对比
4，学会对股票量化策略市场环境的分析
此外Jerry老师会直接给你们代码包！给你们代码包！给你们代码包！拿去直接用就行。
4-2-课程大纲
一、基金量化分析环境的部署
1、Python环境部署、VScode的安装配置等
2、Python入门技巧、心得分享
3、Mongodb数据库服务安装、安全认证及远程服务器连接等
4、Mongodb数据库使用介绍
二、构建本地基金数据库并实现自动化更新
1、基金净值数据来源、相关数据提供方介绍及对比
2、通过Api获取基金净值、指数行情、风格因子收益等数据
3、数据的保存、读取、更新及本地数据库的构建
4、实现基金净值、行情数据、风格及因子数据的每日更新
三、单基金业绩量化分析
1、常见的业绩指标介绍及Python实现
2、净值数据清洗全流程：净值频率的识别、常规指标及衍生指标的构建等
3、构造基金业绩评价指标计算函数
4、进一步：构造指数增强基金业绩评价指标计算函数
5、一步导出基金业绩指标及清洗后的数据
6、单基金业绩可视化分析（业绩指标展示、净值走势、超额表现、动态回撤等）
7、单基金周度、月度区间收益分布
8、基金持有体验感：基金滚动持有的业绩表现及可视化
9、构造基金选股择时能力函数
10、进一步：基于BootStrap方法的基金选股能力可靠性检验
四、多基金业绩量化比较分析
1、多基金业绩比较函数构造
2、多基金业绩业绩综合比较的可视化分析展示
3、多基金滚动持有表现量化对比（上）
4、多基金滚动持有表现量化对比（下）
5、多基金净值走势一览及多图输出
6、多基金选股择时能力的比较
7、指数增强基金的超额相关性分析
8、同一组别内基金表现稳定性的量化分析
五、基金归因分析
1、带约束条件回归模型求解的Python解决方案
2、基金风格归因函数构造
3、风格暴露求解及风格因子收益贡献
4、进一步：基于多因子模型的Barra风格归因函数构造
5、基于多因子模型的基金选股能力的进一步解析
6、Barra因子暴露及因子收益贡献
7、基于业绩归因的基金收益分解（时序）
六、指数增强策略的市场环境监控
1、数据获取方式
2、指数的时序波动率
3、指数的截面波动率
4、行业热点扩散
5、市场赚钱效应
6、市场风格特征呈现
7、成交量及换手率
部分效果展示：
【参训价格】
单人价1680元；组团价1280元/人，3人成团，学生价980元/人（一定要提前准备学生证获取优惠券）
【参训支付】扫码直接支付即可
【入营学习】完成支付后，将截屏发送给金老师，安排加入学习群，Jerry老师长期坐镇。
金老师：18311190514
就要发车，还没上车的小伙伴抓紧喽~
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
