原来学基金分析和python也能很上头！

相似文件 换一批

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

专业类的训练营我也办过不少，这么上头的还是第一次见到！

起先我跟Jerry说，python这东西对于0基础的学员们在初期对线的时候会有很大的打击，我们要做好群里冷清的准备。

Jerry表示自己是基金量化分析的老司机，见过世面，没啥大不了的。

结果确实跟我预料的一样，在部署python环境的时候很多人都卡住了。

但让我没想到的是，学员的积极性和学习氛围无比高涨，我都懵了！

Jerry基本上是手把手在帮带，我也帮不上啥忙。毕竟当时我写论文也是因为搞不定python环境，才用Google搞的Colab。

我们第一讲开讲是9月下旬，很快就过节了，我觉得大家可以休息下。结果，7+2的长假就没停过。

在Python部署完成之后，大家便可以进入到第二阶段，开始根据净值对基金进行各种维度的分析和可视化了。这个环节要轻松很多，毕竟代码是现成的，Jerry老师会给大家对代码逐步讲解，然后操练+帮带。

大家快速成长是一件快乐的事情 ，还没上车的伙伴，第二波机会来啦~

---

基金量化分析训练营课程大纲

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；第二波特惠价1280元/人（无需拼团），学生价980元/人（私信橙宝，领取专属优惠券）

【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。

加橙宝

就要发车，还没上车的小伙伴抓紧喽~

就要发车，还没上车的小伙伴抓紧喽~

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2 回帖

关键词：python Bootstrap方法 Bootstrap Bootstra Python入门

学习基金量化分析，大家快速成长是一件快乐的事情 ，还没上车的伙伴，第二波机会来啦~
单人价1680元；第二波特惠价1280元/人（无需拼团），学生价980元/人（私信金老师jl18911190514，领取专属优惠券）

基金量化分析训练营课程大纲


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

thx for sharing~

支持一下！