R做量化投资到底有哪些优势呢?最主要的一点,就是R语言有很多第三方包的支持。通常编程语言的设计,都是为了解决软件开发和程序实现的问题。但R语言在开始时,就被设计为主要解决数据的问题。量化投资就是对数据进行各种数据处理、数据分析,从而找到数据的规律。所以,有很多从事量化投资的人,把R语言用来构建量化交易的模型,进行回测,风险管理等,最后把研究成果开源并贡献给R语言的社区,为后面的人提供了非常大的帮助。
R语言在量化投资领域,已经有很多年的积累,很多的算法已经成型。从投资研究到交易分析,再到风险管理,有着完整的体系结构。我们同样可以沿着前人走出来的路,快速学习,快速搭建出量化投资的系统来。对于有IT但背景缺乏金融知识的人来说,有很多的部分知识上手比较困难,同时看不太懂各种统计指标,对学习造成了很大的阻力。这其实是你深入到具体地某个行业后,都会面临的问题。行业知识和数学知识才是最难的,只有突破了,你才能打开认知新领域的方法。
R语言量化投资交易
从R语言零基础开始,掌握R语言的主要功能,并实战R量化投资交易。
通过量化实战经验分享,掌握R量化投资的技能与思想。
时间:2017年9月2-3, 9-10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:上海市南京东路附近培训教室
学费:4500元 / 3600元 (仅限全日制在读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。
我要报名
讲师介绍:
姚老师,南京大学学士,加州大学统计学硕士,生统方向博士。曾就职于南加州大学,担任统计分析师一职。
国内先后就职于券商研究所,上海证券交易所,现在国内某大型公募基金从事量化研究工作,9年数据处理分析经验,国外一流期刊包括Nature杂志发表过多篇专业论文。
课程大纲:
一.R语言安装与介绍
1.R软件的下载安装
2.Rstudio的简介
3.编译界面和工作环境
4.基本算术和逻辑运算符号
5.包的安装与调用
6.查询求助
二.常用功能介绍
1.R语言数据类型、对象
2.读写、缺失值和日期
2.1读写数据
2.2缺失值处理和日期格式
3.数据管理
3.1变量和观测值处理
a)创建新变量
b)改变观测值
c)变量重命名
3.2常用R自带函数
a)数值型函数
b)字符型函数
c)统计及其他常见函数
3.3结构控制函数
a)If-else
b)For
c)While
d)ifelse
3.4用户自定义函数
3.5数据排序(order,sort)
3.6合并数据
a)添加列(merge)
b)添加行(rbind)
3.7分类汇总
3.8数据子集
4.作图
4.1y~x加回归线和标题
4.2直方图、密度图boxplotpieplot
4.3多个图的par用法
5.数据处理dplyr, apply,lapply
6.线性回归
三.量化投资部分
1.多因子模型选股
1.1用户自定义常用函数
a)如何将数字改为标准代码格式(例如000001保存为1,如何将1改为‘000001’)
b)如何下载交易日,前后调整交易日
1.2因子库构建
a)来源:wind库,天相库,朝阳永续
b)如何每日自动更新数据库(介绍一个简单例子)
1.3有效因子筛选
1.3.1预处理
a)缺失值处理
删除
横截面行业内同因子中位数/平均值代替
b)异常值处理
百分位法
固定标准差法
中位数偏离法
四分位距法
c)标准化
行业内z-score标准化处理
d)正态分布的检验
作图 skewness
正态分布转换
1.3.2单因子有效性检验
因子IC、IR、收益、分组单调性
1.3.3因子间相关性考虑
相关性矩阵
1.3.4筛选最终因子
主观筛选:基于指标及相关性
客观筛选:基于回归模型解释度
1.3.5打分法确定选股
主观方法:经典等权法
客观方法:IC_IR优化
1.3.6回归法选股
1.3.7选股结果生成
是否行业中性
1.3.8模拟净值曲线(K日累计收益)
1.3.9衡量模型的指标计算
1.3.10样本外的定期调仓
1.3.11分行业测试及建模
2.事件驱动策略
2.1数据来源(举例表格,程序,结果)
2.2事件有效性测试
基于逻辑
基于数据样本分类
2.3剔除行业和市值效应以及实际交易情况的真实事件收益
2.4事件驱动策略
3.其他常见策略
配对交易
趋势交易
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