36句投资心得金句，总会有那么几句会触动我们的投资神经

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

股神-沃伦•巴菲特
1. 要在别人贪婪的时候恐惧，而在别人恐惧的时候贪婪。
2. 如果你没有持有一种股票10年的准备，那么连10分钟都不要持有这种股票。

3. 只有退潮时，你才知道谁是在裸体游泳。

4. 拥有一只股票，期待它明天早晨就上涨是十分愚蠢的。


金融大鳄-乔治•索罗斯
1. 炒作就像动物世界的森林法则，专门攻击弱者，这种做法往往能够百发百中。

2. 我生来一贫如洗，但决不能死时仍旧贫困潦倒。

3. 在股票市场上，寻求别人还没有意识到的突变。

4. 承担风险，无可指责，但同时记住千万不能孤注一掷。





投机奇才-安德烈•科斯托兰尼
1. 价格密集盘整之后的突破，通常是值得冒险的交易机会。

2. 股票永远不会太高，高到让你不能开始买进，也永远不会太低，低到不能开始卖出。

3. 那些最有名气的上市公司的股票最容易投机过度。

4. 在长达80年的证券交易中，我至少学到一点：投机是种艺术，而不是科学。

技术分析大师-威廉·江恩

1.不在成交量大增之后买进，不在成交量大减之后卖出。

2.当你一旦完全掌握角度线，你就能够解决任何问题，并决定任何股票的趋势。

3.图表能反映出一切股市或公司股民的总体心理状况。

4.不要一次性买进，傲慢就是罪过。

环球旅行投资家-吉姆•罗杰斯

1. 决不赔钱，做自己熟悉的事，等到发现大好机会才投钱。

2. 当所有人都疯狂的时候，你必须保持冷静。

3. 获得成功之后往往会被胜利冲昏头脑，这种时候尤其需要平静地思考。

4. 赚钱和理想融合是最美妙的事情。

股市伯乐-菲利普·费舍

1.你永远也不可能做到了解自己或市场的方方面面。

2.现金流是任何公司的重要健康指标。

3.追求资本大幅成长的投资任，应淡化股利的重要性。

4.买进真正优秀的成长股时，除了考虑价格，还不能忘时机因素。

金史上的传奇-彼得·林奇

1.周期性行业的股票要在市盈率高时买进，市赢率低时卖出。

2.买进有盈利能力企业的股票，在没有极好的理由时不要抛掉。

3.不进行研究的投资，就像打扑克从不看牌一样，必然失败。

4.炒股要有自信，没有自信就会失败。

日本股神-是川银藏

1.每日盯牢经济与股市行情的变动，必须是自己下工夫研究。

2.投资人的心境必须和乌龟一样，慢慢观察，谨慎买卖。

3.不可太过于乐观，不要以为股市会永远涨个不停，而且要以自有资金操作。

4.在我进入之前，我就知道该何时退出了。

美国共同基金之父-罗伊·纽伯格

1.投资的成功是建立在已有的知识和经验基础上的。

2.时机可能不能决定所有事情，但时机可以决定许多事情。

3.股票显然是所有追求长期增长的投资者的首选资产。

4.别人的鞋子不合自己的脚。

Python与量化投资

写作初衷：

为了更好地推动量化投资在中国的普及与发展，我们编写了《Python与量化投资：从基础到实战》一书，本书兼顾了Python语言与量化策略的编写，既可以为不懂Python语言的读者提供零基础入门，也可以为有Python基础的读者提供量化策略建模参考。

细心的读者不难发现，本书量化投资策略部分的介绍篇幅远大于Python语言的介绍篇幅，这也可看出我们出版本书的初心。

按照这本书的逻辑与脉络，王小川老师12月上海与经管之家量化投资学院合作开设

Python量化投资-从零基础到实战现场培训

作者亲临现场授课4天，带你更高效掌握Python量化投资的思想与策略实战

时间：2018年12月8-9日 和 15-16日 (共四天两个周末)
安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
地点：上海培训教室

学费：5000元 / 4000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

课程特色：
1：现场教学，可现场和老师互动，解决从业疑惑；
2：课程内容丰富，囊括了许多量化投资的理论知识；
3：基础班从零开始，快速掌握Python金融编程所需；
4：教学过程深入浅出, 以实例与实作印证所学；
5：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：
第一天：Python语言基础与金融统计分析

Part1：Python语言学习与应用

1、Python语言简介

2、运算符与表达式

3、Python控制流

4、Python函数

5、Python模块

6、异常处理与文件操作

7、Python绘图

8、Numpy篇

9、Pandas篇

10、数据库连接

Part2：金融统计分析概论

1、统计学理论   

（1）统计学概论   

（2）描述性统计   

（3）参数估计   

（4）假设检验   

2、多变量相关性分析

3、线性回归模型

案例分析：

案例一：大型股票数据库读取股票数据

案例二：A股市场股票数据绘图

案例三：交易数据描述性统计

案例四：非金融专业数据获取方法

第二天：

Part1：金融数据处理高级编程

1、Pandas深入分析

2、金融因子数据生成

3、常见的金融数据整理方式

Part2：量化投资概述

1、投资策略回顾与比较   

2、基本面、技术分析和量化的联系与区别   

3、量化投资概述

4、量化投资风险与管控

Part3：量化投资Python平台介绍

1、数据获取

2、回测框架介绍

3、回测注意问题。

案例分析：

案例一：市盈率手动计算

案例二：Panel数据的存储与提取

案例三：简单的均线穿越策略实现

第三天：

Part1：市场描述策略

描述性研究

Part2：高级交易策略

1、CTA策略

2、大师选股策略

3、市场中性选股策略

4、技术指标类策略

5、资产配置策略

Part3：时间序列模型

1、什么是时间序列数据  

2、时间序列的平稳性检验与白噪声探讨  

3、时间序列平滑  

4、【SMA、WMA EWMA】

5、金融时间序列建模预测

6、【ARMA、ARIMA模型】

7、波动的集聚效应  

案例分析：

案例一：如何通过各种数据描述当前市场状态

案例二：CTA策略

案例三：经典大师选股策略

案例四：市场中性选股策略

案例五：技术指标类选股策略

案例六：资产配置策略

案例七：时间序列策略

第四天：

Part1：投资组合基本概念

1、超额Alpha选股

2、CAPM模型

3、三因子模型选股

Part2：投资组合构建

1、单因子测试

2、多因子测试

3、常见的组合构建方法

Part3：数据挖掘算法在量化投资中的运用

1、逻辑回归与涨跌预测   

2、支持向量机模型与涨跌预测  

3、聚类与股票配对  

Part4 舆情分析与关注度模型

1、文本挖掘概述   

2、文本处理技巧

3、中文分词

案例分析：

案例一：单因子全套测试代码

案例二：组合构建案例

案例三：文本数据处理案例

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。

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。

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15 回帖

王小川：

华创证券研究所金融工程高级分析师，国内知名MATLAB、Python培训专家，MATLABSKY创始人之一。从事量化投资相关的工作，承担了部分高校的统计课程教学任务，长期研究机器学习在统计学中的应用，精通MATLAB、Python、SAS等统计软件，热衷于数据分析和数据挖掘工作，有着扎实的理论基础和丰富的实战经验。

Python量化投资邀请函.pdf (287.81 KB)

2018-10-10 09:52:07 上传

  欢迎大家报名参加

量化投资的学习实战经验的分享必不可少，王老师从事量化投资多年，成功的经验及策略实战的快速掌握就在Python量化投资现场班中！

常用的量化投资的工具有R/MATLAB/Python，各有利弊，选择Python的优势在于：

首先，开放，各种平台可以用，开源各种分析工具包，时间系列，机器学习等都方便。文件处理，网络，数据库对接都很容易。

其次，有不同的开源包或者接口支持不同的功用，性能不是问题。

再次，Python已成为人工智能时代成为流行的语言之一。


更简单，更通用，能做更多的事情，

这也是本次量化投资现场培训选择Python授课的主要原因

       就跟JavaScript在web领域无可撼动的地位一样，Python也已经在金融量化投资领域占据了重要位置，从各个业务链条都能找到相应的框架实现。

       在量化投资（证券和比特币）开源项目里，全球star数排名前10位里面，有7个是Python实现的。从数据获取到策略回测再到交易，覆盖了整个业务链。

       而商业量化平台Uqer优矿，也同样是基于Python实现和提供服务的。国内后来的其他量化平台，例如RiceQuant和JoinQuant，也主推Python环境。可见Python在量化平台应用的占有程度。

可以的

谢谢楼主的分享！

谢谢楼主分享！

very nice, thanks