发帖
雷达卡
中国的股市是一个不足够健全的市场，普通的散户想要赚钱是非常困难的。从规则上讲就有很多处于弱势的地方，那么到底能不能赚钱呢？当然是可以的！但是我们应该避免刀耕火种的炒股方法。
在国外，量化炒股开始的比较早。在机构里，比如桥水是一家非常伟大的公司。尽管很多人并不知道它，它也不如伯克希尔更有名气，但是我一直比较崇尚的就是达力欧这种风格的投资家，并且也很赞同他的管理理念。国外有很多的程序员都在使用量化投资，他们写各种各样的策略，并且用于实战，甚至对接了交易系统，自己只需要接受交易系统给自己的推送消息，来查看自己的交易系统是否在正常的工作，本人则在某地度假。
中国国内程序员们其实有天然的优势，首先国内做量化的还不多，事实上，从逻辑上来讲，如果做量化的多了，某种程度上会改变中国股市的格局。股市始终是一个少数人获益的市场，如果大多数人都在使用人工智能量化，并且在初级阶段，这些模型大致是相似的，那么赚钱就会越来越难。这是我们所说的二八定律。
目前深度学习框架基本上都可以使用Python，而Python真的是一门普通人都能学会的语言，不仅仅是程序员。而人工智能中的深度神经网络，对于我们来说，我们需要掌握的是其应用，我们不去深究一些基础模型的话，那我们普通人都可以来设计自己的深度神经网络模型来预测股市走向。
5月@北京，6月@上海-经管之家量化投资学院短训提升现场班：
人工智能与机器学习对交易与投资产生巨大影响。交易领域的人工智能应用，大多藉由机器学习来鉴别，分析资产价格变化的特征或因子，以利于构建盈利的交易策略。本课程将系统性介绍常用机器学习方法在股市的应用。
Python机器学习与量化投资
培训时间：2019年5月24-27日 (四天) 北京/ 6月6-9日 (四天) 上海
培训地点：北京市海淀区厂洼街3号丹龙大厦附近/上海市培训教室
培训费用：5000元 / 4200元 (学生价,仅限全日制在读本科及硕士)
授课安排：上午9:00-12:00，下午1:30-4:30，答疑4:30-5:00
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！
主持多项金融大数据研究项目，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。
课程大纲：
Python 基本介绍（一天）
1. Python对象类型
2. Python 常用语句和语法
3. Python函數
Python数据分析（一天）
1. Numpy程序库与多维数组
2. Pandas与时间序列数据
3. Matplotlib数据可视化
机器学习与量化交易（两天）
机器学习是从看似无序的数据中分析规律，识别可能具代表性的模式，再藉以对未知数据进行预测。
而股市具有大数据特征，应用机器学习方法从海量的股市数据中发现潜在规律，预测未来发展趋势，对于降低投资风险与增进决策效率显然有重要的意义。
本课程拟介绍如何应用下列的机器学习方法来预测股市，并分析不同方法的效能。
1. 逻辑回归
1.1 逻辑回归基本概念
1.2 二元分类与逻辑回归模型
1.3 多类别逻辑回归
1.4 逻辑回归的案例分析
2. 机器学习算法：线性判别分析（LDA）和 二次判别分析（QDA）
2.1 判别分析的基本定义
2.2 线性判别分类器与二次判别分类器的理论模型
2.3 构造判别分析分类器的具体操作步骤
2.4 LDA与QDA 金融案例分析
3. 支持向量机
3.1 支持向量机基本概念
3.2 支持向量机的原理
3.3 线性可分与非线性可分支持向量机
3.4 核函数
3.5 支持向量机与金融数据分类
4. 聚类与统计套利
4.1 时间序列的基本概念
4.2 配对交易的思想与实现
4.3 聚类演算法的介绍与应用
5. 随机森林
5.1 决策树
5.2 随机森林的基本概念与演算法
5.3 随机森类算法的独特优势
5.4 随机森林的应用：股票市场
6. 人工神经网路(ANN)与深度神经网络(DNN)
6.1 人工神经网络的缘起
6.2 神经元与激活函数
6.3 人工神经网络
6.4 反向传播算法
6.5 深度神经网络
6.6 人工神经网络与深度神经网络的金融市场应用分析
7. 卷积神经网络（CNN）
7.1 卷积神经网络的基本想法
7.2 卷积层
7.3 池化层
7.4 全连接层
7.5 卷积神经网络的整体架构及其变形架构
7.6 CNN与股票预测
8. 递归神经网络（RNN）
8.1 递归神经网络的基本框架
8.2 Backpropagation Through Time（BPTT) 算法
8.3 RNN与CNN对股票预测的对比分析
8.4 長短期記憶模型LSTM和GRU 网络
8.5 RNN, LSTM和GRU模型对股票预测的对比分析
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“http://www.peixun.net/main.php?mod=buy&cid=932”，在线提交报名信息
（留言注明北京 还是 上海班）；
2，进入结算中心，通过订单支付；
3，我们与您电话联系确认；
4，培训现场领取发票和纸质版讲义。
联系方式：
魏老师
QQ：1143703950
Tel：010-68478566
Mail：vip@pinggu.org
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
