简介
本课程意在传授金融数据处理分析、利率曲线拟合、微分方程数值解、量化交易投资策略建模以及机器学习在量化交易中的应用, 并以Python代码实现程序化交易。学生可以熟练掌握Yahoo Finance connection, sklearn、QS Trader、statsmodel等Python packages (库)。另外，本课程还会传授量化部门面试求职技巧，帮助求职者拿到理想工作offer。
- 1
大概
2888次学习 - 2
基本预测
4021次学习 - 3
第一节课-简介与Python安装
815次学习 - 4
第一节课-Python数据结构
704次学习 - 5
第二节课-NumPy
554次学习 - 6
第二节课-Pandas
393次学习 - 7
第二节课- Scipy
359次学习 - 8
第二节课-pandas vs 画图
330次学习 - 9
第三节课-statsmodel归回
328次学习 - 10
第三节课-statsmodel时间序列
262次学习 - 11
第三节课-SciPy
207次学习 - 12
第三节课-时间序列
236次学习 - 13
第四节-统计学习和技术概述
232次学习 - 14
第四节-金融时间序列分析
218次学习 - 15
第四节-基本预测
215次学习 - 16
第四节课-表现和风险
185次学习 - 17
第五节课-event datahandler strategy
293次学习 - 18
第五节-portfolio execution
161次学习 - 19
第五节-策略
194次学习 - 20
第五节-参数最优化
129次学习 - 21
第六节-贝叶斯估计
215次学习 - 22
第六节-贝叶斯例子和线性模型
155次学习 - 23
第六节-贝叶斯随机波动率
142次学习 - 24
第七节-序列相关系和random walk
132次学习 - 25
第七节-平稳时间序列模型-AR/MA/ARMA
106次学习 - 26
第七节-非平稳时间序列
102次学习 - 27
第七节-非平稳时间序列模型-ARIMA
93次学习 - 28
第七节-非平稳时间序列模型-异方差模型-GARCH
88次学习 - 29
第八节-金融时间序列-II-协整性
106次学习 - 30
第八节-金融时间序列-II-state model
91次学习 - 31
第八节-金融时间序列-II-卡尔曼滤波
111次学习 - 32
第八节-金融时间序列-II-Hidden Markov Models
99次学习 - 33
第九节-线性回归
101次学习 - 34
第九节-shrinkage regression
81次学习 - 35
第九节-决策树
93次学习 - 36
第九节-boosting & bagging
88次学习 - 37
第十节-逻辑回归
89次学习 - 38
第十节-判别分析
85次学习 - 39
第十节-SVM
76次学习 - 40
第十节- 交叉验证的模型选择
77次学习 - 41
第十一节-机器学习于量化交易中的应用III-kmeans
101次学习 - 42
第十一节-机器学习于量化交易中的应用III-神经网络
85次学习 - 43
第十一节-机器学习于量化交易中的应用III-主成分分析
83次学习 - 44
第十二节-机器学习于量化交易中的应用IV
120次学习 - 45
第十三节-Python for 偏微分方程数值解
90次学习 - 46
第十四节-MC
88次学习 - 47
第十四节-欧式期权
74次学习 - 48
第十四节-美式期权
60次学习 - 49
第十五节-常见****方差降低方法与期权定价
58次学习 - 50
第十五节-重点抽样级数和测度变化
40次学习
WILLLLLLLLL
2019.01.08物超所值还行吧第四节-金融时间序列分析何匡Jackyhoho
2018.12.17物超所值很好第十一节-机器学习于量化交易中的应用III-kmeans
