本周课程速递_3月23日DSGE模型_3月24日R量化投资

本培训课程专门针对DSGE模型初学者和宏观经济研究者，系统全面地介绍DSGE模型的相关理论及计量方法。希望通过本课程培训引导初学者熟悉DSGE模型的构建及计算机实现，为研究者将来构建自己的DSGE模型和从事基于DSGE模型的政策研究提供帮助。

时间：2017年3月23-26日 (四天) 
地点：北京市海淀区厂洼街3号丹龙大厦B座
安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
费用：4000元 / 3600元 (仅限全日制本科生及硕士研究生优惠价)；食宿自理

朱传奇，目前任教于中山大学岭南学院。

美国波士顿经济学院博士毕业，美国波士顿联邦储备银行助理研究员，并长期从事宏观经济学的科研和教学工作。其研究方向关注非线性DSGE模型的计量方法，并致力于利用DSGE模型研究中国宏观经济波动和宏观经济政策。

第1讲：课程简介

1. 课程简介

2. 宏观经济学模型发展历史

3. DSGE模型介绍及培训安排

第2讲：宏观经济数据

1.  宏观经济数据处理

    -宏观经济数据来源

    -趋势剔除和周期提取

      --线性去除趋势法

      --Hodrick-Prescott滤波法

      --Band Pass 滤波法

     -经济周期统计描述

2.  Matlab上机训练

第3讲：真实商业周期（Real Business Cycle）模型

1.  RBC模型

     -RBC基准模型介绍(King et al.(1988))

     -求解模型均衡条件

2.  DSGE模型近似及求解

     -对数线性化

     -线性差分模型组求解方法

      --Blanchard and Kahn(1980)方法

      --Klein(2000)方法

      --Uhlig(1999)待定系数法

3.  参数校准

    -参数校准原理

    -矩匹配(Matching Moments)

4.  RBC派生模型（Money-in-Utility模型，Cash-in-Advance模型）(1课时)

5.  Matlab 上机训练

第4讲：Dynare安装及使用

1.  Dyanre 安装和配置

2.  Dynare 软件使用：以RBC模型为例

3.  Dynare 上机训练

第5讲：新凯恩斯主义模型（New-Keynesian）模型

1.  New-Keynesian模型

     -模型主体介绍

     -粘性价格定价法则(Calvo定价)及详细推导

     -均衡条件求解

     -对数线性化及线性求解

     -参数校准及模型模拟

2.  Matlab训练

3.  Smets和Wounter (2007, AER)

     -模型介绍及详细推导

     -Dynare程序实现

第6讲：DSGE模型贝叶斯估计方法及应用

1.  状态空间模型

     -卡尔曼滤波(Kalman Filter)

2.  贝叶斯估计基本原理

     -Markov Chain Monte Carlo方法

       --Gibbs sampler

       --Metropolis-Hastings算法

     -模型参数先验概率选取

     -后验分布与统计推断

3.  案例：New-Keynesian模型的贝叶斯估计

     -Smets and Wounters (2007 AER)

     -上机训练

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。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。

本次课程大纲为最新大纲

除了广泛地介绍量化交易的各种知识，亦列举诸多实战案例，包含具高报酬的基本面选股与高胜率的技术指标策略，并演示如何根据回测结果调优回报率与降低风险，期使学员能快速地进入量化交易的领域。

安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
地点：北京市海淀区首都体育学院
学费：4500元 /3600元 (仅限全日制本科生及硕士研究生优惠价)；食宿自理

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。

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。

第1天 R语言基础与金融统计分析

一，R语言学习与应用

1. R语言简介

  1.1 R语言的特点与安装

  1.2 RStudio的环境配置

  1.3 R语言的扩展包

2. 数据操作

  2.1 基本数据类型与互相转换

  2.2 数据结构介绍

3. 数据的输入与输出

  3.1 常用文件格式

  3.2 数据结果输出

4. 数据计算基础

  4.1 常用数据运算函数

5. R语言绘图

5.1 基础图形绘制

5.2 ggplot2图层式绘图

6. R语言高阶技巧

  6.1 R语言的函数结构

  6.2apply函数簇介绍

  6.3 R语言并行运算

案例: 大型股票数据读取

案例: A股市场股票数据绘图

二，金融统计分析与R语言

7. 概率分布理论

  7.1 样本分布理论

  7.2 描述性统计

  7.3 参数估计

  7.4 假设检验

8. 多变量相关性分析

9. 线性回归模型

案例: A股交易数据描述性统计

案例: 指数编制与计算

案例: 行业间股票收益率比较

第2天 金融时间序列, 基本面选股策略, 投资组合

一，金融时间序列分析

1. 认识金融时间序列

2. 时间序列的平稳性检验与白噪声探讨

3. 时间序列平滑处理

4. 金融时间序列建模预测

5. 时间序列波动的集聚效应

案例: 以上证综指为例，运用统计方法检验时间序列数据可预测性的前提条件。

案例: 运用ARIMA模型进行批量模拟建模，以预测股票未来的收益率。

案例: 使用GARCH模型预测波动率，并将其应用于VaR模型的风险管控。

二，量化选股策略

6. 基本面分析（FundamentalAnalysis）选股

  6.1 短期偿债能力指标

  6.2 营运能力指标

  6.3 资本结构与长期偿债能力分析指标

  6.4 盈利能力指标

7. BenjaminGraham价值选股

  7.1Graham选股公式三个标准

  7.2 中国股市的检验

  7.3 经典十项法则及详解

  7.4Graham选股策略的实现与市场表现

8. GARP 选股策略

9. CAPM超额Alpha选股

10. 三因子模型选股

三，投资组合配置

11. 马科维茨风险-收益模型原理

12.Black-Litterman模型

第3天 常用技术指标,投资表现衡量,高频数据分析

一，投资绩效表现分析

1. 收益分析

2. 风险分析

3.PerformanceAnalytics包的介绍与应用

二，技术指标、买卖点捕捉

4. K线图形态分析

5. 均线系统

6. 动量交易策略

7. 相对强弱指标（RSI）与市场反转

  7.1RSI "黄金交叉"与“死亡交叉”探讨

  7.2RSI "顶背离"探讨

8. 随机指标KDJ与价格波动

9. 高频金融数据分析

  9.1 非同步交易

  9.2 交易数据的经验特征

  9.3 价格变化模型

  9.4 持续期模型

  9.5 处理市场微观结构噪声

第4天 量化投资策略实战

1. 通道策略

2. 多指标组合投资策略

3. 量价关系分析

4. 配对交易策略

5. 轮动投资策略

6. 仓位控制

7. 一个趋势存在與否的判断策略

8. 趋势追踪策略

9. 利用均值回归在震荡中获取交易机会

10. 追涨杀跌策略

11. 支持向量机与股票涨跌预测

12. 神经网络与股票涨跌预测

课程结束后颁发“经管之家量化投资学院”结业证书，直接加入量化投资学院！

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。

1：点击阅读原文中对应课程的“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：缴费后发送课程电子版讲义，软件准备及交通住宿指南

魏老师

QQ：2881989714

Tel：010-68478566

Mail：[email protected]