量化投资挑战人力_量化投资现场班3月北京开班

根据2月6日‘每日经济新闻’的报导，三量化投资公司首度上榜最赚钱对冲基金，机器战胜人力。量化投资已经是不可逆转的未来趋势。

每年，专注研究对冲基金的LCH Investments NV公司都会发布全球20大顶级对冲基金榜单，并公布这20大对冲基金的收益情况。

2月初，LCH Investments NV在2016年年度报告中表示，令投资界惊喜又恐慌的是，过去一年有三大计算机策略即量化投资基金，首次上榜20大最赚钱顶级对冲基金公司。这表明传统人力占投资主导地位的方式正在受到技术的严峻挑战。

从1975年由雷·达利奥（Ray Dalio）创立以来，桥水基金便是对冲基金界的桥头堡。作为目前全球最大的对冲基金，其以49亿美元的净收益位居2016年全球20大顶级对冲基金榜首，回报率近4.2%。其创立的42年来，总净收益达494亿美元，目前管理资产为1178亿美元。

该榜单中，最引人瞩目的要属华尔街金融巨鳄乔治·索罗斯旗下基金的表现。总体来看，索罗斯基金管理公司（Soros Fund Management）位居第二，自1973年创立以来为客户赚取收益总计418亿美元，目前资管规模280亿美元。

量化投资挑战人力

LCH Investments NV在报告中强调，即便在差强人意的行业大环境下，采用量化策略的对冲基金却迎来不错的表现，也显示出传统人力占投资主导地位的方式正在受到技术的严峻挑战。值得注意的是，这是从LCH Investments NV发布此类报告以来，依靠计算机的量化投资首次上榜顶级对冲基金之列。

素有“精算之王”美誉的美国计算机科学家大卫·肖（David Shaw）在1988年创立了量化对冲公司DE Shaw，其以2016年净收益12亿美元位居第三，排名仅次于桥水和索罗斯基金，成立以来总净收益也名列第三，为253亿美元。

而另外两家上榜的对冲基金，Citadel和Two Sigma均是近几年大热的量化投资公司，采用所谓“系统策略”通过计算机算法进行交易，收益颇为亮眼。Citadel自1990年创立以来的净收益为252亿美元，位居第五，该公司去年收益10亿美元。2002年创立的Two Sigma Investments位居第20，总净收益131亿美元，去年收益11亿美元。

时间：基础班: 2017年3月24日 (一天)                   
　　　实战班: 2017年3月25-27日 (三天)
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：

基础班: 1000元/800元 (仅限全日制本科生及硕士研究生优惠价) 
实战班: 4000元/3200元 (仅限全日制本科生及硕士研究生优惠价) 
全程班: 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)
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。

基础班

第1天 R语言基础与金融统计分析

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

  6.2 apply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

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

实战班

第2天 金融时间序列, 基本面选股策略, 投资组合

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。

量化选股策略

6. 基本面分析（Fundamental Analysis）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. Benjamin Graham价值选股

  7.1 Graham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

  7.4 Graham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

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

投资绩效表现分析

1. 收益分析

2. 风险分析

3. Performance Analytics包的介绍与应用

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

  7.1 RSI"黄金交叉"与“死亡交叉”探讨

  7.2 RSI"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