CAMPUS QUANT & DATA SCIENCE

QUANT校园与数据科学

在QUANT校园与数据科学中进行的学习涉及到应用大型投资基金所使用的技术，在8周内进行集中讲解，这将使您有资格成为一个quant 的 trader。这是一个实践而直观的培训，分为三个阶段。从第一个策略开始，通过数据挖掘技术实现自动化和生成新策略。一旦检测到投资模型，我们将开始创建一个用Python代码开发的策略组合的过程。最后，我们将把在前几个阶段创建的战略转移到生产中。为此，我们将使用分类器和其他人工智能技术。

1 通过数据挖掘技术产生模式和新战略

这一高度技术性的培训从为期两周的应用于量化金融的编程介绍开始，并使用工具开发基于数据挖掘技术学习和生成模式的交易策略，并通过迭代技术不断改进。

我们将从使用直观的简单平台开始，然后转向机构平台，这将是您看待和理解交易系统的一个转折点。如今，数据挖掘技术和人工智能产生了开始被称为人工想象力的东西，也就是说，当机器提出投资想法的同时，它还对不同的解决方案进行测试和迭代，以寻找优化的替代方案。在这个版块中，我们将打下基础，以便您能利用这些技术。

第一块

第一模块: 金融编程介绍

在这个第一阶段，您将看到金融的基本概念，并将被介绍给不同的平台，其中有一种主要的语言是他们使用的。然后我们将讨论可能获得的不同市场数据，并根据实例制作一个专家顾问。该专家顾问将使用MT4策略测试器进行优化。

1 金融入门。市场。
2 市场的指标
3 投资平台。MT4语言
4 实践：创建一个MT4指标
5 大数据分析介绍
6 实践：MT4专家顾问的实现
7 实践：在MT4中进行回测验。参数优化

第二模块: 交易策略开发的工具

在第二阶段，我们将看到具体软件为交易策略提供的不同工具。使用这个软件，不需要编程，我们将通过应用我们在前一阶段创建的专家顾问的逻辑来测试第一组策略。

1 战略专用的软件
2 特定战略软件程序的使用手册
3 A.W.工具的具体战略软件
4 实践:从AE MT4切换到A.W
5 交易策略平台上的信号分析
6 对在A.W.中获得的数据进行分析。
7 工具B. 的战略具体软件.
8 实践：从EA MT4到B的通道
9 对B中获得的数据进行分析
10 特定战略软件的工具R.

2 自动交易策略的生成：代理人模型

我们将深入研究不同的策略生成技术，包括基于人工学习的技术和基于通过进化过程随机搜索的技术。一旦确定了投资模型，就会应用不同的优化技术来了解在哪些市场、情况和配置中使用这些模型。最后，我们将开始创建一个策略组合的过程，我们将把这些策略作为一个区块投入到工作中，因此，与使用单一策略相比，策略组合将具有一定的优势，因为结果曲线被平滑了，结果的产生被优化了。您将得到必要的支持，以构建、参数化和正确使用这个用Python构建的策略组合。

第二块

第三模块: 战略的产生。人工学习技术

在第三阶段，我们将研究为我们的测试下载数据库所需的程序，我们将使用代理建模技术实现第一套策略。随后，我们的最终投资组合需要的策略。

1 获得质量测试数据库
2 通过遗传进化实现战略的初始种群（代理人模型）
3 初始战略群体的测试者一

第四模块: 战略的产生。随机搜索技术

在第四阶段，第二套策略将使用交易信号的随机搜索技术实现。随后，我们的最终投资组合需要的策略。

1 通过随机生成实现初始战略群体
2 初始战略群体的测试者二

第五模块：建立一个战略组合

在第五阶段，利用前两组策略，选择最好的策略创建一个基础组，恁将接受培训，使用特定的策略软件创建第一个交易策略组合。

1 为建立投资组合选择基本战略的标准
2 具体的高级软件指标和信号中的相关参数
3 从最初的投资组合生成新的交易策略
4 测试仪: 产生策略

3 人工智能

在最后一个阶段，也就是总共8周的培训中的3周，我们将致力于将前几个阶段创建的策略投入生产。我们将确定在现实生活中开始使用自动策略所需的步骤，以及如何扩大成果。每个开发项目在用于基金管理之前都必须经过不同的验证阶段。此外，向生产的过渡是该过程成功的一个关键方面。

为此，我们将使用分类器和其他人工智能技术，这些技术将帮助我们根据市场的时刻，对每个策略所承担的风险以及我们投资组合的整体风险进行加权，也就是说，我们将统计出每个策略何时最有效，我们将应用适应各种情况的风险管理。在这个QUANT校园里和数据科学进行的学习涉及到应用大型投资基金所使用的技术，在8周内进行集中解释，这将使你有资格成为一名quant的trader。