【Udemy中英字幕】The Complete Quantitative Finance & Automatisation Course

完整的量化金融与自动化课程

掌握量化金融的基本工具和技术：从金融建模到算法交易

讲师：Bryan Dogan

您将学到什么

• 掌握 Python 的财务建模、数据分析和风险评估。
• 应用 Black-Scholes、CAPM 和 Markowitz 等关键金融模型。
• 使用 VaR、夏普比率、索提诺比率和卡尔玛比率分析风险。
• 通过量化策略和重新平衡来优化投资组合。
• 使用维纳和瓦西切克等随机方法对金融过程进行建模。
• 可视化和解释财务数据以便更好地做出决策。
• 了解标准差和峰度等统计概念。
• 实施魔术公式和 Piotroski F-Score 进行股票选择。
• 使用滚动操作来分析时间序列财务数据。
• 在均值回归策略中应用 Ornstein-Uhlenbeck 过程。
• 建立并回测用于交易和投资的金融模型。

探索相关主题

要求

• 对金融和投资概念有基本的了解（有帮助但不是必需的）。
• 无需任何编程经验，Python 将从头开始教授。
• 一台可以访问互联网的计算机，用于安装 Anaconda 和 Python。
• 愿意学习量化金融并应用数学概念。

描述

欢迎来到《量化金融与自动化完整课程》，这是您掌握量化金融基本工具和技术的一体化指南。无论您是初学者还是希望深化知识，本课程都将帮助您掌握使用 Python 进行金融建模、分析和算法交易的技能。

在本综合课程中，您将：

1. 设置您的环境：了解如何安装和配置 Python 和 Anaconda，这是您在整个课程中使用的所有工具的基础。

2. 深入研究统计学：了解标准差、滚动运算和数据可视化等关键统计概念，这些概念对于分析市场数据和构建模型至关重要。

3. 探索数学概念：深入了解重要的量化金融模型，包括马科维茨模型、资本资产定价模型 (CAPM)、布莱克-斯科尔斯模型、皮奥特罗斯基 F 值等。您还将学习几何布朗运动、维纳过程、奥恩斯坦-乌伦贝克过程和Vasicek 模型等高级概念，这些概念在金融分析中都发挥着关键作用。

4. 评估投资组合表现：学习如何使用夏普比率、索提诺比率和卡尔玛比率等指标评估投资组合的风险调整后回报。您还将探索如何实施投资组合再平衡策略，以优化您的投资选择。

通过实际的、动手的 Python 编码练习和真实示例，您将对金融建模、数据分析以及如何应用数学模型来改进投资策略有深入的了解。

完成本课程后，您将能够熟练运用量化金融工具和技术进行风险管理、投资组合优化和算法交易，从而做出明智的、数据驱动的投资决策。

准备好转变您的财务分析技能并推进您在量化金融领域的职业生涯！

本课程适合哪些人：

• 有抱负的量化分析师、金融分析师和数据科学家希望发展技术技能。
• 想要应用数学模型和风险管理技术的投资者、交易员和投资组合经理。
• 寻求基于 Python 的金融建模实践知识的金融和经济学学生。
• 有兴趣进入量化金融领域的程序员和工程师。
• 希望提高定量分析技能并改善投资决策的风险经理和金融专业人士。