Stata实用计量方法培训课程

【授课方式】

远程+面授

【招生对象】

有一定基础的学员

【上课时间】

周一到周日9-18点

【学习目标】

基础班从零开始，掌握Python金融编程所需。

【课程亮点】

课程内容丰富，囊括了许多量化投资的理论知识；教学过程深入浅出, 以实例与实作印证所学； 可操作性强，将所介绍理论在实战中一一展示，即学即用，在实战中搭建课程的整体脉络。

【师资力量】

辛立伟

擅长数据架构、数据分析

教学经验20年

CDA数据分析研究院讲师

SUN中国社区会员

赵仁乾

擅长数据架构、数据分析

教学经验7年

北京邮电大学管理科学与工程硕士

北京电信规划设计院

吴昊天

擅长数据架构、数据分析

教学经验8年

电子科技大学大数据中心

CDA数据分析研究院技术负责人兼高级讲师

【课程内容】

01章Python语言基础与金融统计分析

01-01Python语言学习与应用-Python语言简介

01-02Python语言学习与应用-运算符与表达式

01-03Python语言学习与应用-Python控制流

01-04Python语言学习与应用-Python函数

01-05Python语言学习与应用-Python模块

01-06Python语言学习与应用-异常处理与文件操作

01-07Python语言学习与应用-Python绘图

01-08Python语言学习与应用-Numpy篇

01-09Python语言学习与应用-Pandas篇

01-10Python语言学习与应用-数据库连接

01-11金融统计分析概论-统计学理论 (统计学概论,描述性统计,参数估计,假设检验)

01-12金融统计分析概论-多变量相关性分析

01-13金融统计分析概论-线性回归模型

01-14案例分析一-大型股票数据库读取股票数据

01-15案例分析二-A股市场股票数据绘图

01-16案例分析三-交易数据描述性统计

01-17案例分析四-非金融专业数据获取方法

02章Python量化投资实战1

02-01金融数据处理高级编程-Pandas深入分析

02-02金融数据处理高级编程-金融因子数据生成

02-03金融数据处理高级编程-常见的金融数据整理方式

02-04量化投资概述-投资策略回顾与比较

02-05量化投资概述-基本面、技术分析和量化的联系与区别

02-06量化投资概述

02-07量化投资概述-量化投资风险与管控

02-08量化投资Python平台介绍-数据获取

02-09量化投资Python平台介绍-回测框架介绍

02-10量化投资Python平台介绍-回测注意问题

02-11案例分析一-市盈率手动计算

02-12案例分析二-Panel数据的存储与提取

02-13案例分析三-简单的均线穿越策略实现

03章Python量化投资实战2

03-01市场描述策略-描述性研究

03-02高级交易策略-CTA策略

03-03高级交易策略-大师选股策略

03-04高级交易策略-市场中性选股策略

03-05高级交易策略-技术指标类策略

03-06高级交易策略-资产配置策略

03-07时间序列模型-什么是时间序列数据

03-08时间序列模型-时间序列的平稳性检验与白噪声探讨

03-09时间序列模型-时间序列平滑

03-10时间序列模型-【SMA、WMA EWMA】

03-11时间序列模型-金融时间序列建模预测

03-12时间序列模型-【ARMA、ARIMA模型】

03-13时间序列模型-波动的集聚效应

03-14案例分析一-如何通过各种数据描述当前市场状态

03-15案例分析二-CTA策略

03-16案例分析三-经典大师选股策略

03-17案例分析四-市场中性选股策略

03-18案例分析五-技术指标类选股策略

03-19案例分析六-资产配置策略

03-20案例分析七-时间序列策略

04章Python量化投资实战3

04-01投资组合基本概念-超额Alpha选股

04-02投资组合基本概念-CAPM模型

04-03投资组合基本概念-三因子模型选股

04-04投资组合构建-单因子测试

04-05投资组合构建-多因子测试

04-06投资组合构建-常见的组合构建方法

04-07数据挖掘算法在量化投资中的运用-逻辑回归与涨跌预测

04-08数据挖掘算法在量化投资中的运用-支持向量机模型与涨跌预测

04-09数据挖掘算法在量化投资中的运用-聚类与股票配对

04-10舆情分析与关注度模型-文本挖掘概述

04-11舆情分析与关注度模型-文本处理技巧

04-12舆情分析与关注度模型-中文分词

04-13案例分析一-单因子全套测试代码

04-14案例分析二-组合构建案例

04-15案例分析三-文本数据处理案例

【教学现场】

【机构环境】

【发展历程】

2006年 开展数据统计、计量实战，学术研究等相关培训视频和现场班

2007年 开展数据统计、数据分析相关培训班

2011年 随着大数据热潮的来临，依托累计上万类共享资料，多年沉淀师资团队，论坛召集多位专家，研发CDA数据分析师体系

2013年CDA数据分析师品牌成立，提供系统化的大数据、数据分析人才培养和认证

2014年 CDA INSTITUTE 成立 ,并推出第 一届全国CDA数据分析师认证考试

2015年第 一届中国数据分析师行业峰会（CDAS）在9月11日成功举办，参会人数逾3000人

2016年 CDA汇聚海内外大数据、数据分析专家上千人，推出就业班、数据科学家训练营、企业内训、CDA俱乐部等多个项目

2017年整合论坛与CDA数据分析师业内资源，形成数据分析领域生态圈，并进一步升级CDA企业内训体系，正式推出大数据实验室

2018年北上广深等多个城市均有校区；拥有200多位专业师资；培养学员超过3万人，每年6月/12月全国28个城市举办CDA认证考试

2019年已举办九届数据分析师认证考试，得到业界广泛认可，学员遍布各大知名企业。人工智能产品“好学AI”问世，引领DT时代新一波技术培训浪潮

【机构荣誉】

IBM大学战略合作伙伴

电子工业出版社 优秀合作者

教育管理信息化专业委员会理事单位

2018年度职业教育人才培训品牌机构

2018年度大数据影响力先锋企业

2018入选教育部产学合作协同育人项目

网易云课堂2017年度最 佳服务奖

2017年度中国互联网+ 最 佳培训机构奖

中国大数据产业生态联盟理事单位

【机构简介】

目前，CDA已与国内100多所高校进行了战略合作，建立了CDA数据分析师考试中心及人才培养基地；已出版30多本CDA数据分析师系列丛书，市场发行量数万册；已进行500多期线上线下数据分析及大数据培训课程，培养学员10万+人次；已在全国70+城市举办15届CDA数据分析师认证考试，报考考生数万人；已开展了四届中国数据分析师行业峰会（CDA SUMMIT），每届参会人数3000多人；中国数据分析师俱乐部（CDA CLUB）每周举办各类型线上线下沙龙会议、公开课等活动共1000多期。