
课程目录
1:回测框架与因子挖掘
- 必修1.1 从零搭建属于自己的股票回测框架
- 必修1.10:经典CTA策略复现和优化
- 必修1.11: 基于技术分析的择时和轮动策略
- 必修1.12 机器学习在期货上的实战应用
- 必修1.2 深度探索回测框架与回测应用范例
- 必修1.3 量小、量稳与优加换手率系列研报复现
- 必修1.4 动量因子与价量相关性研究
- 必修1.5 因子衍生技巧与针对性优化
- 必修1.6 因子切割方法论与遗传算法因子挖掘
- 必修1.7 因子投研体系构建与入库管理
- 必修1.8:期货基础知识和时序回测框架
- 必修1.9:高频期货量价因子研报复现与优化
- 期货部份预习作业
2:股票&期货回测框架与因子挖掘
- 001.必修1.1 从零搭建属于自己的股票回测框架 .mp4
- 002.必修1.2 回测框架的深度挖掘与应用范例 .mp4
- 003.必修1.3 量小、量稳与优加换手率系列研报复现 .mp4
- 004.必修1.4:动量因子与价量相关性研究 .mp4
- 005.必修1.5:因子衍生技巧与针对性优化 .mp4
- 006.必修1.6:因子切割方法论与遗传算法因子挖掘 .mp4
- 007.课程作业答疑 .mp4
- 008.必修1.7:期货基础知识和时序回测框架 .mp4
- 009.必修1.8:高频期货量价因子研报复现与优化 .mp4
- 010.必修1.9:经典CTA策略复现和优化 .mp4
3:高频量化框架与策略研究
- 001.必修1:股票高频研究方法入门 .mp4
- 002.必修2:透过高频数据对交易者结构探究 .mp4
- 003.必修3:股票高频研究思路进阶 .mp4
- 004.必修4:高频交易概念科普与工程实现基础 .mp4
- 005.必修5:从零构建高频交易框架的关键组件 .mp4
- 006.必修6:高频交易框架的搭建、实战和应用 .mp4
- 007.必修7:高频量化微观结构和价格模型初探 .mp4
- 008.必修8:深入微观结构和逐步改进价格模型 .mp4
- 009.必修9:逐笔成交分布信息与不平衡信息 .mp4
- 010.必修2.10:经典高频Alpha理论与因子建构 .mp4
- 011.必修11:高频Alpha、特征工程与因子优化 .mp4
- 012.必修12:调价资产与基于连续报价过程策略 .mp4
3:高频量化框架与策略研究(课程+代码)
- algo
- backtest
- factor
- live
- model
- strategy
- 001.必修2.1:股票高频研究方法入门 .mp4
- 002.必修2.2:透过高频数据对交易者结构探究 .mp4
- 003.必修2.3:股票高频研究思路进阶 .mp4
- 004.必修2.4:高频交易概念科普与工程实现基础 .mp4
- 005.必修2.5:从零构建高频交易框架的关键组件 .mp4
- 006.必修2.6:高频交易框架的搭建、实战和应用 .mp4
- 007.必修2.7:高频量化微观结构和价格模型初探 .mp4
- 008.必修2.8:深入微观结构和逐步改进价格模型 .mp4
- 009.必修2.9:逐笔成交分布信息与不平衡信息 .mp4
- 010.必修2.10:经典高频Alpha理论与因子建构 .mp4
- 011.必修2.11:高频Alpha、特征工程与因子优化 .mp4
- 012.必修2.12:调价资产与基于连续报价过程策略 .mp4
- provides.py
S1248-核心课程预修课(5资料+13视频)
- 001.量化金融全流程深度剖析
- 002.因子投资与量化投资揭秘
- 003.Python编程基础与数据分析
- 004.数据分析必会要点与技巧
- 005.化数据平台数据获取实战
- 001.基础课程1:量化金融基础 .mp4
- 002.基础课程 2:量化金融流程深度剖析 .mp4
- 003.基础课程 3:因子投资与量化策略揭秘 .mp4
- 004.基础课程 4:Python 基础与数据分析 .mp4
- 005.基础课时5:数据分析必会 Skills&Tricks .mp4
- 006.基础课程 6:数据平台数据获取实战 .mp4
- 007.机器学习所需的Python基础 .mp4
- 008.LR、SVM、决策树、随机森林等 .mp4
- 009.神经网络:FNN、CNN、RNN、LSTM .mp4
- 010.进阶模型:transformer与大模型 .mp4
- 011.实战Case1——Ensemble Learning的威力 .mp4
- 012.实战Case2——因地制宜的特征工程 .mp4
- 013.实战Case3——运行在GPU上的神经网络 .mp4
必修二:因子模型搭建、优化与进阶(9视频)
- 1.必修2.1:基础因子模型搭建与拟合信号 .mp4
- 2.必修2.2:从零搭建深度学习模型拟合因子 .mp4
- 3.必修2.3:模型信号的收益能力检验 .mp4
- 4.必修2.4:多模型集成实战与优化 .mp4
- 5.必修2.5:探寻主流模型拟合因子 .mp4
- 6.必修2.6:工程化模型构建与实战 .mp4
- 7.必修2.7:基于SVM收益率预测 .mp4
- 8.必修2.8:基于集成学习模型预测 .mp4
- 9.必修2.9:循环神经网络模型研究 .mp4
必修三:高频量化框架与策略研究(9视频)
- 10_必修3.8:高频Alpha、特征工程与因子优化 .mp4
- 11_必修3.9:跳价资产与基于连续报价过程策略 .mp4
- 1_研讨课 1:高频量化与业界发展 .mp4
- 2_研讨课2:数字货币、钱包机制与交易所分享 .mp4
- 3_必修 3.1:高频交易概念科普与工程实现基础 .mp4
- 4_必修 3.2:从零构建高频交易框架的关键组件 .mp4
- 5_必修 3.3:高频交易框架的搭建、实战和应用 .mp4
- 6_必修3.4:高频量化微观结构和价格模型初探 .mp4
- 7_必修3.5:深入微观结构和逐步改进价格模型 .mp4
- 8_必修3.6:逐笔成交分布信息与不平衡信息 .mp4
- 9_必修3.7:经典高频Alpha理论与因子构建 .mp4
必修一:股票&期货的回测框架与因子挖掘(12视频)
- 10_必修1.10:高频期货量价因子研报复现 .mp4
- 11_必修1.11:高频期货量价因子优化研报复现 .mp4
- 12_必修1.12:经典CTA策略复现和优化 .mp4
- 1_必修1.1:从零搭建属于自己的股票回测框架 .mp4
- 2_必修1.2:回测框架的深度挖掘与应用范例 .mp4
- 3_必修1.3:量小量稳与优加换手研报复现 .mp4
- 4_必修1.4:技术因子与动量因子研报复现 .mp4
- 5_必修1.5:因子衍生技巧与针对性优化 .mp4
- 6_必修1.6:量价结合的选股因子研究与优化 .mp4
- 7_必修1.7:高频价量相关性因子研究与优化 .mp4
- 8_必修1.8:因子切割方法论与交易行为因子 .mp4
- 9_必修1.9:期货基础知识和时序回测框架 .mp4
核心课程必修一(5视频+5资料)
- 必修1.1 量化金融全流程深度剖析
- 必修1.2 因子投资与量化投资揭秘
- 必修1.3 Python编程基础与数据分析
- 必修1.4 数据分析必会要点与技巧
- 必修1.5 量化数据平台数据获取实战
- 01.必修1.1:量化金融流程深度剖析 .mp4
- 02.必修1.2:因子投资与量化策略揭秘 .mp4
- 03.必修1.3:Python 基础与数据分析 .mp4
- 04.必修1.4:数据分析必会 Skills&Tricks .mp4
- 05.必修1.5:数据平台数据获取实战 .mp4
- 因子模型构建与交易(8视频+代码)
代码资料
- 001.必修3.1:从单因子到拟合信号——基础因子模型搭建 .mp4
- 002.必修3.2:模型信号收益能力检验 .mp4
- 003.必修3.3:集成模型实战与优化 .mp4
- 004.必修3.4:搭建深度学习模型拟合因子 .mp4
- 005.必修3.5:量化投资自动化交易介绍 .mp4
- 006.必修3.6:打通投资研究与自动交易 .mp4
- 007.必修3.7:基于循环神经网络的收益率预测研究 .mp4
- 008.必修3.8:基于卷积神经网络的收益率预测研究 .mp4
免责声明:
①本站所有资源均由用户自发贡献上传,用户自发分享网盘链接,仅限用于试看学习和参考,不得将上述资源用于商业或其它非法用途,否则一切后果请用户自负,与本站无关。
②本站所有资源均为免费提供,目的是让大家节省学习和摸索的成本,所收取的相应费用并非资源销售费用,而是打赏捐赠给资源提供者收集、整理、后期维护服务的辛苦费,与本站无利益关联。若需提供增值服务,则额外打赏资源提供者即可!
③资源下载后,请于24小时内从您的电脑中彻底删除!如您喜欢请移步官方网站购买,将得到更好的学习交流服务。
④所有资源均来自网络,版权归原作者所有,本站仅提供展示信息,一切问题与本站无关!
⑤如若侵犯到您的权益,请提供相关证明文件,按处理流程给我们反馈【侵权资源处理流程】,我们将在72小时内处理!如没有提供相关文件,一律视为诈骗恶搞,将拉黑处理!
①本站所有资源均由用户自发贡献上传,用户自发分享网盘链接,仅限用于试看学习和参考,不得将上述资源用于商业或其它非法用途,否则一切后果请用户自负,与本站无关。
②本站所有资源均为免费提供,目的是让大家节省学习和摸索的成本,所收取的相应费用并非资源销售费用,而是打赏捐赠给资源提供者收集、整理、后期维护服务的辛苦费,与本站无利益关联。若需提供增值服务,则额外打赏资源提供者即可!
③资源下载后,请于24小时内从您的电脑中彻底删除!如您喜欢请移步官方网站购买,将得到更好的学习交流服务。
④所有资源均来自网络,版权归原作者所有,本站仅提供展示信息,一切问题与本站无关!
⑤如若侵犯到您的权益,请提供相关证明文件,按处理流程给我们反馈【侵权资源处理流程】,我们将在72小时内处理!如没有提供相关文件,一律视为诈骗恶搞,将拉黑处理!








