量化投资需要把数据、策略、系统、执行四个方面综合起来完成一个有机的整体。你用了这些学科的知识去构建一个数理模型，一个投资决策模型，这是一个相对客观和理性的系统，是可以被应用于投资的第一步到最后一步的。
Python，MongoDB：
Python核心量化工具：Numpy/Scipy/Matplotlib/Pandas
Mongodb：非关系型数据库(nosql ),属于文档型数据库，在适量级的内存的Mongodb的性能是非常迅速的。
基本面选股与择时判断买卖点：
对于股票市场，量化投资主要包括量化选股、量化择时、算法交易、股票组合配置、资金或仓位管理、风险控制等。
选股的目标是从市场上所有可交易的股票中，筛选出适合自己投资风格的、具有一定安全边际的股票候选集合，通常称为“股票池”，并可根据自己的操作周期或市场行情变化，不定时地调整该股票池，作为下一阶段择时或调仓的基础。
量化选股的依据可以是基本面，也可以是技术面，或二者的结合。
择时的目标是确定股票的具体买卖时机，其依据主要是技术面。取决于投资周期或风格（例如中长线、短线，或超短线），择时策略可以从比较粗略的对股票价位相对高低位置的判断，到依据更精确的技术指标或事件消息等作为信号来触发交易动作。
一般来说，择时动作的产生可以基于日K线（或周K线），也可以基于日内的小时或分钟级别K线，甚至tick级的分时图等。
神经网路与深度学习在量化交易中的应用：
深度学习是机器学习的一个新的领域，它基于多层神经网络对数据中的高级抽象进行建模，其动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据。从市场微观结构的角度来说，股票价格的形成和变化是由买卖双方的交易行为决定的，对高频市场行情数据利用深度学习方法进行挖掘可以获得对未来股票价格走势有预测能力的模式。
一次4天学习上述全部内容
4月20-23日@北京
Python量化投资
时间：2018年4月20-23日 (四天)
安排：上午9:00-12:00；
下午1:30-4:30；答疑4:30-5:00
地点：北京市海淀区厂洼街3号丹龙大厦附近
学费：5000元 /4200元 (本科,硕士学生价)；
食宿自理
讲师介绍：
蔡立耑（Terry Tsai），美国伊利诺伊大学金融硕士，华盛顿大学经济学硕士、博士，在国内外如美国、韩国有丰富的授课经验。带领博、硕士生从事投资决策、金融衍生品、风险分析、交易策略等领域的研究。
生长于台湾，求学于美国，在台湾的信息与金融业担任高级顾问，不仅拥有扎实的金融理论基础，而且具备广阔的国际视野与前沿的研究理念！经管之家资深量化投资讲师。
亲身实践各种金融应用，主持研究团队与台湾知名大学与企业合作开展各种金融研究，例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。
课程大纲：
一、Python 编程
二、Python数据分析
1. Numpy
2. Pandas
3. Matplotlib
三、MongoDB
四、基本面：大师选股策略
1. 本杰明·格雷厄姆
2. 詹姆斯·奥肖内西
3. 查尔斯·布兰德斯
4. 彼得·林奇
5. 史蒂夫·路佛
五、技术面：择时判断买卖点
1. 捕捉K线形态
（1） 红三兵
（2） 金针探底
（3） 双响炮
（4） 小探兵
（5） 一阳穿三线
2. 趋势分析
（1） W底突破
（2） 关键点买入形态量化策略
（3） 上升三角形突破
（4） 三到五日下跌法策
（5） 上升平台突破
3. 技术指标分析
（1） MACD
（2） KDJ
（3） BOLL
（4） OBV
（5） RSI
（6） MA
六、神经网路与深度学习在量化交易中的应用
1. 神经网络
2. 卷积神经网路
3. 循环神经网路
报名流程：
联系客服
