全球金融领域三大黄金证书

CQF师资情况如何?

CQF师资情况如何?

  • 编者:Meteor
  • 阅读本文需5分钟
  • 发布时间:2022-12-21
  • 因子模型解读
  • CQF前导课试听
  • 海龟交易法则
  • 机器学习入门
  • 量化对冲
  • 量化选股课
CQF协会公布了他们的导师团队,根据披露的资料显示,CQF一共有19位导师,他们是量化领域的学术专家。CQF课程的授课方式采取的是线上授课的方式,所以入学之后学员可以足不出户就学习到量化金融的课程。
CQF师资情况如何

1、CQF是由谁创办的

由Paul Wilmott博士创立的量化金融证书(CQF)是量化金融领域的专业资格证书,受到全球金融公司的认可。自2003年设立以来,CQF已成为金融服务业的基准资格。如今,在90多个国家的大型金融机构工作的8000多名校友和现任代表选择了CQF来拓展他们的职业生涯。

2、CQF都有哪些企业认可?

超过900家世界领先的金融机构选择了量化金融证书(CQF),通过最新的量化金融、数据科学和机器学习技术来培养即将到来的人才和提高现有员工的技能。
仅举几例,德勤、毕马威、普华永道、汤森路透、巴克莱、德意志银行、摩根大通、花旗、美林、摩根士丹利、野村证券和Citadel等公司都委托CQF培训他们的员工。

3、CQF课程都包含哪些内容?

必修课 内容
模块1-定量金融的构建模块 资自随机行为
重要的教学工具和结论
泰勒级数
中心极限定理
偏微分方程
转移密度函数
普朗克和科尔莫戈罗夫方程
随机微积分及其引理
随机微分方程的求解
资产定价的二项模型
模块2-量化风险与回报 现代投资组合理论
资本市场资产定价模型
夏普比率和风险的市场定价
无风险价格套利策略
投资组合优化
布莱克利特曼模型
风险监督和巴塞尔条约
风险价值和亏损预期
抵押品和保证金
流动资产负债管理
波动性过滤
高频教据
资产收益:关键和经验教据
波动模型
模块3-股票和货币 布莱克-斯科尔斯模型
对冲和风险管理
期权策略
欧式行权和美式期权
有限差分法
蒙特卡罗模拟
奇异期权
波动率套利策略
吉尔萨诺夫理论
高级风险指标
衍生品市场
完全竞争市场中的高级波动性建模
非概率波动模型
模块4-数据科学与机器学习l 什么是数学建模?
机器学习种的数学工具
监督学习
线性回归
拉索回归,岭回归和单性网络回归
逻辑回归
K近邻策略
朴素贝叶斯分类
支持向量机
决策树
集成模型
Python-Scikit库
模块5-数据科学与机器学习ll 无监督机器学习
高级机器学习中的数学工具
主成分分析
K-均值
自组织映射
人工神经网络
神经网络结构
自然语言处理
深度学习和NLP工具
强化学习
强化学习的风险敏感性
量化投资的机器学习实例
基于AI的Algo交易策略
Tensorflow-Python
模块6-固定收入和信贷 固收产品和市场
收益率,久期和凸性
随机利率模型
利率的随机方法
数据分析和校准
同业拆借利率模型
标准风险管理模型
结构化模型
简化模型和风险率
信用风险和信用衍生品
X-值调整(CVA,DVA,FVA,MVA)
CDS定价和市场方法
违约风险,结构性和简化形式
关联结构模型的使用
高级必修课 内容
算法交易 数据准备;回测;结果分析和优化
新建一个算法
另类方法:配对交品;期权;新分析工具
算法交易的职业路径
高级风险管理 巴塞尔协议:巴塞尔协议I,II and III
风险价值和亏损预期
最小资本要求2016
横向流动性(LH)
风险和相关性
极位理论
交易对手信用风险协议
流动性的动态性质
高级波动率模型 傅里叶变换
复变函数
随机波动性
跳跃扩散
交易对手风险建模 信用风险和信用衍生品
CVA,DVA,FVA
交易对手风险的利率-动态模型和建模
利率互换CVA和动态模型实施
复杂计算方法 有限差分法及其在BVP中的应用
根值算法
插值
数值积分
基于Python的数据分析 Python和数据结构
基于NumPy的数据分析
基于Pandas的金融数据时间序列分析
静态和交互式金融数据可视化
量化的行为金融学 两个系统理论
行为偏差;启发式过程;框架效应和分组过程
亏损厌恶VS风险厌恶;SP/A理论
线性和非线性
高级投资组合管理 使用随机控制进行动态投资组合优化
使用筛选将视图与市场数据结合起来
了解行为偏差和应对
开发新的组合风险管理
Python应用 基础量化方案
数据和文件处理
用户定义函数以及强大的概率和统计库
基于R语言的量化金融 R语言的安装和入门介绍
理解数据结构和数据类型
常见的函数
动手写脚本和代码
一些常见的异常和处理
金融科技 R金融科技入门介绍
金融科技-打破现有金融服务产业链
金融科技社群
金融科技技术–区块链;加密货币;大数据102;AI 102
金融科技方案
金融科技的未来
基于Python的机器学习 使用线性回归预测金融资产的价格和收益
蒙特卡罗模拟在美式期权定价中的应用
利用逻辑回归来处理分类问题
利用分类问题来预测市场收益
C++ C++入门和环境搭建
控制流和格式化–文件管理和数据输出
函数–头文件和源文件
面向对象介绍–简单的类和对象
数组和字符串

以上便是《CQF师资情况如何?》的全部内容,部分内容来源自网络,如有版权问题请联系2355960815@qq.com删除。

相关文章推荐

换一批

中国CQF考试网

量化金融领域的专业证书

© 2003-2024中国CQF考试网

CQF协会协会会员

@Sukey


我的微信号:cqfgd1