这是一个创建于 3170 天前的主题，其中的信息可能已经有所发展或是发生改变。
欢迎来到 Ricequant 量化大课堂 第二季
在我们的课堂中，你将会看到 Ricequant 为您精心录制的量化教学视频，除了传统的证券和交易知识，我们更是从 0 到 1 地教您如何写第一行的量化策略，熟悉 Ricequant 提供的海量金融数据以及 API 的应用。深入浅出地从技术指标、趋势交易、基本面分析到如配对交易、机器学习等量化模型。
我们的教学有别于传统的高等学校金融课程，相对理论教学，我们更注重动手能力和实战经验。学员可以在观看视频教学的同时，动手创造和调试属于自己的量化策略及研究分析，并尝试优化、改善它们。
第一季回顾
主要讲了量化交易基础入门的知识，如何写第一个策略并进行回测、如何通过财务数据去筛选股票、如何在 python 中运用技术指标，及风险数值解读等等。
第二季我们将从基础转换到更理论性、深度的内容，但是同时我们仍然坚持 [动手能力] 的重要性，教导大家从代码去实现这些理论的内容并构造策略。
量化大课堂 - 7 ：策略解析之二八轮动策略(1) - Ricequant 出品
量化大课堂 - 8 ：策略解析之二八轮动策略(2) - Ricequant 出品
量化大课堂 - 9 ： CAPM 和 Markovitz 最优原理 - Ricequant 出品
[简介] ：简单介绍了 CAPM 模型，并在 ricequant 的研究平台上实现了 Markovitz 资产组合最优化原理。
量化大课堂 - 10 : Fama-French 三因子模型 - Ricequant 出品
[简介] ：在资本资产定价模型（ CAPM ）等传统理论下，投资组合的全部风险溢价由 Beta 系数表示。但是这一模型在解释股票市场回报的现实情况上，如一月效应，遇到了诸多挑战。法马和佛伦奇（ 1992 ）观察发现市值较小、市值账面比较低的两类公司更有可能取得优于市场水平的平均回报率。由此三因子模型通过引入二个新的解释变量[1]：市净率、公司规模，与 CAPM 中的市场指数一同估计股票的回报水平
相关帖子：#让我们用 python 跑回归#Fama-French 三因素模型（一）
量化大课堂 - 11 : 因子的风险暴露 - Ricequant 出品
[简介] ：在风险分析中，我们常常对超额收益（相对基准的收益情况）建模，风险用超额收益（ active Return ）的标准误来体现。也叫做 tracking error 。例如因子对超额收益风险平方的边际贡献（ factors' marginal contributions to active risk squared ， FMCAR ）。这项指标告诉我们了，假设其他条件不变，暴露在该因子下我们增加了多少风险。
相关帖子： Fama 三因素模型（三）因子风险暴露 Factor Risk Exposure
美女镇楼！
后续后续：我们会持续推出后续的量化教程，更多理论与实践结合的例子。欢迎随着我们的量化课堂，进入 Quant 的世界吧！！
最后最后，欢迎大家提出意见及吐槽！[俏皮]
-By Ricequant www.ricequant.com
目前尚无回复
Select Language