文本的平均列数python-CDA数据分析师
CDA數(shù)據(jù)分析師
第一階段：Excel數(shù)據(jù)分析
1.Excel數(shù)據(jù)處理技巧和高效方法 2.Excel數(shù)據(jù)收集、整合、規(guī)范化 3.Excel公式、函數(shù)、數(shù)組及數(shù)據(jù)分析
4.Excel可視化數(shù)據(jù)分析（排序、篩選、透視表等） 5.Excel圖表化數(shù)據(jù)呈現(xiàn) 6.商業(yè)智能分析（Power BI）
第二階段：數(shù)據(jù)分析理論基礎(chǔ)
1.集中趨勢(shì)、離散測(cè)度、均值、中位數(shù)、眾數(shù)、方差、點(diǎn)估計(jì)、區(qū)間估計(jì)等相關(guān)的知識(shí) 2.假設(shè)檢驗(yàn) T檢驗(yàn)、方差、相關(guān)性、列聯(lián)分析 3.回歸分析 4.主成分分析 5.時(shí)間序列
第三階段：數(shù)據(jù)庫(kù)管理
1.MySQL數(shù)據(jù)庫(kù)基本操作；
2.MySQL數(shù)據(jù)類(lèi)型和運(yùn)算符、數(shù)據(jù)的CRUD操作； 3.MySQL用戶管理; 4.MySQL數(shù)據(jù)備份與還原; 5.MySQL函數(shù)；
6.中型、大型數(shù)據(jù)清洗查詢案例；
第四階段：SPSS數(shù)據(jù)分析
（1）數(shù)據(jù)處理流程、數(shù)據(jù)的輸入輸出 （2）描述統(tǒng)計(jì)分析，常用的統(tǒng)計(jì)圖形 （3）T檢驗(yàn)、方差分析、與數(shù)據(jù)庫(kù)連接 （4）相關(guān)、偏相關(guān)分析，線性回歸 （5）Logistic、分類(lèi)變量回歸、ROC曲線 （6）缺失值的處理、主成分分析
（7）因子分析、K-means聚類(lèi)，層次聚類(lèi) （8）神經(jīng)網(wǎng)絡(luò)、RFM模型、對(duì)應(yīng)分析、聯(lián)合分析 （9）時(shí)間序列、總結(jié)
第五階段：數(shù)據(jù)挖掘算法
1.關(guān)聯(lián)規(guī)則； 2.決策樹(shù)； 3.貝葉斯； 4.SVM； 5.神經(jīng)網(wǎng)絡(luò)。
第六階段：R語(yǔ)言
1.R基礎(chǔ)編程
2.R中高級(jí)圖表（Echart)與信息壓縮 3.數(shù)據(jù)清洗 4.統(tǒng)計(jì)推斷
5.客戶價(jià)值預(yù)測(cè)_線性回歸模型診斷 6.邏輯回歸與決策樹(shù)
7.KNN、樸素貝葉斯、svm、聚類(lèi)與客戶畫(huà)像 8.汽車(chē)金融信用違約預(yù)測(cè)模型案例
第七階段：案例分析實(shí)戰(zhàn)
1.互聯(lián)網(wǎng)廣告中的大數(shù)據(jù)應(yīng)用；
2.利用時(shí)間序列精準(zhǔn)預(yù)估零售業(yè)的銷(xiāo)量及營(yíng)業(yè)額； 3.如何在保險(xiǎn)行業(yè)中使用決策樹(shù)并展示其成果；
4.如何在零售行業(yè)中應(yīng)用Logistic回歸和線性回歸估計(jì)客戶生命價(jià)值。
選修方向一：Python數(shù)據(jù)分析（13期上海）
1.Python編程基礎(chǔ)； 2.Numpy數(shù)組和矢量計(jì)算； 3.Pandas基礎(chǔ)&進(jìn)階； 4.Python爬蟲(chóng)初級(jí)； 5.python推薦系統(tǒng)實(shí)踐；
6.案例分析。
選修方向二：SAS數(shù)據(jù)挖掘（12期深圳）
1.SAS Base基礎(chǔ)編程； 2.SAS Base高級(jí)編程； 3.SAS統(tǒng)計(jì)分析； 4.SAS電商數(shù)據(jù)挖據(jù)； 5.SAS信用評(píng)級(jí)模型；
案例：如何利用客戶分群實(shí)現(xiàn)保險(xiǎn)行業(yè)中潛在客戶的精準(zhǔn)定位 案例：如何針對(duì)行業(yè)特性進(jìn)行營(yíng)銷(xiāo)組合優(yōu)化.
『視頻』大數(shù)據(jù)分析周末班第10期
CDA2級(jí)大數(shù)據(jù)前沿知識(shí)介紹，免費(fèi)觀看
大數(shù)據(jù)基礎(chǔ)知識(shí) 點(diǎn)擊觀看
第一階段：大數(shù)據(jù)前沿知識(shí)及hadoop入門(mén)
1.大數(shù)據(jù)前沿知識(shí)介紹 2.課程介紹
3. Linux及unbuntu系統(tǒng)基礎(chǔ)
4.hadoop的單機(jī)和偽分布模式的安裝配置
第二階段：Hadoop部署進(jìn)階
1.Hadoop集群模式搭建
2. Hadoop分布式文件系統(tǒng)HDFS深入剖析 3.使用hdfs提供的api進(jìn)行hdfs文件操作 4. Mapreduce概念及思想
第三階段：大數(shù)據(jù)導(dǎo)入與存儲(chǔ)
1.mysql數(shù)據(jù)庫(kù)基礎(chǔ)知識(shí) 2.hive安裝部署與案例 3.sqoop安裝及使用
第四階段：Hbase理論及實(shí)戰(zhàn)
1. hbase簡(jiǎn)介 2.安裝及配置
第五階段：Spark配置及使用場(chǎng)景
1. spark簡(jiǎn)介、安裝及配置 2.scala簡(jiǎn)介、安裝及語(yǔ)法講解
第六階段：spark大數(shù)據(jù)分析原理
1.Spark內(nèi)核：基本定義、Spark任務(wù)調(diào)度 2.Spark Streaming 實(shí)時(shí)流計(jì)算 3.Spark MLlib 機(jī)器學(xué)習(xí) 4.Spark SQL 實(shí)戰(zhàn)
第七階段：hadoop+Spark大數(shù)據(jù)分析
1.實(shí)戰(zhàn)案例深入解析
2.hadoop+Spark的大數(shù)據(jù)分析之分類(lèi) 3.Logistic回歸與主題推薦
與南京大學(xué)、東南大學(xué)合作，頒發(fā)“CDA數(shù)據(jù)分析師”“高級(jí)、中級(jí)、初級(jí)”證書(shū)
丁亞軍
南京上度咨詢數(shù)據(jù)分析總監(jiān)、經(jīng)管之家論壇SAS、SPSS版版主，CDA數(shù)據(jù)分析研究院研究員和SAS、SPSS軟件講師。 研究方向?yàn)椤敖y(tǒng)計(jì)軟件與數(shù)據(jù)分析”、“市場(chǎng)調(diào)查分析”、“數(shù)據(jù)挖掘咨詢”。
王小川
神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘、統(tǒng)計(jì)分析應(yīng)用領(lǐng)域?qū)＜?#xff0c;國(guó)內(nèi)最大的MATLAB論壇管理員，在碩士與博士期間，參與發(fā)表了SCI論文6篇，核心期刊論文5篇，獲得同濟(jì)大學(xué)獎(jiǎng)學(xué)金，精通各類(lèi)統(tǒng)計(jì)學(xué)軟件，參與編寫(xiě)《MATLAB神經(jīng)網(wǎng)絡(luò)30案例分析》等書(shū)籍。
翟祥
CDA數(shù)據(jù)分析師講師/北京林業(yè)大學(xué)管理學(xué)院統(tǒng)計(jì)系教授/人民大學(xué)統(tǒng)計(jì)學(xué)博士 具有深厚的數(shù)理統(tǒng)計(jì)與應(yīng)用數(shù)據(jù)分析專業(yè)背景，SAS公司骨灰級(jí)講師，具有八年數(shù)據(jù)分析、數(shù)據(jù)挖掘的從業(yè)經(jīng)驗(yàn)，，獨(dú)立或帶團(tuán)隊(duì)完成零售、電信、金融等多個(gè)大型數(shù)據(jù)挖掘項(xiàng)目。
李奇
中國(guó)電子表格應(yīng)用大會(huì)主席，曾在IBM中國(guó)擔(dān)任銷(xiāo)售管理團(tuán)隊(duì)數(shù)據(jù)分析項(xiàng)目組長(zhǎng)及德勤北京所的數(shù)據(jù)分析高級(jí)咨詢顧問(wèn)。專精于企業(yè)數(shù)據(jù)分析、制定商業(yè)智能業(yè)務(wù)解決方案、軟件開(kāi)發(fā)及Excel培訓(xùn)等。
趙仁乾
北京郵電大學(xué)管理科學(xué)與工程碩士，現(xiàn)就職于北京電信規(guī)劃設(shè)計(jì)院，從事移動(dòng)、聯(lián)通集團(tuán)及各省分公司市場(chǎng)\業(yè)務(wù)\財(cái)務(wù)規(guī)劃、經(jīng)濟(jì)評(píng)價(jià)及運(yùn)營(yíng)咨詢。重點(diǎn)研究方向包括離網(wǎng)用戶挖掘、市場(chǎng)細(xì)分與精準(zhǔn)營(yíng)銷(xiāo)、移動(dòng)網(wǎng)絡(luò)價(jià)值區(qū)域分析、潛在價(jià)值客戶挖掘等。
易向軍
大數(shù)據(jù)及云計(jì)算領(lǐng)域創(chuàng)業(yè)者，dazui8.com創(chuàng)始人。在電信及互聯(lián)網(wǎng)行業(yè)有多年從業(yè)經(jīng)驗(yàn)，熟悉數(shù)據(jù)挖掘?qū)嶋H應(yīng)用場(chǎng)景，具備豐富的一線實(shí)踐經(jīng)驗(yàn)。在運(yùn)營(yíng)分析、產(chǎn)品用戶體驗(yàn)評(píng)測(cè)等方面有著深刻認(rèn)識(shí)，致力于數(shù)據(jù)挖掘知識(shí)的宣傳推廣及相關(guān)技術(shù)的探索研發(fā)。
馬伯
經(jīng)管之家CDA數(shù)據(jù)分析研究院講師，從事互聯(lián)網(wǎng)、電子商務(wù)方向數(shù)據(jù)分析與數(shù)據(jù)挖掘的研究與CDA數(shù)據(jù)分析師的教學(xué)工作，研究方向?yàn)槲谋就诰颉㈦娚掏扑]系統(tǒng)開(kāi)發(fā)、潛在價(jià)值客戶挖掘，互聯(lián)網(wǎng)大數(shù)據(jù)挖掘等。
曾珂
管理科學(xué)工程碩士/CDA數(shù)據(jù)分析研究院講師 從事數(shù)據(jù)分析與數(shù)據(jù)挖掘的研究與教學(xué)，研究方向?yàn)榛ヂ?lián)網(wǎng)、電子商務(wù)數(shù)據(jù)分析與挖掘，擅長(zhǎng)基于客戶關(guān)系管理的數(shù)據(jù)挖掘、數(shù)據(jù)可視化、文本挖掘。
量化分析課程
第一階段：金融數(shù)據(jù)處理
1. 導(dǎo)入，檢查，及操作財(cái)務(wù)數(shù)據(jù) 2. 單一資產(chǎn)收益之各種定義
3. 投資組合收益計(jì)算 4. 數(shù)據(jù)預(yù)處理
第二階段：風(fēng)險(xiǎn)度量
1. 收益與風(fēng)險(xiǎn)權(quán)衡 2. 單一資產(chǎn)風(fēng)險(xiǎn) 3. 投資組合風(fēng)險(xiǎn) 4. 波動(dòng)率估計(jì)與建模 5. 風(fēng)險(xiǎn)價(jià)值 6. 風(fēng)險(xiǎn)模型回測(cè) 6. 期望損失 7. 其他風(fēng)險(xiǎn)測(cè)度
8. 風(fēng)險(xiǎn)調(diào)整之投資組合績(jī)效
第三階段：資產(chǎn)定價(jià)模型
1. 套利定價(jià)模型 6. 期望損失 2. 模型系數(shù)估計(jì) 6. 期望損失 3. 模型檢驗(yàn)
第四階段：投資組合理論 第五階段：因子模型 第六階段：金融衍生品
1. 期權(quán)定價(jià) 2. 買(mǎi)賣(mài)權(quán)平價(jià)關(guān)系 3. 隱函波動(dòng)率 4. 套期保值方法 5. 套期保值優(yōu)化 6. 套期保值與交易成本 第七階段：財(cái)報(bào)與基本面分析 1. 財(cái)報(bào)分析基礎(chǔ)
2. Benjamin Graham 經(jīng)典價(jià)值型投資法 3. 兼具價(jià)值與成長(zhǎng)之GARP策略
第八階段、量化交易策略
1. 技術(shù)分析介紹 1.1 K線圖形態(tài)分析 1.2 均線系統(tǒng) 1.3 動(dòng)量交易策略
1.4 相對(duì)強(qiáng)弱指標(biāo)（RSI）與市場(chǎng)反轉(zhuǎn) 1.5 隨機(jī)指標(biāo)KDJ與價(jià)格波動(dòng) 2. 高頻金融數(shù)據(jù)分析
3. 投資策略實(shí)戰(zhàn) 3.1 通道策略
3.2 多指標(biāo)組合投資策略 3.3 量?jī)r(jià)關(guān)系分析 3.4 配對(duì)交易策略 3.5 輪動(dòng)投資策略 3.6 倉(cāng)位控制
3.7 一個(gè)趨勢(shì)存在�c否的判斷策略 3.8 趨勢(shì)追蹤策略
3.9 利用均值回歸在震蕩中獲取交易機(jī)會(huì) 蔡立�Z
美國(guó)伊利諾伊大學(xué)金融碩士/華盛頓大學(xué)經(jīng)濟(jì)學(xué)博士
親身實(shí)踐各種金融應(yīng)用，主持研究團(tuán)隊(duì)與臺(tái)灣知名大學(xué)與企業(yè)合作開(kāi)展各種金融研究，例如量化投資、風(fēng)險(xiǎn)分析等。在統(tǒng)計(jì)套利、金融大數(shù)據(jù)等領(lǐng)域有豐富的操作經(jīng)驗(yàn)與授課經(jīng)驗(yàn)。帶領(lǐng)的量化投資研究團(tuán)隊(duì)用多種編程語(yǔ)言實(shí)現(xiàn)了統(tǒng)計(jì)套利以及風(fēng)險(xiǎn)管理自動(dòng)化程序。
CDA數(shù)據(jù)分析就業(yè)班第九期視頻
EXCEL 數(shù)據(jù)分析入門(mén)工具
Excel數(shù)據(jù)收集、整合及高效處理技術(shù)和方法 Excel函數(shù)、數(shù)組與數(shù)據(jù)分析 Excel透視表和圖表化數(shù)據(jù)呈現(xiàn) Excel自動(dòng)化工具宏與交互式界面設(shè)計(jì) Excel高效分析數(shù)據(jù)利器VBA 案例
數(shù)理統(tǒng)計(jì)-數(shù)據(jù)分析根基
描述性統(tǒng)計(jì) 抽樣估計(jì) 假設(shè)檢驗(yàn) 方差分析 相關(guān)性 卡方分析 回歸分析
主成分分析、因子分析 列聯(lián)分析
數(shù)據(jù)庫(kù)管理
Mysql基礎(chǔ)知識(shí)以及表結(jié)構(gòu)管理
數(shù)據(jù)庫(kù)、表的建立以及簡(jiǎn)單的查詢，數(shù)據(jù)的運(yùn)算 高級(jí)查詢、視圖。
SPSS數(shù)據(jù)分析
數(shù)據(jù)處理流程圖、數(shù)據(jù)的輸入輸出 描述統(tǒng)計(jì)分析，常用的統(tǒng)計(jì)圖形 T檢驗(yàn)、方差分析、與數(shù)據(jù)庫(kù)連接 相關(guān)、偏相關(guān)分析，線性回歸 Logistic、分類(lèi)變量回歸、ROC曲線 缺失值的處理、主成分分析
因子分析、K-means聚類(lèi)，層次聚類(lèi) 神經(jīng)網(wǎng)絡(luò)、RFM模型
RFM模型、對(duì)應(yīng)分析、聯(lián)合分析 時(shí)間序列、總結(jié)
案例：員工績(jī)效分析、商品投訴分析、用戶購(gòu)買(mǎi)力分析、信用違約分析等
數(shù)據(jù)挖據(jù)實(shí)戰(zhàn)案例
產(chǎn)品精細(xì)化運(yùn)營(yíng)、球員綜合評(píng)價(jià) 用戶體檢測(cè)評(píng)、用戶信用評(píng)分 淘寶電商數(shù)據(jù)分析
SAS編程
軟件的介紹、認(rèn)證的介紹、sas入門(mén)編程（PDV） SAS數(shù)據(jù)集操作、數(shù)據(jù)的讀入導(dǎo)出 sas宏 proc sql
SAS電商數(shù)據(jù)分析
sas統(tǒng)計(jì)分析：統(tǒng)計(jì)描述、相關(guān)分析、回歸分析、穩(wěn)健logistics回歸、poisson回歸、主成分分析、對(duì)應(yīng)分析、聯(lián)合分析；
sas電商數(shù)據(jù)挖據(jù)：數(shù)據(jù)挖掘簡(jiǎn)介、訪問(wèn)數(shù)據(jù)庫(kù)及文件、RFM、DM回歸、神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、購(gòu)物籃分析、聚類(lèi)分析、組合模型。
知名外企咨詢公司實(shí)際案例分析
（1）零售業(yè)中運(yùn)用邏輯回歸和線性回歸估計(jì)客戶生命價(jià)值 （2）Excel整理快消客戶數(shù)據(jù)實(shí)現(xiàn)數(shù)據(jù)分析及BI數(shù)據(jù)報(bào)表 （3）Tableau實(shí)現(xiàn)行業(yè)的可視化 （4）搜索引擎營(yíng)銷(xiāo) （5）在線數(shù)字分析案例賞析
（6）如何在零售業(yè)中實(shí)現(xiàn)決策樹(shù)并展示其成果 （7）利用時(shí)間序列精準(zhǔn)預(yù)估零售業(yè)銷(xiāo)量及營(yíng)業(yè)額
（8）如何利用客戶分群實(shí)現(xiàn)保險(xiǎn)業(yè)中的現(xiàn)在客戶的精準(zhǔn)定位 （9）營(yíng)銷(xiāo)組合優(yōu)化
選修方向一：Python
Python基礎(chǔ)編程 Pandas應(yīng)用
Python推薦系統(tǒng)和案例實(shí)戰(zhàn) Python機(jī)器學(xué)習(xí)
選修方向二：R
R基礎(chǔ)編程 R語(yǔ)言數(shù)據(jù)挖掘 R數(shù)據(jù)挖掘案例實(shí)戰(zhàn) R-Oracle
量化投資長(zhǎng)期班
Module 1―Python數(shù)據(jù)處理與自動(dòng)化交易 一，Python 編程
1，數(shù)據(jù)類(lèi)型
1.1 數(shù)值類(lèi)型，字符串，列表，元組，字典，集合 1.2 可變與不可變 2，基本語(yǔ)法 2.1 常用運(yùn)算符 2.2 常用語(yǔ)句
2.3 函數(shù)的定義與調(diào)用 3，進(jìn)階技巧
3.1 切片，迭代，列表解析，生成器，迭代器 3.2 面向?qū)ο?/p>
3.2.1 類(lèi)，封裝，與繼承 3.3 函數(shù)式編程 3.3.1 map/reduce 3.3.2 匿名函數(shù) 3.3.3 裝飾器 3.3.4 偏函數(shù)
二，數(shù)據(jù)探索
1， Numpy：數(shù)組和向量計(jì)算 2， Pandas 與金融數(shù)據(jù)處理 2.1 數(shù)據(jù)清理，轉(zhuǎn)換，合并，重塑 2.2 數(shù)據(jù)聚合與分組運(yùn)算 3，Matplotlib 與數(shù)據(jù)可視化 4，時(shí)間序列數(shù)據(jù)
4.1 日期的采樣，頻率，移動(dòng)，及算術(shù)運(yùn)算 5，基于事件趨動(dòng)的自動(dòng)化交易系統(tǒng)實(shí)踐
Module 2―宏觀角度的投資―時(shí)間序列, 金融理論，因子模型，財(cái)報(bào)選股，�}位控制 一，數(shù)據(jù)特征分析
1，描述性統(tǒng)計(jì) 2，參數(shù)估計(jì) 3，假設(shè)檢驗(yàn) 4，回歸分析
二，金融學(xué)
1， 收益率 1.1 單期簡(jiǎn)單收益率
1.2 多期簡(jiǎn)單收益率 1.3 年化收益率
1.4 考慮股利分紅的簡(jiǎn)單收益率 1.5 連續(xù)復(fù)利收益率 2，風(fēng)險(xiǎn)測(cè)度 2.1 方差 2.2 下行風(fēng)險(xiǎn) 2.3 風(fēng)險(xiǎn)價(jià)值 2.4 期望虧空 2.5 最大回撤
3，資本定價(jià)模型及評(píng)價(jià) 4， 投資組合理論 5，因子模型及評(píng)價(jià)
三，基本面選股
1，財(cái)報(bào)分析基礎(chǔ) 2，公司估值
3，Benjamin Graham 經(jīng)典價(jià)值型投資法 4， 兼具價(jià)值與成長(zhǎng)之GARP策略 5， 積極成長(zhǎng)策略
四，宏觀擇時(shí) 五，輪動(dòng)策略 六，時(shí)間序列
1，自相關(guān)性 2，平穩(wěn)性
3，白噪聲 4，時(shí)間序列預(yù)測(cè) 5，GARCH 模型 6，卡曼濾波器 7，協(xié)整 8， 配對(duì)交易
七，倉(cāng)位控制
1，凱利公式
2，網(wǎng)格交易動(dòng)態(tài)調(diào)倉(cāng)
Module 3-量化投資技術(shù)分析與金融數(shù)據(jù)挖掘 一，技術(shù)分析
1，常用技術(shù)分析基礎(chǔ) 1.1 K線 1.2 RSI 1.3 均線系統(tǒng) 1.3.1 移動(dòng)平均 1.3.2 MACD 1.4 通道 1.5 唐奇安通道 1.6 布林帶通道 1.6.1 隨機(jī)指標(biāo) 1.6.2 量?jī)r(jià)關(guān)系 1.6.3 能量潮O(jiān)BV指標(biāo) 1.6.4 簡(jiǎn)易波動(dòng)指標(biāo)EMV
1.6.5 順勢(shì)指標(biāo)CCI 1.6.6 人氣指數(shù) AR 2，趨勢(shì)跟蹤 2.1 動(dòng)量
2.2 線性回歸與趨勢(shì)跟蹤 2.3 勝率與趨勢(shì)跟蹤 2.4 海龜交易系統(tǒng) 3，技術(shù)指標(biāo)擇時(shí), 4，多空策略 5，纏論
二，金融數(shù)據(jù)挖掘
1，神經(jīng)網(wǎng)路 Neural Networks 2，隨機(jī)森林 Random Forests 3，K最近鄰 K-Nearest Neighbors 4，支持向量機(jī)Support Vector Machines 5，線性判別分析 Linear Discriminant Analysis 6，二次判別分析 Quadratic Discriminant Analysis 7，邏輯回歸 Logistic Regression
【量化投資】思想、策略與R語(yǔ)言實(shí)戰(zhàn)
第2天 金融時(shí)間序列, 基本面選股策略, 投資組合 金融時(shí)間序列分析
1. 認(rèn)識(shí)金融時(shí)間序列
2. 時(shí)間序列的平穩(wěn)性檢驗(yàn)與白噪聲探討
3. 時(shí)間序列平滑處理 4. 金融時(shí)間序列建模預(yù)測(cè) 5. 時(shí)間序列波動(dòng)的集聚效應(yīng)
案例: 以上證綜指為例，運(yùn)用統(tǒng)計(jì)方法檢驗(yàn)時(shí)間序列數(shù)據(jù)可預(yù)測(cè)性的前提條件。 案例: 運(yùn)用ARIMA模型進(jìn)行批量模擬建模，以預(yù)測(cè)股票未來(lái)的收益率。 案例: 使用GARCH模型預(yù)測(cè)波動(dòng)率，并將其應(yīng)用于VaR模型的風(fēng)險(xiǎn)管控。 量化選股策略
6. 基本面分析（FundamentalAnalysis）選股 6.1 短期償債能力指標(biāo) 6.2 營(yíng)運(yùn)能力指標(biāo)
6.3 資本結(jié)構(gòu)與長(zhǎng)期償債能力分析指標(biāo) 6.4 盈利能力指標(biāo)
7. Benjamin Graham價(jià)值選股 7.1 Graham選股公式三個(gè)標(biāo)準(zhǔn) 7.2 中國(guó)股市的檢驗(yàn) 7.3 經(jīng)典十項(xiàng)法則及詳解
7.4 Graham選股策略的實(shí)現(xiàn)與市場(chǎng)表現(xiàn) 8. GARP 選股策略 9. CAPM超額Alpha選股 10. 三因子模型選股
投資組合配置
11. 馬科維茨風(fēng)險(xiǎn)-收益模型原理 12. Black-Litterman模型
第3天 常用技術(shù)指標(biāo),投資表現(xiàn)衡量,高頻數(shù)據(jù)分析 投資績(jī)效表現(xiàn)分析
1. 收益分析 2. 風(fēng)險(xiǎn)分析
3. PerformanceAnalytics包的介紹與應(yīng)用
技術(shù)指標(biāo)、買(mǎi)賣(mài)點(diǎn)捕捉
4. K線圖形態(tài)分析 5. 均線系統(tǒng) 6. 動(dòng)量交易策略
7. 相對(duì)強(qiáng)弱指標(biāo)（RSI）與市場(chǎng)反轉(zhuǎn) 7.1 RSI 7.2 RSI
8. 隨機(jī)指標(biāo)KDJ與價(jià)格波動(dòng) 9. 高頻金融數(shù)據(jù)分析 9.1 非同步交易
9.2 交易數(shù)據(jù)的經(jīng)驗(yàn)特征 9.3 價(jià)格變化模型 9.4 持續(xù)期模型
9.5 處理市場(chǎng)微觀結(jié)構(gòu)噪聲
第4天 量化投資策略實(shí)戰(zhàn)
1. 通道策略
2. 多指標(biāo)組合投資策略 3. 量?jī)r(jià)關(guān)系分析 4. 配對(duì)交易策略 5. 輪動(dòng)投資策略 6. 倉(cāng)位控制
7. 一個(gè)趨勢(shì)存在�c否的判�嗖唄� 8. 趨勢(shì)追蹤策略
9. 利用均值回歸在震蕩中獲取交易機(jī)會(huì) 10. 追漲殺跌策略
11. 支持向量機(jī)與股票漲跌預(yù)測(cè) 12. 神經(jīng)網(wǎng)絡(luò)與股票漲跌預(yù)測(cè)
講師介紹：
蔡立�Z（Terry Tsai），美國(guó)伊利諾伊大學(xué)金融碩士，華盛頓大學(xué)經(jīng)濟(jì)學(xué)碩士、博士，在
國(guó)內(nèi)外如美國(guó)、韓國(guó)有豐富的授課經(jīng)驗(yàn)。帶領(lǐng)博、碩士生從事投資決策、金融衍生品、風(fēng)險(xiǎn)分析、交易策略等領(lǐng)域的研究。
生長(zhǎng)于臺(tái)灣，求學(xué)于美國(guó)，在臺(tái)灣的信息與金融業(yè)擔(dān)任高級(jí)顧問(wèn)，不僅擁有扎實(shí)的金融理論基礎(chǔ)，而且具備廣闊的國(guó)際視野與前沿的研究理念！
主持多項(xiàng)金融大數(shù)據(jù)研究項(xiàng)目，涉及SAS、R、Matlab、Mathematica、Java 與C#、F# 等多種統(tǒng)計(jì)分析工具與編程語(yǔ)言。在數(shù)據(jù)處理、數(shù)據(jù)分析以及數(shù)據(jù)可視化等數(shù)據(jù)科學(xué)領(lǐng)域有豐富的經(jīng)驗(yàn)和獨(dú)到的見(jiàn)解。
親身實(shí)踐各種金融應(yīng)用，主持研究團(tuán)隊(duì)與臺(tái)灣知名大學(xué)與企業(yè)合作開(kāi)展各種金融研究，例如量化投資、風(fēng)險(xiǎn)分析等。在統(tǒng)計(jì)套利、金融大數(shù)據(jù)等領(lǐng)域有豐富的操作經(jīng)驗(yàn)與授課經(jīng)驗(yàn)。帶領(lǐng)的量化投資研究團(tuán)隊(duì)用多種編程語(yǔ)言實(shí)現(xiàn)了統(tǒng)計(jì)套利以及風(fēng)險(xiǎn)管理自動(dòng)化程序。
課程特色：
1：現(xiàn)場(chǎng)教學(xué)，可現(xiàn)場(chǎng)和老師互動(dòng)，解決當(dāng)下的課程疑惑 2：課程內(nèi)容豐富，囊括了許多量化投資的理論知識(shí)
3：課程內(nèi)容新穎，應(yīng)用前沿的學(xué)術(shù)理論 4：教學(xué)過(guò)程深入淺出, 以實(shí)例與實(shí)作印證所學(xué)
5：學(xué)員能快速掌握靈活R語(yǔ)言，能在現(xiàn)實(shí)中通過(guò)此工具解決量化投資等綜合金融問(wèn)題 6：可操作性強(qiáng)，將所介紹理論在實(shí)戰(zhàn)中一一展示，即學(xué)即用，在實(shí)戰(zhàn)中搭建課程的整體脈絡(luò)
課程目標(biāo)：
本課程旨在有限的三天時(shí)間內(nèi)幫助學(xué)員高效實(shí)現(xiàn)：
1：深入理解量化投資的思想，建立起量化投資的理論直覺(jué)
2：熟練靈活使用R語(yǔ)言，能藉助R語(yǔ)言工具高效迅速構(gòu)建量化投資策略
3：培養(yǎng)強(qiáng)烈的市場(chǎng)投資直覺(jué)，能通過(guò)構(gòu)建量化投資策略敏銳捕捉市場(chǎng)盈利，贏取市場(chǎng)套利空間
Python量化投資現(xiàn)場(chǎng)班
Python量化投資現(xiàn)場(chǎng)班
Python量化基礎(chǔ)班：Python語(yǔ)言基礎(chǔ)與金融統(tǒng)計(jì)分析 Part1：Python語(yǔ)言學(xué)習(xí)與應(yīng)用
1、 Python語(yǔ)言簡(jiǎn)介 2、 運(yùn)算符與表達(dá)式 3、 Python控制流 4、 Python函數(shù) 5、 Python模塊 6、 異常處理與文件操作 7、 Python繪圖
8、 Numpy篇 9、 Pandas篇 10、 數(shù)據(jù)庫(kù)連接
Part2 ：金融統(tǒng)計(jì)分析概論
1、統(tǒng)計(jì)學(xué)理論 （1）統(tǒng)計(jì)學(xué)概論 （2）描述性統(tǒng)計(jì) （3）參數(shù)估計(jì) （4）假設(shè)檢驗(yàn) 2、多變量相關(guān)性分析 3、線性回歸模型
案例分析
案例一：大型股票數(shù)據(jù)庫(kù)讀取股票數(shù)據(jù) 案例二：A股市場(chǎng)股票數(shù)據(jù)繪圖 案例三：交易數(shù)據(jù)描述性統(tǒng)計(jì) 案例四：非金融專業(yè)數(shù)據(jù)獲取方法
Python量化實(shí)戰(zhàn)班第一天 Part1：金融數(shù)據(jù)處理高級(jí)編程
Pandas深入分析 金融因子數(shù)據(jù)生成 常見(jiàn)的金融數(shù)據(jù)整理方式
Part2：量化投資概述
投資策略回顧與比較
基本面、技術(shù)分析和量化的聯(lián)系與區(qū)別 量化投資概述
量化投資風(fēng)險(xiǎn)與管控
Part3：量化投資Python平臺(tái)介紹
數(shù)據(jù)獲取 回測(cè)框架介紹 回測(cè)注意問(wèn)題
案例分析
案例一：市盈率手動(dòng)計(jì)算 案例二：Panel數(shù)據(jù)的存儲(chǔ)與提取 案例三：簡(jiǎn)單的均線穿越策略實(shí)現(xiàn)
Python量化實(shí)戰(zhàn)班第二天 Part1：市場(chǎng)描述策略
描述性研究
Part2：高級(jí)交易策略
CTA策略 大師選股策略 市場(chǎng)中性選股策略 技術(shù)指標(biāo)類(lèi)策略 資產(chǎn)配置策略
Part3：時(shí)間序列模型
什么是時(shí)間序列數(shù)據(jù)
時(shí)間序列的平穩(wěn)性檢驗(yàn)與白噪聲探討 時(shí)間序列平滑
【SMA、WMA EWMA】 金融時(shí)間序列建模預(yù)測(cè) 【ARMA、ARIMA模型】
波動(dòng)的集聚效應(yīng)
案例分析
案例一：如何通過(guò)各種數(shù)據(jù)描述當(dāng)前市場(chǎng)狀態(tài) 案例二：CTA策略 案例三：經(jīng)典大師選股策略 案例四：市場(chǎng)中性選股策略 案例五：技術(shù)指標(biāo)類(lèi)選股策略 案例六：資產(chǎn)配置策略 案例七：時(shí)間序列策略
Python量化實(shí)戰(zhàn)班第三天 Part1：投資組合基本概念
超額Alpha選股 CAPM模型 三因子模型選股
Part2：投資組合構(gòu)建
單因子測(cè)試 多因子測(cè)試
常見(jiàn)的組合構(gòu)建方法
Part3：數(shù)據(jù)挖掘算法在量化投資中的運(yùn)用
邏輯回歸與漲跌預(yù)測(cè) 支持向量機(jī)模型與漲跌預(yù)測(cè) 聚類(lèi)與股票配對(duì)
Part4 輿情分析與關(guān)注度模型
文本挖掘概述 文本處理技巧
中文分詞
案例分析
案例一：單因子全套測(cè)試代碼 案例二：組合構(gòu)建案例 案例三：文本數(shù)據(jù)處理案例
www.jinduoduo.net 金多多CVA課程
學(xué)生管理
學(xué)生管理模塊包含對(duì)學(xué)生的賬號(hào)導(dǎo)入、批量注冊(cè)、學(xué)生專業(yè)管理、學(xué)生班級(jí)管理、分組式教學(xué)管理等功能。
課程管理
課程管理模塊包含新課程的開(kāi)設(shè)、上課的時(shí)間安排、學(xué)科測(cè)評(píng)、成績(jī)管理、學(xué)習(xí)日志管理、教學(xué)遠(yuǎn)程共享、資料共享、實(shí)驗(yàn)報(bào)告管理、提問(wèn)答疑管理等
功能管理
功能管理模塊包含對(duì)各類(lèi)賬號(hào)權(quán)限的分配、登錄區(qū)域的設(shè)定、更新反饋等
財(cái)務(wù)報(bào)表分析課程
王躍武系湖南大學(xué)工商管理學(xué)院博士、副教授、碩士生導(dǎo)師。主要學(xué)術(shù)兼職有:湖南省農(nóng)村研究院客座研究員、湖南省資興市咨詢專家、廣東省新興經(jīng)濟(jì)體研究會(huì)智庫(kù)專家；《財(cái)經(jīng)理論與實(shí)踐》、《金融理論研究》、《湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào)》、《中國(guó)科技論文在線》等學(xué)術(shù)期刊審稿人。
自2005年以來(lái)已在《財(cái)經(jīng)理論與實(shí)踐》、《審計(jì)與經(jīng)濟(jì)研究》等重要刊物上發(fā)表論文70多篇，其中核心及以上刊物發(fā)表30多篇。
主持并完成國(guó)家社會(huì)科學(xué)基金后期資助項(xiàng)目1項(xiàng)；主研并完成國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng)；主持并完成其他縱向與橫向課題6項(xiàng)。出版學(xué)術(shù)專著《競(jìng)爭(zhēng)力財(cái)務(wù)經(jīng)濟(jì)學(xué)――企業(yè)價(jià)值、資本與競(jìng)爭(zhēng)力分析》與《人力資源會(huì)計(jì)應(yīng)用性研究：理論、方法與嘗試》，出版教材《管理會(huì)計(jì)學(xué)》與《財(cái)務(wù)報(bào)表分析》。
主要研究領(lǐng)域包括：理論經(jīng)濟(jì)學(xué)、財(cái)務(wù)與會(huì)計(jì)基礎(chǔ)理論、競(jìng)爭(zhēng)力財(cái)務(wù)、知識(shí)資本會(huì)計(jì)與財(cái)務(wù)、管理會(huì)計(jì)、財(cái)務(wù)分析等。主要講授本科與研究生的《成本與管理會(huì)計(jì)》、《財(cái)務(wù)報(bào)表分析》、《財(cái)務(wù)管理》、《資產(chǎn)評(píng)估》等課程；指導(dǎo)學(xué)生獲得IMA案例大賽2015年華中區(qū)亞軍、2016年華南區(qū)二等獎(jiǎng)。
“財(cái)務(wù)報(bào)表”是我們經(jīng)濟(jì)生活中常見(jiàn)的信息產(chǎn)品，是我們理解并判斷一個(gè)企業(yè)經(jīng)營(yíng)得怎么樣、管理效率如何、財(cái)務(wù)業(yè)績(jī)優(yōu)劣及其變化等重要內(nèi)容不可或缺的“窗口”。顯而易見(jiàn)，把這個(gè)很可能陌生的企業(yè)的財(cái)務(wù)報(bào)表讀懂、讀透，是我們提升各種與之相關(guān)的決策之質(zhì)量、進(jìn)而增進(jìn)相關(guān)利益的信息基礎(chǔ)：
第一章 概論
第一節(jié) 為什么需要財(cái)務(wù)報(bào)表分析 第二節(jié) 哪些人需要什么樣的財(cái)務(wù)報(bào)表分析 第三節(jié) 財(cái)務(wù)報(bào)表分析的學(xué)習(xí)
第二章 財(cái)務(wù)報(bào)表信息及其解讀
第一節(jié) 財(cái)務(wù)報(bào)表信息的構(gòu)成及其解讀次序 第二節(jié) 財(cái)務(wù)報(bào)表分析的基本方法體系 第三節(jié) 財(cái)務(wù)報(bào)表的快速解讀 第四節(jié) 資產(chǎn)負(fù)債表的簡(jiǎn)要分析 第五節(jié) 利潤(rùn)表的簡(jiǎn)要分析 第六節(jié) 現(xiàn)金流量表的簡(jiǎn)要分析
第三章 企業(yè)償債能力分析
第一節(jié) 企業(yè)短期償債能力分析 第二節(jié) 企業(yè)長(zhǎng)期償債能力分析
第四章 企業(yè)營(yíng)運(yùn)能力分析
第一節(jié) 概述
第二節(jié) 企業(yè)營(yíng)運(yùn)能力的比率分析 第三節(jié) 營(yíng)運(yùn)能力與其他能力的關(guān)系
第五章 企業(yè)盈利能力分析 第六章 企業(yè)競(jìng)爭(zhēng)能力分析
第一節(jié) 企業(yè)競(jìng)爭(zhēng)能力的經(jīng)濟(jì)學(xué)分析 第二節(jié) 企業(yè)競(jìng)爭(zhēng)能力的財(cái)務(wù)分析
第七章 企業(yè)發(fā)展能力分析
第一節(jié) 企業(yè)后續(xù)融資能力分析 第二節(jié) 企業(yè)物質(zhì)基礎(chǔ)發(fā)展能力分析 第三節(jié) 企業(yè)知識(shí)資本潛力分析
第八章 企業(yè)財(cái)務(wù)綜合分析 第一節(jié) 沃爾評(píng)分法 第二節(jié) 杜邦財(cái)務(wù)分析體系 第三節(jié) 經(jīng)濟(jì)附加值評(píng)價(jià)法 第九章 財(cái)務(wù)報(bào)表分析的綜合案例:Sany VS Zoomlion 第一節(jié) 閱讀審計(jì)報(bào)告 第二節(jié) 閱讀財(cái)務(wù)報(bào)告背景性附注 第三節(jié) 公司財(cái)務(wù)報(bào)表的整合 第四節(jié) 資產(chǎn)負(fù)債表及其項(xiàng)目分析 第五節(jié) 利潤(rùn)表及其項(xiàng)目分析 第六節(jié) 現(xiàn)金流量表及其項(xiàng)目分析 第七節(jié) 報(bào)表項(xiàng)目分析小結(jié) 第八節(jié) 三一重工與中聯(lián)重科的償債能力分析 第九節(jié) 三一重工與中聯(lián)重科的營(yíng)運(yùn)能力分析 第十節(jié) 三一重工與中聯(lián)重科盈利能力分析 第十一節(jié) 三一重工與中聯(lián)重科的競(jìng)爭(zhēng)能力分析 第十二節(jié) 三一重工與中聯(lián)重科發(fā)展能力分析 第十三節(jié) 總結(jié) 統(tǒng)計(jì)視頻課程系列 課程名稱 計(jì)量經(jīng)濟(jì)學(xué)理論 Stata培訓(xùn)班 課程名稱 計(jì)量經(jīng)濟(jì)學(xué)理論與應(yīng)用―基礎(chǔ)班 計(jì)量經(jīng)濟(jì)學(xué)理論與應(yīng)用―高級(jí)班 Stata學(xué)術(shù)論文專題 Stata初級(jí)班 課程詳情 課程詳情課程詳情課程詳情課程詳情Stata高級(jí)班 Panel Data專題 SAS初級(jí)班 SAS應(yīng)用班 SAS建模班 SAS/IML視頻課程 SAS BASE 認(rèn)證培訓(xùn) SAS ADVANCED認(rèn)證培訓(xùn) SAS數(shù)據(jù)處理與ORACLE數(shù)據(jù)庫(kù)交互 SAS金融專題 SAS培訓(xùn)班 SAS數(shù)據(jù)挖掘?qū)ｎ} SPSS初級(jí)班SPSS高級(jí)班SPSS培訓(xùn)班 EViews培訓(xùn)班 課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情SPSS初中級(jí)課程―張文彤主講EViews6.0時(shí)間序列分析 Matlab基礎(chǔ)班 課程詳情SPSS高級(jí)視頻課程―張文彤主講課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情課程詳情基于Matlab的蒙特卡洛入門(mén)課程 Matlab數(shù)據(jù)庫(kù)應(yīng)用班 Matlab金融數(shù)量分析 Matlab培訓(xùn)班 matlab-exlink-excel R初級(jí)班 R高級(jí)班 R時(shí)間序列專題(初級(jí)班) R時(shí)間序列專題(中級(jí)班) R時(shí)間序列（Rolling專題） R培訓(xùn)班 Excel培訓(xùn)班 R時(shí)間序列（多元波動(dòng)率專題） R時(shí)間序列（案例集_股指期貨） Excel數(shù)據(jù)分析與決策 EXCEL函數(shù)應(yīng)用班 AMOS論文攻略―張偉豪 AMOS基礎(chǔ)班 結(jié)構(gòu)方程-應(yīng)用班 Lingo軟件應(yīng)用 Minitab培訓(xùn) Gauss AMOS高級(jí)班 Lingo統(tǒng)計(jì)軟件培訓(xùn)班 Minitab應(yīng)用班 Gauss應(yīng)用班 PPT初中級(jí)培訓(xùn)班PPT制作 認(rèn)證培訓(xùn) 教學(xué)課件PPT制作案例班課程詳情課程詳情課程詳情SAS BASE 認(rèn)證培訓(xùn) SAS ADVANCED認(rèn)證培訓(xùn)
EViews6.0計(jì)量經(jīng)濟(jì)與時(shí)間序列分析班
第一講 Eviews入門(mén) 1.Eviews工作界面介紹
2.Eviews工作文件及常用對(duì)象介紹 3.變量的建立，變量中數(shù)據(jù)的錄入 4.刪除變量或觀察值 5.樣本區(qū)間的調(diào)整 6.變量的排序
7.通過(guò)數(shù)學(xué)運(yùn)算生成新的變量
8.工作文件的保存與EViews軟件的退出 9.如何調(diào)用已保存過(guò)的工作文件 第二講 Eviews圖形對(duì)象介紹 1.關(guān)于單個(gè)變量的作圖 2.關(guān)于多個(gè)變量的作圖
第三講 描述性統(tǒng)計(jì)分析
1.序列窗口下的描述性統(tǒng)計(jì)分析 2.序列組窗口下的描述性統(tǒng)計(jì)分析
第四講 一元線性回歸模型
1.做兩個(gè)變量的散點(diǎn)圖，從而看兩個(gè)變量是否具有線性關(guān)系。 2.通過(guò)建立方程對(duì)象的方式來(lái)估計(jì)一個(gè)方程 3.對(duì)方程估計(jì)結(jié)果的解釋與評(píng)價(jià)
4.在回歸估計(jì)結(jié)果中顯示方程的三種形式
5.如何根據(jù)我們估計(jì)的回歸方程計(jì)算需求的價(jià)格彈性 6.如何查看因變量的實(shí)際值、擬合值和回歸方程的殘差 7.如何用我們建立的方程進(jìn)行預(yù)測(cè)
第五講 多元線性回歸模型
1.做以因變量為橫軸，多個(gè)自變量為縱軸的散點(diǎn)圖，
2.建立組對(duì)象查看自變量的相關(guān)系數(shù)矩陣。
3.以建立方程對(duì)象的方式來(lái)建立多元線性回歸模型。 4.對(duì)模型結(jié)果的解釋和評(píng)價(jià)。
5.我們選取刪除引起共線性的變量的辦法來(lái)克服多重共線性。
6.對(duì)我們消除共線性后的模型進(jìn)行檢驗(yàn)，最后對(duì)模型進(jìn)行解釋和評(píng)價(jià) 第六講 非線性回歸模型 1.雙對(duì)數(shù)模型。 2.半對(duì)數(shù)模型。 3.倒數(shù)模型。
第七講 虛擬變量模型
1.虛擬變量的定義及意義。
2.如何通過(guò)加項(xiàng)的形式將虛擬變量引入到模型中去。 3.如何通過(guò)乘項(xiàng)的方式將虛擬變量引入到模型中去。 4.模型中加入季節(jié)虛擬變量。
第八講 單個(gè)經(jīng)濟(jì)時(shí)間序列的趨勢(shì)模型、季節(jié)調(diào)整、分解與平滑 1.趨勢(shì)模型。
2.季節(jié)調(diào)整方法。 3.HP濾波和BP濾波 4.指數(shù)平滑方法
第九講 離散因變量與受限因變量模型 1.二元選擇模型 2.排序選擇模型 3.計(jì)數(shù)模型
4.刪截回歸模型（censored regression model） 5.截尾回歸模型（Truncated Regression Model） 第十講 分布滯后模型
1.回歸方程殘差的序列相關(guān)性檢驗(yàn)
2.回歸方程殘差的自回歸模型（AR Error Model） 3.自回歸模型
4.有限分布滯后模型 5.自回歸分布滯后模型
第十一講 時(shí)間序列ARIMA模型
1.如何通過(guò)觀察時(shí)間序列的自相關(guān)圖和偏自相關(guān)圖來(lái)判斷時(shí)間序列的平穩(wěn)性。 2.檢驗(yàn)序列是否可以通過(guò)差分的方式來(lái)實(shí)現(xiàn)平穩(wěn)性。
3.通過(guò)觀察自相關(guān)圖和偏自相關(guān)圖對(duì)平穩(wěn)后的序列確定AR和MA和SAR的階數(shù)。 4.對(duì)估計(jì)的模型進(jìn)行檢驗(yàn)，包括顯著性檢驗(yàn)和殘差序列的相關(guān)性檢驗(yàn)。 5.用我們建立的ARIMA或SARIMA模型進(jìn)行預(yù)測(cè)。
第十二講 單位根檢驗(yàn)和基于殘差的協(xié)整檢驗(yàn) 1.時(shí)間序列數(shù)據(jù)的平穩(wěn)性說(shuō)明
2.時(shí)間序列平穩(wěn)性的DF和ADF單位根檢驗(yàn) 3.時(shí)間序列平穩(wěn)性的DFGLS單位根檢驗(yàn) 4.時(shí)間序列平穩(wěn)性的PP單位根檢驗(yàn) 5.時(shí)間序列平穩(wěn)性的KPSS單位檢驗(yàn) 6.時(shí)間序列平穩(wěn)性的ERS單位根檢驗(yàn) 7.時(shí)間序列平穩(wěn)性的NP單位根檢驗(yàn) 8.協(xié)整檢驗(yàn)
9.建立誤差修正模型
第十三講 自回歸條件異方差模型
1.通過(guò)日收盤(pán)價(jià)生成對(duì)數(shù)收益率變量 2.對(duì)數(shù)收益率序列的平穩(wěn)性檢驗(yàn)
3.均值方程的確定以及殘差的序列相關(guān)檢驗(yàn) 4.對(duì)殘差平方的序列相關(guān)檢驗(yàn) 5.對(duì)殘差平方做線形圖
6.對(duì)均值方程的殘差做ARCH-LM檢驗(yàn)
7.建立各種形式的ARCH模型并對(duì)新的殘差序列進(jìn)行ARCH―LM檢驗(yàn)。 8.根據(jù)我們建立的ARCH模型對(duì)收益率序列的方差進(jìn)行預(yù)測(cè) 第十四講 聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型 1.聯(lián)立方程模型的介紹
2.聯(lián)立方程模型的概念以及分類(lèi) 3.聯(lián)立方程模型的識(shí)別 4.聯(lián)立方程模型的估計(jì)
第十五講 向量自回歸模型
1.VAR模型的有關(guān)概念(非結(jié)構(gòu)化的向量自回歸模型) 2.有關(guān)SVAR模型的有關(guān)概念。 3.VAR模型的識(shí)別條件 4.SVAR模型的短期約束 5.格蘭杰因果關(guān)系檢驗(yàn)
6.VAR模型滯后階數(shù)p的的確定。 7.脈沖響應(yīng)函數(shù)。 8.方差分解
9.Johansen協(xié)整檢驗(yàn) 10.向量誤差修正模型
第十六講 eviews矩陣計(jì)算 1.矩陣的建立
2.方陣的行列式.
3.矩陣的加法 4.矩陣的乘法
5.矩陣的秩（標(biāo)量） 6.矩陣的跡（標(biāo)量） 7.矩陣的轉(zhuǎn)置 8.矩陣的逆
9.求矩陣各個(gè)列向量的相關(guān)系數(shù) 10.建立對(duì)稱矩陣
11.對(duì)稱矩陣的特征向量 12.矩陣的內(nèi)積
13.用eviews解線性方程組
第十七講 Eviews編程應(yīng)用
1.如何把以前一年為基期計(jì)算的居民消費(fèi)價(jià)格指數(shù)換算成以某一年為 基期計(jì)算的居民消費(fèi)價(jià)格指數(shù)。
2.如何把名義變量（分類(lèi)變量）轉(zhuǎn)換成虛擬變量 第十八講 面板數(shù)據(jù)模型
1.面板數(shù)據(jù)和面板數(shù)據(jù)模型的簡(jiǎn)單介紹 2.如何將面板數(shù)據(jù)導(dǎo)入到Eviews中？ 3.面板數(shù)據(jù)模型的分類(lèi)
4.固定影響（效應(yīng)）變截距模型 5.隨機(jī)影響（效應(yīng)）變截距模型 6.Hausman檢驗(yàn)
7.固定影響變系數(shù)模型 8.隨機(jī)影響變系數(shù)模型 9.面板數(shù)據(jù)的單位根檢驗(yàn) 10.面板數(shù)據(jù)的協(xié)整檢驗(yàn)
第十九講 方差膨脹因子 1.方差膨脹因子計(jì)算公式
2.通過(guò)建立輔助回歸方程的形式來(lái)計(jì)算方差膨脹因子 3.以矩陣計(jì)算的方式來(lái)計(jì)算變量的方差膨脹因子 4.方差膨脹因子大小評(píng)價(jià)準(zhǔn)則
第二十講 分位數(shù)回歸 1.分位數(shù)回歸簡(jiǎn)單介紹 2.分位數(shù)回歸的優(yōu)勢(shì)
3.分位數(shù)回歸的操作步驟 4.分位數(shù)回歸的結(jié)果分析
第二十一講 極大似然估計(jì) 1.極大似然估計(jì)的原理介紹
2.多元線性回歸的對(duì)數(shù)似然函數(shù)及其推導(dǎo)
3.用EViews軟件實(shí)現(xiàn)多元線性回歸的極大似然估計(jì) 4.GARCH(1,1)模型的對(duì)數(shù)似然函數(shù)
5.用EViews軟件實(shí)現(xiàn)GARCH(1,1)模型極大似然估計(jì)
Stata基礎(chǔ)班視頻教程
講師介紹：
連老師，經(jīng)濟(jì)學(xué)博士，2007年7月畢業(yè)于西安交通大學(xué)金禾經(jīng)濟(jì)研究中心，現(xiàn)為中山大學(xué)嶺南學(xué)院金融系副教授。主講課程為計(jì)量分析與STATA應(yīng)用、實(shí)證金融、金融計(jì)量等。 目前已在《Global Finance Journal》、《Frontiers of Business in China》、《管理世界》、《金融研究》、《世界經(jīng)濟(jì)》、《統(tǒng)計(jì)研究》、《經(jīng)濟(jì)學(xué)(季刊)》、《國(guó)際金融研究》等期刊發(fā)表論文30余篇，出版專著一部《中國(guó)上市公司投資效率研究》。主持國(guó)家自然科學(xué)基金、教育部人文社科基金、高校基本業(yè)務(wù)費(fèi)基金、廣東自然科學(xué)基金項(xiàng)目各一項(xiàng)，并曾參與了多項(xiàng)國(guó)家自然科學(xué)基金和國(guó)家社會(huì)科學(xué)基金項(xiàng)目，具有豐富的數(shù)據(jù)處理、模型構(gòu)建和模擬分析經(jīng)驗(yàn)。目前已完成Panel VAR（1800余行）、Panel Threshold（1200余行）、Two-tier Stochastic Frontier（500余行）等復(fù)雜計(jì)量模型的STATA實(shí)現(xiàn)程序，并編寫(xiě)過(guò)幾十個(gè)小程序，如xtbalance.ado、bdiff.ado、gqhet.ado等等。
培訓(xùn)目的：
1.使學(xué)員掌握Stata的基本操作方法和常用命令，掌握繪圖和數(shù)據(jù)處理的基本方法，并能夠編寫(xiě)一些簡(jiǎn)單的Stata程序，為進(jìn)一步學(xué)習(xí)高級(jí)課程打下扎實(shí)的基礎(chǔ)。
2.專題式的講解使你能在短時(shí)間內(nèi)掌握Stata的精髓，精選的實(shí)例和翔實(shí)的配套資料能讓你在課后快速拓展所學(xué)。
課程特色
STATA初級(jí)視頻教程非常注重培養(yǎng)學(xué)員的實(shí)證分析能力。我們一方面在盡可能呈現(xiàn)STATA全貌的同時(shí)做到重點(diǎn)突出、結(jié)構(gòu)清晰，另一方面則強(qiáng)調(diào)實(shí)際問(wèn)題的解決能力。例如，傳統(tǒng)教科書(shū)中很少會(huì)涉及數(shù)據(jù)的合并、離群值的處理、面板資料的篩選等問(wèn)題，而這些往往又是實(shí)證分析過(guò)程中至關(guān)重要的環(huán)節(jié)。又如，在整理回歸結(jié)果的過(guò)程中，多數(shù)學(xué)員主要通過(guò)“復(fù)制-粘貼”的方式，效率甚低。通過(guò)本課程的學(xué)習(xí)，這些問(wèn)題都能得到很好的解決。本課程的主要特色包括：
(1) 以專題的方式講解，并輔以大量的實(shí)例，有助于學(xué)員快速掌握STATA數(shù)據(jù)處理、編程、繪圖等方面的基本技巧，舉一反三。
(2) 翔實(shí)的課程配套資料。本課程除提供視頻教程外，還同時(shí)提供了大量的范例數(shù)據(jù)和外部命令、PDF版do文檔，以及具有“時(shí)間節(jié)點(diǎn)”的視頻目錄，便于學(xué)員課后練習(xí)和快速查找自己感興趣的內(nèi)容。詳見(jiàn)“配套資料”
培訓(xùn)內(nèi)容目錄:[點(diǎn)擊觀看]
STATA初級(jí)視頻教程（2010版）共5個(gè)專題，包含36個(gè)視頻文件，總計(jì)40余個(gè)學(xué)時(shí)。內(nèi)容涉及：STATA入門(mén)、數(shù)據(jù)處理、繪圖、矩陣以及編程。內(nèi)容簡(jiǎn)介如下（詳細(xì)目錄見(jiàn)附錄A）： 第1講從整體上介紹了STATA的基本架構(gòu)，以便使學(xué)員在最短的時(shí)間內(nèi)掌握STATA的精髓，包括：數(shù)據(jù)的導(dǎo)入導(dǎo)出、執(zhí)行命令、修改和查驗(yàn)資料、log文件和do文件的使用、STATA與Word（Excel、LaTeX）等軟件的完美結(jié)合，以及STATA常用設(shè)定等內(nèi)容。
第2講通過(guò)大量的實(shí)例，介紹了各種數(shù)據(jù)處理技巧，是本課程最為核心、最有特色的
內(nèi)容。主要包括：復(fù)雜變量的創(chuàng)建；分位數(shù)；重復(fù)樣本值、缺漏值和離群值的處理；資料的合并、追加和重新組合；文字變量、類(lèi)別變量的處理；時(shí)間序列和面板資料的處理；以及數(shù)據(jù)的查驗(yàn)和對(duì)比等內(nèi)容。這些內(nèi)容的學(xué)習(xí)將大幅提高學(xué)員的數(shù)據(jù)處理能力。
第3講介紹STATA繪圖。為了達(dá)到舉一反三的效果，我先從整體上介紹STATA繪圖的基本知識(shí)，進(jìn)而將繪圖命令拆解成8類(lèi)選項(xiàng)和5類(lèi)元素，并最終通過(guò)40余個(gè)實(shí)例全面介紹了15類(lèi)常用圖形的繪制方法。
第4講介紹STATA矩陣操作，包括矩陣的定義和管理、矩陣運(yùn)算、矩陣解析等四個(gè)主題，為后續(xù)學(xué)習(xí)STATA編程知識(shí)奠定了扎實(shí)的基礎(chǔ)。
第5講介紹STATA編程的基本知識(shí)，包括：程序的定義和調(diào)用、單值、暫時(shí)性物件（暫元、暫時(shí)性變量、暫時(shí)性文件、暫時(shí)性矩陣等）、循環(huán)語(yǔ)句、條件語(yǔ)句，以及STATA返回值的引用等內(nèi)容。通過(guò)本講的學(xué)習(xí)，學(xué)員將能夠通過(guò)獨(dú)立編寫(xiě)STATA程序來(lái)提高數(shù)據(jù)處理和模型估計(jì)的效率，為后續(xù)學(xué)習(xí)STATA高級(jí)程序奠定基礎(chǔ)。
以上各講都以專題的形式進(jìn)行講解，其中不但包含了STATA官方提供的常用命令，還包含了大量外部命令（520多個(gè)），為學(xué)員提供了強(qiáng)有力的實(shí)證分析工具。
SPSS數(shù)據(jù)統(tǒng)計(jì)分析師認(rèn)證培訓(xùn)
第一講：SPSS基本操作入門(mén) 1. 軟件概述 2. 界面入門(mén) 3. 基本操作入門(mén)
4. 系統(tǒng)選項(xiàng)與中文設(shè)置
第二講：數(shù)據(jù)錄入與文件管理操作入門(mén) 1. CCSS項(xiàng)目介紹
2. CCSS項(xiàng)目的問(wèn)卷錄入（含多選題的錄入與設(shè)定） 3. 數(shù)據(jù)錄入技巧 4. 文件管理操作 第三講：SPSS編程入門(mén) 1. 基本語(yǔ)法規(guī)則介紹 2. 宏程序
3. OMS系統(tǒng) 第四講：數(shù)據(jù)管理1 1. Compute過(guò)程 2. Recode過(guò)程
3. 轉(zhuǎn)換菜單中的其他過(guò)程
4. 排序、拆分、篩選與加權(quán)過(guò)程 第五講：數(shù)據(jù)管理2 1. 數(shù)據(jù)匯總
2. 數(shù)據(jù)的重組與轉(zhuǎn)置 3. 多個(gè)數(shù)據(jù)文件的合并
4. 重復(fù)個(gè)案與異常個(gè)案的查找 5. 數(shù)據(jù)字典相關(guān)功能 6. 數(shù)據(jù)驗(yàn)證模塊 第六講：實(shí)戰(zhàn)案例分析1
1. CCSS項(xiàng)目中數(shù)據(jù)異常值的自動(dòng)核查與報(bào)告 2. CCSS項(xiàng)目數(shù)據(jù)的自動(dòng)計(jì)算與處理 第七講：分類(lèi)變量的統(tǒng)計(jì)描述 1. 統(tǒng)計(jì)描述分析模塊介紹
2. 單變量的描述指標(biāo)與軟件實(shí)現(xiàn) 3. 多變量的交叉描述指標(biāo)與軟件實(shí)現(xiàn) 4. 多選題的描述指標(biāo)與軟件實(shí)現(xiàn) 第八講：連續(xù)變量的統(tǒng)計(jì)描述
1. 連續(xù)變量的統(tǒng)計(jì)描述指標(biāo)體系 2. 頻數(shù)過(guò)程 3. 描述過(guò)程 4. 探索過(guò)程 第九講：統(tǒng)計(jì)表
1. 表格的基本框架與類(lèi)型
2. 題目A3的分析報(bào)告表格制作案例 3. 多選題A3a的分析報(bào)告表格制作案例 第十講：統(tǒng)計(jì)圖
1. 統(tǒng)計(jì)圖的基本操作概述 2. 統(tǒng)計(jì)圖的分類(lèi) 3. 直方圖與莖葉圖 4. 箱圖 5. 餅圖
6. 條圖與誤差圖
7. 線圖、面積圖、點(diǎn)圖與垂線圖 8. 散點(diǎn)圖
9. PP圖與QQ圖10. 其他統(tǒng)計(jì)圖形 第
十一講：實(shí)戰(zhàn)案例2
1. 探索消費(fèi)者信心指數(shù)隨背景資料的變化規(guī)律 2. CCSS項(xiàng)目分析報(bào)告的自動(dòng)化生產(chǎn)
第十二講：t檢驗(yàn)
1. 假設(shè)檢驗(yàn)的基本原理 2. 單樣本t檢驗(yàn) 3. Bootstrap方法
4. 完全隨機(jī)兩樣本的t檢驗(yàn) 5. 配對(duì)t檢驗(yàn)
第十三講：單因素方差分析
1. 方差分析模型的基本架構(gòu)
2. 分析實(shí)例的GLM過(guò)程實(shí)現(xiàn)（含兩兩比較方法的選擇） 3. 分析實(shí)例的ANOVA過(guò)程實(shí)現(xiàn) 第十四講：卡方檢驗(yàn)
1. 卡方檢驗(yàn)的基本原理
2. 成組卡方分析實(shí)例（含卡方的校正與確切概率法） 3. 一致性檢驗(yàn)與配對(duì)卡方檢驗(yàn) 4. 分層卡方檢驗(yàn) 第十五講：相關(guān)分析
1. 相關(guān)分析的指標(biāo)體系 2. Pearson相關(guān)與秩相關(guān) 3. 偏相關(guān)分析 第十六講：簡(jiǎn)單回歸分析
1. 相關(guān)與回歸的聯(lián)系與區(qū)別 2. 回歸分析模型的基本結(jié)構(gòu)
3. 分析實(shí)例（含殘差分析等） 4. 回歸分析建模的標(biāo)準(zhǔn)流程第 十七講：如何正確選用常用統(tǒng)計(jì)分析方法 第十八講：實(shí)戰(zhàn)案例3
1. 咖啡屋需求調(diào)查案例
2. 牙膏新品購(gòu)買(mǎi)傾向研究案例
丁亞軍、 數(shù)據(jù)分析總監(jiān)，任職于南京上度市場(chǎng)咨詢有限公司，人大經(jīng)濟(jì)論壇SAS、SPSS統(tǒng)計(jì)學(xué)講師，中國(guó)學(xué)習(xí)路徑圖國(guó)際中心技術(shù)顧問(wèn)。曾參與2012國(guó)家宏觀經(jīng)濟(jì)預(yù)測(cè)、中國(guó)城鎮(zhèn)居民家庭投資調(diào)查、瀘州老窖目標(biāo)管理與績(jī)效考核等大型數(shù)據(jù)處理項(xiàng)目，具有豐富的數(shù)據(jù)處理經(jīng)驗(yàn)
常國(guó)珍、會(huì)計(jì)學(xué)博士、社會(huì)學(xué)碩士，畢業(yè)于北京大學(xué)人口所，目前就讀于北大光華管理學(xué)院，SAS公司
數(shù)據(jù)挖掘與統(tǒng)計(jì)分析課程講師。曾就職于方正國(guó)際金融事業(yè)部和長(zhǎng)江商學(xué)院投資者研究中心。主持過(guò)商業(yè)銀 行數(shù)據(jù)挖掘平臺(tái)建設(shè)、商業(yè)銀行信用評(píng)分模型的構(gòu)建與固化等商業(yè)項(xiàng)目。參與構(gòu)建的股票量化投資模型被某
大型基金公司采納，并于2013年九月正式發(fā)行。
金融數(shù)量分析―基于Matlab編程
目前Matlab軟件已成為主流的商業(yè)數(shù)學(xué)軟件之一，具有強(qiáng)大的數(shù)據(jù)計(jì)算和可視化功能，并且提供了大量現(xiàn)成的函數(shù)，廣泛地用于數(shù)據(jù)分析、算法開(kāi)發(fā)等各個(gè)方面。近年來(lái)Matlab功能不斷完善，在各個(gè)領(lǐng)域中都顯示出了其優(yōu)勢(shì)。與其他編程語(yǔ)言相比，利用Matlab語(yǔ)言開(kāi)發(fā)程序操作方便，而且編程效率和計(jì)算效率也比較高。
據(jù)統(tǒng)計(jì)，很多Matlab用戶都沒(méi)有很強(qiáng)的數(shù)學(xué)或者計(jì)算機(jī)背景，對(duì)于這部分人群最大的需求就是如何能快速學(xué)會(huì)并掌握Matlab的操作及應(yīng)用。Matlab培訓(xùn)班正是基于這種現(xiàn)狀，從最簡(jiǎn)單、最實(shí)用的操作講起，全面而詳細(xì)地介紹了Matlab軟件操作及應(yīng)用各方面的基礎(chǔ)知識(shí)，從而幫助學(xué)員學(xué)會(huì)并掌握各種Matlab軟件的操作技能。
講師介紹 鄭志勇
集思錄副總裁、合晶睿智創(chuàng)始人，先后就職于中國(guó)銀河證券、銀華基金、方正富邦基金，從事金融產(chǎn)品研究與設(shè)計(jì)工作。專注于產(chǎn)品設(shè)計(jì)、量化投資、Matlab相關(guān)領(lǐng)域的研究。尤其對(duì)于各種結(jié)構(gòu)化產(chǎn)品、分級(jí)基金產(chǎn)品有著深入的研究，同時(shí)也編著了多本教材，包括：《運(yùn)籌學(xué)與最優(yōu)化MATLAB編程》， 《金融數(shù)量分析:基于MATLAB編程》等圖書(shū)。國(guó)內(nèi)Matlab金融領(lǐng)域的權(quán)威人士。 王洪武
博士、副教授，天津大學(xué)管理科學(xué)與工程專業(yè)博士，主要研究方向?yàn)榻鹑谖锢韺W(xué)、量化投資，已發(fā)表SCI檢索論文多篇，并擔(dān)任Physica A: Statistical Mechanics and its Applications、Nonlinear Dynamics、Applied Mathematical Modelling、Applied Mathematics and Computation、Economic Modelling、Annals of Operations Research等多個(gè)國(guó)際期刊的匿名審稿人，具有10多年的Maltab編程經(jīng)驗(yàn)。王洪武博士同時(shí)還是北京量化投資學(xué)會(huì)專家，多家私募機(jī)構(gòu)特聘顧問(wèn)，在量化投資上具有很深的理解和成功的實(shí)踐。 卓金武
量化投資學(xué)會(huì)專家組成員，MathWorks中國(guó)量化投資總監(jiān)，主要為中國(guó)的金融客戶提供基于MATLAB的量化投資、風(fēng)險(xiǎn)管理、金融數(shù)據(jù)分析等方向的解決方案。曾2次獲全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽一等獎(jiǎng) (2003, 2004)，1次獲全國(guó)研究生數(shù)學(xué)建模競(jìng)賽一等獎(jiǎng) (2007)；專著三部《:MATLAB在數(shù)學(xué)建模中的應(yīng)用》（第一版和第二版），《量化投資：數(shù)據(jù)挖掘技術(shù)與實(shí)踐(MATLAB版)》,《大數(shù)據(jù)挖掘：系統(tǒng)方法與實(shí)例分析》。
課程目的
使學(xué)員掌握使用Matlab進(jìn)行金融數(shù)量分析相關(guān)編程技能。資深Matlab講師使你能在較短的時(shí)間學(xué)會(huì)和加深世界上最優(yōu)秀數(shù)值計(jì)算軟件的使用，增強(qiáng)你學(xué)習(xí)和研究的能力。具體如下：
（1）了解業(yè)界金融數(shù)量分析工作內(nèi)容； （2）如何獲取基礎(chǔ)數(shù)據(jù)并進(jìn)行數(shù)據(jù)清洗； （3）如何進(jìn)行邏輯分析并建立模型；
（4）如何將模型轉(zhuǎn)化為Matlab程序并提高計(jì)算效率； （5）如何通過(guò)圖標(biāo)方式展示數(shù)據(jù)；
（6）如何實(shí)現(xiàn)整個(gè)數(shù)量分析工作的自動(dòng)化。
課程特色
● 資深專家深入講解Matlab相關(guān)操作技能 ● 從淺入深、從理論到策略全面解析 ● 專家學(xué)員互動(dòng)、答疑解惑、分享經(jīng)驗(yàn) ● 專家推薦經(jīng)典分析工具和學(xué)習(xí)書(shū)籍
● 結(jié)識(shí)行業(yè)精英，加入量化投資同業(yè)圈，盡享后期增值服務(wù)。
課程設(shè)計(jì)
本課程根據(jù)功能模塊劃分，主要內(nèi)容包括：Matlab入門(mén)及金融應(yīng)用案例、Matlab基礎(chǔ)及相關(guān)金融應(yīng)用、Matlab在量化投資領(lǐng)域的應(yīng)用，是綜合性較強(qiáng)，并與實(shí)際結(jié)合緊密的課程。在每個(gè)知識(shí)點(diǎn)中都有具體的實(shí)例做演示和練習(xí)，可以讓學(xué)員真正掌握每個(gè)功能的特點(diǎn)和具體應(yīng)用。
課程大綱
模塊一：Matlab基礎(chǔ)及相關(guān)金融應(yīng)用 主講嘉賓：王洪武
課程一：Matlab基礎(chǔ)知識(shí)
? ? ? ? ?
Matlab簡(jiǎn)介
Matlab常用基本功能 Matlab數(shù)據(jù)類(lèi)型及轉(zhuǎn)化 Matlab語(yǔ)法結(jié)構(gòu)
Matlab常用矩陣運(yùn)算和函數(shù)
課程二：數(shù)據(jù)的獲取
? ? ? ? ?
基于通達(dá)信行情軟件 基于Yahoo財(cái)經(jīng)數(shù)據(jù)接口 基于Sina財(cái)經(jīng)數(shù)據(jù)接口 基于萬(wàn)德數(shù)據(jù)接口 從網(wǎng)頁(yè)中抓取
?
其他數(shù)據(jù)接口
課程三：數(shù)據(jù)的預(yù)處理
? ? ?
數(shù)據(jù)的規(guī)范化
多標(biāo)的交易日期的統(tǒng)一 數(shù)據(jù)的描述性統(tǒng)計(jì)
課程四：數(shù)據(jù)的可視化
? ? ? ?
金融時(shí)間序列的可視化 統(tǒng)計(jì)圖的可視化 K線圖的可視化 回歸的可視化
課程五：多標(biāo)的相關(guān)性分析
? ? ?
相關(guān)系數(shù)矩陣的計(jì)算和可視化 相關(guān)網(wǎng)絡(luò)圖 相關(guān)性聚類(lèi)
深度互動(dòng)：投資理念、實(shí)戰(zhàn)經(jīng)驗(yàn)教訓(xùn)、實(shí)戰(zhàn)問(wèn)題討論 互動(dòng)主持：部分授課嘉賓 備注：自由參加
模塊二：Matlab入門(mén)及金融應(yīng)用案例 主講嘉賓：鄭志勇
課程六：編程在金融領(lǐng)域的經(jīng)驗(yàn)
? ? ?
編程鍛煉邏輯化思維 學(xué)習(xí)編程的經(jīng)驗(yàn)技巧 如何提高程序質(zhì)量與效率
課程七：金融產(chǎn)品現(xiàn)金流分析
? ?
按揭貸款現(xiàn)金流分析 商業(yè)養(yǎng)老保險(xiǎn)現(xiàn)金流分析
課程八：期權(quán)定價(jià)與模擬
? ? ?
歐式期權(quán)、帶敲出式期權(quán)定價(jià) （股指、黃金）掛鉤型產(chǎn)品分析 掛鉤產(chǎn)品設(shè)計(jì)與運(yùn)作
課程九：指數(shù)編制與策略模擬
? ? ? ?
資產(chǎn)組合結(jié)構(gòu)構(gòu)造 恒定組合指數(shù)編制 CPPI與TIPP策略模擬 分級(jí)產(chǎn)品模擬與測(cè)試
深度互動(dòng)：投資理念、實(shí)戰(zhàn)經(jīng)驗(yàn)教訓(xùn)、實(shí)戰(zhàn)問(wèn)題討論 互動(dòng)主持：部分授課嘉賓 備注：自由參加
模塊三：Matlab在量化投資領(lǐng)域的應(yīng)用 主講嘉賓：卓金武
課程十：MATLAB量化投資快速入門(mén)
? ?
策略建模 策略實(shí)現(xiàn)
課程十一：金融數(shù)據(jù)的分析
? ? ? ?
常用指標(biāo)的計(jì)算 布林曲線的繪制 金融數(shù)據(jù)相關(guān)性分析 指標(biāo)的篩選
課程十二：多因子策略及MATLAB實(shí)現(xiàn)
? ? ? ? ?
因子的設(shè)計(jì) 因子的選擇
簡(jiǎn)單多因子策略的實(shí)現(xiàn) 逐步回歸多因子模型的實(shí)現(xiàn)
基于多因子策略的MATLAB量化交易系統(tǒng)的實(shí)現(xiàn)
課程十三：信號(hào)交易策略及MATLAB實(shí)現(xiàn)
? ? ? ?
單信號(hào)交易策略的挖掘 策略的回測(cè) 高頻交易的優(yōu)化
多信號(hào)交易策略的優(yōu)化
課程十四：機(jī)器學(xué)習(xí)策略及MATLAB實(shí)現(xiàn)
? ? ?
機(jī)器學(xué)習(xí)量化投資架構(gòu) 數(shù)據(jù)的預(yù)處理 指標(biāo)的計(jì)算
? ? ? ?
樣本選擇 SVM算法 神經(jīng)網(wǎng)絡(luò)算法 策略的綜合應(yīng)用
課程十五：MATLAB風(fēng)險(xiǎn)管理技術(shù)
? ? ? ?
MATLAB金融風(fēng)險(xiǎn)評(píng)估方法 基礎(chǔ)的風(fēng)險(xiǎn)管理模型 高級(jí)風(fēng)險(xiǎn)管理模型 收益與風(fēng)險(xiǎn)的權(quán)衡
高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata
陳強(qiáng)老師2017年唯一一次現(xiàn)場(chǎng)班涉及“空間計(jì)量”內(nèi)容
?
陳強(qiáng)，分別于1992年與1995年獲得北京大學(xué)經(jīng)濟(jì)學(xué)學(xué)士與碩士學(xué)位，2007年獲美國(guó)Northern Illinois University數(shù)學(xué)碩士與經(jīng)濟(jì)學(xué)博士學(xué)位，現(xiàn)任山東大學(xué)經(jīng)濟(jì)學(xué)院教授，泰岳經(jīng)濟(jì)研究中心副主任（主持工作）。 主要研究領(lǐng)域?yàn)橛?jì)量經(jīng)濟(jì)學(xué)、經(jīng)濟(jì)史。已獨(dú)立發(fā)表論文于Oxford Economic Papers (lead article)，Economica，Journal of Comparative Economics，《經(jīng)濟(jì)學(xué)(季刊)》、《世界經(jīng)濟(jì)》等國(guó)內(nèi)外期刊。
獨(dú)立編著的經(jīng)典教材《高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》第二版于2014年
由高教出版社出版。2010年入選教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃。
? ? ? ? ? ? ?
(微信公眾號(hào): econometrics-stata)
目標(biāo)學(xué)員：
經(jīng)濟(jì)及社科類(lèi)青年教師、博士生、碩士生、高年級(jí)本科生。
培訓(xùn)目的：
掌握高級(jí)計(jì)量經(jīng)濟(jì)學(xué)的核心方法及Stata操作，不再茫然，知其然而知其所以然，迅速成為處理數(shù)據(jù)及定量分析的高手。
?
? ?
課程特色：
直觀地解釋高級(jí)計(jì)量經(jīng)濟(jì)學(xué)方法，通過(guò)案例學(xué)習(xí)相應(yīng)的Stata操作，深入淺出地介紹實(shí)證分析與論文寫(xiě)作的精髓。
? ? ? ? ? ?
課程配套資料：
課程PPT、數(shù)據(jù)集及相關(guān)論文。
課程簡(jiǎn)介：
自從2010年我的研究生教材《高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata》出版以來(lái)，受到了廣大讀者的熱烈歡迎。天南海北的讀者來(lái)信，既有名牌大學(xué)的青年教師，也有普通院校的碩博、甚至本科生，在慶幸有此集理論與操作一體、便于自學(xué)的計(jì)量教材之余，也十分渴望有面授的機(jī)會(huì)，能夠迅速掌握高級(jí)計(jì)量與Stata的真諦、游刃有余地進(jìn)行實(shí)證分析。為此，人大經(jīng)濟(jì)論壇的
同仁力邀我于2013年10月在北京首次開(kāi)設(shè)高級(jí)計(jì)量及Stata現(xiàn)場(chǎng)班。在四天的現(xiàn)場(chǎng)班期間，學(xué)員們上課無(wú)不聚精會(huì)神，課下則積極提問(wèn)。看到大家豁然開(kāi)悟的表情，透著如獲至寶的喜悅，四天密集教學(xué)的辛勞早已如浮云飄散。
?
本次高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata現(xiàn)場(chǎng)班，將根據(jù)首次現(xiàn)場(chǎng)班的反饋進(jìn)一步完善。在課程內(nèi)容的設(shè)計(jì)上，主要指導(dǎo)思想是在最快時(shí)間內(nèi)，將高級(jí)計(jì)量及Stata的精髓及核心內(nèi)容，以最通俗生動(dòng)的語(yǔ)言以及大量的案例交給學(xué)員，并注重在各領(lǐng)域的常見(jiàn)應(yīng)用，諸如面板數(shù)據(jù)、時(shí)間序列、工具變量法以及微觀計(jì)量，乃至論文寫(xiě)作的各個(gè)環(huán)節(jié)技巧。由于學(xué)員的基礎(chǔ)不同，本課程僅對(duì)學(xué)員背景做最低要求，即假設(shè)學(xué)員知道概率統(tǒng)計(jì)及少量線性代數(shù)，但不要求學(xué)過(guò)計(jì)量經(jīng)濟(jì)學(xué)或Stata操作。因?yàn)椤按蟮乐梁?jiǎn)至易”，初級(jí)計(jì)量與高級(jí)計(jì)量的本質(zhì)是一樣的，學(xué)子們最需要的是能夠直指人心地洞明計(jì)量原理與操作工具，然后得心應(yīng)手地用于實(shí)戰(zhàn)（而非完成習(xí)作）。
? ? ? ?
課程大綱：
第一講，OLS及其標(biāo)準(zhǔn)誤。
著重介紹小樣本與大樣本OLS，以及相應(yīng)的普通標(biāo)準(zhǔn)誤、異方差穩(wěn)健標(biāo)準(zhǔn)誤、異方差自相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤、聚類(lèi)穩(wěn)健標(biāo)準(zhǔn)誤。深切理解OLS的原理與適用條件，是一切計(jì)量原理的基礎(chǔ)。
? ? ?
第二講，Stata快速入門(mén)。
及時(shí)地介紹Stata知識(shí)，以O(shè)LS在Stata的實(shí)現(xiàn)作為入門(mén)，體會(huì)Stata的簡(jiǎn)單與強(qiáng)大。
? ? ?
第三講，工具變量法。
由于雙向因果、遺漏變量、度量誤差的普遍存在，內(nèi)生性是實(shí)證研究的常見(jiàn)難題，而工具變量法是解決內(nèi)生性的利器，包括2SLS與GMM等。
? ? ?
第四講，二值選擇模型。
被解釋變量為虛擬變量的二值選擇模型有著廣泛的應(yīng)用。包括Probit，Logit，MLE與QMLE，以及包含內(nèi)生變量的ivprobit等。
? ? ?
第五講，靜態(tài)面板。
面板數(shù)據(jù)由于能控制個(gè)體異質(zhì)性（heterogeneity），緩解遺漏變量偏差，在實(shí)踐中越來(lái)越重要。靜態(tài)面板是最常見(jiàn)的面板，包括固定效應(yīng)、隨機(jī)效應(yīng)、時(shí)間效應(yīng)、雙向固定效應(yīng)等。
? ? ?
第六講，動(dòng)態(tài)面板。
經(jīng)濟(jì)現(xiàn)象常具有某種慣性或部分調(diào)整，即被解釋變量的滯后值出現(xiàn)在方程右邊。動(dòng)態(tài)面板也因?yàn)榭勺詭Чぞ咦兞慷鴳?yīng)用廣泛。包括差分GMM、水平GMM與系統(tǒng)GMM等。
? ?
第七講，隨機(jī)實(shí)驗(yàn)、自然實(shí)驗(yàn)與雙重差分法（Difference-in-Differences）。
?
實(shí)驗(yàn)方法因其可信度而日益興起，包括隨機(jī)實(shí)驗(yàn)、第一類(lèi)與第二類(lèi)自然實(shí)驗(yàn)。雙重差分法利用面板數(shù)據(jù)的優(yōu)勢(shì)，可克服部分內(nèi)生性，是研究政策或
項(xiàng)目處理效應(yīng)（treatment effects）的主要工具。包括雙重差分法、平行趨勢(shì)假設(shè)、三重差分法等。
? ? ?
第八講，傾向得分匹配（PropensityScore Matching）。
基于反事實(shí)的框架，根據(jù)個(gè)體進(jìn)入處理組的概率（即傾向得分）尋找最佳替身進(jìn)行匹配估計(jì)，這是研究處理效應(yīng)的一種深邃思想與方法。包括傾向得分匹配、雙重差分傾向得分匹配等。
? ? ?
第九講，合成控制法（SyntheticControl Method）。
在評(píng)價(jià)某處理地區(qū)的政策效應(yīng)時(shí)，將控制地區(qū)進(jìn)行最優(yōu)的線性組合，以構(gòu)造合成控制地區(qū)進(jìn)行對(duì)比，這是估計(jì)處理效應(yīng)的新興強(qiáng)大方法。包括合成控制法的統(tǒng)計(jì)推斷與穩(wěn)健性檢驗(yàn)等。
? ?
第十講，非參數(shù)與半?yún)?shù)估計(jì)（Nonparametric and Semiparametric Estimations）。
?
非參與半?yún)⒎椒ㄓ捎谄浞€(wěn)健性而日益進(jìn)入標(biāo)準(zhǔn)的計(jì)量工具箱，包括核密度估計(jì)、非參數(shù)回歸與半?yún)?shù)回歸等。
? ?
第十一講，斷點(diǎn)回歸（RegressionDiscontinuity Design）與拐點(diǎn)回歸（Regression Kink Design）。
?
由于在斷點(diǎn)附近存在局部隨機(jī)分組，故斷點(diǎn)回歸的效力接近于隨機(jī)實(shí)驗(yàn)，日益為研究者所青睞。包括精確斷點(diǎn)回歸、模糊斷點(diǎn)回歸、空間斷點(diǎn)回歸等。
?
? ?
第十二講，空間計(jì)量經(jīng)濟(jì)學(xué)（SpatialEconometrics）。
傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)通常忽略橫截面單位的空間分布與相互影響，而空間計(jì)量經(jīng)濟(jì)學(xué)則是考察空間效應(yīng)、溢出效應(yīng)等的重要工具。包括空間權(quán)重矩陣、空間自回歸、空間誤差模型與空間面板等。
? ? ?
獨(dú)家秘笈分享
科研基金如何申請(qǐng)成功
金融業(yè)的SAS實(shí)際運(yùn)用特訓(xùn)
講師介紹：
Gino老師，2001年開(kāi)始使用SAS進(jìn)行金融產(chǎn)品開(kāi)發(fā)和金融數(shù)據(jù)分析，曾經(jīng)在某一世界500強(qiáng)金融企業(yè)負(fù)責(zé)產(chǎn)品分析和數(shù)據(jù)建模工作，使用SAS完成了很多產(chǎn)品開(kāi)發(fā)及其數(shù)據(jù)分析的項(xiàng)目。
他開(kāi)發(fā)的產(chǎn)品通過(guò)數(shù)據(jù)分析和建模體現(xiàn)創(chuàng)新性，曾領(lǐng)跑?chē)?guó)內(nèi)同類(lèi)產(chǎn)品銷(xiāo)售收入業(yè)績(jī)多年，其利用SAS工具和金融建模思想較大程度地推進(jìn)了業(yè)務(wù)的發(fā)展。 覃老師對(duì)SAS的培訓(xùn)有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)，講授SAS課程多年，理論和實(shí)踐相結(jié)合，培訓(xùn)學(xué)員無(wú)數(shù)，能夠幫助即使是零基礎(chǔ)的學(xué)員在短時(shí)間內(nèi)掌握和使用好SAS，深刻理解金融和方法工具實(shí)現(xiàn)，并能學(xué)以致用，每次都受到學(xué)員高度好評(píng)。
課程目標(biāo)：
不僅僅是搭建數(shù)據(jù)挖掘平臺(tái)，更重要是讓培訓(xùn)對(duì)象在理解數(shù)據(jù)所包含的業(yè)務(wù)含義的基礎(chǔ)上進(jìn)行分析工作。通過(guò)這種方法使幫助學(xué)員切實(shí)的解決了很多工作中的實(shí)際問(wèn)題，提升了從數(shù)據(jù)角度去思考的能力。
課程特色：
1. 注重SAS的基礎(chǔ)操作和數(shù)據(jù)的特征相結(jié)合，注重?cái)?shù)據(jù)分析的理論和業(yè)務(wù)的實(shí)際理解相結(jié)合，幫助學(xué)員在短時(shí)間內(nèi)掌握金融業(yè)數(shù)據(jù)分析業(yè)務(wù)最核心的解決方案和思路；
2. 使用工作中實(shí)際遇到的問(wèn)題作為案例分析講解，讓學(xué)員在工作中對(duì)數(shù)據(jù)分析很快上手，提升業(yè)務(wù)的數(shù)據(jù)分析實(shí)際能力。
課程適用人群：
1.零基礎(chǔ)學(xué)員，想涉足金融數(shù)據(jù)分析領(lǐng)域者；
2.在公司從事數(shù)據(jù)分析工作者，想系統(tǒng)地進(jìn)行學(xué)習(xí)或者提高數(shù)據(jù)分析的高度和技能。
課程大綱：
一, 金融的SAS基礎(chǔ)（上）
課程目標(biāo)：掌握SAS的數(shù)據(jù)整理、變量和觀測(cè)值的匯總等關(guān)鍵語(yǔ)句
1. 利用數(shù)據(jù)步進(jìn)行數(shù)據(jù)獲取整理：結(jié)合實(shí)例分析（含set, by, merge, put, infile, keep, retain, array等等重要語(yǔ)句）
2. 利用過(guò)程步進(jìn)行數(shù)據(jù)匯總整理：結(jié)合案例分析（含print, means, SQL, report, datasets, sort等等重要語(yǔ)句）
3. 案例：全面覆蓋SAS 常見(jiàn)的數(shù)據(jù)整理經(jīng)典案例
二, 金融的SAS基礎(chǔ)（下）
課程目標(biāo)：掌握SAS的函數(shù)、編程和宏變量等關(guān)鍵語(yǔ)句
1. 利用循環(huán)與控制進(jìn)行數(shù)據(jù)分析：結(jié)合實(shí)例分析（含if-then, select, do, go to, continue, leave等等重要編程語(yǔ)句）
2. 利用函數(shù)功能：結(jié)合案例分析（含各種重要函數(shù)） 3. SAS的宏變量（宏參數(shù)、宏函數(shù)、宏語(yǔ)句和宏的應(yīng)用） 4. 案例：
a. 多個(gè)SAS金融常見(jiàn)的小案例分析； b. 信用卡還款計(jì)算； c. 客戶交易的數(shù)據(jù)分析。
三, SAS金融的線性模型經(jīng)典應(yīng)用案例分析 1. 金融線性模型的SAS分析 2. 案例：
a. 中國(guó)股票市場(chǎng)的CAPM模型的檢驗(yàn)（投資業(yè)績(jī)?cè)u(píng)價(jià)、α系數(shù)、β系數(shù)）； b. 中國(guó)股市的三因素模型分析（Fama、French）； c. 基金經(jīng)理業(yè)績(jī)的量化比較分析； d. 銀行理財(cái)產(chǎn)品收益的預(yù)期比較分析。
四, SAS金融時(shí)間序列應(yīng)用分析
1. 金融時(shí)間序列的基本概念和理論基礎(chǔ)（含平穩(wěn)和單位根檢驗(yàn)、ARIMA模型、協(xié)整、誤差修正模型、格蘭杰檢驗(yàn)等重要金融時(shí)間序列內(nèi)容） 2. SAS金融的時(shí)期和時(shí)間的處理 3. 案例：
a. 從白噪聲時(shí)間序列到ARMA序列的隨機(jī)模擬； b. 單位根檢驗(yàn)指數(shù)實(shí)例；
c. ARIMA模型建模實(shí)例及其預(yù)測(cè)； d. 指數(shù)的協(xié)整檢驗(yàn)實(shí)例； e. ECM模型的參數(shù)估計(jì)實(shí)例； f. Granger檢驗(yàn)。
五, SAS收益計(jì)算、收益波動(dòng)率計(jì)算和最優(yōu)投資組合
1. 股票收益的SAS計(jì)算（含單個(gè)股票、多股票和投資組合收益計(jì)算）
2. 固定收益證券的SAS計(jì)算（含內(nèi)生收益、到期收益、債券久期和凸度的計(jì)算等）
3. 收益波動(dòng)率SAS計(jì)算的各種情形 4. 線性規(guī)劃和非線性規(guī)劃的最優(yōu)投資組合
5. 案例：多個(gè)SAS金融收益和波動(dòng)率計(jì)算的案例分析、最優(yōu)投資組合經(jīng)典情形分析
總結(jié)
以上是生活随笔為你收集整理的文本的平均列数python-CDA数据分析师的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： 薪资是跳出来的，不是涨出来的！
- 下一篇： 100个Python实战项目（二）使用