本套课程出自网易云课堂的抢占先机！成为AI量化交易精英，官网。本门微专业将从交易基础知识讲起，覆盖量化交易中资产标的统计套利、衍生品定价两大部分。通过讲解行业相关知识点、量化平台搭建方法及贴近工业界的实战案例，帮助学员了解并进入量化行业。什么是量化交易？量化交易主要包含金融、数学及编程三大方面知识,是从历史金融数据中挖掘出影响投资标的特征,再经建模分析、优化参数、回测分析，使用程序进行自动交易并获得超额收益的方式

课程目录：2233 网易 AI量化交易（完结） [4.8G]

┣━━【资料】稀牛学院-实验课程 [230.8M]

• ┣━━1学习使用稀牛学院的在线实验环境 [573.1K]
• ┣━━1学习使用稀牛学院的在线实验环境.doc [82.3K]
• ┗━━1学习使用稀牛学院的在线实验环境2 [443.6K]
• ┣━━2第一门：量化交易基础 [1.1M]
• ┣━━2Quantitative_trading_basis [1.1M]
• ┣━━3第二门：投资标的：Alpha策略篇 [36.3M]
• ┣━━3New_Alpha_Strategy [36.3M]
• ┣━━4第三门：投资标的：CTA传统与进阶篇 [18.9M]
• ┣━━4CTA [18.9M]
• ┣━━5第四门：投资标的：高频交易篇 [17.1M]
• ┣━━5High_frequency_trading [17.1M]
• ┣━━6第五门：衍生品：定价模型初级篇 [542.3K]
• ┣━━6Derivative_Pricing_Part1 [510.6K]
• ┣━━7第六门：衍生品：定价模型高级篇 [1.1M]
• ┣━━7第六门：衍生品：定价模型高级篇.doc [681.5K]
• ┗━━8第七门：前沿：最新AI技术应用篇 [155.1M]
• ┣━━botvs.py [9.8K]
• ┣━━fundation of machinelearning [800.3K]
• ┣━━h2o-3.8.3.3 [160.9M]
• ┣━━Quantitative_trading_basis_v2 [1.1M]
• ┣━━stanford machine learning [4.3M]
• ┗━━Stochastic Calculus for Finance II – Quantitative Finance Summaries [590.4K]

┣━━01AI量化交易微专业系列直播课 [453.2M]

• ┣━━课时1量化交易实战应用与就业——全方位探索AI量化交易（下） [47.1M]
• ┣━━课时2打开量化交易的大门——全方位探索AI量化交易（上） [58.5M]
• ┣━━课时3老司机领你探索AI量化交易 [38.5M]
• ┣━━课时4从小白到入门，给程序员的量化交易第一课 [46.9M]
• ┣━━课时5走近科学：传说中的量化策略到底多神秘？ [42.8M]
• ┣━━课时6如何应用量化技术做全球资产配置 [51.9M]
• ┣━━课时7AI量化交易，你不可不知的另类数据投资 [39.9M]
• ┣━━课时8不要怂！非CS非math的量化小白入门经验分享 [69.1M]
• ┗━━课时9一探究竟，量化实例讲解 [58.7M]

┣━━02量化交易基础 [142.2M]

• ┗━━第1章 量化交易基础：成对交易与优化 [142.2M]
• ┣━━1.1 量化交易简介 [19.6M]
• ┣━━1.2 大纲简介与课程设置 [10.3M]
• ┣━━1.3 成对交易算法 [59.1M]
• ┣━━1.4 【Python实战】基于成对交易算法的目标股票池选取和自动交易 [30.3M]
• ┣━━1.5 成对交易问题探讨与模型优化 [10.4M]
• ┣━━1.6【Python实战】案例算法优化之动态成对交易模型 [12.5M]
• ┗━━1.7课程声明 [100.8K]

┣━━03投资标的：Alpha策略篇 [272.9M]

• ┣━━第2章 寻找市场中的alpha [84M]
• ┣━━2.1 利用技术面数据挖掘A股中具有超额收益的股票 [36M]
• ┣━━2.2 【Python实战】基于单因子回测的因子有效性验证 [9.7M]
• ┣━━2.3 量价因子和基本面因子的有效性和换手率 [10.7M]
• ┣━━2.4 因子的评价体系和IC，IR，在自制回测框架中加入因子评价指标 [7.6M]
• ┣━━2.5 因子间相关性和PCA，利用自制回测框架计算因子的相关性矩阵 [12.6M]
• ┣━━2.6 【Python实战】利用PCA使多个因子降维和去除共线性 [7.3M]
• ┗━━2.7课程声明 [100.8K]
• ┣━━第3章 投资组合的对冲和多因子模型 [66.3M]
• ┣━━3.1 如何用期货对冲beta收益，做到无论市场涨跌与否都能赚得收益 [30.3M]
• ┣━━3.2 基于均价、开盘-收盘价在自制回测框架中加入更细致的撮合 [3.8M]
• ┣━━3.3 【Python实战】建立简单投资组合的对冲回测，检验策略收益 [3.9M]
• ┣━━3.4 线性回归和多因子股票组合，画出无视牛熊市的超额收益曲线 [1.7M]
• ┣━━3.5 因子加权方式对组合收益的影响以及IC、IR加权 [11.5M]
• ┣━━3.6 【Python实战】回测多因子组合策略，提升自己策略的收益表现 [14.9M]
• ┗━━3.7课程声明 [100.8K]
• ┣━━第4章 【新】第四章 Barra风险模型和波动率 [48M]
• ┣━━4.0本章概述 [1.8M]
• ┣━━4.1风险模型简介 [1.6M]
• ┣━━4.2Barra结构化风险模型 [35.2M]
• ┣━━4.3因子收益风险估计 [4.3M]
• ┣━━4.4特质收益风险估计 [2.5M]
• ┣━━4.5【Python实战】Barra风险模型A股本土化 [2.5M]
• ┗━━4.6课程声明 [100.8K]
• ┗━━第4章 Barra风险模型和波动率 [74.5M]
• ┣━━4.1 Barra风险模型的风格因子，了解市场不同阶段股票的涨幅特征 [23.1M]
• ┣━━4.2 风格因子在投资组合上的暴露，在回测系统中加入风险暴露模块 [16.3M]
• ┣━━4.3 【Python实战】利用减小风格暴露减少多因子组合的历史回撤 [6.9M]
• ┣━━4.4 协方差矩阵和组合收益波动率，凸优化在组合投资中的应用 [15.4M]
• ┣━━4.5 利用sharp ratio评价组合策略，实现多倍杠杆进入股市 [9M]
• ┣━━4.6【Python实战】利用协方差矩阵减小投资组合的波动率 [3.7M]
• ┗━━4.7课程声明 [100.8K]

┣━━04投资标的：CTA传统与进阶篇 [419.4M]

• ┣━━第5章 CTA入门与CTA策略回测 [111.5M]
• ┣━━5.1.1什么是CTA策略 [20.5M]
• ┣━━5.1.2CTA策略的主要特点与分类 [10.2M]
• ┣━━5.1.3CTA策略的盈利来源 [16.2M]
• ┣━━5.2.1CTA信号的定义，三种不同的定义方法 [6.8M]
• ┣━━5.2.2使用Sharpe、Calmar，最大回撤，收益回撤比评价CTA策略 [9.7M]
• ┣━━5.2.3看得见的看不见的交易成本 [8.5M]
• ┣━━5.2.4回测和真实交易的差距 [7.7M]
• ┗━━5.2.5【Python案例】推进分析下的均线策略 [31.8M]
• ┣━━第6章 传统CTA [104.9M]
• ┣━━6.1技术指标与业内内幕级别第三方库 [22.3M]
• ┣━━6.2样本内和样本外 [20M]
• ┣━━6.3过拟合和欠拟合 [19.1M]
• ┗━━6.4【python实战】基于推进分析的双均线策略回测与评价 [43.5M]
• ┣━━第7章 机器学习CTA [143.2M]
• ┣━━7.1什么是机器学习 [11.7M]
• ┣━━7.2监督与非监督式学习 [12.3M]
• ┣━━7.3从因子出发理解机器学习“黑箱” [5.9M]
• ┣━━7.4传统的因子分析为什么不适合用来理解机器学习“黑箱” [16.1M]
• ┣━━7.5【R实战】机器学习策略的归因于回撤时的调整策略 [25M]
• ┣━━7.6【python实战】基于机器学习做出第一个机器学习CTA策略 [42.6M]
• ┗━━7.7【python实战】使用H2O建立你的第一个机器学习CTA策略 [29.7M]
• ┗━━第8章 仓位控制和分配 [59.7M]
• ┣━━8.1基于预测值和其他指标进行仓位控制 [6M]
• ┣━━8.2波动率倒数模型 [5M]
• ┣━━8.3均值-方差模型（Mean Variance Model） [13.1M]
• ┣━━8.4Black Litteman 模型 [14.8M]
• ┣━━8.5【进阶】仓位控制和分配进阶学习 [12.5M]
• ┗━━8.6【Pyhton实战】用Python实现Mean Variance模型 [8.3M]

┣━━05投资标的：高频交易篇 [251.2M]

• ┣━━09.第九章 市场的动量和反转 [79.6M]
• ┣━━9.1多股票的相关性，了解行业内股票的轮动和互相牵扯关系 [31.2M]
• ┣━━9.2【Pyhton实战】寻找行业最相关的两只股票并设计相关性策略 [14.9M]
• ┣━━9.3市场的短期波动和主动成交方向的关系 [1.7M]
• ┣━━9.4回归和动量：市场的正反面 [19.7M]
• ┗━━9.5【python实战】设计简单的均值回归策略和动量突破策略_20190722_222817 [12.2M]
• ┣━━10.第十章 瞬息万变的市场，毫厘之间的交易机会 [89.2M]
• ┣━━10.1什么是order book [20.1M]
• ┣━━10.2打开交易所高频数据的秘密 [17.1M]
• ┣━━10.3在回测框架中解析高频数据 [7.7M]
• ┣━━10.4大单策略 [6.2M]
• ┣━━10.5【python实战】验证自己的订单在交易所撮合的位置 [27.4M]
• ┣━━10.6CPU和订单延时 [5.5M]
• ┗━━10.7python实战，设计大单策略在500ms模拟延时下验证策略有效性 [5.1M]
• ┗━━11.第十一章 降低时延，增加收益 [82.5M]
• ┣━━11.1对冲基金 [14M]
• ┣━━11.2处理器-网课的效率 [27M]
• ┣━━11.3【python实战】不同方式计算矩阵相乘消耗时间对比 [3M]
• ┣━━11.4处理器调度 [21.8M]
• ┣━━11.5设计调度策略为高频交易服务 [11.1M]
• ┗━━11.6【python实战】利用减少的时延策略在200ms下的收益 [5.7M]

┣━━06 衍生品：定价模型初级稿 [290.9M]

• ┣━━12第十二章 离散模型 [77.4M]
• ┣━━01.12.1衍生品定价部分介绍 [4.2M]
• ┣━━02.12.2做市商和Quant [4.8M]
• ┣━━03.12.3衍生品（Derivatives） [14.7M]
• ┣━━04.12.4二叉树模型（Binomial model） [11.7M]
• ┣━━05.12.5参考书目 [3.8M]
• ┗━━06.12.6【python实战】二叉 树模型 [38.2M]
• ┣━━13第十三章 连续模型 [60M]
• ┣━━01.13.1布朗运动和lto积分 [16.6M]
• ┣━━02.13.2布莱克-斯科尔斯（Black Scholes）模型 [18.3M]
• ┣━━03.13.3蒙特（Monte Carlo）模拟股票 [5.1M]
• ┣━━04.13.4Greeks希腊字符 [2.3M]
• ┣━━05.13.5 参考书目 [981K]
• ┗━━06.13.6【python实战】用Black Scholes模型期权定价 [16.7M]
• ┣━━14第十四章 隐含波动率微笑 [72.1M]
• ┣━━01.14.1隐含波动率 [5.9M]
• ┣━━02.14.2现实中的问题 [11.8M]
• ┣━━03.14.3 赫斯顿模型（The Heston model）_20190810_191354 [8.7M]
• ┣━━04.14.4校准（calibration） [2.5M]
• ┣━━05.14.5参考章节-只有一张图片.doc [421.5K]
• ┗━━06.14.6【python实战】Heston模型的校准 [42.8M]
• ┗━━15第十五章 现代衍生品定价模型 [81.5M]
• ┣━━01.15.1蒙特卡洛（Monte Carlo）模拟进阶 [6.3M]
• ┣━━02.15.2随机微分方程和偏微分方程转换 [6.3M]
• ┣━━03.15.3差分法 [4.5M]
• ┣━━04.15.4参考书目 [1.3M]
• ┗━━05.15.5【论文】现代衍生品定价模型 [63M]

┣━━07.衍生品：定价模型高级篇 [344.7M]

• ┣━━16第十六章 模型与数值计算方法进阶 [70.8M]
• ┣━━16.1跳跃过程 [18.6M]
• ┣━━16.2Heston 模型的推导与启发 [14.2M]
• ┣━━16.3快速傅里叶变化的期权定价体系 [9.6M]
• ┣━━16.4参考书目 [1.8M]
• ┗━━16.5【Python实战】MorganStanley基于Fourier变换的期权定价模型 [26.6M]
• ┣━━17第十七章 企业级量化（Quant）库介绍 [38M]
• ┣━━17.1QuantLin简介 [6.9M]
• ┣━━17.2面向对象的编程 [20.1M]
• ┣━━17.3设计模式（Design Patterns） [6M]
• ┣━━17.4定价引擎（Picing Engine） [5M]
• ┗━━17.5参考资料.doc [101K]
• ┣━━18第十八章 利率衍生品模型 [80.5M]
• ┣━━18.1利率衍生品介绍 [23.4M]
• ┣━━18.2Ho-lee，CIR and Hull White [11M]
• ┣━━18.3计价物的变化 [15.4M]
• ┣━━18.4HJM（Heath-Jarrow-Morton）定价体系 [5.1M]
• ┣━━18.5参考书目 [1.3M]
• ┗━━18.6【论文】利率衍生品定价的实际困难 [24.2M]
• ┣━━19第十九章 企业利率衍生品模型 [103.8M]
• ┣━━19.1The Stochastic Alpha Beta（SABR）model [10.2M]
• ┣━━19.2SABR模型存在的套利 [4.4M]
• ┣━━19.3无套利SABR模型 [13.6M]
• ┣━━19.4 Crank-Nicolson方法的缺陷 [9.2M]
• ┣━━19.5参考书目 [2M]
• ┗━━19.6【VBA-Matlab实战】无套利SABR模型的隐含波动率和期权定价 [64.4M]
• ┗━━20第二十章 其他衍生品，定价模型以及更多资源 [51.6M]
• ┣━━20.1奇异期权（Exotic options） [14.4M]
• ┣━━20.2信用违约互换（Credit Default Swap） [15.9M]
• ┣━━20.3 大宗商品（Commodities） [7.2M]
• ┣━━20.4外汇（Foreign Exchange） [11.5M]
• ┗━━20.5参考书目 [2.6M]

┣━━08.前沿：最新AI技术应用篇 [756.4M]

• ┣━━第二十二章 自然语言与卷积神经网络模型 [281.3M]
• ┣━━22.1新闻与大事件对股票影响 [12.8M]
• ┣━━22.2自然语言处理 [42.7M]
• ┣━━22.3案例：自然语言处理三大经典案例 [20.5M]
• ┣━━22.4卷积神经网络于文字的应用 [42M]
• ┣━━22.5【Python实战】CCTV新闻与A古大盘涨跌分析 [158.2M]
• ┗━━22.6自然语言处理进阶学习攻略 [5M]
• ┣━━第二十三章 强化学习和股票日内交易策略 [205.9M]
• ┣━━23.1背景与使用场景 [25.1M]
• ┣━━23.2强化学习模型算法 [22.9M]
• ┣━━23.3【Pyhton实战】Q-Learning 解决小游戏 [38.9M]
• ┣━━23.4股票交易问题设定 [2.9M]
• ┣━━23.5【Pyhton实战】创建智能炒股AI [110.2M]
• ┗━━23.6强化学习进阶攻略 [5.9M]
• ┗━━第二十一章 区块链与数字货币的量化实战 [269.2M]
• ┣━━21.1区块链梗概 [85.5M]
• ┣━━21.2区块链技术原理 [64.7M]
• ┣━━21.3关于数字货币 [43.3M]
• ┣━━21.4.对接去中心化交易所 [54.5M]
• ┗━━21.5数字货币交易的进阶学习 [21.1M]

┣━━09.求职：从业经验篇 [42.3M]

• ┗━━第二十四章 从业经验分享 [42.3M]
• ┣━━24.1Alpha策略从业经验分享 [4M]
• ┣━━24.2CTA从业经验分享 [8.1M]
• ┣━━24.3高频交易从业经验分享 [2.6M]
• ┗━━24.4定价模型从业经验分享 [27.5M]

┗━━10.趣味：德州扑克中的量化与策略 [90.5M]

┣━━1.0导读篇.mp4 [19.6M]

┣━━1.1德州扑克历时及规则.mp4 [22.1M]

┣━━1.2德州扑克的量化与概率计算.mp4 [26.4M]

┗━━1.3德州扑克智能策略.mp4 [22.4M]