点宽搭建从基础到专业的金融科技人才培养体系,结合金融实际应用场景与课程实践,提供广泛、优质的金融科技内容,内容覆盖量化投资、区块链、金融建模、金融科技编程、大数据、人工智能等学科,帮助有志于从事金融科技行业的互联网用户规划学习路线,沉浸式地学习相关知识。

量化实践课程

量化实践课程是一套结合金融数学专业内容编写的量化投资教学实践课程。该课程体系分为量化投资基础知识、股票量化投资、期货量化投资和期权量化投资三大模块。 量化投资基础知识模块主要从金融数学专业中筛选出量化投资研究必备的Matlab/Python编程、金融模型和数理统计知识。与传统教学内容不同的是,我们采用的是“模型应用→模型实践(策略)”的模式,结合金融市场实际案例场景,通过MATLAB/Python编程一步步完成建模过程并构建交易策略,有助于加深模型应用能力和量化实践能力。 股票量化投资、期货量化投资和期权量化投资三大模块是根据二级市场热门标的分类作为研究对象,分别介绍行业中应用最广泛的模型,如多因子模型、CTA策略模型和期权套利模型。 结合Auto-Trader量化平台,使用机构中广泛应用的研究方法来展示策略研究的过程。

金融建模课程

金融建模课程主要利用金融数据完成模型应用过程,探索模型在金融市场中的应用场景,以便加深对模型理论知识的理解,旨在完成“模型理论→模型应用”这一步。 该课程体系按照金融数学专业中的重点课程分类,包括应用多元统计分析、金融时间序列分析、金融数学、投资组合管理和金融优化方法等,囊括了其中所有金融模型和统计模型。通过数据可视化的方式,加深学生对各种数据类型的了解,并展示模型在金融数据集上的应用实践过程,便于辅助老师更生动地进行模型教学。

金融大数据课程

金融大数据课程是一套基于数据挖掘与机器学习等模型算法在金融大数据场景下应用的教学实践类课程。该课程体系分为大数据基础、数据挖掘、机器学习以及金融数据可视化四大模块。 大数据基础模块分为两部分:一是大数据基础知识概述,该部分主要为了让学者了解大数据到金融大数据的发展历程、发展前景以及大数据相关基础理论;二是Python编程基础,该部分内容包括Python基础知识和面向对象编程基础的应用与实践。旨在提高学者的python应用编程能力。 数据挖掘模块分为数据采集与存储、数据预处理以及数据分析三大部分。该模块主要是为了将数据挖掘技术系统地在金融大数据上进行应用实践。让学者能够真正掌握数据挖掘的实践应用能力。 机器学习模块由各种经典的机器学习模型算法组成。以“模型理论与模型实践相结合”的模式,有助于加深对各种模型算法的理解,并且掌握各种机器学习模型算法在金融大数据场景下的应用实践。 金融数据可视化模块是对金融数据进行可视化实践的应用教学模块。该模块旨在将常用的可视化实现方法在金融大数据场景上进行实践应用,丰富学者运用可视化分析方法在金融大数据场景的运用能力。