課程大綱：

　　R語言編程與量化投資的數量基礎

　　1、R語言簡介

　　2、常用數據處理函數

　　（1）數據導入與寫出方法

　?。?）常用數據整理函數

　　（3）常用數據運算函數

　?。?）基礎繪圖函數

　　3、高階技巧

　?。?）R語言的函數結構

　?。?）apply函數簇快速編寫函數

　?。?）并行運算

　　4、統計學基礎：單變量分析

　?。?）樣本分布理論

　?。?）描述性統計

　?。?）參數估計

　?。?）假設檢驗

　　5、統計學基礎：多變量分析

　　（1）變量間的相關性

　?。?）線性回歸模型

　?。?）方差分析

　?。?）主成分分析

　　案例一：大型股票數據讀取

　　案例二：財務報表信息快速整理

　　案例三：A股市場數據繪圖

　　案例四：行業指數編制與計算

　　案例五：A股描述性統計

　　案例六：CAPM模型計算實例

　　案例七：2009-2013行業間收益率比較

　　案例八：美國Treasury-LIBOR交換率的主成分分析

　　量化投資概念、類型、思想

　　1、時間序列分析

　?。?）時間序列的概念

　　（2）時間序列平滑（SMA、WMA EWMA）

　?。?）平穩時間序列建模(ARMA模型進行短期預測)

　?。?）多時間序列間的關系

　　2、研究分析實際股票交易數據：高頻金融數據

　?。?）非同步交易

　　（2）交易數據的經驗特征

　　（3）價格變化模型

　?。?）持續期模型

　?。?）處理市場微觀結構噪聲

　　3、投資分析介紹

　?。?）基本面分析策略

　　（2）技術分析策略

　　（3）量化投資策略

　　（4）三類投資策略的比較

　　4、量化選股

　　（1）量化選股系統總結

　　（2）量化選股策略一：財務評級選股

　?。?）量化選股策略二：超額Alpha選股

　　（4）量化選股策略三：三因子模型選股

　　5、投資組合配置

　　（1）隨機資產配置的模擬

　?。?）馬科維茨風險-收益模型原理

　?。?）模型缺陷與修正：Black-Litterman模型

　　案例一：

　　上證指數日收益率的平穩性時間序列建模

　　案例二：

　　用ACF、ARIMA模型預測股票收益率

　　案例三：

　　用ARMA模型模擬預測S&P 500日收益率

　　案例四：

　　美國卡特彼勒股票高頻交易數據分析預測和實際波動率的雙尺度估計，用R實現

　　案例五：

　　R語言批量化選股報表生成實例

　　案例六：

　　R語言進行A股市場投資組合配置實例

　　案例七：

　　R語言實現Black-Litterman模型

　　用R語言玩轉量化交易策略

　　1、技術指標繪制

　　2、均線系統策略

　?。?）均線編制與計算

　?。?）雙均線交叉策略

　?。?）異同均線策略（MACD）策略

　　3、相對強弱指標（RSI）策略

　　4、量價關系交易策略

　?。?）成交價格與成交量關系傳遞的信息

　?。?）交易策略構建與實現

　?。?）實際驗證與模型探討

　　5、通道突破策略

　?。?）最大最小值通道

　　（2）布林（Bollinger）通道

　　6、動量策略

　?。?）動量的概念

　　（2）動量指標制定

　?。?）交易策略設計

　?。?）R語言實際驗證

　　7、統計套利策略

　?。?）無風險套利與統計套利

　?。?）套利空間產生的理論基礎

　?。?）統計套利策略的主要類型

　　8、輪動投資策略

　　9、數據挖掘與金融市場分析預測

　?。?）支持向量機原理

　?。?）運用支持向量機進行股票分類與R語言

　　案例一：

　　R語言與RSI交易策略

　　案例二：

　　股票的波動率在較高/低水平時，投資者的投資策略會不會不一樣？

　　案例三：

　　某只股票一直沒有超越近期股價的最高點，要采取何種交易策略，才能獲得較高收益？

　　案例四：

　　美國證券市場上動量交易策略分析

　　案例五：

　　基于協整理論的配對套利策略在中國股票市場的應用

　　案例六：

　　用R體現輪動投資策略，思想及成效。

　　案例七：

　　R語言實踐：運用支持向量機進行中國證券市場的若干股票分類