声明：本网站所有内容均为资源介绍学习参考，如有侵权请联系后删除
├─00《AI量化交易》课程大纲.pdf
│
├─00课件
│ │
│ │
│ ├─[1]预习_python
│ │ 【初级】简明Python教程.pdf
│ │ 【进阶】Python for Data Analysis, 2nd Edition.pdf
│ │ 【进阶】python_tutorial(1).pdf
│ │ 【高阶】利用Python进行数据分析.pdf
│ │
│ ├─[2]预习_R
│ │ R语言与数据挖掘最佳实践和经典案例.pdf
│ │ R语言入门与实践.pdf
│ │ R语言初学者指南.pdf
│ │ R语言实战（中文完整版）.pdf
│ │ R语言核心技术手册（第二版）.pdf
│ │
│ ├─[3]预习_C++
│ │ C++Primer+中文第四版.pdf
│ │ 现代C++程序设计.pdf
│ │
│ ├─[4]预习_Matlab
│ │ MATLAB_MAC.txt
│ │ MATLAB_REFRENCES.txt
│ │ MATLAB_WIN.txt
│ │ Matlab经典教程――从入门到精通.pdf
│ │
│ ├─[5]预习_VBA1
│ │ 在线学习网站.txt
│ │
│ ├─[6]预习_数学
│ │ 《人工智能数学基础》学前必备大学数学知识图谱.pdf
│ │ 微积分教程（上册）清华大学出版社.pdf
│ │ 微积分教程（下册）清华大学出版社.pdf
│ │ 数学之美.pdf
│ │ 概率论与数理统计同济大学.pdf
│ │ 线性代数.pdf
│ │ 线性代数重点_by Jason.pdf
│ │ 高数上册重点Jason.pdf
│ │ 高数下册重点Jason.pdf
│ │
│ ├─[7]预习_金融
│ │ Steve_ShreveStochastic_Calculus_for_Finance_II.pdf
│ │ successful algorithmic trading中文版简校版.pdf
│ │ 《Python与量化投资-从理论到实战》 代码.rar
│ │ 打开量化投资的黑箱原书第2版.pdf
│ │ 海龟交易法则.pdf
│ │ 积极型投资组合管理：控制风险获取超额收益的数量方法（第二版）.pdf
│ │ 量化投资以Python为工具.pdf
│ │ 金融计量学：从初级到高级建模技术.pdf
│ │ 金融随机分析I(中文版_1-2卷).pdf
│ │
│ ├─[8]预习_机器学习
│ │ 机器学习(Ng教授)作业及讲义.zip
│ │ 机器学习_周志华.pdf
│ │ 机器学习实战（中文版+英文版+源代码）.zip
│ │ 机器学习简单分析.rar
│ │ 稀牛学院×网易云课堂《机器学习工程师》微专业_课程大纲.pdf
│ │
│ ├─[9]预习_深度学习
│ │ Deep Learning.pdf
│ │ PRML中文版.pdf
│ │ Tensorflow 实战Google深度学习框架.pdf
│ │ TensorFlow实战_黄文坚.pdf
│ ├─[10]预习_区块链
│ │ 人工智能时代一本书读懂区块链金融.pdf
│ │
│ └─课程_PDF
│ 第一章 量化交易基础：成对交易与模型自动化.pdf
│ 第二章 寻找市场中的alpha.pdf
│ 第三章 投资组合的对冲和多因子模型.pdf
│ 第四章 Barra风险模型和波动率.pdf
│ 第四章 Barra风险模型和波动率【新】.pdf
│ 第五章 CTA入门与CTA策略回测.pdf
│ 第六章 传统CTA.pdf
│ 第七章 机器学习CTA.pdf
│ 第八章 仓控制和分配 .pdf
│ 第九章 市场的动量和反转.pdf
│ 第十章 瞬息万变的市场，毫厘之间的交易机会.pdf
│ 第十一章 降低时延，增加收益.pdf
│ 第十二章 离散模型.pdf
│ 第十三章 连续模型.pdf
│ 第十四章 隐含波动率微笑.pdf
│ 第十五章 现代衍生品定价模型.pdf
│ 第十六章 模型与数值计算方法进阶.pdf
│ 第十七章 面向对象的编程.pdf
│ 第十八章 利率衍生品模型.pdf
│ 第十九章 企业利率衍生品模型.pdf
│ 101 Formulaic Alphas.pdf
│ 20180106-方正证券-方正证券“星火”多因子系列报告（一）：Barra模型初探，A股市场风格解析.pdf
│ 20180303-方正证券-方正证券“星火”多因子系列（二）：Barra模型进阶，多因子模型风险预测.pdf
│ 20190507-财通证券-财通证券“拾穗”多因子系列报告（第11期）：多因子风险预测，从怎么做到为什么.pdf
│ Common risk factors in the returns on stocks and bonds.pdf
│ Multifactor Explanations of Asset Pricing Anomalies.pdf
│ Size and Book-to-Market Factors in Earnings and Returns.pdf
│ The Cross-Section of Expected Stock Returns.pdf
│ The_Barra_US_Equity_Model_（USE4）August 2011.pdf
│ The_Barra_US_Equity_Model_（USE4）September 2011.pdf
│ A-Closed-Form-Solution-for-Options-with-Stochastic-Volatility-with-Applications-to-Currency-Options.pdf
│ AI量化交易3期 _ 学员手册.pdf
│ botvs.py
│ fundation of machinelearning.pdf
│ h2o-3.8.3.3.rar
│ Quantitative_trading_basis_v2.zip
│ stanford machine learning.zip
│ Stochastic Calculus for Finance II - Quantitative Finance Summaries.pdf
│ 《AI量化交易》微专业预习指导 V1.0.pdf
│ 安装h2o.txt
│ 更新库Module脚本.py
│ 期权、期货及其他衍生产品__原书第8版【马尔科夫、布朗、伊藤、BS、蒙特卡罗】.pdf
│ 稀牛云实验平台关联说明与使用指导(QT3).pdf
│ 迭代课程观看指南.pdf
│ 量化投资,以Python为工具(代码及数据).tar
│ 随机过程_Sheldon M.Ross著.pdf
│
├─01AI量化交易微专业系列直播课+
│ 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）.mp4
│ 课时2打开量化交易的大门――全方位探索AI量化交易（上）.mp4
│ 课时3老司机领你探索AI量化交易.mp46
│ 课时4从小白到入门，给程序员的量化交易第一课.mp4
│ 课时5走近科学：传说中的量化策略到底多神秘？.mp48
│ 课时6如何应用量化技术做全球资产配置.mp4
│ 课时7AI量化交易，你不可不知的另类数据投资.mp4
│ 课时8不要怂！非CS非math的量化小白入门经验分享.mp4
│ 课时9一探究竟，量化实例讲解.mp4
│
├─02量化交易基础
│ └─第1章 量化交易基础：成对交易与优化
│ 1.1 量化交易简介.mp4
│ 1.2 大纲简介与课程设置.mp4
│ 1.3 成对交易算法.mp4
│ 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.mp4
│ 1.5 成对交易问题探讨与模型优化.mp4
│ 1.6 【Python实战】案例算法优化之动态成对交易模型.mp4
│ 1.7 课程声明.mp4
│
├─03投资标的：Alpha策略篇
│ ├─第2章 寻找市场中的alpha
│ │ 2.1 利用技术面数据挖掘A股中具有超额收益的股票.mp4
│ │ 2.2 【Python实战】基于单因子回测的因子有效性验证.mp4
│ │ 2.3 量价因子和基本面因子的有效性和换手率.mp4
│ │ 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.mp4
│ │ 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.mp4
│ │ 2.6 【Python实战】利用PCA使多个因子降维和去除共线性.mp4
│ │ 2.7课程声明.mp4
│ │
│ ├─第3章 投资组合的对冲和多因子模型
│ │ 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.mp4
│ │ 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.mp4
│ │ 3.3 【Python实战】建立简单投资组合的对冲回测，检验策略收益.mp4
│ │ 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.mp4
│ │ 3.5 因子加权方式对组合收益的影响以及IC、IR加权.mp4
│ │ 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.mp4
│ │ 3.7课程声明.mp4
│ │
│ ├─第4章 Barra风险模型和波动率
│ │ 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.mp4
│ │ 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.mp4
│ │ 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.mp4
│ │ 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.mp4
│ │ 4.5 利用sharp ratio评价组合策略，实现多倍杠杆进入股市.mp4
│ │ 4.6【Python实战】利用协方差矩阵减小投资组合的波动率.mp4
│ │ 4.7课程声明.mp4
│ │
│ └─第4章 【新】第四章 Barra风险模型和波动率
│ 4.0本章概述.mp4
│ 4.1风险模型简介.mp4
│ 4.2Barra结构化风险模型.mp4
│ 4.3因子收益风险估计.mp4
│ 4.4特质收益风险估计.mp4
│ 4.5【Python实战】Barra风险模型A股本土化.mp4
│ 4.6课程声明.mp4
│
├─04投资标的：CTA传统与进阶篇
│ ├─第5章 CTA入门与CTA策略回测
│ │ 5.1.1什么是CTA策略.mp4
│ │ 5.1.2CTA策略的主要特点与分类.mp4
│ │ 5.1.3CTA策略的盈利来源.mp4
│ │ 5.2.1CTA信号的定义，三种不同的定义方法.mp4
│ │ 5.2.2使用Sharpe、Calmar，最大回撤，收益回撤比评价CTA策略.mp4
│ │ 5.2.3看得见的看不见的交易成本.mp4
│ │ 5.2.4回测和真实交易的差距.mp4
│ │ 5.2.5【Python案例】推进分析下的均线策略.mp4
│ │
│ ├─第6章 传统CTA5
│ │ 6.1技术指标与业内内幕级别第三方库.mp4
│ │ 6.2样本内和样本外.mp4
│ │ 6.3过拟合和欠拟合.mp4
│ │ 6.4【python实战】基于推进分析的双均线策略回测与评价.mp4
│ │
│ ├─第7章 机器学习CTA
│ │ 7.1什么是机器学习.mp4
│ │ 7.2监督与非监督式学习.mp4
│ │ 7.3从因子出发理解机器学习“黑箱”.mp4
│ │ 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”.mp4
│ │ 7.5【R实战】机器学习策略的归因于回撤时的调整策略.mp4
│ │ 7.6【python实战】基于机器学习做出第一个机器学习CTA策略.mp4
│ │ 7.7【python实战】使用H2O建立你的第一个机器学习CTA策略.mp4
│ │
│ └─第8章 仓位控制和分配
│ 8.1基于预测值和其他指标进行仓位控制.mp4
│ 8.2波动率倒数模型.mp4
│ 8.3均值-方差模型（Mean Variance Model）.mp4
│ 8.4Black Litteman 模型.mp4
│ 8.5【进阶】仓位控制和分配进阶学习.mp4
│ 8.6【Pyhton实战】用Python实现Mean Variance模型.mp4
│
├─05投资标的：高频交易篇
│ ├─09.第九章 市场的动量和反转
│ │ 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.mp4
│ │ 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.mp4
│ │ 9.3市场的短期波动和主动成交方向的关系.mp4
│ │ 9.4回归和动量：市场的正反面.mp4
│ │ 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.mp4
│ │
│ ├─10.第十章 瞬息万变的市场，毫厘之间的交易机会
│ │ 10.1什么是order book.mp4
│ │ 10.2打开交易所高频数据的秘密.mp4
│ │ 10.3在回测框架中解析高频数据.mp4
│ │ 10.4大单策略.mp4
│ │ 10.5【python实战】验证自己的订单在交易所撮合的位置.mp4
│ │ 10.6CPU和订单延时.mp4% L7 N% M! O! n
│ │ 10.7python实战，设计大单策略在500ms模拟延时下验证策略有效性.mp4
│ │
│ └─11.第十一章 降低时延，增加收益
│ 11.1对冲基金_20190722_222903.mp4
│ 11.2处理器-网课的效率.mp4
│ 11.3【python实战】不同方式计算矩阵相乘消耗时间对比.mp4
│ 11.4处理器调度.mp4
│ 11.5设计调度策略为高频交易服务.mp4
│ 11.6【python实战】利用减少的时延策略在200ms下的收益.mp4
│
├─06 衍生品：定价模型初级稿
│ ├─12第十二章 离散模型
│ │ 01.12.1衍生品定价部分介绍.mp4
│ │ 02.12.2做市商和Quant.mp4
│ │ 03.12.3衍生品（Derivatives）.mp4
│ │ 04.12.4二叉树模型（Binomial model）.mp4
│ │ 05.12.5参考书目.mp4
│ │ 06.12.6【python实战】二叉 树模型.mp4
│ │
│ ├─13第十三章 连续模型
│ │ 01.13.1布朗运动和lto积分.mp4
│ │ 02.13.2布莱克-斯科尔斯（Black Scholes）模型.mp4
│ │ 03.13.3蒙特（Monte Carlo）模拟股票.mp4
│ │ 04.13.4Greeks希腊字符.mp4
│ │ 05.13.5 参考书目.mp4
│ │ 06.13.6【python实战】用Black Scholes模型期权定价.mp4
│ │
│ ├─14第十四章 隐含波动率微笑
│ │ 01.14.1隐含波动率.mp4
│ │ 02.14.2现实中的问题.mp4
│ │ 03.14.3 赫斯顿模型（The Heston model）_20190810_191354.mp4
│ │ 04.14.4校准（calibration）.mp4
│ │ 05.14.5参考章节-只有一张图片.doc
│ │ 06.14.6【python实战】Heston模型的校准.mp4
│ │
│ └─15第十五章 现代衍生品定价模型
│ 01.15.1蒙特卡洛（Monte Carlo）模拟进阶.mp4
│ 02.15.2随机微分方程和偏微分方程转换.mp4
│ 03.15.3差分法.mp4
│ 04.15.4参考书目.mp4
│ 05.15.5【论文】现代衍生品定价模型.mp4
│
├─07.衍生品：定价模型高级篇
│ ├─16第十六章 模型与数值计算方法进阶
│ │ 16.1跳跃过程_20190826_233622.mp4
│ │ 16.2Heston 模型的推导与启发.mp4
│ │ 16.3快速傅里叶变化的期权定价体系.mp4
│ │ 16.4参考书目.mp4
│ │ 16.5【Python实战】MorganStanley基于Fourier变换的期权定价模型.mp4
│ │
│ ├─17第十七章 企业级量化（Quant）库介绍
│ │ 17.1QuantLin简介.mp4
│ │ 17.2面向对象的编程.mp4
│ │ 17.3设计模式（Design Patterns）.mp4
│ │ 17.4定价引擎（Picing Engine）.mp4
│ │ 17.5参考资料.doc
│ │
│ ├─18第十八章 利率衍生品模型 `
│ │ 18.1利率衍生品介绍.mp4
│ │ 18.2Ho-lee，CIR and Hull White.mp4
│ │ 18.3计价物的变化.mp4
│ │ 18.4HJM（Heath-Jarrow-Morton）定价体系.mp4
│ │ 18.5参考书目.mp4
│ │ 18.6【论文】利率衍生品定价的实际困难.mp4
│ │
│ ├─19第十九章 企业利率衍生品模型
│ │ 19.1The Stochastic Alpha Beta（SABR）model.mp4
│ │ 19.2SABR模型存在的套利.mp4
│ │ 19.3无套利SABR模型.mp4
│ │ 19.4 Crank-Nicolson方法的缺陷.mp4
│ │ 19.5参考书目.mp4
│ │ 19.6【VBA-Matlab实战】无套利SABR模型的隐含波动率和期权定价.mp4
│ │
│ └─20第二十章 其他衍生品，定价模型以及更多资源
│ 20.1奇异期权（Exotic options）.mp4
│ 20.2信用违约互换（Credit Default Swap）.mp4
│ 20.3 大宗商品（Commodities）.mp4
│ 20.4外汇（Foreign Exchange）.mp4
│ 20.5参考书目.mp4
│
├─08.前沿：最新AI技术应用篇
│ ├─第二十一章 区块链与数字货币的量化实战
│ │ 21.1区块链梗概.mp4
│ │ 21.2区块链技术原理.mp4
│ │ 21.3关于数字货币.mp4
│ │ 21.4.对接去中心化交易所.mp4
│ │ 21.5数字货币交易的进阶学习.mp4
│ │
│ ├─第二十三章 强化学习和股票日内交易策略
│ │ 23.1背景与使用场景.mp4
│ │ 23.2强化学习模型算法.mp4
│ │ 23.3【Pyhton实战】Q-Learning 解决小游戏.mp4
│ │ 23.4股票交易问题设定.mp4
│ │ 23.5【Pyhton实战】创建智能炒股AI.mp4
│ │ 23.6强化学习进阶攻略.mp4