CQF查看源代码讨论查看历史

来自 搜狐网 的图片

CQF是中国的一个科技术语。

汉字是中华民族灿烂文化展台上一颗无可取代、熠熠闪光的明珠。汉字之美，美在庄重典雅，形神兼具。她承载的是中华民族数千年的厚重历史与灿烂文化。她的美，是无与伦比的。

名词解释

CQF的全称是Certificate in Quantitative Finance，中文翻译为国际量化金融分析师，由Paul Wilmott博士领导的国际知名的数量金融工程专家团队于2003年创办，是全球量化金融领域专业的资格认证。CQF（量化金融分析师）位列全球金融领域三大黄金认证（CFA、FRM、CQF），是量化金融与管理界广泛认可的专业资格证书。

CQF

CQF（量化金融分析师）证书，在过去20年中获得了全球范围内成千上万人的青睐，他们通过该项目，掌握实用的量化金融技术，在自己的职业领域内一马当先。

CQF采用线上教学的模式，邀请全球认可的专家授课，该项目包括：三门前导课程、六大模块和一系列高级选修课程、终身学习资源库。

CQF关注行业内最新的、实用的量化金融技术，旨在反映目前雇主的需求，教学大纲全面细致，覆盖量化金融与先进的机器学习技术。CQF证书由CQF协会颁发，课程由Fitch Learning提供，Fitch Learning是一家全球领先的培训公司，在伦敦、纽约、新加坡、香港、迪拜等地方都设有分中心。

为什么考CQF

1、兼职、在线、最快6个月持证

CQF通过六个月的在线课程学习实用的量化金融技术，最快可以在6个月完成学业，也可以选择长达三年的时间来完成你的学业。

2、行业专家亲自授课

师资队伍来自世界各地知名的学界家，为学员的学习提供全程支持。

掌握最新最前沿量化技术CQF课程每季度更新一次，不断融入最新的量化技术。

3、对您的职业生涯产生即刻影响

CQF能够让您掌握业内使用的最新技术，让您在学习中获益颇多。

4、掌握最新最前沿量化技术

CQF课程每季度更新一次，不断融入最新的、核心的量化技术。

5、不断刷新您的技能

所有CQF校友都可以免费使用CQF协会不断更新的终身学习资源库，CQF协会还为学员提供接触一些志趣相投的同行专业人士的机会。

CQF持证人就业方向

CQF学员绝大部分就职于高盛、美林、摩根、汇丰、花旗、巴克莱、荷兰银行、美洲银行、国际清算银行、毕马威等。他们活跃在各个领域，包括模型验证，定量分析，衍生工具，交易，基金管理，定量和股权研究，合规性，经济学和学术界。如CQF持证人可从事以下岗位：

量化研究员或分析师：负责开发和优化量化模型、分析和挖掘金融市场数据，设计和实现交易策略。

金融工程师：负责金融产品的定价、风险管理和模型建立，开发新的金融工具和产品。

交易员或投资经理：基于量化模型和交易策略进行交易，管理投资组合，进行资产配置和风险管理。

风险管理专员：负责监测和管理金融风险，包括市场风险、信用风险、操作风险等。

数据科学家或数据分析师：负责处理和分析金融市场数据，设计和开发数据模型和算法。

CQF培养方案

CQF报名方式为申请审核制，CQF证书考试主要分为两个阶段：

第一阶段主要涵盖金融市场、数学和计算机科学等基础知识，主要考核数学模型和金融工具的使用；

第二阶段则涵盖了量化金融的进阶知识，包括计算机编程、金融产品定价、风险管理、算法交易等方面。

CQF证书项目一年有两次招生，第一次是从7月1号招生至次年1月31号，第二次是2月1号招生至6月30号。（具体详细日期可查询CQF协会官网：www.cqf.com）

根据官网最新消息，下一个CQF计划于2024年1月23日开始。

CQF申请流程

CQF量化金融采取的是审核制度，如果大家想要报名cqf课程，需要提前申请。从2020年3月23日开始，高顿教育正式成为了CQF在中国大陆的唯一合作伙伴，因此，高顿教育是目前在中国大陆地区指定的报名处。

1.在线申请

完成在线申请表格

2.等待审核

如果符合报名条件，48小时内考生将收到邮件确认的初步录取通知。

3.报名与准备

要求学员提交一份简短的报名表，接受学员的入学资格。在完成首次付款后，学员就可以查看入门课程，开启学习。

CQF考试费用

2024年1月计划费用：69800元人民币。 CQF报名费用中，包括：

1、前导课：数学、Python、金融；

2、直播课（含回放）、学习支持、答疑，pythonlab；

3、9本英文原版实体教材和其他学习资料；

4、CQF协会学习portal账号（永久使用权）；

5、CQF APP（可下载课程离线观看）；

6、Lifelong learning终身学习资源库；

7、CQF所有模块考试和期末考试；

8、访问全球校友网络；

9、Wilmott杂志一年订阅（纸质）。

CQF的学习

核心课程包含以下模块:

模块一：量化金融的基础知识

模块二：量化风险与收益

模块三：股票与货币

模块四：数据科学与机器学习I

模块五：数据科学与机器学习II

模块六：固收与信用

高级选修课程：从一系列备选模块中，选择两个模块。模块二、模块三、模块四结束后需要参加考试。模块六学习结束时，需要完成一个final project作为最终考核。要想获得Distinction荣誉也可以选择参加额外的的optional考试。

CQF准备阶段

从前导课程入手：CQF项目从三个前导课程开始，分别为数学、Python编程、金融。这些前导课中，每一科目都包含长达12个学时的强化训练，让学员具备开始项目学习所需的基础知识。

CQF核心阶段

模块一：量化金融的基础知识

将向学员介绍作为模型框架的应用Itô演算的规则。学员将使用随机演算和鞅论构建工具，学习如何运用简单的随机微分方程以及相关的Fokker-Planck和Kolmogorov方程。

1、资产的随机行为

2、重要的数学工具和结论

3、泰勒级数

4、中心极限定理

5、偏微分方程

6、转移密度函数

7、普朗克和科尔莫戈罗夫方程

8、随机微积分及其引理

9、随机微分方程的求解

10、资产定价的二项模型

模块二：量化风险与收益

包含经典的马科维茨组合理论、资本资产定价模型以及这些理论的最新进展。研究量化风险与收益，研究计量经济模型，如ARCH框架与VaR在内的风险管理指标，以及它们在行业中的应用方法。

1、现代投资组合理论

2、资本资产定价模型

3、最优化投资组合

4、风险监督和巴塞尔协议Ⅲ

5、风险价值和亏损预期

6、抵押品和保证金

7、流动资产负债管理

8、波动性过滤（GARCH系列）

9、资产收益：关键和经验数据

10、波动模型（ARCH框架）

模块三：股票与货币

探讨Black-Scholes理论作为基于定价和无套利原则的理论和实践定价模型的重要性。学员将学习如何使用不同数学计算方法，在股票与货币的背景下，研究相应的理论与结果，熟悉目前使用的一些技术。

1、Black-Scholes模型

2、对冲和风险管理

3、期权策略

4、欧式期权和美式期权

5、有限差分法

6、蒙特卡洛模拟

7、奇异期权

8、波动率套利策略

9、定价鞅论

10、Girsanov's定理

11、高级风险指标

12、衍生品市场

13、完全竞争市场中的高级波动率建模

14、非概率波动模型

15、股票与货币

16、FX期权

模块四：数据科学与机器学习I

对金融学中所用到的最新数据科学和机器学习技术作了介绍。从全面概述入手，该模块提供一些关键数学工具的学习，接着深入研究监督式学习，包括回归方法、K近邻算法、支持向量机、集成方法等众多知识。

1、什么是数学建模？

2、机器学习中的数学工具

3、主成分分析法

4、监督式学习技术

5、线性回归

6、惩罚回归：lasso, ridge, elastic net

7、逻辑、SoftMax回归 8、K近邻算法

9、基本贝叶斯分类器

10、支持向量机

11、决策树

12、集合方法：袋翻法与助推法

13、Python–机器学习算法库

模块五：数据科学与机器学习II

介绍了金融领域用到的多种机器学习方法。从非监督式学习法、深度学习、神经网络开始，我们将逐步深入到自然语言处理和强化学习。学员将学习理论框架，更为重要的是，学员将学会如何分析实际案例，探索这些技术在金融学中的应用。

1、非监督式学习技术

2、K值聚类

3、自组织映射

4、T分布随机近邻嵌入

5、均匀流形近似与投射

6、自编码器

7、人工神经网络

8、神经网络架构

9、自然语言处理

10、深度学习与NLP工具

11、强化工具

12、基于AI的算法交易策略

13、金融学中的实际机器学习案例

14、金融学中的量子计算

15、Python–TensorFlow

模块六：固收与信用

回顾行业中用到的众多利率模型，关注每个模型的应用与限制。在第二部分，将学习信用概念，以及信用风险模型在量化金融中的应用，包括结构式、简化式和Copula模型。

1、固收产品与市场操作

2、固收产品与市场操作

3、收益率、久期、凸性

4、随机利率模型

5、利率的随机方法

6、校准与数据分析

7、Heath,Jarrow和Morton

8、Libor市场模型

9、结构模型

10、简化型模型与风险率

11、信用风险与信用衍生产品

12、X估值调整（CVA,DVA,FVA,MVA）

13、CDS定价与市场方法

14、结构型与简化型的违约风险

15、Copula模型的实施