金融學(xué)專題：基于數(shù)據(jù)回測、線性回歸模型的量化交易策略優(yōu)化與投資組合管理

專業(yè)：金融

項(xiàng)目類型：國外小組科研

開始時間：2024年10月12日

是否可加論文：是

項(xiàng)目周期：7周在線小組科研學(xué)習(xí)+5周不限時論文指導(dǎo)學(xué)習(xí)

語言：英文

有無剩余名額：名額充足

建議學(xué)生年級：大學(xué)生 高中生

是否必需面試：否

適合專業(yè)：計(jì)算機(jī)科學(xué)金融工程金融學(xué)數(shù)據(jù)科學(xué)數(shù)據(jù)分析數(shù)學(xué)統(tǒng)計(jì)學(xué)量化金融股票投資數(shù)據(jù)結(jié)構(gòu)與算法

地點(diǎn)：無

建議選修：統(tǒng)計(jì)學(xué)與計(jì)量經(jīng)濟(jì)學(xué)

建議具備的基礎(chǔ)：本課程適用于對金融數(shù)據(jù)量化和分析、金融數(shù)學(xué)、統(tǒng)計(jì)學(xué)或運(yùn)籌學(xué)等定量領(lǐng)域感興趣的大學(xué)生；該項(xiàng)目也適用于具有較強(qiáng)數(shù)學(xué)背景的高中生。 學(xué)生需要具備概率論與數(shù)理統(tǒng)計(jì)基礎(chǔ)及Python編程能力

產(chǎn)出：7周在線小組科研學(xué)習(xí)+5周不限時論文指導(dǎo)學(xué)習(xí) 共125課時 項(xiàng)目報(bào)告 優(yōu)秀學(xué)員獲主導(dǎo)師Reference Letter EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導(dǎo)（可用于申請） 結(jié)業(yè)證書 成績單

項(xiàng)目背景：量化金融在美國已有30多年的發(fā)展歷史，市場規(guī)模和份額不斷擴(kuò)大，成為美國投資界的主流方式，并占據(jù)了全球投資領(lǐng)域的半壁江山。去年橋水基金（Bridgewater Associates）宣布在上海自貿(mào)區(qū)注冊投資公司，引起了金融界的廣泛關(guān)注。這家常年在世界對沖基金榜單上位居前列甚至是榜首的美國公司掌管約1500億美元。橋水的歷史超過40年，可謂對沖基金中的常青樹。它在2008金融危機(jī)中獲得了正收益，迄今為止獲得數(shù)十項(xiàng)獎項(xiàng)，與它獨(dú)特的投資理念不無相關(guān)。橋水以全球宏觀策略為主，提出了alpha與beta策略分離等理論。該理論被廣泛用于量化金融領(lǐng)域，本課題中，導(dǎo)師也將重點(diǎn)介紹Alpha和Beta量化模型。縱觀量化投資發(fā)展的40年，量化投資技術(shù)迅速風(fēng)靡國外金融市場，涌現(xiàn)出眾多業(yè)績優(yōu)秀卻不廣為人知的量化基金。美國權(quán)威雜志《Institutional Investor》旗下出版物《Alpha》2017年5月公布的數(shù)據(jù)顯示，2016年全球收入最高的25位對沖基金經(jīng)理收入累計(jì)110億美元（約一半采用量化分析），前10位中有8位屬于量化基金經(jīng)理。國內(nèi)的量化金融行業(yè)雖然方興未艾，但是起步速度非?？?，2021年，量化私募行業(yè)迎來跨越式發(fā)展，年內(nèi)量化私募的資管規(guī)模突破了萬億元關(guān)口，百億量化私募擴(kuò)容至28家。百億以上量化基金2021年的平均收益為19.24%，百億以上非量化基金平均收益為9.28%，量化基金跑贏其它策略基金9.96個百分點(diǎn)?？芍^戰(zhàn)果累累。金融量化領(lǐng)域的內(nèi)容涉及基礎(chǔ)數(shù)據(jù)抓取及處理、量化交易策略編寫及回測、實(shí)盤程序化交易、衍生品定價、機(jī)器學(xué)習(xí)、高頻交易等模塊的內(nèi)容。精細(xì)的算法系統(tǒng)不僅能輔佐人們進(jìn)行交易投資決策，在國外，也在逐步取代重復(fù)性的人工勞動，金融科技的發(fā)展方興未艾，這將是一個不可避免的大趨勢。

項(xiàng)目介紹：本課程是量化金融投資管理的核心課程。我們將首先分析現(xiàn)有的交易策略量化評估方法，包括針對交易策略本身的評估和相對基準(zhǔn)整體市場的評估。然后，我們將轉(zhuǎn)向如何通過使用歷史和模擬數(shù)據(jù)對交易策略進(jìn)行回溯測試來調(diào)整交易策略，并討論如何避免常見的陷阱，如前瞻性偏差和數(shù)據(jù)挖掘。這些方法都會通過實(shí)踐中經(jīng)常使用的一些交易策略中加以說明和引證。從被動指數(shù)跟蹤作為基準(zhǔn)開始，我們將討論系統(tǒng)因素，如“價值”(市場價格與“基礎(chǔ)價值”估值的比較)、“動量”(對均值回歸趨勢的押注)和“規(guī)?！?小公司和大公司業(yè)績的系統(tǒng)差異)。同時，我們將討論有多少交易策略通過提供“流動性”而獲得溢價，例如一些本無法實(shí)現(xiàn)的獨(dú)立交易通過附帶交易方式進(jìn)而實(shí)現(xiàn)收益。 這些工具和概念將在課程的項(xiàng)目部分進(jìn)一步發(fā)展，學(xué)生將使用真實(shí)的數(shù)據(jù)自行實(shí)施和測試交易策略。成功完成課程后，學(xué)生將能夠分析和設(shè)計(jì)一系列典型的交易策略。
This course is an introduction to quantitative portfolio management. We will first focus on how to evaluate the performance of a given trading strategy, both on its own right and relative to benchmarks such as the overall market. We will then turn to how to fine-tune trading strategies by backtesting them with historical and simulated data and discuss how to avoid common pitfalls such as look-ahead biases and data mining. These general ideas will in turn be illustrated by some of the trading strategies commonly used in practice. Starting from passive index-tracking as a benchmark, we will discuss systematic factors such as “value” (comparison of market prices to estimates of the “fundamental value”), “momentum” (bets on trends of mean reversion), and “size” (systematic differences between the performance of small and large companies). More generally, we will discuss how many trading strategies earn premia for providing “l(fā)iquidity”, i.e., by acting as a counterpart for trades that would otherwise be difficult to execute. These tools and concepts will be developed further in the projects part of the program, where the students will implement and test trading strategies themselves with real data. After successful completion of the program, the students will be able to analyze and design a range of typical trading strategies.

項(xiàng)目大綱：Alpha和Beta策略-線性因子模型 “Alpha” and “beta”, linear factor models 風(fēng)險(xiǎn)回報(bào)措施-回溯測試 Risk-reward measures; Backtesting 投資組合解構(gòu) Portfolio construction 量化交易策略實(shí)踐分析 Examples of Quantitative Trading Strategies 學(xué)術(shù)研討1：教授與各組學(xué)生探討并評估個性化研究課題可行性，幫助學(xué)生明晰后續(xù)科研思路 Final Project Preparation Session I 學(xué)術(shù)研討2：教授將根據(jù)各組進(jìn)度進(jìn)行個性化指導(dǎo)，確保學(xué)生優(yōu)質(zhì)的終期課題產(chǎn)出 Final Project Preparation Session II 項(xiàng)目成果展示 Final Presentation