掌握全球顶尖量化金融框架，CQF21课程把数学、编程与市场实务无缝融合，帮你一次搞定理论、代码与实盘。
为什么选择CQF21？——从学术到交易台的跃迁
在买方、卖方、FinTech公司快速迭代的今天，传统金融工程教材早已跟不上节奏。CQF21将随机微积分、机器学习与真实市场数据打包成一条可落地的成长路径：
- 数学引擎 涵盖伊藤引理、Girsanov变换、PDE与Feynman-Kac公式，帮你拆解衍生品定价底层逻辑。
- 代码实战 用Python重铸HJM利率模型，再用C++把策略延迟压进微秒级；MATLAB则留给Risk Metrics与波动率曲面可视化。
- 案例驱动 不只是“跑通示例”，而是把CDS定价、BCD系统开发、不确定波动率优化当作Final Project，直接对接投研和交易部门需求。
课程模块拆解：从理论到策略落地
金融数学与随机微积分
- 离散到连续：用Euler-Maruyama与Milstein方案对比模拟股票价格路径，直观展示收敛阶差异。
- 测度变换：手写Radon-Nikodym导数，感受风险中性定价如何在代码里落地。
机器学习与统计套利
- 用LSTM捕捉隐含波动率微笑的动态变化，再叠加Cointegration构建跨品种套利信号。
- XGBoost与CatBoost对订单簿特征做预测，手把手教你避免过拟合陷阱。
风险管理与投资组合优化
- Black-Litterman vs. 经典MV：把主观观点编码进后验收益，回测夏普提升超30%。
- 因子暴露扫描：Risk Parity与Hierarchical Clustering如何降低黑天鹅冲击。
衍生品定价与交易策略
- HJM框架：从零写出可校准的远期利率曲线，并与Vasicek、CIR模型对比期限结构拟合度。
- 波动率曲面：Local Vol、Stoch Vol、Rough Vol的参数敏感性，用GPU加速蒙特卡洛。
Final Project：把CV变Offer
- CDS定价引擎：基于Jarrow-Turnbull模型，输出CVA/DVA报表，可直接挂LinkedIn项目页。
- BCD系统：用Kafka+InfluxDB打造毫秒级行情处理，展示低延迟架构设计。
- 不确定波动率优化：Heston-Nandi GARCH与粒子群算法组合，回测显示最大回撤下降18%。
高级选修：算法交易、高频交易与行为金融
- 微观结构：订单簿队列模型与做市商持仓风险。
- 高频陷阱：滑点、撮合延迟与FPGA加速方案。
- 行为偏差：前景理论如何解释动量崩溃，并用反向指标生成交易信号。
学习建议：三个月冲刺路线图
- 第1-4周：刷完数学与随机微积分，完成Black-Scholes闭式解+蒙特卡洛验证。
- 第5-8周：边学机器学习边跑策略，把Cointegration统计套利写成可回测脚本。
- 第9-12周：锁定Final Project选题，与导师每周Code Review，确保模型可部署。
- 选修拓展：同步旁听算法交易，把高频Tick数据压缩成K线特征池。
评论 (0)