量化金融分析师（简称AFQ，Analyst of Quantitative Finance）是由量化金融标准委员会（Standard Committee of Quantitative Finance，SCQF）主考并颁证，是代表量化金融领域的专业水平证书。

  量化金融分析师的认证机构

  中国市场学会(China Marketing Association)经国家民政部批准(民政部：社证字第3586号)于1991年3月在北京成立，由中国社会科学研究院主管。中国市场学会量化金融专业委员会（下简称：量专委）是中国市场学会下属的独立二级机构。

  量化金融标准委员会（Standard Committee of Quantitative Finance，SCQF）受量化金融专业委员会下设的专家委员会的工作指导，负责量化金融分析师证书体系的专业水平认证、专业能力建设开发、研究咨询、教育培训、培训教材修订等方面的工作。

  量化金融分析师的项目背景[1]

  量化方法在金融领域的应用深入日常的典型为量化投资领域相关研究型人员，这是金融创新频现的岗位，是高尖金融人才密集之地。

  量化投资在国外的发展已经非常成熟，与此相反，曾经在相当长的一段时间里，国内量化投资领域发展缓慢。2017年伊始，金融业界改革消息不断。2 月 16 日，中金所重磅发布新的股指期货交易规则，对其日内过度交易行为的监管、非套期保值持仓的交易保证金标准、平仓手续费标准都采取了进一步放松限制的政策指示。3月，十二届全国人大会议上，李克强总理在《2017年政府工作报告》中首次提及“人工智能”和数字经济，为量化投资的发展埋下了基石。学习量化分析方法到投资管理中，是金融未来的发展方向之一。运用专业的量化分析方法到具体投资业务中，是每一个未来量化投资分析师的职业能力诉求。

  量化投资领域方兴未艾，在此背景下，为未来金融高尖人才提供全面且个性化的服务，提升其综合素质,是时代的需求。而量化金融分析师证书正好可以满足这一要求。

  量化金融分析师的科目设置

  量化金融分析师证书考试分为五大科目，分别为《量化投资基础》、《Python语言编程入门》、《基于Python的经典量化投资策略》、《交易系统设计》、《量化实盘交易》。证书要求学员掌握量化投资基础、Python编程基础、经典量化交易策略以及交易系统设计思想。

  量化投资基础

  主要涵盖了量化投资领域的必备知识：包括：基本面分析、技术分析、数量分析、固定收益、资产组合管理、权益、另类投资等内容。

  基本面分析基础

  技术分析基础

  如何评估策略的表现

  Python语言编程入门

  包含了Python环境搭建、基础语法、变量类型、基本函数、基本语句、第三方库、金融财务实例等内容。旨在为金融财经人提供最需要的编程方法。

  Python的优势与劣势

  建立Python编程环境

  Python编程基础和工具

  Python编程思想

  Python基础语言基础

  重要库详解：Numpy/Pandas/Matplotlib/Plotly等

  矢量化回测

  实时数据交易

  Python语言在金融中应用

  数据获取来源

  如何快速导入数据：1）开放数据源；2）国内/国外API接口；3）金融数据软件

  数据有效存储

  数据过滤与优化

  特殊数据处理

  实时tick数据获取和可视化

  金融数据拟合优化

  基于Python的经典量化投资策略

  包含了最富盛名、最基本的量化交易思想和交易策略。例如：海龟交易模型、Logistics模型、配对交易模型、波动扩张模型、Alpha模型、机器学习（随机森林模型、主成分分析），深度学习（人工神经网络）等内容。

  统计套利

  量化选股与择时

  趋势追踪策略

  均值回归策略

  配对交易策略

  技术选股策略

  事件驱动型策略

  多因子策略

  股指期货套利策略

  商品期货套利策略

  期权交易策略

  机器学习：支持向量机SVM

  深度学习：神经网络

  高频交易策略等等

  交易系统设计

  量化交易系统介绍

  市场过滤器(market filter)： 牛市/熊市/盘整/平稳等

  过滤条件: 筛选个股

  进入信号

  止损

  再进入策略

  退出策略

  仓位控制

  多个系统针对不同的市场

  设计你的交易系统

  量化实盘交易

  实战交易基础知识

  程序化策略的实战部署

  量化交易实战案例