机器学习和程序化交易系统是目前量化交易的主流手段，这门课将会从零起步介绍量化交易的方方面面，并且手把手教你从零开始搭建一个能work、能run起来的事件驱动型的量化交易平台/自动交易系统，通过项目把相关知识点串起来，不但技能提升可更快，而且随着项目经验的增长，对于求职/跳槽涨薪也有极大的帮助。
整个课程以项目为驱动，且给数据、给关键代码，将编程，数据分析和机器学习融入到一个统一的量化交易项目里去。
上课语言
这门课将会以python语言为主，搭建一个纯python的mini实验平台。虽然目前市面上已经存在了诸如quantopian等在线回测的服务，但是从零开始搭建一个五脏俱全的小平台，对深入理解整个流程，具有非常重要的意义。（回想一下学习程序语言的时候，我们会被要求写一个简单的解释器，写解释器的目的不是真正使用，而是深入理解）。此外，我们会利用python社区丰富的库，进行数据从提取到建模到执行的方法面面，和其他语言相比，python易于编程和维护，其简洁性亦有助于理解背后的ideas，基于此，本课程的主要语言是python。
预备基础
一定的Python数据分析基础
第1课 自动化交易综述
知识点1： 课程内容综述，自动化／算法交易介绍，python在自动交易中的应用简介
第2课 量化交易系统综述
知识点1：回测，自动交易，策略建模，常见平台使用
第3课 搭建自己的量化数据库
知识点1：软件需求，数据获取方式，数据存储方式
实战项目：金融数据的存储，读取
第4课 用Python进行金融数据分析
知识点1：数据清理与特征选择
实战项目：pandas与金融数据分析
第5课 策略建模综述
知识点1：介绍量化交易中的策略建模流程及主要处理方式
第6课 策略建模：基于机器学习的策略建模
实战项目：基于机器学习的金融预测
第7课 模型评估与风险控制
知识点1：模型评估的一般流程和常用手段、与风险控制的原理和实现方法
第8课 自动交易系统的搭建
知识点1：基于事件驱动型的自动交易系统
实战项目：手把手教你搭建自动交易系统（有作业，课后直接赠送一套自动交易系统，可自行定制、修改）
第9课 量化策略的实现
实战项目：将本学期的所有project融入到上节课的系统中去，尤其是将机器学习的策略模型与自动化交易系统耦合。
第10课 策略优化与课程总结
整个课程以项目为驱动，且给数据、给关键代码，将编程，数据分析和机器学习融入到一个统一的量化交易项目里去。
上课语言
这门课将会以python语言为主，搭建一个纯python的mini实验平台。虽然目前市面上已经存在了诸如quantopian等在线回测的服务，但是从零开始搭建一个五脏俱全的小平台，对深入理解整个流程，具有非常重要的意义。（回想一下学习程序语言的时候，我们会被要求写一个简单的解释器，写解释器的目的不是真正使用，而是深入理解）。此外，我们会利用python社区丰富的库，进行数据从提取到建模到执行的方法面面，和其他语言相比，python易于编程和维护，其简洁性亦有助于理解背后的ideas，基于此，本课程的主要语言是python。
预备基础
一定的Python数据分析基础
第1课 自动化交易综述
知识点1： 课程内容综述，自动化／算法交易介绍，python在自动交易中的应用简介
第2课 量化交易系统综述
知识点1：回测，自动交易，策略建模，常见平台使用
第3课 搭建自己的量化数据库
知识点1：软件需求，数据获取方式，数据存储方式
实战项目：金融数据的存储，读取
第4课 用Python进行金融数据分析
知识点1：数据清理与特征选择
实战项目：pandas与金融数据分析
第5课 策略建模综述
知识点1：介绍量化交易中的策略建模流程及主要处理方式
第6课 策略建模：基于机器学习的策略建模
实战项目：基于机器学习的金融预测
第7课 模型评估与风险控制
知识点1：模型评估的一般流程和常用手段、与风险控制的原理和实现方法
第8课 自动交易系统的搭建
知识点1：基于事件驱动型的自动交易系统
实战项目：手把手教你搭建自动交易系统（有作业，课后直接赠送一套自动交易系统，可自行定制、修改）
第9课 量化策略的实现
实战项目：将本学期的所有project融入到上节课的系统中去，尤其是将机器学习的策略模型与自动化交易系统耦合。
第10课 策略优化与课程总结
知识点1：如何进行模型选择与优化，课程回顾与展望：where to go from here..