翟一欣 2025-12-20 18:24:22
CQF的高级选修课涵盖算法交易、高级机器学习、风险管理等多个领域,学员需从中选择两门课程深入学习,这些课程与FinalProject紧密关联。
CQF的高级选修课在核心课程(Module1-6)结束后开放,通常在Exam3成绩公布后提供两周预览期。学员可在此期间观看全部12门录制课程视频,最终选定两门进行系统学习,其余课程将被关闭。选修课内容与FinalProject课题直接相关,选课时应考虑个人兴趣和职业方向,以实现学习与考试的双重高效。
CQF提供多样化高级选修课,覆盖量化金融前沿领域。以下是关键课程列表(基于2023-2025年最新信息):
| 课程名称 | 简介 |
|---|---|
| 算法交易I&II | 涵盖数据准备、回测分析及算法构建,适用于买方/卖方机构从业人员。 |
| 高级机器学习 | 聚焦数据科学与机器学习技术,用于金融预测与模型优化。 |
| 高级计算方法 | 教授有限差分法、数值积分等高效数学求解技术,解决复杂金融问题。 |
| 对手方信用风险建模 | 针对衍生品交易中的信用风险建模与分析。 |
| 外汇交易和对冲 | 深入货币市场策略,包括汇率风险管理工具。 |
| C++编程 | 强化量化编程技能,应用于高频交易系统开发。 |
| 去中心化金融技术 | 探索区块链与DeFi在金融创新中的应用。 |
完整列表还包括能源交易、行为金融学量化等课程,学员可参考本站或获取详细信息。
部分典型选修课的深度内容如下:
算法交易:课程分两部分(I&II),涵盖算法设计基础、回测优化及职业路径规划。学员需实操构建交易算法,分析市场数据并验证策略有效性,适用于对冲基金和投行量化岗位。
高级计算方法:重点教授数值方法(如有限差分法和根值求解),强调将数学问题转化为高效代码。案例包括边界值问题(BVP)在衍生品定价中的应用,提升学员解决实际金融工程难题的能力。
风险管理课程(如对手方信用风险建模):结合巴塞尔协议框架,涉及信用敞口计算、抵押品管理及压力测试,适用于银行与资产管理机构风控部门。