课程单元共15讲，初步教学计划如下：
- 教学内容: -量化交易概述：起源、发展和交易体系，简单认识交易中的参与者； -本课程的整体安排和教学要求
- 学习引导:
- 熟悉notebook；
- 熟悉GitHub;
- 熟悉markdown;
- 作业:
- 《黑箱》读书笔记，要求简要论述自己读书后对量化交易系统的理解；2周后交
-
教学内容:
- 一个交易策略长什么样
- 量化策略的六大要素
- 多因子模型介绍
- 怎样利用行为金融学扩展量化策略的逻辑来源
-
学习引导:
- 参考书目： 《行为金融学》
-
课堂教学计划：
第一部分：打雪仗模型 45分钟
- 交易体系的关键要素
- 不同风险偏好下的选择
- 注意事项
第二部分：行为金融学 45分钟
- 回顾EMH
- 在市场里需要掌握聪明的程度
- 套利限制和投资者行为
第三部分：多因子模型 45分钟
- 经典派系
- 单因子检验
- 怎样享受多因子的好处
-
教学内容:
- 趋势型策略的开发
- 策略的细节处理和策略检验
-
学习引导:
- 参考书目： 《海龟交易法则》
-
课堂教学计划：
第一部分：趋势跟随 45分钟
- 因子回顾
- 海龟交易法则
- 应对复杂情况
第二部分：均值回复 45分钟
- 均值回复现象和与趋势的关系
- 反转型策略的基本框架
- 更复杂的均值回复策略
第三部分：在实战中如何构建和检验策略 45分钟
- 下次课程的策略报告要求
-
作业:
- 分组开发一个交易策略，可先行结组准备，路演安排在第六次课或以后；
- 演示文稿需要包含：
- 策略逻辑概述
- 策略重要参数的选择依据
- 策略回测结果及分析
- 优化思路
-
教学内容:
- 量化交易相关的Python编程基础
- 在聚宽上开发一个轻量级的量化策略
- 理解基本的策略评价指标
- 介绍Notebook任务：计算年化收益、最大回撤
-
学习引导：
- Python环境准备
- 理解和熟悉notebook环境并动手完成实际任务；
- 注册第三方平台账号（聚宽或一创聚宽）并体验策略回测过程
-
课堂教学计划：
基础知识部分：
- 交易基础知识
- 策略评价指标
Python部分：
- 环境安装
- 常用的数据结构： 如何表示价格时间序列（series, dataframe） 如何进行价格的计算，例如计算均线、计算指数滑动平均、计算两个序列的差、价格的引用等，（包含rolling、shift）
- 基本语法、库函数（重点介绍Pandas和TALib）
- Notebook部分，简单讲解代码和分布运行的操作过程
聚宽上的轻量级量化策略： 以双均线策略为例，讲解聚宽上一个策略的开发和回测过程。标的物分成3种：
- 一只单独的股票
- 多只股票构成的一个股票池
- 一只ETF
-
教学内容:
- 其他第三方平台介绍；
- 一个轻量级的量化策略；
- Notebook任务：计算夏普比率、分解Alpha和Beta
-
学习引导
- 理解投资组合的alpha来源
- 理解计算后验alpha和beta的原理
-
课堂教学计划：
第一部分：进一步完善轻量级量化策略
- 引入完整的股票池机制
- 择时信号采用更小的颗粒度
- 股票池择时框架是万能的吗 需要倪助教测试聚宽代码
第二部分：介绍一个第三方量化交易工具--TB 课前要求：安装TB旗舰版
- 介绍TB的基本功能和语法
- 用海龟交易法实例演示TB的工作流程 需要池助教检查大家的TB安装情况
第三部分：投资组合的后验Alpha分解
- 何为Alpha
- 怎样分解beta和alpha
- 实战中怎样看待后验分解的结果
-
作业:
- notebook实验报告：要求简要说明收益序列指标评价及后验alpha、beta分解的实验结果和问题讨论, 2周后交
- 教学内容:
- 分组演示自己的量化策略，重点说明策略要素和策略评价结果，对后续策略优化的思路
- 学习引导:
- 各小组课前一定要上传策略路演报告
- 作业:
- 到目前为止总共有3次作业，课程记分方式为3次作业中选择成绩最好的2次计入平时成绩。
- 教学内容:
- 更多经典策略介绍
- 实战因素和关键问题的解决
- 如何进行刻意练习 - 主观交易与量化交易的关系
- 教学内容:
- 如何进行有效的量化策略诊断
- 挑战性课题 - 看看专业机构都在怎么玩
- 怎样用少量非成分股去拟合一个宽基指数
- 在A股市场怎样做空一个行业
- 作业:
- 选课同学可以选做挑战性课题，作为期末加分项
- 挑战性课题的报告要求汪老师会单独告知，对挑战性课题感兴趣的同学可以联系助教刘为为。
- 教学内容:
- 期权的基本概念
- 期权交易的基本原理和典型策略；
- 期权实战案例 - 基于pVIX的跨式策略和单边策略
- 教学内容:
- 基本面分析的基本原理
- 为什么要操纵财务报表
- 如何识别财务操纵的蛛丝马迹
- 教学内容:
- 为什么要爬取数据
- 爬虫的基本原理和技术实现
- VN.PY为何物
- 典型的VN.PY技术框架及应用
- 基于VN.PY的CTP交易小工具的实现
- 学习引导:
- 以赛代练，基于本课程启动“第五届清华大学iCenter量化策略邀请赛”
- 作业:
- 预告期末大作业要求
- 教学内容:
- 技术指标的物理意义
- 技术指标到信号系统
- 信号系统开发的坑
- 如何评测信号性能
- 教学内容:
- 《人工智能在量化交易中的应用》
- 《配对交易》
- 教学内容:
- 回顾与小结：量化交易的优势和盲区
- 量化交易策略体系化研发方法论
- 实战量化交易的误区
- 谈谈高频交易
- 教学内容:
- 以个人为单位的策略制作和报告路演
- 《打开量化投资的黑箱》
- Inside the Black'Box:A Simple Guide to Quantitative and High-Frequency Trading
- 作者：里什纳兰 (Rishi K.Narang)
- 出版社: 机械工业出版社; 第1版 (2016年5月1日)
- 《主动投资组合管理:创造高收益并控制风险的量化投资方法》
- Active Portfolio Management: A Quantitative Approach for Providing Superior Returns and Controlling Risk (2th Edition)
- 作者：理查德 C.格林诺德 (Richard C.Grinol, 雷诺德 N.卡恩 (Ronald N.Kahn), 李腾 (译者)
- 出版社: 机械工业出版社; 第1版 (2014年9月1日)
- 《算法交易:制胜策略与原理》
- Algorithmic Trading: Winning Strategies and Their Rationale
- 作者：欧内斯特陈 (Ernest P.Chan)
- 出版社: 机械工业出版社;
- 第1版 (2017年1月1日)