量化金融分析师(AQF ，Analyst of Quantitative Finance)
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。 

一. 量化投资策略理论(20%)

(一)量化投资基础

　　1 掌握量化投资的概念;
　　2 了解量化投资不同的编程语言和应用平台;
　　3 了解量化投资的一般决策流程;
　　4 熟悉中国主要金融市场及交易产品交易种类及交易机制;
　　5 掌握量化交易模型设计的基本框架。

(二)量化交易策略理论基础

　　1 掌握多因子策略，了解国内外常用的因子类型，掌握因子在不同阶段的研究方法;
　　2 了解量化择时的思想;
　　3 了解无风险套利的思想;
　　4 了解基本面量化交易策略思想;
　　5 了解统计套利量化交易策略思想;
　　6 了解衍生品套利量化交易策略思想;
　　7 了解机器学习的基本概念、常见算法原理及其量化交易策略思想;
　　8 掌握机器学习的常用算法原理，如逻辑回归、支持向量机、决策树、KNN 等;
　　9 了解机器学习算法的评价方法;
　　10 了解舆情分析等其他量化交易策略思想;
　　11 了解高频交易策略的基本概念;
　　12 掌握事件驱动量化交易策略思想;
　　13 掌握技术指标类量化交易策略思想;
　　14 掌握 K 线概念，掌握常用技术指标，包括均线、CCI 指标、KDJ 指标等;
　　15 掌握常见的量化交易策略的评价方法。


二. Python 语言的编程基础(30%)

　　(一)Python 核心语法基础

　　1 掌握数据的基本类型：整形、浮点型、字符串、布尔型的基本概念与运算，熟悉不同类型间的转换方式;
　　2 掌握核心数据结构：列表、字典、元组、集合的基本概念、运算、常用操作、常见方法;
　　3 掌握 Python 常用基本语法，包括模块的导入等;
　　4 掌握 Python 运算符及其优先级;
　　5 掌握基本控制结构：循环结构、分支结构的基本概念及使用方法;
　　6 掌握函数定义、参数传递与函数调用的基本概念;掌握全局变量、局部变量和作用域的基本概念;
　　7 熟悉异常处理的概念和基本方法;
　　8 掌握 CSV、HDF5、SQL、Excel 等形式文件的调用和存储。

　　(二)Numpy 数据处理

　　1 掌握 Numpy 模块向量化操作原理;
　　2 掌握 Numpy 模块基本数据类型及其常见创建方式;
　　3 掌握 Numpy 模块基本数据类型的常见操作方式，包括切片、索引、修改、数据清晰、结构调整、拼接等;
　　4 掌握 Numpy 模块数据统计常用函数与方法;
　　5 熟悉 Numpy 模块逻辑运算操作相关的函数或方法。

　　(三)Pandas 数据处理

　　1 掌握 Pandas 模块向量化操作原理;
　　2 掌握 Pandas 模块基本数据类型及其常见创建方式;
　　3 掌握 Pandas 模块的基础操作，如：排序、切片、索引、填充、累计计算、合并、对齐、存储等;
　　4 掌握分组与聚合运算;
　　5 熟悉多重索引与重构;
　　6 掌握缺失值的处理;
　　7 掌握 Pandas 模块时间序列处理的操作;
　　8 会应用 Pandas 模块进行数据处理、数据清洗、数据合并等操作;
　　9 会应用 Pandas 模块数据处理进行实战金融数据处理。

　　(四)面向对象基础

　　1 掌握面向对象和面向过程的区别;
　　2 掌握类和实例的基本概念;
　　3 掌握属性和方法的基本概念;
　　4 熟悉构成和继承的基本概念;
　　5 掌握面向对象编程的思想，具备运用面向对象的方法编写量化交易策略的能力。

　　(五)数据可视化

　　1 掌握使用 Matplotlib 绘制直方图、折线图、散点图;
　　2 掌握 Pandas 模块内置绘图函数;
　　3 掌握使用 Matplotlib 绘制净值曲线、股价相关性散点图等其他金融相关应用图形;
　　4 了解 Matplotlib 对数据做简单的描述性统计方法;
　　5 了解 Seaborn 等其他数据可视化第三方库


三. Python 量化交易策略实现与回测(40%)

　　1 掌握金融数据的获取方法，包括从互联网调取静态金融数据的常见方法和实时数据的获取方法;
　　2 掌握金融数据清洗方法;
　　3 掌握均线交易系统;
　　4 掌握基本技术指标的计算方法，包括调用函数进行数据处理或调用 Ta-lib 等库等方法;
　　5 掌握基于技术指标、指标系统的量化交易策略的编写;
　　6 熟悉产生交易信号的常见方法，掌握常见交易信号的计算;
　　7 熟悉策略持仓信号的常见方法，掌握策略持仓信号的计算;
　　8 熟悉股价收益率、策略累计收益、策略净值曲线的计算方法;了解常见策略评估指标的计算方法;
　　9 掌握策略编写的核心思想和方法;
　　10 掌握机器学习的各个算法的调用方法、使用原理，可以用来解决的实际问题;
　　11 掌握会引起回测和实盘交易收益产生巨大区别的原因和注意点;
　　12 熟悉策略的优化方法和优化思路，包括参数优化等;
　　13 熟悉策略风险控制的常见方法。

　
四. 量化实盘交易(10%)

　　1 熟悉量化交易系统的一般框架设计思路;
　　2 熟悉量化交易系统或平台的数据调取;
　　3 熟悉量化交易系统或平台的合约调取方法;
　　4 熟悉量化交易系统或平台的程序化下单方法;
　　5 熟悉交易的订单类型和相关实现方法;
　　6 了解实盘进行仓位控制的一般方法;
　　7 了解量化交易系统或平台实现程序化交易策略的一般方法。




　　量化金融分析师AQF核心课程体系

　　1、《量化投资基础》
　　   涵盖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。

　　2、《Python语言编程基础》

　　   包含 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。
       为金融财经人提供最需要的编程方法。

　　3、《基于Python的经典量化投资策略》
　　    包含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。

　　4、《量化交易系统设计》

　　    学习量化交易系统的具体知识，包括过滤器，进入信号，退出信号，仓位管理等详细内容，
       构建个人交易哲学的量化交易系统。

　　5、《量化实盘交易》

　     解决实际量化交易策略搭建过程中的一些问题