•  找回密碼
     注冊
         

    868

    主題

    868

    帖子

    6676

    積分

    論壇元老

    Rank: 8Rank: 8

    積分
    6676

    AQF去年全國考試通過率是多少?

    [復制鏈接]

          AQF去年全國考試通過率大概是多少?以及AQF考試費用大概是多少?更多關于AQF考試相關問題下文中都會一一講解~


           量化金融分析師(AQF®)(簡稱AQF ,Analyst of Quantitative Finance)由量化金融標準委員會(Standard Committee of Quantitative Finance,SCQF)主考并頒證,是代表量化金融領域的專業水平證書。本文中小編為大家詳細講解關于AQF考試詳情(比如:AQF報名、AQF費用、AQF時間...)  


           AQF去年全國考試通過率是多少?針對這個問題,AQF去年全國考試通過率大概是在80%左右~


      AQF考試時間:每年3月與9月的第三個星期日


      AQF考試地點:2019年3月起開設線下考點


      AQF報考條件:同時符合下列條件的考生,可以申請參加量化金融分析師全國統一考試:


      (1) 具有完全民事行為能力且年滿18周歲


      (2) 參加并完成指定授權培訓機構提供的量化金融分析師實訓項目AQF,并獲得對應學分。


    >>>點擊咨詢量化金融分析師AQF實訓項目


      

    (點擊上圖了解課程詳情)


      AQF報名流程:


      


      AQF考試題型:單選題20%、多選題20%、解答題60%


      AQF考試范圍:以標準委員會發布的《量化金融分析師全國統一考試大綱》為準。


      AQF考試方式:考試采用計算機化考試方式。


      (1)即在計算機終端獲取試題、作答并提交答題結果。


      (2)考試試題從量化金融分析師考試題庫中隨機抽題;隨機抽題以試卷中的試題數量、類型、難度一致為原則。


      AQF考試費用:


      (1)2019年3月起注冊費:760元/人/次,考試費:1500元/人/次;    >>>點擊咨詢AQF歷年考試通過率


      (2)由于特殊原因舉辦的場次,考試費用將另行規定。


      AQF考試語言:中文+Python程序設計語言


      AQF試卷評閱和成績認定:


      (1) 考生答卷由量化金融標準委員會組織集中評閱,AQF考試成績報經中國市場學會金融服務工作委員會審核后發布。


      (2) AQF成績發布后,AQF考生可登錄標準委員會指定的官網查詢成績并下載和打印成績單。


      (3) AQF考試實行百分制,總分60分為成績合格分數線。


      (4) 成績合格的AQF考生,可申請成為量化金融標準委員會個人會員。


      如果還有關于量化金融分析師AQF其他的問題的話,歡迎在線咨詢小編,小編會為大家解答~


          課程適合人群:


      金融工程/數學專業背景的同學/工作人士,希望進一步學習Python編程以及在量化投資的實戰應用;


      非金融工程專業背景的同學/工作人士,希望迅速成為寬客;


      金融相關人員,希望學習如何系統的做量化策略;


      個人投資者,希望系統學習掌握量化投資相關的實務技能,從模型開發,回測,策略改進,搭建穩定的量化交易系統。


           AQF量化金融分析師實訓項目學習大綱     >>>點擊咨詢AQF考試


      1.1.1. 第一部分:前導及課程介紹

    1.AQF核心課程

    2.量化策略的Python實現和回測

    3.整體代碼介紹


      1.1.2. 第二部分:量化投資基礎

    1.量化投資背景及決策流程

    2.量化擇時

    3.動量及反轉策略

    4.基金結構套利

    5.行業輪動與相對價值

    6.市場中性和多因子

    7.事件驅動

    8.CTA_1(TD模型)

    9.統計套利_低風險套利

    10.大數據和輿情分析

    11.機器學習

    12.高頻交易和期權交易

    13.其他策略和策略注意點


      1.1.3. 第三部分:Python編程知識

    Python語言環境搭建

    1.Python語言環境搭建

    Python編程基礎

    1.python數字運算和Jupyter notebook介紹

    2.字符串

    3.Python運算符

    4.Tuple和List

    5.字典

    6.字符串格式化

    7.控制結構_1.For循環

    8.函數

    9.全局和局部變量

    10.模塊

    11.Python當中的重要函數

    Python編程進階

    1.Numpy數據分析精講

    2.Pandas數據分析詳解

    數據可視化

    1.Pandas內置數據可視化

    2.Matplotlib基礎

    3.Seaborn

    金融數據處理實戰

    1.數據獲取_1.本地數據讀取

    1.數據獲取_2.網絡數據讀取_1

    1.數據獲取_2.網絡數據讀取_2.tushare

    1.數據獲取_2_網絡數據讀取_3.文件存儲

    2.金融數據處理_1.同時獲取多只股票

    2.金融數據處理_2.金融計算

    2.金融數據處理_3.檢驗分布和相關性

    3.金融時間序列分析_1.Python下的時間處理

    3.金融時間序列分析_2.Pandas時間格式

    3.金融時間序列分析_3.金融數據頻率的轉換

    4.金融數據處理分析實戰案例_案例1

    4.金融數據處理分析實戰案例_案例2_多指標條件選股分析_1

    4.金融數據處理分析實戰案例_案例2_多指標條件選股分析_2


      1.1.4. 第四部分:量化交易策略模塊

    三大經典策略

    1.三大經典策略_1.SMA

    1.三大經典策略_2.動量Momentum

    1.三大經典策略_3.均值回歸

    配對交易策略

    2.配對交易

    技術分析相關策略

    3.量化投資與技術分析_1.技術分析理論

    3.量化投資與技術分析_2.CCI策略的Python實現

    3.量化投資與技術分析_3.布林帶策略的Python實現_1

    3.量化投資與技術分析_4.SMA和CCI雙指標交易系統

    3.量化投資與技術分析_5.形態識別和移動止損策略

    大數據輿情分析策略

    4.大數據輿情分析策略_基于谷歌搜索的大數據輿情分析

    CTA交易策略

    5.CTA交易策略_Aberration趨勢跟蹤系統

    量化投資與機器學習

    6.量化投資與機器學習_1_機器學習算法原理_2_邏輯回歸原理

    6.量化投資與機器學習_1_機器學習算法原理_3_SVM算法原理

    6.量化投資與機器學習_1_機器學習算法原理_4_決策樹算法原理

    6.量化投資與機器學習_1_機器學習算法原理_5_KNN算法原理

    6.量化投資與機器學習_1_機器學習算法原理_6_神經網絡算法了解

    6.量化投資與機器學習_1_機器學習算法原理_7_K-means算法原理和算法總結

    6.量化投資與機器學習_2_機器學習算法實現_1_數據集生成原理

    6.量化投資與機器學習_2_機器學習算法實現_2_數據集可視化

    6.量化投資與機器學習_2_機器學習算法實現_3_邏輯回歸算法的python實現

    6.量化投資與機器學習_2_機器學習算法實現_4_DT_KNN_NB算法的python實現

    6.量化投資與機器學習_2_機器學習算法實現_5_SVM算法的python實現

    6.量化投資與機器學習_3_機器學習算法實戰_6_基于邏輯回歸和SVM的股市趨勢預測


      1.1.5. 第五部分:面向對象和實盤交易

    1.模塊內容整體介紹

    2.面向對象、類、實例、屬性和方法

    3.創建類、實例、方法

    4._init_初始化方法

    5.面向對象程序實例

    6.繼承的概念及代碼實現

    7.面向對象繼承的實戰案例

    8.多繼承和量化交易平臺的面向對象開發思路

    9.用面向對象方法實現股債平衡策略


      1.1.6. 第六部分 實盤模擬交易

    基于優礦平臺的面向對象策略

    1.優礦平臺介紹

    2.優礦平臺回測框架介紹

    3.優礦框架之context對象、account和position對象

    4.優礦其它重要操作

    5.優礦之小市值因子策略

    6.優礦之雙均線策略

    7.優礦之均值回歸策略

    8.優礦之單因子策略模板

    9.優礦之多因子策略模板

    10.優礦之因子數據處理:去極值和標準化

    面向對象實盤交易之Oanda

    1.Oanda平臺介紹和賬戶配置

    2.Oanda賬戶密碼配置和交易框架原理

    3.Oanda鏈接賬戶并查看信息

    4.Oanda API獲取歷史數據

    5.Oanda市價單和交易狀態查詢

    6.Oanda高級交易訂單

    7. Oanda其它高級功能

    8. Oanda實戰ADX策略全講解:策略邏輯、數據讀取、歷史數據處理、可視化、實時數據和實時交易

    9. Oanda通過實時數據API調取實時數據、resample

    面向對象實盤交易之IB

    1.IB實戰平臺介紹及API安裝調試

    2.IB實戰平臺請求和響應遠離、線程控制

    3.IB響應函數wrapper講解

    4.IB請求函數及合約定義

    5.IB程序化下單、倉位及賬戶查詢

    6.IB三均線交易_金字塔倉位下單控制模型實盤交易之策略原理、線程控制原理、策略結構總覽、響應函數、交易信號、策略展示等全講解。


      1.1.7. 第七部分:基于優礦的進階學習

    1.1回測與策略框架

    1.2評價指標

    1.3.1量化策略設計流程簡介

    1.3.2擇時策略舉例(雙均線)

    1.3.3量化投資模板1.0選股和擇時

    2.1基于技術分析的量化投資

    2.2.1技術指標簡介

    2.2.2 MACD擇時策略

    2.2.3 WVAD擇時策略

    2.2.4 RSI擇時策略

    2.2.5 MFI擇時策略

    2.2.6 CCI擇時策略

    2.2.7技術指標總結

    2.3通道技術

    3.1.1日期效應

    3.1.2動量效應

    3.2.1格雷厄姆成長投資

    3.2.2積極投資策略

    3.2.3價值投資策略

    3.2.4小型價值股投資策略

    3.3.1交易系統設計的一般原理

    3.3.2均線排列系統

    3.3.3金肯納特交易系統

    3.3.4海龜交易法系統



          金程推薦:  AQF培訓   AQF培訓機構   AQF是什么意思


          熱線電話:400-700-9596


          AQF考友群:760229148


      金融寬客交流群:801860357


      微信公眾號:量化金融分析師


    使用道具 舉報 回復
    您需要登錄后才可以回帖 登錄 | 注冊

    本版積分規則


    pk牛牛平台