量化投资(本科，2026)

课程简介

《量化投资》是一门面向本科生的应用导向课程，系统介绍如何使用数量方法、计算机编程和现代数据分析工具分析金融市场数据，并构建可检验、可复现的投资与交易策略。

本课程在内容架构上与研究生层面的《量化投资》类似，但对于具体细节的深度要求会相对低一些。研究生的课程自2019年起即包含机器学习和深度学习的内容。今年的课程将在讲解清楚原理的基础上，进一步探讨AI相关内容的应用。具体内容将根据实际进度和大家的作业完成情况进行调整。

课程目标

通过本课程的学习，学生应当能够：

• 熟练使用 Python 及常用数据分析与机器学习工具处理金融数据；
• 理解常见量化投资模型与策略背后的基本思想和适用条件；
• 独立完成从数据处理、特征构建到策略回测与评估的完整流程；
• 对量化方法的优势、局限性及潜在风险形成基本判断。

主要内容

课程内容是应用导向的，但相关的理论也会有涉及。课程目标：掌握基本的工具以及用数据分析的思维方式。这门课主要包含以下内容：

• Python 基础以及数据处理相关库(numpy, pandas, SKlearn, Pytorch等)
• 回测框架
• 因子模型以及统计检验
• 技术分析介绍以及统计检验
• 机器学习和深度学习在量化投资中的应用
• 多工具综合应用

本课程不涉及高频（日内）交易策略。主要数据来源为中国 A 股市场。

知识储备

学生应具备基本的概率论、统计学和计量经济学知识。课程不要求学生事先具备编程经验，所有与 Python 编程和数据分析相关的内容都会在课程中系统讲解；但需要做好进行较多编程练习和上机操作的心理准备。

教材与参考书

我们采用的量化回测平台是优矿，请至相关网页下载客户端。优矿有免费版但分配的计算资源很少，学院会提供一些共享账号。参考书目见下方。本课程不设指定教材。课程讲义、代码示例及相关资料将统一上传至本网页，请同学在每次上课前自行下载最新版本。

主要参考书目包括（但不限于）：

• Cochrane, J. H. (2005). Asset Pricing. Princeton University Press.
• Bali, T. G., Engle, R. F., & Murray, S. (2016). Empirical Asset Pricing. Wiley.
• 石川、刘洋溢、连祥斌 (2020). 《因子投资：方法与实践》. 电子工业出版社.
• Murphy, J. J. (1999). Technical Analysis of the Financial Markets. New York Institute of Finance.
• Grinold, R., & Kahn, R. (1999). Active Portfolio Management. McGraw-Hill.
• Géron, A. (2021). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O’Reilly.

评分方式

• 3次作业（70%）
• 闭卷考试 (30%)

闭卷考试形式：闭卷考试客观题占30%–40%，主观设计题占60%–70%。不考察死记硬背的代码语法或API参数，旨在考察学生对于重要概念的理解，以及是否有正确的思路构建、查验量化项目。

本课程鼓励使用AI进行编程，但严禁抄袭、复制他人作业。 一经发现，将按照学校相关规定严肃处理，可能会直接挂科。对编程经验较少的同学而言，学习过程中遇到困难是正常的；课程将提供示例代码和必要的指导，只要认真完成练习，即可顺利完成课程要求。