aqf量化金融分析师课程

发布时间：2025-04-08

发布者：

云水谣

文件大小：共计201个文件，合计:9.31 GB

资源金币：4.99 金币

资源来源：百度网盘

资源状态：【实时检测】链接有效

本站会员，可以免费下载全站所有资源

资源目录结构(只展示部分的文件和文件夹，以下文件快照生成于2025-04-08)

资源投诉

aqf量化金融分析师课程7.69 GB

新版播放器51.72 MB

ios设备（iPhone,ipad）播放器使用说明.png274.68 KB

ios设备播放器下载地址.txt504.00 B

MacPlayer082.zip10.22 MB

安卓播放器082.apk14.81 MB

Windows播放器082.exe26.42 MB

3 基于优矿的进阶学习1.46 GB

9. 基于技术分析的量化投资之WVAD择时策略.vip54.17 MB

8. 基于技术分析的量化投资之MACD择时策略.vip62.04 MB

7. 基于技术分析的量化投资之技术指标简介.vip17.07 MB

6. 基于技术分析的量化投资之简介.vip49.93 MB

5. 量化投资策略回测之量化投资模板.0选股和择时.vip61.77 MB

4. 量化投资策略回测之择时策略举例（双均线）.vip45.13 MB

3. 量化投资策略回测之量化策略设计流程简介.vip18.78 MB

26. 量化投资策略精讲之海龟交易法_3.vip54.93 MB

25. 量化投资策略精讲之海龟交易系统_2.vip75.32 MB

24. 量化投资策略精讲之海龟交易系统_.vip30.44 MB

23. 量化投资策略精讲之金肯纳特交易系统.vip68.58 MB

22. 量化投资策略精讲之均线排列系统.vip65.07 MB

2. 量化投资策略精讲之交易系统设计的一般原理.vip29.43 MB

20. 量化投资策略精讲之小型价值股投资策略.vip79.91 MB

2. 量化投资策略回测之评价指标.vip90.09 MB

9. 量化投资策略精讲之价值投资策略.vip85.54 MB

8. 量化投资策略精讲之积极投资策略.vip68.04 MB

7. 量化投资策略精讲之格雷厄姆成长投资.vip110.11 MB

6. 量化投资策略精讲之动量效应.vip73.04 MB

5. 量化投资策略精讲之日期效应.vip51.35 MB

4. 基于技术分析的量化投资之通道技术.vip89.97 MB

3. 基于技术分析的量化投资之技术指标总结.vip7.00 MB

2. 基于技术分析的量化投资之cci择时策略.vip58.26 MB

. 基于技术分析的量化投资之MFI择时策略.vip49.22 MB

0. 基于技术分析的量化投资之RSI择时策略.vip45.80 MB

. 量化投资策略回测之回测与策略框架.vip56.56 MB

2 面向对象实盘交易之IB634.19 MB

9.IB三均线交易_金字塔仓位下单控制模型实盘交易_策略原理、线程控制原理.vip43.52 MB

8.IB程序化下单、仓位及账户查询.vip58.77 MB

7.IB请求函数及合约定义.vip52.11 MB

6.IB响应函数(wrapper)讲解_3.vip28.21 MB

5.IB响应函数(wrapper)讲解_2.vip43.12 MB

4_IB响应函数(wrapper)讲解.vip57.33 MB

3.IB实战平台请求和响应原理2和线程控制.vip50.11 MB

2.IB实战平台请求和响应原理.vip63.97 MB

2.IB三均线交易_金字塔仓位下单控制模型实盘交易_交易主逻辑、策略展示和总结.vip71.47 MB

.IB三均线交易_金字塔仓位下单控制模型实盘交易_交易信号逻辑.vip42.46 MB

0.IB三均线交易_金字塔仓位下单控制模型实盘交易_策略结构总览、响应函数逻.vip84.49 MB

.IB实战平台介绍和API安装调试.vip38.63 MB

面向对象实盘交易之Oanda706.18 MB

9.Oanda实战ADX策略二：策略逻辑编写和可视化.vip33.26 MB

8.Oanda实战ADX策略一_数据读取与处理.vip44.05 MB

7.Oanda其他高级功能.vip39.86 MB

6.Oanda高级交易订单.vip45.04 MB

5.Oanda市价单和交易状态查询.vip40.43 MB

4.从Oanda API获得历史数据.vip47.53 MB

3.vip111.79 MB

3.Oanda连接账户并查看信息.vip45.65 MB

2.Oanda账户密码配置和交易框架原理.vip28.77 MB

4.Oanda实盘交易策略ADX_实时数据和实时交易.vip70.01 MB

3.Oanda实盘交易策略ADX_历史数据处理.vip62.38 MB

2.Oanda实盘交易策略ADX_策略介绍.vip52.27 MB

.Oanda读取实时数据并进行resample.vip31.69 MB

0.Oanda通过实时数据API调取实时数据.vip25.23 MB

.Oanda平台介绍和账户配置.vip28.25 MB

0 基于优矿平台的面向对象策略683.51 MB

9.优矿策略之均值回归.vip43.36 MB

8.优矿策略之双均线策略.vip45.68 MB

7.优矿策略之小市值策略写法.vip23.56 MB

6.优矿策略之小市值因子策略.vip43.69 MB

5.优矿框架之其他重要操作.vip28.29 MB

4.优矿框架之Account和Position对象.vip23.00 MB

3.优矿框架之Context对象用法.vip41.85 MB

2.优矿平台回测框架介绍.vip56.94 MB

8.优矿策略之因子数据处理：去极值和标准化.vip22.97 MB

7.优矿策略之多因子策略模板一：策略讲解（2）.vip29.02 MB

6.优矿策略之多因子策略模板一：策略讲解（）.vip49.43 MB

5.优矿策略之多因子策略模板一：策略思路和方法.vip32.34 MB

4.优矿策略之单因子策略模板四：策略逻辑和分析框架.vip43.73 MB

3.优矿策略之单因子策略模板三_策略函数.vip35.02 MB

2.优矿策略之单因子策略模板二：策略函数.vip38.84 MB

.优矿策略之单因子策略模板一_策略介绍.vip35.64 MB

0.优矿策略之均值回归：策略逻辑.vip52.15 MB

.优矿平台介绍.vip38.00 MB

09 面向对象和实盘交易435.65 MB

9.用面向对象方法实现股债平衡策略.vip100.24 MB

8.多继承和量化交易平台的面向对象开发思路.vip39.91 MB

7.面向对象继承的实战案例.vip36.40 MB

6.继承的概念及代码实现.vip47.11 MB

5.面向对象编程实例.vip69.89 MB

4.__init__初始化方法.vip25.88 MB

3.创建类、实例、方法.vip54.43 MB

2.面向对象、类、实例、属性和方法.vip36.01 MB

.模块内容整体介绍.vip25.77 MB

08 量化交易策略模块2.02 GB

9.配对交易_2.策略实战_.vip88.34 MB

8.配对交易_.原理.vip57.11 MB

7.三大经典策略_3.均值回归策略_2.vip47.27 MB

6.三大经典策略_3.均值回归策略_.vip25.91 MB

5.三大经典策略_2.动量策略Momentum_2.vip51.06 MB

40.量化投资与机器学习_2.机器学习算法实战_基于逻辑回归和SVM.vip96.72 MB

4.三大经典策略_2.动量策略Momentum_.vip58.10 MB

39.量化投资与机器学习_2.机器学习算法实战_基于逻辑回归和SVM.vip77.53 MB

38.量化投资与机器学习_2.机器学习算法实战_基于逻辑回归和SVM.vip56.20 MB

37.量化投资与机器学习_2.机器学习算法实现_5.SVM算法实现.vip39.28 MB

36.量化投资与机器学习_2.机器学习算法实现_4.DT_KNN_NB算法.vip22.16 MB

35.量化投资与机器学习_2.机器学习算法实现_3.逻辑回归算法实现.vip28.75 MB

34.量化投资与机器学习_2.机器学习算法实现_2.数据集可视化.vip32.15 MB

33.量化投资与机器学习_2.机器学习算法实现_.数据集生成原理.vip43.18 MB

32.量化投资与机器学习_.机器学习算法原理_8.K-means算法原理.vip21.54 MB

3.量化投资与机器学习_.机器学习算法原理_7.神经网络算法原理.vip40.69 MB

30.量化投资与机器学习_.机器学习算法原理_6.KNN算法原理.vip7.42 MB

3.三大经典策略_.移动平均策略SMA_3.vip76.22 MB

29.量化投资与机器学习_.机器学习算法原理_5.决策树算法原理.vip34.50 MB

28.量化投资与机器学习_.机器学习算法原理_4.SVM算法原理.vip44.77 MB

27.量化投资与机器学习_.机器学习算法原理_3.逻辑回归原理.vip73.25 MB

26.量化投资与机器学习_.机器学习算法原理_2.vip71.62 MB

25.量化投资与机器学习_.机器学习算法原理_.vip71.67 MB

24.CTA交易策略_Aberration趋势跟踪系统.vip118.78 MB

23.大数据舆情分析策略_基于谷歌搜索的大数据舆情分析_3.策略.vip37.21 MB

22.大数据舆情分析策略_基于谷歌搜索的大数据舆情分析_2.策略.vip35.78 MB

2.大数据舆情分析策略_基于谷歌搜索的大数据舆情分析_.策略.vip46.02 MB

20.量化投资与技术分析_5.形态识别和移动止损策略_3.策略逻辑_2.vip41.94 MB

2.三大经典策略_.移动平均策略SMA_2.vip67.67 MB

9.量化投资与技术分析_5.形态识别和移动止损策略_3.策略逻辑_.vip53.65 MB

8.量化投资与技术分析_5.形态识别和移动止损策略_2.锤子线形态.vip62.18 MB

7.量化投资与技术分析_5.形态识别和移动止损策略_.策略原理.vip30.05 MB

6.SMA和CCI双指标交易系统.vip26.28 MB

5.量化投资与技术分析_3.布林带策略_2.vip44.66 MB

4.量化投资与技术分析_3.布林带策略_.vip50.38 MB

3.量化投资与技术分析_2.CCI策略.vip73.22 MB

2.量化投资与技术分析_.技术分析理论.vip44.82 MB

.配对交易_3.回测思路小结.vip10.49 MB

0.配对交易_2.策略实战_2.vip71.13 MB

.三大经典策略_.移动平均策略SMA_.vip83.96 MB

07 金融数据处理实现566.88 MB

9.金融时间序列分析_2.Pandas时间格式.vip49.23 MB

8.金融时间序列分析_.Python下的时间处理.vip35.85 MB

7.金融数据处理_3.检验分布和相关性.vip37.41 MB

6.金融数据处理_2.金融计算.vip35.27 MB

5.金融数据处理_.同时多只股票的信息.vip49.25 MB

4.数据之网络数据读取_2.tushare.vip41.69 MB

3.数据之网络数据读取_3.文件存储.vip33.15 MB

2.数据之网络数据读取_.vip37.98 MB

3.金融数据处理分析实战案例_2.案例二：多指标条件选股分析_2.vip44.29 MB

2.金融数据处理分析实战案例_2.案例二：多指标条件选股分析_.vip64.51 MB

.金融数据处理分析实战案例_.案例一.vip38.87 MB

0.金融时间序列分析_3.金融数据频率的转换.vip41.69 MB

.数据之本地数据读取.vip57.70 MB

06 数据可视化144.64 MB

4.Seaborn.vip25.47 MB

3.Matplotlib基础_2.vip35.44 MB

2.Matplotlib基础_.vip31.60 MB

.Pandas内置数据可视化.vip52.13 MB

05 Python编程进阶866.84 MB

9.Pandas篇_4.DataFrame的选择操作.vip17.49 MB

8.Pandas篇_3.DataFrame的构建.vip24.68 MB

7.Pandas篇_2.Series介绍.vip24.12 MB

6.金融数据处理_2.金融计算.vip35.27 MB

6.Pandas篇_.Pandas三大数据结构介绍.vip16.79 MB

5.金融数据处理_.同时多只股票的信息.vip49.25 MB

5.Numpy篇_5.练习.vip45.91 MB

5.Pandas篇_0.层次化索引.vip14.94 MB

4.Pandas篇_9.Merge.vip50.21 MB

3.Pandas篇_8.Concat_Join.vip36.31 MB

2.Pandas篇_7.Group操作.vip48.92 MB

.Pandas篇_6.DataFrame的空值处理和复习.vip31.75 MB

0.Pandas篇_5.DataFrame的修改操作.vip76.08 MB

04.数据之网络数据读取_2.tushare.vip41.69 MB

04.Numpy篇_4.vip67.60 MB

03.数据之网络数据读取_3.文件存储.vip33.15 MB

03.Numpy篇_3.vip63.13 MB

02.数据之网络数据读取_.vip37.98 MB

02.Numpy篇_2.vip44.08 MB

0.数据之本地数据读取.vip57.70 MB

0.Numpy篇_.vip49.78 MB

04 Python编程基础

03 Python语言环境搭建

02 量化投资基础

0 量化投资前导及课程介绍

讲义.7z228.21 MB

1、本网站数据来自互联网，通过自动抓取公开网页链接构建数据库，系统将基于链接特征选择性收录符合收录标准的内容

2、根据用户输入的关键词，通过智能算法自动匹配并展示相关第三方网页链接。所有搜索结果均为实时动态生成

3、本站不控制、修改第三方网页内容，不对其可用性、准确性负责

4、搜索结果中的广告及推广内容不代表本站推荐或担保

5、所有内容获取/呈现均通过自动化程序完成，无人工干预