北京量化交易课程

1. Python数字货币量化交易进阶课程大家学的怎么样了

Python数字货币量化交易进阶课程，已经学完了，大体掌握了。

2. 学习量化交易都有哪些书可以参考

提两本相关的学术著作。一本是2011年的论文集 Econophysics of Order-driven Markets，收录了一系列关于盘口和高频数据建版模的论文。权另一本是2013年的 High-Frequency Trading book，包含一些策略研究和机器学习方面的应用。这两本一定程度上可以反应学界目前对这个领域的研究现状。

3. 有什么量化交易的培训课程

我学过类似的课程，但是我是股市小白 不太懂这个，当时听不懂。 但是真功夫藏经阁里面还是很详细的，每天下午2点半有个超极限交易这么个

4. 想学量化交易的C++编程，有没有比较好的参考书可看

下面这个可以参考一下，具体还要看个人的情况。

我觉得应该根据你的工作需要或者说你的发展方向而定。基本上两大类吧：C/C++和Java。比如，如果你要做企业级应用的你应该学习Java和C＃；如果你想做嵌入式，那么应该学好C语言；其他情况下，在你不知道要做什么之前你可以选择学习C/C++。学会这两大类中的一类，对于你学习其他语言都将是比较轻松，包括脚本语言，动态语言„„呵呵，这里想就自己的学习经历和情况给大家一个建议，仅供参考。
1、我的入门是从学习C语言开始的（其实课程是C＋＋)，这是我们学校的公共课，我上课比较认真（虽然老师讲得很差，而且一段时间后，我就发现自己的基础掌握比她好，当然理解深度没她好），因此，我认为对于完全没有基础的人而言，听别人讲比较容易入门。当时的教材是学校自己编的，挺烂的。
建议一（以C/C++为例），对于刚想进入编程的人（就是从来都没有接触过编程的人），最好是听课的方式（自己看的话估计要很慢，而且很痛苦），可以找视频或者培训等。C语言推荐入门教材：谭浩强的C语言，最新版是第三版，不过第二版应该也可以了（蓝色的）。说明一下：坚决不同意直接看K&R的《The C programming language》，这本书绝对不是初学者可以看懂的，里面讲语法的并不多，语法都是合在程序里面讲。不过这本书非常好，入门以后一定要看的一本书。
当然可以从C＋＋直接入门，C＋＋之父强烈推荐从C＋＋直接入手。C＋＋推荐入门教材：钱能的C++（红色的，清华大学出版），这本书第一版不是ISO C＋＋，不过比较经典，作者现在也出了第二版了，第二版好像不是太好。国外的最好的入门教材据说是：《Acclerated C++》作者是Koenig和Moo夫妇，非常厉害。他们的著作还有《c陷阱与缺陷》《c＋＋沉思录》。《Acclerated C++》这本入门的书我没有看过，我觉得还是先找本国内的书好好看，看的差不多了，国外的经典书籍随便看就会觉得很有味道，否则你可能会很受打击。入门的书至少要看两三遍（要彻底理解哦 ):）。如果是C＋＋，我建议后面类的部分至少要理解三到五遍。说明一下，c＋＋模板的部分可以先不用看，如果有兴趣的话，等把c＋＋学的差不多了，我觉得可以把模板、STL、泛型编程结合起来学习，这个又是一个很大的工作量了，又得下很大的功夫。所以说，C++博大精深啊。
建议二、学习过程中要结合简单的算法，像冒泡还有类似c语言程序百例这样的小例子做做；更进一步应该做点大一点的项目，最好是控制台程序。或者你已经着手学习win32、MFC或linux，你也可以结合平台做点小的项目。
2、第一阶段是最苦的，接下来相对就知道应该怎么去学习了。这时候假设你已经有了扎实的c＋＋基础。这是你可以选择也应该选择发展方向了，做企业级应用，还是系统开发，嵌入式设计或者游戏开发„„ 那时我其实并没有考虑那么多，因为我不是学计算机的，因此我就把参加一些计算机之类的考试当作学习目标。我当时其实C＋＋语言基础已经很不错了，但是上机实践很少（那时我没有电脑），因此参加省计算机二级，全国计算机三级和全国计算机四级考试，结果上机都没有通过。我很郁闷，二级的时候是我不知道怎么样进那个DOS界面把题目调出来，三级的时候是很快就编好了，也通过运行了，可是成绩出来却不及格，四级的时候是编好了，可能是我那题目比较难，好像用了两次循环，结果那破机器竟然承受不了。后来一乱就毁了（当然主要是上机太少了）。不过我那些上机都没有去补考。二级和三级的时候是自恃水平已经远远超过考试要求了，四级的时候则因为自己已经通过高级程序员考试，觉得补考上机好像没必要。（我高程和四级都是在2003年考的）。
建议三：定位学习方向，并好好学习计算机基础知识。在你还不确定学习方向，或者你还在大学本科期间，那么我认为应该先把计算机的基础知识好好学习一下。我认为计算机必学的基础课程而且要精学——首先是数据结构，其次是操作系统、软件工程，数据库。这四门课不管你将来想从事哪个方向的基本上都会用到。当然，有时间的话，其他基础课都是应该掌握的，离散数学、组成原理、体系结构、网络、编译原理甚至跨学科的。方向是很重要的，因为知识其实是无限的，一个小小的领域就够你研究很久了。本科生可能还没有什么方向的感觉，但是到了研究生你一定要清楚自己到底想要做什么，要往哪个方面发展，不要盲目学，瞎学乱学，否则最后可能看似什么都会，其实什么都不会。
我也曾经学习过Java一段时间，这篇文章既然是谈编程语言的入门学习，我也简单说一说。因为有了比较C＋＋扎实的语言基础，所以Java学起来比较轻松。我先找了国内一本薄薄的教材很快看了一遍（几乎都理解，但是只看了一遍），空闲的时间配合清华张孝详老师的java视频。以后其实才算我真正要开始入门JAVA的学习，我用了是《core java》中文第六版（本来想用候捷翻译的第二版的《Thinking in Java》，发现被同学弄丢了），这本书我差不多用了20天才把里面的知识都搞懂，当然包括程序风格的模拟，最重要的时我把有关GUI编程的那三章里面的程序例子几乎可以默写出来（当然，那是因为我理解了，其实这样就变成了我的知识了），里面的API我也记得差不多了。（说明：Java里面的GUI编程没什么用处了，建议大家先跳过，GUI不是Java的长处，如果以后需要的话再查手册或者再记忆学习）。
其实学习了C＋＋以后，学习Java是比较容易了，但是建议不要两种都学啦，他们的用途是不一样的，你应该熟悉其中一种，更重要的是熟悉其应用领域所需要的专业知识甚至平台，以及使用他们的企业，有创业计划的还应该考虑一下他们的应用领域，最重要的是思考他们的潜在的应用领域。
对于初级的学习就讲到这里，接下去的学习其实都是高级部分，先不介绍了，因为：一、我自己都还没有学懂，这里乱吹会误人子弟。 二、高级东西的学习很多，有很多选择，又需要很多繁琐的知识，可能也一下子没办法讲清楚。

5. 量化分析课程里除了桥博士的qmacd海龟训练营还有什么

我目前正在学桥博士的【K线形态组合分析】课程，它讲的是如何用量化思维去分析k线形态组合。如果你对量化感兴趣可以去尝试下。

6. 用python做量化交易要学多久

5个月。

python凭借其突出的语言优势与特性，已经融入到各行各业的每个领域。一般来说，python培训需要脱产学习5个月左右，这样的时长才能够让学员既掌握工作所需的技能，还能够积累一定的项目经验。当然如果你想要在人工智能的路上越走越远，则需要不断的积累和学习。

python培训的5个月时间里，有相当大一部分时间是在实战做项目，第一阶段是为期一个月学习python的核心编程，主要是python的语言基础和高级应用，帮助学员获得初步软件工程知识并树立模块化编程思想。学完这一阶段的内容，学员已经能够胜任python初级开发工程师的职位。

(6)北京量化交易课程扩展阅读：

Python开发基础课程内容包括：计算机硬件、操作系统原理、安装linux操作系统、linux操作系统维护常用命令、Python语言介绍、环境安装、基本语法、基本数据类型、二进制运算、流程控制、字符编码、文件处理、数据类型、用户认证、三级菜单程序、购物车程序开发、函数、内置方法、递归、迭代器、装饰器、内置方法、员工信息表开发、模块的跨目录导入、常用标准库学习，b加密 e正则logging日志模块等，软件开发规范学习，计算器程序、ATM程序开发等。

7. 学完同济乔博士的《量化分析海龟训练营》课程就可以使用量化交易了吗

【量化分析海龟训练营】课程我没学过，但是我之前学过同济乔博士的【k线形态组合解析】。由于管理的账户收益不错，在公司里从基层员工已经成为一个小管理。

8. 量化分析课程怎么自学最好

我是参加的同济桥博士的量化投资海龟交易法则培训营，觉得这个量化分析培训还不错

9. 量化交易如何入门要学习多长时间

很好入门，多学多看。
学习量化交易，一定要理解它的风险性从何而来。
首先是一二级专市场“级属差”风险，其次是交易员操作风险，最后是系统软件的风险。
第二种风险是交易员操作失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。
有个业内资深人士带路会事半功倍，尤其对金融爱好者而言，一些理解上的细微偏差，都可能导致整体概念上的错误认识。
比如我就是通过资深人士带着入门的。除了学习量化收益，还学了很多投资理财方面的知识，有各种理财偏好，每个群体对应了不同的投资类型……推敲过后，我选择了无界财富，因为他们风控模式可以看出，比如国有金融机构风控、银行存管这些，比较稳健的方式。
所以说，他不仅是学我习量化交易的前辈，还是我理财的入门引导人，他多次提醒我们不要盲目跟风，以自己的风险承担能力来选择。如果偏好稳健的方式，同样可以选择无界财富这类稳健平台作为入门。

10. 学量化交易全部要哪些书

一本是2011年的论文集 Econophysics of Order-driven Markets，收录了一系列关于盘口和高频数据建模的论文。另一本是2013年的 High-Frequency Trading book，包含一些策略研究和机器学习方面的应用。这两本一定程度上可以反应学界目前对这个领域的研究现状。