CQF报名时间并没有限制,可以在一年中的任何时间进行报名。只是每年有两个入学时间,分别是1月和6月,目前cqf协会已经公布了2024年最新的入学时间,是2024年1月23日。如果考生们现在报名,大家还有充足的时间来准备入学申请所需的材料。

CQF什么时候可以报名?

CQF报名要多少钱?

  在国内,目前2024年CQF的学费价格是69800元。CQF项目一旦开始就不再收取其他费用,所有资源均包含在CQF报名费用中,包括:

  •前导课:数学、Python、金融

  •直播课(含回放)、学习支持、答疑,pythonlab

  •9本英文原版实体教材和其他学习资料

  •CQF协会学习portal账号(永久使用权)

  •CQF APP(可下载课程离线观看)

  •Lifelong learning终身学习资源库

  •CQF所有模块考试和期末考试

  •访问全球校友网络

  •Wilmott杂志一年订阅(纸质)

  欲知详情及费用细目,请登录CQF协会的网站www.cqf.com/fees

如何报名申请CQF项目?

  1.在线申请

  完成在线申请表格www.cqf.com/apply

  2.等待审核

  CQF协会将在48小时内通知学员是否初步接收。

  3.报名与准备

  CQF协会将要求学员提交一份简短的报名表,接受学员的入学资格。在完成首次付款后,学员就可以查看入门课程,开启学习。

CQF考试的内容有哪些?

  CQF考试的核心课程由六个模块与高级选修课程组成。模块二、模块三、模块四之后有测试。在模块六结束之时,所有学员都要完成一个final projectCQF核心阶段,将自己的理论知识应用到现实问题的解决上。

  模块一:量化金融的基础知识

  CQF将向学员介绍作为模型框架的应用Itô演算的规则。学员将使用随机演算和鞅论构建工具,学习如何运用简单的随机微分方程以及相关的FokkerPlanck和Kolmogorov方程。

  •资产的随机行为

  •重要的数学工具和结论

  •泰勒级数

  •中心极限定理

  •偏微分方程

  •转移密度函数

  •普朗克和科尔莫戈罗夫方程

  •随机微积分及其引理

  •随机微分方程的求解

  •资产定价的二项模型

  模块二:量化风险与收益

  包含经典的马科维茨组合理论、资本资产定价模型以及这些理论的最新进展。CQF将研究量化风险与收益,研究计量经济模型,如ARCH框架与VaR在内的风险管理指标,以及它们在行业中的应用方法。

  •现代投资组合理论

  •资本资产定价模型

  •最优化投资组合

  •风险监督和巴塞尔协议Ⅲ

  •风险价值和亏损预期

  •抵押品和保证金

  •流动资产负债管理

  •波动性过滤(GARCH系列)

  资产收益:关键和经验数据

  •波动模型(ARCH框架)

  模块三:股票与货币

  探讨Black-Scholes理论作为基于定价和无套利原则的理论和实践定价模型的重要性。学员将学习如何使用不同数学计算方法,在股票与货币的背景下,研究相应的理论与结果,熟悉目前使用的一些技术。

  •Black-Scholes模型

  对冲和风险管理

  •期权策略

  •欧式期权和美式期权

  •有限差分法

  •蒙特卡洛模拟

  •奇异期权

  •波动率套利策略

  •定价鞅论

  •Girsanov's定理

  高级风险指标

  •衍生品市场

  •完全竞争市场中的高级波动率建模

  模块三

  •非概率波动模型

  •股票与货币

  •FX期权

  模块四:数据科学与机器学习I

  对金融学中所用到的最新数据科学和机器学习技术作了介绍。从全面概述入手,该模块提供一些关键数学工具的学习,接着深入研究监督式学习,包括回归方法、K近邻算法、支持向量机、集成方法等众多知识。

  •什么是数学建模?

  •机器学习中的数学工具

  •主成分分析法

  •监督式学习技术

  •线性回归

  •逻辑、SoftMax回归

  •惩罚回归:lasso,ridge,elastic net

  K近邻算法

  •基本贝叶斯分类器

  •支持向量机

  •决策树

  •集合方法:袋翻法与助推法

  •Python–机器学习算法库

  模块五:数据科学与机器学习II

  介绍了金融领域用到的多种机器学习方法。从非监督式学习法、深度学习、神经网络开始,CQF将逐步深入到自然语言处理和强化学习。学员将学习理论框架,更为重要的是,学员将学会如何分析实际案例,探索这些技术在金融学中的应用。

  •非监督式学习技术

  •K值聚类

  自组织映射

  •T分布随机近邻嵌入

  •均匀流形近似与投射

  •自编码器

  •人工神经网络

  •神经网络架构

  •自然语言处理

  •深度学习与NLP工具

  •强化工具

  •基于AI的算法交易策略

  金融学中的实际机器学习案例

  金融学中的量子计算

  •Python–TensorFlow

  模块六:固收与信用

  CQF将回顾行业中用到的众多利率模型,关注每个模型的应用与限制。在第二部分,将学习信用概念,以及信用风险模型在量化金融中的应用,包括结构式、简化式和Copula模型。

  •固收产品与市场操作

  •固收产品与市场操作

  •收益率、久期、凸性

  •随机利率模型

  •利率的随机方法

  •校准与数据分析

  .Heath,Jarrow和Morton

  •Libor市场模型

  •结构模型

  •简化型模型与风险率

  •信用风险与信用衍生产品

  .X估值调整(CVA,DVA,FVA,MVA)

  .CDS定价与市场方法

  .结构型与简化型的违约风险

  •Copula模型的实施

  高级选修课

  CQF项目为学员提供进一步提升个人专业度的机会,通过选择两门高级选修课,结合个人的职业目标发展所需专业技能。CQF的高级选修课包括:

  •高级机器学习

  •高级集成模型I

  •高级机器学习II

  •高级组合管理

  •高级风险管理

  •高级波动性建模

  •算法交易I

  •算法交易II

  •量化中的行为金融学

  •C++

  •对手方信用风险建模

  •去中心化金融技术

  •能源交易

  •外汇交易和对冲

  •数值法

  •金融学中的量子计算

  •基于数据科学和机器学习的R语言

  •风险预算:基于风险的资产配置方法