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。
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
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
