資料分析 Quantitative Analysis (1)

教學目標

初步了解量化分析的基本概念和學習心得。

重點概念

首先在過去主要是以研究財報和公司客戶進行分析,但現今則主要是利用演算法和複雜的統計模型來找出最有可能的獲利交易與模式。此時量化分析則主要是在商業或金融上採用數學統計模型,來衡量與分析市場行為的技術。

接著量化分析師則是量化數字進行分析,試圖以數學模型反映現實,也就是透過量化分析評估績效、評價金融商品、預測股價走勢、…等,但是雖然量化分析的數學模型能夠幫助我們更客觀的衡量風險和收益,卻很難發明出一個能夠完全精準的預測模型。

再來若我們想要學習量化分析,則能夠透過 DataCamp 線上課程網站有系統的學習量化分析,主要以 R 語言實作為主,當完成之後將會提供量化分析師職涯課程的證書,這將會花費好幾個月的時間進行學習,並且若數學底子沒有很好,則經常會需要花費更多時間了解數學公式,總共有十五門課程,分別為:

  1. Introduction to R for Finance
  2. Intermediate R for Finance
  3. Manipulating Time Series Data in R with xts & zoo
  4. Importing and Managing Financial Data in R
  5. Introduction to Time Series Analysis
  6. ARIMA Modeling with R
  7. Manipulating Time Series Data in R: Case Studies
  8. Forecasting Using R
  9. Visualizing Time Series Data in R
  10. Introduction to Portfolio Analysis in R
  11. Intermediate Portfolio Analysis in R
  12. Bond Valuation and Analysis in R
  13. Credit Risk Modeling in R
  14. Quantitative Risk Management in R
  15. Financial Trading in R

最後在透過 DataCamp 學習量化分析過程中若是建議可以參考「金融科技實戰:R語言與量化投資」中文電腦書籍,以利了解資產收益率及風險、投資組合理論、資本資產定價模型、三因子模型等金融理論基礎,認識時間序列的基本性質、預測、GARCH模型、配對交易策略、投資相關的K線圖、動量交易策略、RSI相對強弱指標、均線系統策略、… 等重點概念。

總結若我們對於量化分析有興趣,則建議可以先透過 DataCamp 網站以 R 語言學習量化分析,透過撰寫程式,根據需求找出最合適的量化分析數學模型,將是一件非常有挑戰的事情。

相關資源