1.CFA金融科技小白都开始学了，为什么量化后必然跟着Python？

       

 

　　CFA提起量化，很多人都自然而然地想起Python，似乎这两者有着密不可分的联系，我们也发现在很多量化投资的业务链条都能在Python找到相应的框架实现（国内考cfa怎么样？）。

 

　　对比起其他编程语言，Python更简洁，更简单易学，很多程序员都认为它应该算是最简单代码的开始。而被昵称为胶水语言的它，可以将其他语言制作的模块（尤其是C/C++）联结起来，对于小白的我们，它具有强大且丰富的库，封装后可以轻松调用。

 

　　它在TIBOE编程语言排行榜里在近几年排位一直都在上升，从2013的第8位，到2018上升到第3位（9月第一次冲上第3，10月微弱劣势排在第4），而排在前三的是Java、C、C++。见以下排行榜：

 

　　毕竟那是编程领域，而在量化投资领域，全球注册用户最多的商业量化Uqer优矿，主要是基于Python实现和提供服务的。而后续跟进的量化平台也都是基于Python环境。

 

　　2.CFA金融科技跨界互抢饭碗的时代。

 

　　实际上，在量化策略的开发和实现上，用Matlab、C、C++的也不是没有，但在这个需要跨界互抢饭碗的时代，Python应该是最容易入门的。毕竟从跨界来说，金融人需要懂一点编程，Python语言的可读性很强；而技术需要懂一点金融原理，Python有各种包和库可以直接调用。

 

　　肯花功夫学，其实这对双方的门槛都不太高，甚至对金融人还有一丢丢的优势，毕竟入门后看懂策略代码做一些修改都不是难事，而懂量化逻辑和原理，对开发新策略还是有帮助的。

 

　　3.Python资源的选择困难症

 

　　听起来Python学习起来不太难，但是在选择资源上，大部分人都犯难了。网上的资源很多，而且经常会有动辄几十G的免费资源包，其实这对于自学能力很强的同学确实是福音，但选择上确实也花费了不少的时间。

 

　　而对于自学本来就困难的同学，这更像是一场收集战，当收集到的资源越多就越困惑，越困惑就越不知道从何看起。

 

　　资料包本身不能给我们带来知识，学习和行动才可以。而我们往往容易陷入收集的怪圈中，免费资源的时间筛选成本很高，而时间成本恰恰是我们现在这个知识爆炸时代中最贵的。

 

　　而且对于想学Python的金融人，从最基础的语法开始学起到策略实现有多少步呢？就像学一门外语，启动是最难的，学了好久的语法单词，发现日常的应用都不会，就没有坚持的动力。其实从量化投资的角度，我们有一些内容是可以先跳过，后续再来补的。而这个跳过，其实也很看老师的指导。

 

　　4.CFA金融科技进阶课程来啦

 

　　一直有关注金融小课的同学应该知道，我们去年推出了Python与量化投资的入门篇，也有超过1000人听过我们的课程和参加过我们的量化特训营，量化入门特训营已经举办过3期了。很多同学都非常关心什么时候会出进阶篇，很想继续在策略开发上有进一步的学习。

 

　　时隔一年，这次给大家带来了Python与量化投资的进阶篇，由于Fintech加入了2019CFA的考纲，所以课程准备上还加入了少量内容关于机器学习的初级应用。

 

　　5.CFA金融科技课程介绍

 

　　Part1课程

 

　　numpy和pandas的进阶讲解作为对量化初阶课程的衔接，为学员准备了pandas和numpy这两大数据分析最得力助手的进阶学习，帮助大家在实操过程中能够更为高效的编译代码；

 

　　利用python进行金融建模这部分为大家讲解和展示了一些经典的金融模型原理和代码及机器学习的初级应用。

 

　　Part2课程

 

　　分别利用JupyterNotebook和优矿平台两大应用工具，CFA考试为学员们展示几大量化经典策略，一起操作和实践，你会发现其实量化的世界离你很近。