在人工智能与大数据广泛赋能金融交易的时代，量化投资已成为机构与个人投资者实现收益稳健化与风险可控化的核心路径。本课程以QMT（迅投）量化交易平台为实践基础，融合AI算法与Python量化编程，系统讲解从策略逻辑、回测优化到实盘部署的完整流程。
课程以“理论+代码+实战”三位一体的形式展开，兼顾量化思维、数据建模、算法实现与风控策略，帮助学员掌握从0到1构建量化交易体系的能力，真正实现AI在量化交易领域的落地应用。
✔ 掌握QMT量化交易平台的环境搭建与API调用方法。
✔ 独立完成主流量化策略的逻辑分析与代码实现。
✔ 运用AI技术（如机器学习与多因子模型）提升策略的预测能力与稳定性。
✔ 熟练进行策略回测、绩效评估及风险控制。
✔ 完成从历史回测到实盘部署的全流程操作，构建可复用的量化交易体系。
金融服务机构、证券公司、基金管理公司量化与技术团队
程序化交易员、投资研究员、数据分析师
具有Python编程基础的白领人员
计划转型AI+金融科技领域的技术与业务人员
上海交大教育（集团）有限公司于1999年8月4日设立，注册资本1.5亿元人民币，股东为上海交大产业投资管理（集团）有限公司和上海新南洋昂立教育科技股份有限公司。集团以独立法人经济实体的形式对外发展终身教育事业，传承 “起点高、基础厚、要求严、重实践、求创新”的醇厚传统，秉持“严谨、务实、创新”的质量方针，为打造社会化教育平台，充分发挥自身在教育、人才、技术及信息方面的资源和优势并服务于社会。
| 课程内容 | 课程大纲 |
|---|---|
| 第一章：量化思维 |
股市里“永不亏钱”的策略 为什么要学习量化交易 主流量化交易策略类型 量化交易分类与流程 |
| 第二章：基础学科 |
金融基础知识 数学与统计学基础 交易算法与执行逻辑 |
| 第三章：股票交易相关知识 |
股票投资的优势与分类 行业划分与价格影响因素 财务指标与K线形态基础 |
| 第四章：Python基础与AI编程 |
Python入门与开发环境 数据类型与控制语句 数据可视化（Matplotlib） 数据处理（Pandas）与科学计算（NumPy） 技术指标库（TA-Lib）应用 利用AI进行数据分析与策略辅助 |
| 第五章：量化交易平台概述 |
开源量化框架与独立量化平台对比 券商量化平台生态 量化交易开通门槛与实操流程 |
| 第六章：QMT量化交易模块 |
QMT安装与环境配置 仿真账号与数据补全 Python环境设置与界面风格优化 账户绑定与行情登录 测试程序与下单指令 |
| 第七章：QMT客户端交易 |
基本API函数调用 行情与账户数据获取 下单与撤单实战 使用PyCharm编写策略脚本 |
| 第八章：QMT经典策略与AI应用 |
AI赋能指标公式 单均线与多均线策略 逆向交易与网格策略 趋势跟踪与马丁格尔策略 多因子模型与AI选股策略 |
| 第九章：XtQuant模块应用 |
XtQuant依赖环境与运行机制 XtData行情模块 XtTrade交易模块 XtQuant实例演练 |
| 第十章：云端值守与策略发布 |
云端部署与自动值守机制 实盘运行监控与异常应对 策略共享与小组竞赛实战 构建持续优化的AI量化体系 |
上海市徐汇区乐山路33号交大科技园B栋4层
周一至周日 9:00-19:00
400-820-7975
