简单介绍量化投资之后，本课程将着重讲解如何利用历史数据进行策略的回测，如何寻找Alpha，以及如何构造组合以取得高 Sharpe 的超额收益。课程将兼顾量化模型的理论基础和在实际中的方法。

①学习量化投资所需要的基本的金融和数学知识以及编程技能

②熟悉中国市场，尤其是从量化投资的角度，培养从市场中发现机会并构建盈利策略的能力

③将学习的知识应用到实际市场并构建简单的量化策略，获得开发量化策略的实践经验

①在美股/A 股/商品期货市场中，通过提取高频量价数据中关于市场微观结构(marketmicro-structure)的有效信息，预测 short-horizon price movement

②提取analyst forecast 中的有效信息，预测股票价格走势，形成交易策略

在真实的股票量化交易背景下：建立基于机器学习的多因子投资体系，并将研究成果落地到详细的交易仓位

①利用提供的多种真实股票数据特征，通过机器学习的方法形成可供交易的交易信号

②基于机器学习的交易信号，通过组合优化的方法形成系统化的交易仓位

①学习量化相关的知识，包括量化投资的概念、因子检测等

②研究因子择时的信号，并对比使用择时信号后对因子收益的提升贡献

掌握与 GPT 模型互动的技巧，精炼出高效的prompt设计方法，以促进高质量、针对性强的研究报告的生成

①分组实践训练：一组聚焦于国家研究，另一组聚焦于行业研究

②深入 GPT 模型学习：项目初期，参与者将接受关于 GPT 模型基础知识、操作技巧和最佳实践的培训，确保每位学生都能熱练地与 GPT 模型进行互动

③Prompt设计与优化：学生将学习如何设计有效的prompt，以引导GPT生成所需的研究报告内容。这包括学习如何根据研究目标调整问询方式，如何通过迭代试验来精炼prompt，以及如何利用 GPT 的反馈来优化信息的获取

①大语言模型因子生成、评估、代码化：构建GPT-agent来生成预测因子表达式、评估因子表达式、代码实现因子表达式

②将研报、因子日历用模型转化为实际可用的因子库

①收集和整理金融素养教育的相关资料和资源：收集金融素养教育的典型任务、经典教材、案例分析、实践活动等资源，并探索大语言模型是否能提升这些内容教学质量和教学效率

②探索中英文环境中典型的金融素养教育工具：通过桌面搜索和专家访谈的形式，收集和总结

③设计一款智能化的金融素养教育工具原型：与课程项目提供方的产品经理和工程师配合，充分利用大语言模型的生成对话和任务编排能力，完成一个智能化的金融素养教育产品的原型设计

④验证假设：通过实地测试和评估，验证以下假设：

·大语言模型可以提供高质量、准确和实用的金融素养教育内容

·大语言模型可以根据学生的学习需求和水平，提供个性化的学习支持和答疑解惑服务

·利用大语言模型进行金融素养教育可以提高学生的学习效果和兴趣