CQF報名時間并沒有限制，可以在一年中的任何時間進行報名。只是每年有兩個入學時間，分別是1月和6月，目前cqf協會已經公布了2024年最新的入學時間，是2024年1月23日。如果考生們現在報名，大家還有充足的時間來準備入學申請所需的材料。

CQF報名要多少錢？

　　在國內，目前2024年CQF的學費價格是69800元。CQF項目一旦開始就不再收取其他費用，所有資源均包含在CQF報名費用中，包括：

　　?前導課：數學、Python、金融

　　?直播課（含回放）、學習支持、答疑，pythonlab

　　?9本英文原版實體教材和其他學習資料

　　?CQF協會學習portal賬號（永久使用權）

　　?CQF APP（可下載課程離線觀看）

　　?Lifelong learning終身學習資源庫

　　?CQF所有模塊考試和期末考試

　　?訪問全球校友網絡

　　?Wilmott雜志一年訂閱（紙質）

　　欲知詳情及費用細目，請登錄CQF協會的網站www.cqf.com/fees

備考資料ue_arc_bkzl
請在下面紅色框內輸入分類名稱arc_bkzl_nameCQF

如何報名申請CQF項目？

　　1.在線申請

　　完成在線申請表格www.cqf.com/apply

　　2.等待審核

　　CQF協會將在48小時內通知學員是否初步接收。

　　3.報名與準備

　　CQF協會將要求學員提交一份簡短的報名表，接受學員的入學資格。在完成首次付款后，學員就可以查看入門課程，開啟學習。

CQF考試的內容有哪些？

　　CQF考試的核心課程由六個模塊與高級選修課程組成。模塊二、模塊三、模塊四之后有測試。在模塊六結束之時，所有學員都要完成一個final projectCQF核心階段，將自己的理論知識應用到現實問題的解決上。

　　模塊一：量化金融的基礎知識

　　CQF將向學員介紹作為模型框架的應用It?演算的規則。學員將使用隨機演算和鞅論構建工具，學習如何運用簡單的隨機微分方程以及相關的FokkerPlanck和Kolmogorov方程。

　　?資產的隨機行為

　　?重要的數學工具和結論

　　?泰勒級數

　　?中心極限定理

　　?偏微分方程

　　?轉移密度函數

　　?普朗克和科爾莫戈羅夫方程

　　?隨機微積分及其引理

　　?隨機微分方程的求解

　　?資產定價的二項模型

　　模塊二：量化風險與收益

　　包含經典的馬科維茨組合理論、資本資產定價模型以及這些理論的最新進展。CQF將研究量化風險與收益，研究計量經濟模型，如ARCH框架與VaR在內的風險管理指標，以及它們在行業中的應用方法。

　　?現代投資組合理論

　　?資本資產定價模型

　　?最優化投資組合

　　?風險監督和巴塞爾協議Ⅲ

　　?風險價值和虧損預期

　　?抵押品和保證金

　　?流動資產負債管理

　　?波動性過濾（GARCH系列）

　　資產收益:關鍵和經驗數據

　　?波動模型（ARCH框架）

　　模塊三：股票與貨幣

　　探討Black-Scholes理論作為基于定價和無套利原則的理論和實踐定價模型的重要性。學員將學習如何使用不同數學計算方法，在股票與貨幣的背景下，研究相應的理論與結果，熟悉目前使用的一些技術。

　　?Black-Scholes模型

　　對沖和風險管理

　　?期權策略

　　?歐式期權和美式期權

　　?有限差分法

　　?蒙特卡洛模擬

　　?奇異期權

　　?波動率套利策略

　　?定價鞅論

　　?Girsanov's定理

　　高級風險指標

　　?衍生品市場

　　?完全競爭市場中的高級波動率建模

　　模塊三

　　?非概率波動模型

　　?股票與貨幣

　　?FX期權

　　模塊四：數據科學與機器學習I

　　對金融學中所用到的最新數據科學和機器學習技術作了介紹。從全面概述入手，該模塊提供一些關鍵數學工具的學習，接著深入研究監督式學習，包括回歸方法、K近鄰算法、支持向量機、集成方法等眾多知識。

　　?什么是數學建模？

　　?機器學習中的數學工具

　　?主成分分析法

　　?監督式學習技術

　　?線性回歸

　　?邏輯、SoftMax回歸

　　?懲罰回歸：lasso,ridge,elastic net

　　K近鄰算法

　　?基本貝葉斯分類器

　　?支持向量機

　　?決策樹

　　?集合方法：袋翻法與助推法

　　?Python–機器學習算法庫

　　模塊五：數據科學與機器學習II

　　介紹了金融領域用到的多種機器學習方法。從非監督式學習法、深度學習、神經網絡開始，CQF將逐步深入到自然語言處理和強化學習。學員將學習理論框架，更為重要的是，學員將學會如何分析實際案例，探索這些技術在金融學中的應用。

　　?非監督式學習技術

　　?K值聚類

　　自組織映射

　　?T分布隨機近鄰嵌入

　　?均勻流形近似與投射

　　?自編碼器

　　?人工神經網絡

　　?神經網絡架構

　　?自然語言處理

　　?深度學習與NLP工具

　　?強化工具

　　?基于AI的算法交易策略

　　金融學中的實際機器學習案例

　　金融學中的量子計算

　　?Python–TensorFlow

　　模塊六：固收與信用

　　CQF將回顧行業中用到的眾多利率模型，關注每個模型的應用與限制。在第二部分，將學習信用概念，以及信用風險模型在量化金融中的應用，包括結構式、簡化式和Copula模型。

　　?固收產品與市場操作

　　?固收產品與市場操作

　　?收益率、久期、凸性

　　?隨機利率模型

　　?利率的隨機方法

　　?校準與數據分析

　　.Heath,Jarrow和Morton

　　?Libor市場模型

　　?結構模型

　　?簡化型模型與風險率

　　?信用風險與信用衍生產品

　　.X估值調整（CVA,DVA,FVA,MVA）

　　.CDS定價與市場方法

　　.結構型與簡化型的違約風險

　　?Copula模型的實施

　　高級選修課

　　CQF項目為學員提供進一步提升個人專業度的機會，通過選擇兩門高級選修課，結合個人的職業目標發展所需專業技能。CQF的高級選修課包括：

　　?高級機器學習

　　?高級集成模型I

　　?高級機器學習II

　　?高級組合管理

　　?高級風險管理

　　?高級波動性建模

　　?算法交易I

　　?算法交易II

　　?量化中的行為金融學

　　?C++

　　?對手方信用風險建模

　　?去中心化金融技術

　　?能源交易

　　?外匯交易和對沖

　　?數值法

　　?金融學中的量子計算

　　?基于數據科學和機器學習的R語言

　　?風險預算：基于風險的資產配置方法