未明学院：量化金融训练营全新升级加量不加价，全副武装金融行业实战技能！
在当下的“互联网+”“大数据”社会，金融科技（FinTech）已经成为了金融行业新的发展方向。根据金融稳定理事会（FSB）的定义，金融科技主要是指由大数据、区块链、云计算、人工智能等新兴前沿技术带动，对金融市场以及金融服务业务供给产生重大影响的新兴业务模式、新技术应用、新产品服务等。
无论是哪种技术驱动，金融科技领域都离不开强大的数据处理能力和编程能力。而要想在这一领域占得先机，提升自己的大数据、云计算、编程等量化分析能力，至关重要。
然而，与市场需求极度不匹配的是，金融相关专业的人才虽然不少，但同时掌握数据分析技能的复合型人才却极度紧缺。
《2018中国人才招聘趋势报告》称数据分析人才最稀缺，供给指数最低。猎聘、智联招聘等多个网站对于数据分析岗位的人才需求每年以37.1%的速度激增，但基础性大数据分析人才缺口高达1400万，严重跟不上市场需求。
在这样一个人才稀缺市场之中，谁拥有足够强悍的大数据分析能力，谁就能占尽先机。
结合对金融行业的具体分析，和目前学生的主要短板与需求，未明学院致力于通过项目制教学教授学员量化分析技能，为每位学员设置高含金量的行业热点项目，让学员在学习量化金融领域核心技能的同时，获得一个高含金量的项目经历。
课程全新改版升级
未明学院在得到往期学员的反馈和对最新行业需求进行洞察后，对量化金融训练营进行了全面升级，旨在更有针对性地帮助学员应对金融行业的种种挑战。
01
加量不加价
课程价格不变，课时翻倍。
原先的训练营课时安排为2.5周直播课（10课时）+5次作业练习+2周实战项目，改版后的课时安排为5周直播课（20课时）+10次作业练习+2周实战项目。
授课时间翻倍，课程内容更加细致全面，从财务指标、python基础语法这些内容开始，逐步深入下去，让大家有足够的时间循序渐进。
同时，课程中的示范项目增加至4个精讲演示项目：
上证50成分股“贵州茅台”定价分析
大宗交易的市场特征研究
三因子模型在上海证券市场的检验
A股市场多因子风险模型
示范项目涵盖了公司研究，市场驱动，基本面量化等券商研究所常见项目，理解消化精讲项目之后，学员将收获更多实战经历，在职场中获得更强的竞争力。
02
升级课程设计，剔除学习上的绊脚石
针对往期学员学习过程中出现的难点问题，训练营教研团队调整升级课程设计，帮助大家一一克服学习上的绊脚石，即使是零基础的同学，也不用惧怕“从入门到放弃”的问题！具体体现在：
1、增加财务信息和金融模型解读，帮助理解策略背后的逻辑
各种纷繁的投资策略中往往会涉及到大量的基础知识和金融财务术语，依样画葫芦也许可以应付眼前的需要，但如果知其然而不知其所以然，会让我们丧失举一反三的拓展能力。
升级版课程中，我们增加了相关模块，能让大家准确解读关键基本面数据，了解财务比率分析的系统框架，掌握构成投资决策基础的指标和模型。
2、强化Python基础语法讲解，夯实基础
在使用Python的过程中，你可能遇到过报错，但两眼一抹黑，看着报错提示却依然不知道为什么；也可能在看别人代码时，完全get不到对方的思路，不懂操作的意图。Python很强大，但越使用越会发觉基础知识的重要，只有学好基本功，之后才能轻松看懂代码，解决报错，需要新内容时迅速学懂。
全新升级后，我们强化了Python基础部分，对大家普遍困惑的数据结构、数据结构操作、流程控制、函数等基础内容逐一讲解，总结常见报错，帮助大家夯实进一步深入的基础。
3、单辟数据处理专题，总结常用操作
实际项目中，数据处理是关键步骤，这是金融量化分析的一大特征。我们将花费充足的时间精力在数据规整上，清理、转换、聚合、合并、重塑等等都是常见操作；无量纲化处理中的极值化、标准化、中性化也是我们的必要步骤，只有把数据处理到满足建模的要求，我们才能进一步深入。
在新的课程中，我们将单独开辟数据处理的专题，为大家总结金融数据的常用操作方法，以应对多变的数据处理需求。
03
作业练习解题难度设计，新增代码导读
改版后，我们在作业练习的难度设置上更加注重梯度，从易到难，能起到循序渐进训练作用；同时，学员可以根据自己的掌握情况，选择不同的作业练习版本，获取不同程度的tips，为大家提供更多的训练选择。
04
实战项目改为单人进行，增加项目讲解
不同于小组项目的分工合作，采用单人项目形式可以让学员更加完整地接触项目全流程，了解每个环节的细节，避免小组内成员时间安排不统一、基础水平不同的磨合问题，项目过程中老师给出的指导与答疑也能为项目作者带来更多的启发与收获。
同时，为了大家可以更进一步了解实战项目，升级课程中增加了项目解读、后续项目经历利用等讲解内容，让大家在后续申请材料与面试过程中更加得心应手。
学员报告展示
以指南者往期一位金融专业学员为例，其完成的《业绩预告效应及影响因子研究》项目经历，完整地体现出其在数据获取、数据处理、数据分析、金融基础、工具使用等各方面的能力。
数据获取能力 ：数据是现在几乎所有金融类项目的支撑，所以多渠道的数据获取能力非常关键。该项目可以反映出该同学良好的数据获取能力。
金融基础 ：通过金融量化项目，可以表现自己坚实的金融基础，对金融市场，Markowitz，CAPM，有效市场等等基础知识有所应用，让招生官或HR了解自己与专业的匹配度。
数学基础 ：描述统计和推论统计分析是金融/金工等专业的重要基础，利用量化项目可以很直观地展示出自己在这些领域的能力。
数据处理能力 ：金融实践离不开数据处理能力，对异常值、重复值、缺失值等的熟练处理，都可以通过项目经历来表现。
数据分析能力 ：面对大量数据，能从数据中发现规律和趋势，是招生官和HR都极为看重的能力，而通过项目实战，这一能力亦可展示出来。
工具使用 ：能熟练使用分析工具是定量研究的核心能力之一，项目过程中所使用的统计软件及可视化工具等，也能作为重点在简历中提及。
最终这位同学也是凭借出色的软硬件条件，顺利拿到了某知名券商的全职offer。
往期成功案例
01
中山大学 信息管理与信息系统
研究生offer：哥伦比亚大学金融工程
量化项目经历：员工持股计划（ESOP）事件驱动策略研究
◆ 梳理ESOP的主要流程及相关信息披露规定；
◆ 通过金融终端收集历年（2011-2017）ESOP事件相关数据，按年份、申万行业、所属板块、公司属性等多个角度，对数据进行分类统计和可视化展示；
◆ 对ESOP事件的股价效应进行统计分析，从不同类别角度，详细分析由此产生的投资机会，并撰写研究报告。
02
华东师范大学 金融学
实习offer：申万宏源证券固收总部
量化项目经历：多因子研究系列之成长类因子测试
◆通过Wind终端提取因子测试所需的个股基本面、行情序列数据，以及市场指数数据；
◆运用Python等软件工具，将ST股票、上市不满1年的股票、以及无法交易的股票数据进行剔除；对基本面和行情数据进行去极值、标准化、滞后匹配等数据处理；
◆从收益率分析、IC分析及换手率，分别测试成长类因子在A 股整体、不同市场阶段以及不同风格/行业/成分股选股的有效性；
◆参与报告撰写。
03
四川大学 经济学
全职offer：工行总部数据中心
量化项目经历：基于回归模型的行业轮动策略研究
◆选取28个申万一级行业中除国防军工和综合之外的行业，构建六大板块，使用choice金融终端进行数据采集，并进行数据清洗；
◆对周频对数收益率序列进行去极值、中心化、标准化等预处理操作，提升回归效果；
◆使用主成分回归法，利用六大板块当期收益率序列对各板块下期收益率序列做回归，构建定价方程，并对每个截面生成下一期各行业收益率预测值，指导最终配置。
课程与项目信息
项目介绍
1. 2019年政府工作报告核心经济指标分析
政府工作报告高度概括、浓缩精炼了核心政策措施和经济指标，其中的表述和数据都是经过精心权衡取舍的，读懂关键指标对把握宏观经济大势及市场投资机会都有十分重要的作用。
本项目针对2019年政府工作所提出的经济运行情况、就业政策、结构优化政策中的关键指标，按不同的口径进行统计，分析发展趋势。同时，针对资本市场关注的宽财政效果，对各行业盈利能力的影响进行静态测算及历史数据实证分析。
2. 员工持股计划对上市公司基本面及市场表现影响分析
员工持股，对降低代理成本、改善激励机制，向市场释放内部员工对公司发展的强烈信心等都有正面作用。
本项目通过2014年7月到2018年底间的相关数据，从企业属性、行业、板块等方面进行统计，分析推出员工持股计划的上市公司主要特征。分析计划对上市公司利润增长率、净资产收益率、管理费用率、销售费用率等的影响。同时，从市场表现角度，对员工持股计划的事件影响进行度量，寻找潜在投资机会，构建相应投资策略。
你将收获
01
高含金量的量化分析实战项目
指南者的量化金融项目均来自于行业内的热点真实项目，学员们在项目的执行过程中，可以通过量化分析的手段去探索因子研究、热点事件，构建投资策略模式等，从而完成量化金融实战从0到1的蜕变。
02
量化金融领域核心竞争力
量化金融项目的培训内容是基于企业招聘人才、国外院校招生的标准精心设计的，商科人才所需的理论基础、数据处理、模型构建、软件应用、研报撰写等专业知识与技能都可以通过本次培训获得，对学生后期的就业或留学都有很大的帮助。
03
量化金融项目报告及结业证书
每个项目，我们将会协助学员完成相关的项目报告，并颁发相应的项目结业证书。