CQF考試多少分過？考試沒過怎么辦？

　　CQF是開卷考試，在提交考試答案以后，兩周后考試官方會給出評分，考試總分為100分，考試通過的分數(shù)為60分，如果考生沒有達到60分，可以申請補考，如果補考通過了，不管成績?nèi)绾味际?0分。

　　CQF項目一共包含3次考試和最終項目，每個考試共有兩個大題，多個小題，考試總分為100分，每個小題根據(jù)難易程度占不同的權(quán)重。

CQF考試沒過怎么辦？

　　如果學員在某個模塊學習上遇到困難，請與CQF協(xié)會聯(lián)系獲得CQF教員的一對一幫助。如果學員某門考試未通過，學員可以選擇重考，也可以選擇延到下一學期。重考或延考都無需繳納額外費用。

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

CQF考試核心課程內(nèi)容介紹

　　CQF考試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(jié)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(xiàn)實問題的解決上。

　　模塊一：量化金融的基礎知識

　　我們將向?qū)W員介紹作為模型框架的應用It?演算的規(guī)則。學員將使用隨機演算和鞅論構(gòu)建工具，學習如何運用簡單的隨機微分方程以及相關(guān)的FokkerPlanck和Kolmogorov方程。

　　?資產(chǎn)的隨機行為

　　?重要的數(shù)學工具和結(jié)論

　　?泰勒級數(shù)

　　?中心極限定理

　　?偏微分方程

　　?轉(zhuǎn)移密度函數(shù)

　　?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(chǎn)定價的二項模型

　　模塊二：量化風險與收益

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

　　?現(xiàn)代投資組合理論

　　?資本資產(chǎn)定價模型

　　?最優(yōu)化投資組合

　　?風險監(jiān)督和巴塞爾協(xié)議Ⅲ

　　?風險價值和虧損預期

　　?抵押品和保證金

　　?流動資產(chǎn)負債管理

　　?波動性過濾（GARCH系列）

　　資產(chǎn)收益:關(guān)鍵和經(jīng)驗數(shù)據(jù)

　　?波動模型（ARCH框架）

　　模塊三：股票與貨幣

　　探討B(tài)lack-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(shù)學計算方法，在股票與貨幣的背景下，研究相應的理論與結(jié)果，熟悉目前使用的一些技術(shù)。

　　?Black-Scholes模型

　　對沖和風險管理

　　?期權(quán)策略

　　?歐式期權(quán)和美式期權(quán)

　　?有限差分法

　　?蒙特卡洛模擬

　　?奇異期權(quán)

　　?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：股票與貨幣

　　?非概率波動模型

　　?股票與貨幣

　　?FX期權(quán)

　　模塊四：數(shù)據(jù)科學與機器學習I

　　對金融學中所用到的最新數(shù)據(jù)科學和機器學習技術(shù)作了介紹。從全面概述入手，該模塊提供一些關(guān)鍵數(shù)學工具的學習，接著深入研究監(jiān)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(shù)學建模？

　　?機器學習中的數(shù)學工具

　　?主成分分析法

　　?監(jiān)督式學習技術(shù)

　　?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(shù)據(jù)科學與機器學習II

　　介紹了金融領(lǐng)域用到的多種機器學習方法。從非監(jiān)督式學習法、深度學習、神經(jīng)網(wǎng)絡開始，我們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(shù)在金融學中的應用。

　　?非監(jiān)督式學習技術(shù)

　　?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(jīng)網(wǎng)絡

　　?神經(jīng)網(wǎng)絡架構(gòu)

　　?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

　　我們將回顧行業(yè)中用到的眾多利率模型，關(guān)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(jié)構(gòu)式、簡化式和Copula模型。

　　?固收產(chǎn)品與市場操作

　　?固收產(chǎn)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(shù)據(jù)分析

　　?Heath,Jarrow和Morton

　　?Libor市場模型

　　?結(jié)構(gòu)模型

　　?簡化型模型與風險率

　　?信用風險與信用衍生產(chǎn)品

　　?X估值調(diào)整（CVA,DVA,FVA,MVA）

　　?CDS定價與市場方法

　　?結(jié)構(gòu)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(yè)度的機會，通過選擇兩門高級選修課，結(jié)合個人的職業(yè)目標發(fā)展所需專業(yè)技能。我們的高級選修課包括：

　　?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(shù)

　　?能源交易

　　?外匯交易和對沖

　　?數(shù)值法

　　?金融學中的量子計算

　　?基于數(shù)據(jù)科學和機器學習的R語言

　　?風險預算：基于風險的資產(chǎn)配置方法