教学大纲

• 星期1

  分析过去的回报和预测未来的回报

  • 欢迎来到课程!

    欢迎来到“投资数据分析概论”课程。请继续阅读,了解更多关于这门课。

  • 量化投资是什么?

    量化投资的解释。

  • 股票价格数据的描述。

    检查的特点使用迪斯尼的股票价格数据每天的股票价格数据。

  • 如何分析资产的回报。

    使用R编程计算资产回报我们的迪士尼股票数据。

  • 是什么决定了未来的投资回报?

    图形数据和研究哪些因素是一个很好的预测未来的投资回报。

  • 投资回报预测因素。

    通过回归确定标准普尔股息和年度回报率之间的关系。

  • 实践项目的第一周。

    编程项目。

• 星期2

  理解使用风险因素

  • 如何评价投资策略?

    val的基本概念的介绍。

  • 如何评估风险。

    使用“quantmod”包调用API的数据。应用这个包做等基本数据分析计算每日回报,标准差和协方差。

  • 利用CAPM分析市场风险。

    创建一个使用R找到市场βCAPM模型。

  • 如何创建一个与Tidyverse包三因素模型。

    应用“tidyverse”包准备3因子模型的数据。

  • 风险因素分析和特殊风险分析是什么?

    合并两个数据集和检查股票风险溢价和因素之间的关系。不明原因的识别的风险,风险因素。

  • 实践项目周2。

    编程项目

• 星期3

  投资组合分析和优化

  • 下载数据的多个资产组合。

    探索各种类型的数据可以下载使用“quantmod”包。

  • 准备投资组合优化的数据。

    解释的各种功能准备数据用于组合优化等等。

  • 如何创建一个使用历史数据优化的投资组合。

    创建一个基于收益和风险的最优投资组合。

  • 实践项目周3。

    编程项目。

• 星期4

  性能分析

  • 图形和比较多种组合。

    比较多个投资组合的图形来选择最佳的投资组合。

  • 如何总结优化的结果。

    可视化投资组合优化的结果。

  • 如何添加约束组合优化。

    创建一个投资组合,并在给定的风险水平下获得最大的回报。

  • 评估资产性能使用PerformanceAnalytics的包。

    测量你的投资组合或策略的性能水平。

  • 如何比较约束和无约束的投资组合。

    比较约束和无约束porfolios PerformanceAnalytics包。

  • 最后的项目。

    最后编程项目。

  • 祝贺你完成整个课程!

    祝贺进入本课程的结束。我们希望看到你下节课!

谁将你学习?