今年，我在哈金融开了一门51学时的《金融量化基础》课程，由于在这个领域没有统一的教材，我自己设计了下面的课。这些课程重在概念而非工具，目的是给那些有一点金融知识，但缺少编程和数学功底的同学提供一个入门。同时，也希望能给后来者提供一些参考。一、课程简介年8月中国人民银行针对金融科技，提出了三年发展规划，即《金融科技（FinTech）发展规划（-年）》，未来金融科技人才将成为市场炙手可热的人才。金融量化基础定位于金融科技的先修学科，力求为传统经济学的学生引入更多的科技思想。当下，金融量化已经成为经济学发展的重要方向，传统的金融可以提供解释，未来的金融需要提供预测，而金融量化基础就是把人工智能、大数据等与传统经济学知识相融合，并进行实践的一门新学科。二、课程的类别、作用和目标本课程属于经济学专业的公共选修课；各金融机构未来急需以人工智能、云平台和区块链为主的金融科技人才，而这门课的主旨就是通过金融量化将学生们培养成具有金融科技思维的应用型人才；学生通过学习该课程后，将对人工智能、数据挖掘等知识有一定的认知，可以借助市场上的量化工具，搭建自己的金融模型，可以与人工智能算法工程师进行有效的沟通，解决金融创新中的一些新问题；本门课程理论课36个学时，实践课15个学时，是一门比较偏重实践的课程，平时成绩和期未考核成绩各占40%、60%。三、本课程与其他课程的关系金融量化基础涉及学科比较广泛，包括高等数学、计算机编程、概率论、博弈论、通信、哲学、经济学常识等，是一门多学科的交叉课程，先修课要求学生具备大学三年级以上上述学科的基本知识，后续课程将深入涉及人工智能、数据挖掘等。本门课程的教学内容只涉及上述学科的关键性知识点，重点在于指导学生们面对一个金融问题时，如何与上述学科建立起联系，并形成有效解决问题的数学模型，这也是金融科技要解决的核心问题，即把金融问题用当下更科学的手段可以分析和评估。四、课程内容1.理论教学内容：本课程主要内容包括量化基础知识、量化工具使用和量化策略生成，课程的重点是如何构建金融与现代科技工具的联系，课程的难点主要是如何建模与如何编程。要求“了解”的内容及要求：股票、期货、期权、数字货币、基金、外汇、债券和税收的策略模型，只需要学生能够初步了解这些策略模型的经济学意义，并不要求学生在这些领域对模型进行深入研究和改进。要求“理解”的内容及要求：对于如何利用量化工具进行建模（包括编程和不编程两种），需要学生可以有效理解各类工具的优缺点，为未来深入使用打下坚实基础。要求“掌握”的内容及要求：对于金融量化中的各类基础概念（误区概念、数学概念、AI概念、收益概念和研究概念）和策略构成的因子（价格因子、非方向因子、订单因子、关联因子），需要学生熟练掌握内在含义，这也是理解金融科技的基本条件。作者简介：20年交易经验、25年编程经验；中国第一届国际高校量化大赛指导老师；哈尔滨工业大学MPACC特聘校外授课专家。
