¿Quieres despedirte de las operaciones ciegas del trading manual tradicional y dominar las capacidades centrales del trading cuantitativo inteligente? El campamento de entrenamiento de trading cuantitativo con IA de Geek Time presenta un curso de progreso sistemático de 12 semanas que te lleva desde cero al trading cuantitativo con IA y te ayuda a construir tu propio sistema automatizado de trading. El curso se imparte de forma progresiva: primero se consolidan las bases con fundamentos financieros, indicadores de trading, análisis fundamental y técnico; después se enseñan paso a paso habilidades prácticas como herramientas de programación con IA, recopilación de datos de mercado e informes de investigación, y creación de bases de datos. Se desglosan en profundidad estrategias clásicas como MACD, teoría de las bandas, grid, trading tortuga y selección de acciones multifactor, y se valida la viabilidad de las estrategias mediante un motor de backtesting profesional. En niveles avanzados se desbloquean tecnologías como bases de datos vectoriales RAG, machine learning y reinforcement learning, con ejercicios prácticos sobre la construcción de agentes inteligentes de trading con IA, análisis basado en eventos, control de riesgos en operaciones reales y evaluación de rotación sectorial. El curso incluye un conjunto completo de código fuente, informes de investigación del sector, materiales de estudio exclusivos y resolución de dudas después de clase, y cubre tanto la iniciación desde cero como la mejora de capacidades avanzadas. Todo el contenido es práctico y directo, sin teorías vacías, para ayudar al estudiante a comprender por completo toda la cadena del trading cuantitativo con IA y potenciar sus decisiones de inversión con tecnología.

El curso enfatiza procesos de investigación reutilizables y capacidad de implementación ingenieril. Aprenderás a integrar datos de mercado, financieros, noticias e informes de investigación en un marco de análisis unificado, a filtrar estrategias mediante métricas de backtesting, a mejorar la calidad de las señales con machine learning y reinforcement learning, y a organizar flujos de trabajo de inversión e investigación con agentes inteligentes, RAG y Langgraph. Después del aprendizaje, podrás completar de forma independiente toda la cadena desde la recopilación de datos, la construcción de factores, el backtesting de estrategias, la atribución de rendimiento hasta el control de riesgos y el trading simulado, y también comprenderás los detalles clave de la conexión con operaciones reales, la división de órdenes, el reintento con interruptores de circuito y la colaboración móvil. Es adecuado para estudiantes que desean hacer una transición sistemática al trading cuantitativo, mejorar la eficiencia de inversión e investigación o desarrollar herramientas de trading con IA.

Aviso: el curso es solo para aprendizaje de conocimientos y no constituye asesoramiento de inversión. Invertir conlleva riesgos; hay que ser prudente al entrar al mercado.

• 1.Repetición de la transmisión en vivo de apertura
• 2.Qué es el trading cuantitativo
• 3.Conocimiento de instrumentos financieros
• 4.Primeros pasos en estrategias cuantitativas
• 5.Conceptos básicos de finanzas
• 6.Análisis técnico vs análisis fundamental
• 7.La lógica central de los indicadores técnicos

• 8.Programación con IA y herramientas correspondientes
• 9.Instrucciones de operación de QMT
• 10.Obtención de datos
• 11.Cómo los indicadores financieros guían el trading cuantitativo
• 12.Construcción de bases de datos
• 13.Recopilación de datos de mercado y financieros
• 14.Recopilación de datos macroeconómicos y eventos de noticias
• 15.Recopilación de informes de investigación institucional y calendario financiero
• 16.Eventos catalizadores impulsados por grandes modelos

• 17.Qué es un motor de backtesting
• 18.Métricas de evaluación del backtesting
• 19.Análisis de casos: estrategia MACD, estrategia RSI, estrategia de Bandas de Bollinger
• 20.Análisis de casos: estrategia de tasa de desviación, estrategia de momentum, etc.
• 21.Preguntas y respuestas después de clase
• 22.¿Qué es TA-Lib?
• 23.Limitaciones de los indicadores clásicos
• 24.Mejora de indicadores tradicionales

• 25.Instalar OpenClaw
• 26.Configurar herramientas cuantitativas para OpenClaw
• 27.Cómo crear una skill
• 28.Principios fundamentales de las reglas del Turtle Trading
• 29.Caso de estrategia de Turtle Trading
• 30.Reflexión y preguntas

• 31.Estrategia cuantitativa clásica de Chanlun
• 32.Práctica y casos de puntos de compra y venta de Chanlun
• 33.Estrategia mejorada de Chanlun
• 34.Preguntas y respuestas después de clase
• 35.Estrategia clásica de trading en cuadrícula
• 36.Selección de acciones multifactor

• 37.Sistema de clasificación de factores
• 38.Marco de investigación de ingeniería financiera de Huatai Securities
• 39.Fundamentos de aprendizaje automático
• 40.Casos de aplicación de aprendizaje automático en el mercado de valores
• 41.Método de cinco pasos para la reproducción de artículos
• 42.Interpretación de tesis de maestría
• 43.Análisis de casos

• 44.Sistema de indicadores QuantStats
• 45.Descomposición matricial
• 46.Aplicaciones de la descomposición matricial
• 47.Análisis de rendimiento de trading real
• 48.¿Qué es RAG?
• 49.Embedding
• 50.Base de datos vectorial

• 51.Método de cinco pasos de Guotai Junan
• 52.Redacción de informes de investigación de inversión con IA
• 53.Marco DeepAgent
• 54.Obtención de opinión pública y análisis de sentimiento financiero
• 55.Análisis de eventos impulsados y del índice de pánico
• 56.Toma de decisiones multidimensional
• 57.Preguntas y respuestas después de clase

• 58.Trading real con Xtquant
• 59.Práctica con Nanobot
• 60.Interfaz de programación de Nanobot
• 61.Qué es el aprendizaje por refuerzo
• 62.De Q-learning a DQN
• 63.División inteligente de órdenes

• 64.El estudiante de DQN: mecanismo de doble red profesor
• 65.Creación de mercado de alta frecuencia e identificación del comportamiento de los principales actores
• 66.Sistema de control de riesgos
• 67.Control de riesgos ATR
• 68.Práctica de control de riesgos de eventos
• 69.Los cinco componentes principales de Langgraph
• 70.Flujo de trabajo del equipo de trading
• 71.Intercepción de riesgos y reintento con fusible

• 72.Escenario de reunión matutina de inversiones
• 73.Selección de acciones multifactorial
• 74.Análisis de rotación sectorial
• 75.Flujo de trabajo de la reunión matutina de inversiones
• 76.Operaciones en vivo
• 77.Panel de control del CEO y estrategia del líder

• 78.Modelo de atribución BHB
• 79.Validación progresiva
• 80.Compartir de estudiantes
• 81.Sistema de trading cuantitativo

• Paquete comprimido de materiales semanales, colección de informes de investigación sectorial, gestión activa de carteras, inversión en factores: métodos y práctica, lectura de estados financieros paso a paso, trading cuantitativo, notas de aprendizaje sistemático de inversión cuantitativa, generación inteligente de informes en PDF, código del curso, aprendizaje y QA de trading cuantitativo con IA, uso de software relacionado, etc.

💡 Consejo de aprendizaje:El contenido del tutorial se basa en las prácticas del sector en el momento de su publicación; se recomienda combinarlo con las reglas más recientes de la plataforma actual al estudiarlo.