Vous souhaitez dire adieu aux opérations aveugles du trading manuel traditionnel et maîtriser les compétences clés du trading quantitatif intelligent ? Le camp d'entraînement en trading quantitatif par IA de Geek Time propose un cours d' progression systématique de 12 semaines, pour vous initier de zéro au trading quantitatif par IA et construire votre propre système de trading automatisé. Le cours est dispensé progressivement : il consolide d'abord les bases avec les fondamentaux financiers, les indicateurs de trading, l'analyse fondamentale et technique, puis enseigne pas à pas des compétences pratiques comme les outils de programmation IA, la collecte de données de marché et de rapports de recherche, la création de bases de données. Il décortique en profondeur des stratégies classiques telles que le MACD, la théorie des enchevêtrements, la grille, le trading Turtle, la sélection de titres multi-facteurs, et valide la faisabilité des stratégies via un moteur de backtest professionnel. En progression, vous découvrirez des technologies avancées comme les bases de données vectorielles RAG, l'apprentissage automatique, l'apprentissage par renforcement, et vous vous exercerez en pratique sur la construction d'agents de trading IA, l'analyse événementielle, la gestion des risques en trading réel, l'analyse de rotation sectorielle et d'autres contenus essentiels. Le cours est accompagné d'un ensemble complet de codes sources, de rapports de recherche sectoriels, de supports d'apprentissage exclusifs et de questions-réponses après les cours, convenant aussi bien aux débutants qu'à l'amélioration de compétences avancées. Tout le contenu est concret et pratique, sans théorie creuse, pour aider les apprenants à maîtriser complètement l'ensemble de la chaîne du trading quantitatif par IA et à utiliser la technologie pour optimiser les décisions d'investissement.

Le cours met l'accent sur des processus de recherche réutilisables et une capacité de mise en œuvre industrielle. Vous apprendrez à intégrer des données de marché, financières, d'actualités, de rapports de recherche, etc. dans un cadre d'analyse unifié, à filtrer les stratégies à l'aide d'indicateurs de backtest, à améliorer la qualité des signaux grâce à l'apprentissage automatique et à l'apprentissage par renforcement, ainsi qu'à organiser les flux de travail de recherche en investissement avec des agents, RAG et Langgraph. Après l'apprentissage, vous serez capable de réaliser de manière autonome l'ensemble de la chaîne, de la collecte de données, la construction de facteurs, le backtest de stratégies, l'attribution de performance, jusqu'à la gestion des risques et le trading simulé, et vous comprendrez également les détails clés de l'intégration en trading réel, la fragmentation des ordres, le retry après coupe-circuit et la collaboration mobile. Convient aux apprenants souhaitant se reconvertir systématiquement vers le trading quantitatif, améliorer l'efficacité de la recherche en investissement ou développer des outils de trading IA.

Rappel : le cours est uniquement destiné à l'apprentissage des connaissances et ne constitue pas un conseil en investissement. L'investissement comporte des risques, soyez prudent avant d'entrer sur le marché.

• 1.Rediffusion du live d'ouverture
• 2.Qu'est-ce que le trading quantitatif
• 3.Connaissance des instruments financiers
• 4.Premiers pas dans les stratégies quantitatives
• 5.Concepts financiers de base
• 6.Analyse technique vs analyse fondamentale
• 7.La logique centrale des indicateurs techniques

• 8.Programmation IA et outils correspondants
• 9.Instructions d'utilisation de QMT
• 10.Acquisition de données
• 11.Comment les indicateurs financiers guident le trading quantitatif
• 12.Création d'une base de données
• 13.Collecte des données de marché et financières
• 14.Collecte des données macroéconomiques et des événements d'actualité
• 15.Collecte des rapports de recherche institutionnels et du calendrier financier
• 16.Événements catalyseurs pilotés par les grands modèles

• 17.Qu'est-ce qu'un moteur de backtest
• 18.Indicateurs d'évaluation du backtest
• 19.Analyse de cas : stratégie MACD, stratégie RSI, stratégie des bandes de Bollinger
• 20.Analyse de cas : stratégie de taux de déviation, stratégie de momentum, etc.
• 21.Questions-réponses après le cours
• 22.Qu'est-ce que TA-Lib
• 23.Limites des indicateurs classiques
• 24.Amélioration des indicateurs traditionnels

• 25.Installer OpenClaw
• 26.Configurer les outils quantitatifs pour OpenClaw
• 27.Comment créer un skill
• 28.Principes fondamentaux de la stratégie Turtle Trading
• 29.Cas pratique de la stratégie Turtle Trading
• 30.Réflexions et questions-réponses

• 31.Stratégie quantitative classique de Chanlun
• 32.Points d'achat et de vente Chanlun en pratique et cas concrets
• 33.Stratégie améliorée de Chanlun
• 34.Questions-réponses après le cours
• 35.Stratégie classique de trading en grille
• 36.Sélection d'actions multi-facteurs

• 37.Système de classification des facteurs
• 38.Cadre de recherche en ingénierie financière de Huatai Securities
• 39.Fondamentaux de l'apprentissage automatique
• 40.Cas d'application de l'apprentissage automatique sur le marché boursier
• 41.Méthode en cinq étapes pour reproduire un article
• 42.Interprétation d'un mémoire de master
• 43.Analyse de cas

• 44.Système d'indicateurs QuantStats
• 45.Factorisation matricielle
• 46.Applications de la factorisation matricielle
• 47.Analyse de performance du trading en conditions réelles
• 48.Qu'est-ce que le RAG
• 49.Embedding
• 50.Base de données vectorielle

• 51.Méthode en cinq étapes de Guotai Junan
• 52.Rédaction de rapports de recherche en investissement par IA
• 53.Cadre DeepAgent
• 54.Acquisition d'opinions publiques et analyse de sentiment financier
• 55.Analyse événementielle et de l'indice de panique
• 56.Décision multidimensionnelle
• 57.Questions-réponses après le cours

• 58.Trading réel avec Xtquant
• 59.Pratique de Nanobot
• 60.Interface de programmation Nanobot
• 61.Qu'est-ce que l'apprentissage par renforcement
• 62.Du Q-learning au DQN
• 63.Fractionnement intelligent des ordres

• 64.L'élève du DQN : le mécanisme des deux réseaux enseignant-élève
• 65.Tenue de marché à haute fréquence et identification du comportement des acteurs principaux
• 66.Système de contrôle des risques
• 67.Contrôle des risques par ATR
• 68.Contrôle des risques événementiels en pratique
• 69.Les cinq composants essentiels de Langgraph
• 70.Flux de travail de l'équipe de trading
• 71.Interception des risques et nouvelle tentative après disjoncteur

• 72.Scénario de réunion matinale d'investissement
• 73.Sélection d'actions multi-facteurs
• 74.Analyse de rotation sectorielle
• 75.Flux de travail de la réunion matinale d'investissement
• 76.Opérations en conditions réelles
• 77.Console du CEO et stratégie du leader

• 78.Modèle d'attribution BHB
• 79.Validation progressive
• 80.Partage des étudiants
• 81.Système de trading quantitatif

• Archive hebdomadaire des documents, recueil de rapports de recherche sectorielle, gestion active de portefeuille, investissement factoriel : méthodes et pratiques, apprendre à lire les états financiers pas à pas, trading quantitatif, notes d'apprentissage systématique de l'investissement quantitatif, génération intelligente de rapports de recherche en PDF, code du cours, apprentissage et QA du trading quantitatif par IA, utilisation des logiciels pertinents, etc.

💡 Conseil d'apprentissage :Le contenu du tutoriel est basé sur les pratiques du secteur au moment de la publication ; il est recommandé de l'étudier en tenant compte des dernières règles de la plateforme actuelle.