近年来，随着金融科技的快速发展，量化投资已成为全球金融市场的重要组成部分。在国内，资本市场深化改革、资管行业规模扩张及投资者结构机构化，推动量化投资从“小众策略”向“主流工具”转变。

11月7日，24级投资学私募基金班和25级投资学财富管理实验班学生在陈兰江老师的带领下，来到深圳点宽网络科技有限公司参加金融量化投资分析实战培训。

商学院投资学专业精心筹备本次金融量化投资分析实战培训。通过学习因子挖掘的基础逻辑、方法与工具，学生掌握量化投资中因子挖掘的基础理论与实战技能，构建量化投资分析能力体系，为其职业发展提供核心竞争力支撑。

培训的第一模块聚焦于“量化投资与因子挖掘基础”。培训课程并非简单地罗列公式，而是从投资哲学的层面出发，引导学生理解量化投资的本质——将投资思想转化为可检验的数学模型。吴皓茗讲师将系统梳理因子投资的发展脉络，从经典的资本资产定价模型（CAPM）到法马-弗伦奇三因子模型，再到如今业界广泛应用的多因子体系，让学生深刻理解收益来源的科学归因。更重要的是，培训重点讲解了因子的经济学逻辑与生命周期，启发学生思考如何发现具有前瞻性和持久性的alpha来源，为后续的实战环节奠定坚实的理论框架和批判性思维。

如果说理论是蓝图，那么工具和数据就是建造大厦的钢筋水泥。培训的第二模块“量化工具与数据处理”则完全聚焦于动手能力的培养。课程将Python语言作为核心教学工具，因为其在数据科学领域无可替代的生态优势。学生将从零开始，系统学习如何利用Python的Pandas、Matplotlib等核心库进行高效的金融数据获取、清洗、整理与预处理。培训内容直面真实世界的数据“脏乱差”问题，如处理缺失值、异常值、股票除权除息等，确保学生掌握的数据处理技能能够直接应用于实际工作。通过这一模块的训练，学生将彻底摆脱对Excel等传统工具的依赖，获得驾驭海量数据的能力。

本次培训的最大亮点在于其“因子挖掘全流程实战”环节。在这一模块，学生以小组形式，模拟专业量化研究员的工作模式，完整地经历一个量化策略从诞生到初步验证的全过程。这包括从市场观察和学术文献中寻找因子灵感，将抽象想法转化为具体的、可计算的因子表达式；然后，利用历史数据进行严格的量化回测，通过分层分析法、信息系数（IC）检验、换手率与收益衰减分析等一系列科学手段，全面评估因子的有效性、稳定性和容量；最后，学习如何将多个有效因子进行组合，构建一个初步的多因子选股模型，并进行绩效归因分析。这一“真刀真枪”的演练，让学生深刻体会到量化研究的严谨性与挑战性，实现从知识学习者到策略创造者的关键一跃。

此次培训极具前瞻性和实用性。它不仅传授了前沿的量化知识，更重要的是构建了一个“理论-工具-实战”的闭环学习生态。参与培训的学生纷纷表示，他们不仅系统掌握了因子投资的逻辑，更熟练运用Python进行高效的数据处理与分析，并且亲身参与了因子挖掘的全流程，学会了如何科学地检验因子有效性并构建初步策略。

这次培训极大地开阔了学生的视野，让他们对未来的职业发展方向有了更清晰的认识，成功构建了从理论到实战的量化投资知识体系，极大地增强了其专业自信与就业竞争力。

稿件来源：商学院投资学教研室

撰文：陈兰江

图片：陈兰江

初审：李雨薇

复审：谢桂珊

终审：程飞