指数增强基金收益研究—基于聚类分析

项目特色及优势介绍

盘点金融数据，聚焦投研策略

紧跟投研热点角度

指数增强基金是主动投资与被动投资的有机结合，近年来很受投资者追捧，本项目重点关注现有指数增强型公募基金产品的收益来源分析。

多维度解析超额收益

基于历史数据，对相关公募基金产品，从多个维度进行总结分析，挖掘行业配置、持仓风格、持股集中度等配置特征。

聚类分析，细致分析

利用k-means聚类方法，将指数增强型基金按照多维配置特色分为多类，考察不同基金类别的配置特色与超额收益。

往期课程项目成果展示

以学员完成的“大宗交易市场特征及效应分析”项目为例

金融数据获取及处理能力

从金融数据终端获取所需数据，是金融行业必备实用技能，该项目可以反应出申请者良好的数据获取能力。

数据分析及建模能力

面对大量数据，能从数据中发现规律和趋势，并运用适合模型进行解析的能力极被看重，通过项目实战，这一能力可以完美展示。

扎实的统计学基础

通过对异常值、重复值、缺失值等的熟练处理，以及进行多维度描述统计，学员良好的统计学基础得以展示。

课程安排

理论学习与项目实战相结合

量化金融基础及软件工具

量化金融基础知识

整体概况，多元线性回归基础，假设检验，CAPM模型，APT模型，Fama-French模型，CAPM及Fama-French模型中国A股市场实证检验

Python入门及进阶

Python基础知识、第三方库Numpy、Pandas、Matplotlib、Statsmodels、Sklearn

量化选股常用方法及多因子模型示范项目逐步精讲

多因子模型基础

常用方法，因子模型的一般形式，BARRA模型，项目基本框架，常用金融数据库使用

示范项目精讲：多因子选股模型

风险因子筛选，因子数据准备，有效性检验，降维处理，多因子模型构建，行业中性控制

指导完成项目及最终报告

项目内容

指数增强基金收益研究—基于聚类分析

使用工具

Python、Numpy、Pandas、Matplotlib、Statsmodels，Tableau等主流数据分析及可视化工具

锻炼技能

金融数据获取及处理能力，金融理论基础，模型构建与方法选择，数据分析解读能力

学员评价

学员栾同学

多因子研究系列之成长类因子测试

未明学院的课程由浅入深，层层推进，很适合数据小白的学习，在参加学习计划之前，我对于数据分析的了解不是很深，常常在自学之中不知不觉进入思维误区，后来在课程学习过程中，未明的老师们对我的研究思路和研究技术都进行了耐心的指导，上下来之后，我的数据分析能力进步明显，无论是技能方面还是思路方面，收获都很大。

学员陆同学

员工持股计划股价效应分析

我特别喜欢未明学院的上课方式，一方面有小伙伴一起学习，互相鼓励，互相帮助，共同成长，一方面有老师手把手地指导，切实地帮你解决学习中遇到的问题。而且未明很好的一点是最后是落实到项目实战的，能做出自己的项目成果，是我一直学习下去的动力，也能让我看到自己实实在在努力的成果。看着自己从完全不会，到做出自己的项目报告，觉得此前一切的辛苦都值得了。

学员郭同学

定向增发事件策略研究

之前和我同学一起去面一家互联网金融公司的实习生，结果他录了我没录。看了下他的简历，在项目经历这块我只有志愿者活动和参加过一些比赛，而他有一个量化金融的项目，后来他也说面试官对他这个项目蛮感兴趣的，针对这个项目问了很多问题。问了知道是未明学院的项目，我也果断报名了。现在我也成功拿到了满意的offer，感谢未明学院。

常见问题

训练营持续时间多久？

数据分析项目制训练营为期四周，其中前两周是理论知识的学习以及示范项目的讲解，后两周授课老师和助教将会协助学员完成指定项目。

训练营是以怎样的方式进行？

数据分析项目制训练营采用了直播授课+作业录屏讲解的授课方式，同时我们运用大量心理学知识及经验，通过微信班级群+小程序打卡作业+名师全程陪伴的方式，激发出学员的学习动力。学习数据分析是可以成为一件很有意思的事情。

分配的项目是自己独立完成，还是老师带着做？

我们的主讲老师和助教老师会带着你手把手的写代码，做项目，帮你更好的掌握数据分析的理论，陪你一起去踩实践过程中会遇到的坑。

完成项目制学习后，我们简历上的项目经历会不会雷同？

针对每个不同的班级，我们都设计了不同的项目，而且确保该项目仅针对此次班级，不会被重复使用。

项目完成后，我可以得到什么？

每个项目完成后，我们都会协助学生完成该项目的项目报告，报告完成后我们将颁发未明学院授予的项目结课证书。