量化金融、机器学习项目实战开课！

大类资产的轮动节奏与宏观走势紧密相关，宏观信息中往往包含大量信息，可以为投资者指引出更合适的配置方向。对于有效挖掘宏观信息，可以考虑宏观动量角度，通过经济趋势判断的择时来获取超额收益。举例来说，当经济处于繁荣趋势期间，股票的市场表现持续优于债券类资产；而当经济处于衰退趋势时，债券表现能够持续优于股票。

本项目将从经济增长、通货膨胀、货币政策三个维度，刻画出当期的宏观动量信息，分别构建单因子动量策略，以此筛选宏观指标。更进一步，为了克服单宏观因子噪声较大的问题，我们将利用交叉验证等方法，优化宏观动量指标，并构建相应的宏观动量策略，进行回测，并与传统动量策略进行对比评价。

开课时间2022年12月28日

近几年二手房市场一直都是逐年递增的，而消费者在购买房子时越来越多选择在线上+实地的模式，以及在APP上看好地段、小区以及心仪房源再去实地查看。而近年来越来越多的中介为了获取客源扩大流量，在网上挂售虚假房源及价格低、地段好、户型好等“优质”房源来吸引客户来实地查看以及获取联系方式。

此类虚假房源对于平台的信誉是很受影响的，如何从大量的房源中识别出虚假、异常的房源并且加强审核是一件很重要的事。本次项目借助安居客的历史房源信息，使用机器学习的方法搭建房屋预测系统来根据房源属性判断房屋价值，借此识别出异常房源。