“IT”转量化，这三点你考虑到了吗？

做量化学习分享这么久，遇到最多转行量化的，就是IT工作者。那么对于普通理工科学生，如何转行做量化投资，如何少走弯路。

注意，是针对普通理工科学生，天才怎么搞都行。

做量化投资，有三大技能树，金融经济、数学、计算机。

01

金融经济，可以理解为对金融市场(广义)的理解。

比如你能看懂财务三大报表吗？

你知道M1, M2代表什么意思，有什么用吗？

期货、期权在学术上是如何定价的？

这个对于大多数理工科的朋友，是需要加强的一块。

实际上，如果这个技能树足够强，就已经可以去做投资了。但大部分转行的人，是很难理解精深的。

数学

一是基础，线性代数，概率统计等。二是抽象建模能力。基础的目的是让你能看懂别人在讲什么，比如可以去尝试看一下《active portfolio management》。

如果看不懂，就需要补基础。但基础是不够的，还需要抽象建模能力。

实际上，真开始做策略了，非常需要抽象和建模能力。

你不能总用别人发明出来的模型吧，总得改改不是？你观察到一个市场现象，想量化，总得用一个模型去描述吧?

计算机， 说起来很简单，就是能实现、测试、实盘你的模型。

基本上就是编程准确、迅速。 理论是美好的，现实是残酷的。三大技能树都很强的人，我似乎也没见过。所以希望自己什么都强，然后秒杀一切，基本也就是幻想。

02

那么，实际中，普通人应该怎么做?

战略上，一句话，发挥长处，不要老想补短。听起来很简单，但实际上，做错的人很多。

比如，如果你想去考个CFA基本上就是错的。且不说考证的时间精力成本，就算你考完了，其实帮助不大。没哪个老板招一个计算机专业的，是希望他来分析市场的。

最多就是，“咦?这个小朋友不错，居然有毅力考下这个证。”

所以作为计算机专业的你，最好的方式，很不幸，还是编程，也就是发挥你的长处。比如建立数据库，开发交易系统，编写策略等等。

只要做得足够好，足够快。再加上多出去跟人交流。很快就会有团队会找上你。当融入一个团队后，再跟着专家，边实践，边学习，才是最有效率的。

至于这，既然专业是数据挖掘和机器学习，那么可不可以做一个项目，用数据挖掘和机器学习来做投资策略呢？

03

1、 如果转行，我将面临哪些潜在风险？2年的系统学习，可以满足量化投资(宽客)的职业需求吗？

答：机会成本。互联网行业本来就挺火，也挺有钱的不是？2年的系统学习，从入门再一步步到实战。

2、 我要进行哪些方面的系统学习？工作实习与实践?

答：带着你的编程技能，去找靠谱的团队吧！干半年你就知道要学习什么了。

当然，如果你硬是想学习，我也可以推荐相关的书籍。不过，想好，这是一条性价比很低的路。一般来说，针对问题看书才有用。

3、 以后找相关工作，自己的壁垒在什么地方？我该怎么弥补？

答：壁垒在于，你不想编程。

4、 其他方面的建议欢迎给出。谢谢。

答：千万不要自己一个人搞。

千万不要自己一个人搞。

千万不要自己一个人搞。

重要的话说三遍。

自己一个人搞，能搞出花样来的，那是天才。

我假设绝大部分人都是普通人。普通人自己搞，结果一般都不太好。我见过好多自己一个人折腾了几年，啥也没搞出来，也没啥收入的，比较惨。

谢谢你的关注与点赞！

我愿意和你一起交流，一起聊金融证券、聊量化交易，共勉前行。

CQF量化金融分析师学习资料

本资料包含【新手辅导资料】、【CQF正课试学】、【量化职业发展解读】、【量化实操相关】

扫码领取

👇👇