天生量化将才?理工科程序员 做量化投资优劣势分析

理工科程序员在量化投资领域展现出优势,如语言门槛低,入门快,数学知识体系完整,不受传统金融规则束缚,且能执行完整交易流程。他们擅长利用编程技能处理数学模型,适应市场变化,但需补充金融理论,理解因子经济含义,提升算法知识。
摘要由CSDN通过智能技术生成

作者:Kenny Li

在近几年与行业内优秀的量化交易者接触后,发现他们来自各个领域,带有不同且有趣的学习和从业经历,其中部分人之前从事的IT开发工作让他们更适合量化投资这条道路,他们多拥有深厚的工科背景,在业绩方面比传统金融人更胜一筹。

在国外量化投资领域也存在这一问题,较早出名的量化基金经理——爱德华•索普(Edward Thorp)是加州大学洛杉矶分校的一名物理系研究生,他最感兴趣的是数学。再到后来的传奇高频交易人物德邵(David.E.Shaw),这位计算机领域的顶级专家在科学研究上硕果累累,利用超级计算机实现了可观的盈利。后来就是我们熟悉的活跃至今的世界级数学家詹姆斯·西蒙斯(James Simons),也是在数学和工科领域有卓越贡献,后来活跃于量化投资领域并成为伟大的对冲基金经理。

图片:可以被认为是行业鼻祖的爱德华•索普(Edward Thorp)

在职业投资这条长期道路上,有人赢在开头,有人输在途中,有人赢在最后。从我们对量化模型的认知,再到对于近几年市场的变化,再到建模环节必要的技能分析,我们发现目前庞大的程序员群体做数量化投资有优势,是有迹可循的。本文简单整理以下几个观点供大家参考讨论。

一、无语言门槛,入门速度快

从最直观的角度讲,建立量化模型离不开代码编写,目前我们熟知的代码主要有python和matlab等直观的解释性语言,但是早年需要用Pascal、Fortran、C等语言开发模型,首先必须掌握开发语言,才能谈得上进入这个门槛。

目前国内有大量的程序员群体,无论是web开发还是数据分析,亦或是其他计算机软硬件系统开发,他们在语言方面不成

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值