点击上方“AI派”，选择“设为星标”
最新分享，第一时间送达！
这篇文章由我对圣元前辈采访而来，或许一些读者不清楚关于他的故事，所以我先来介绍下他。
姓名：王圣元
认证：FRM, CAIA
学历工作：圣元在硕士毕业后成为新加坡一家金融咨询公司的总监，拥有新加坡国立大学量化金融学士学位和金融数学硕士学位，在新加坡国立大学攻读硕士学位期间，他还是一名金融数学课程的辅导老师，深受学生喜爱而在教课结束时被评为优秀辅导老师。
自我学习：在业余时间里，圣元拿到了金融风险管理师 (FRM) 和特许另类投资分析师 (CAIA) 的认证，也拿到了 Coursera 颁发的机器学习、深度学习和TensorFlow实战的认证。圣元平时坚持写作，开了自己的微信公众号「王的机器」，里面分享了高质量金融工程、机器学习和量化投资的文章。圣元和电子工业出版社和清华大学出版社合作的写机器学习和 Python 编程的书。圣元的信条是『Yearning for Learning, Leading by Reading, Distilling by Writing』，多学多读多写，终身渴望学习，通过读书保持领先，通过写作用心灌输。
在我认识圣元前辈之前，我对量化(交易)和量化(投资)的理解停留在下面的几方面：
量化交易是通过计算机程序去来实现投资，并且目标是要跑赢指数大盘，获取更丰厚的投资收益。
了解过一点点的量化交易策略。
可以通过机器学习去解决一些量化投资的问题。
可以看到，虽然自己知道一些皮毛，但是仍然存在不少疑问，比如：
量化到底都分为什么方向？
量化人员每天具体的工作都在做什么？
如何去学习量化？
有什么值得学习的量化课程和书籍？
当我有了问题后，所以打算向圣元前辈去请教，在请教前，我准备先梳理要咨询的问题，在我梳理问题的过程中，我忽然想到：其实不仅仅只有我存在这样的问题，有很多量化初学者或者想要学习量化的人都会有这样的问题。于是我自己决定以一名初学者的身份来提问一些经常遇到的问题，这样做的话就能够帮助到更多的人。我将我的问题和圣元前辈的解答进行了整理，于是这篇文章就出来了。以下便是所有的访谈内容。
Q1：什么是量化投资/量化交易/量化金融，这三个概念有什么区别吗？
这三个概念有个共同词，就是量化，而量化就是用计算机语言来实现数学和统计模型来解决金融问题，因此区分三个概念只需区分金融、投资和交易。
金融包括投资和交易，而两者广义上类似，但如果要细分，投资关注长期财富增长，手段是买入并持有；而交易关注短期获益，手段是频繁的买入和卖出。
但大家基本上就把量化投资和量化交易当做一个意思，指的在买方 (私募或对冲基金) 用计算机语言来实现数学和统计模型用来交易。
Q2：量化到底在研究什么？它的最终目的是什么？
研究定价和风控，目的就是把模糊的金融问题用数学表示出来，并用计算机语言实现出来。
Q3：国内和国外量化行业当前的现状以及之后的前景是怎样的呢？
国内和国外都是一样。卖家比如银行里的Q-quant 前景越来越黯淡，买家比如对冲基金里的P-Quant 前景越来越光明，如果又会 Q 和 P，那么无敌了。关于 Q-Quant，P-Quant 的区别，参考下图。
圣元前辈的公众号（王的机器）：可扫码关注☝
Q4：量化相关的工作方向都包含哪些呢？每个方向大概都是做什么事情的？哪些机构/平台会招聘这些不同方向的人员呢？
从大方向来说，量化方向包括 Q-quant 和 P-quant，前者主要研究衍生品定价和风险计量，后者主要研究程序化交易和做市策略等。前者是由银行前台和中台招人，后者是由私募和基金招人。
Q5：客观的来讲，国内和国外的不同级别的量化人员的薪资待遇是怎样的呢？
国内我不太清楚，新加坡这边我也只知道银行的薪资待遇，博士 (貌似现在只招博士了) 起薪大概是一个月 6K – 9K 新币 (1新币 = 5人民币)，花红 3 到4 月，如果是银行前台更多，做的好可以拿 12 个月。
Q6：您是如何走向量化这条道路的呢？
喜欢数学、金融和计算机，而当时新加坡国立大学的量化金融专业就是这样的一个混合型专业，就很自然的选了，毕业也很自然从事量化的工作了。
Q7：对于金融行业的人来说，如果想做量化，您有什么建议呢？
有了金融知识，还要学数学和计算机。
Q8：对于程序人员来说，如果想做量化，您有什么建议呢？
有了计算机知识，还要学金融和数学。
Q9：对于算法工程师来讲，如果想做量化，您有什么建议呢？
和 8 一样。
Q10：一名优秀的量化人员需要必备哪些素质或者技能？怎样能成为一名优秀的量化人员，职业规划是怎样的呢？最后的出路都有哪些？
必要素质是懂金融原理、懂基本数学、会编程，但要变得优秀那还需要在工作上锤炼。职业规划通常都是读个量化金融本硕，或者数学/计算机/工程本科 + 硕士。
Q11：量化相关的从业人员基本都需要依赖于机构/平台吗？有没有一个人单独去做一些量化相关工作的情况呢？
是的。单独做很难，数据这一块就没法解决。
Q12：对于想从事量化工作的新人来说，目前市面上有哪些适合新人并且值得推荐的课程？为什么值得推荐呢？
MIT的18.S096 Topics in Mathematics with Applications in Finance 这堂课。推荐原因是内容很全，里面讲师有教授和业界人士，MIT 牌子。
Coursera 里的Financial Engineering and Risk Management，推荐原因是有 275K人上过和哥伦比亚大学牌子的原因。
除了上面两门正统课此外，Quantopian, 万矿, 聚宽, 米筐, 优矿国内外几大量化平台上面的量化课堂也不错，推荐原因是里面的内容直接和目前人们感兴趣的量化那一块高度相关，即如何设计交易策略在市场中赚钱。
Q13：量化会涉及几个方面（比如金融），每一方面都有哪些可以推荐的入门和进阶的（国内和国外）书籍呢？
国内的书籍不太清楚，一直都是看英文版过来的，因此推荐不了。国外的书籍在我公众号的里的两个帖子都列出：
Q14：做量化工作最大的困难有哪些？
要求较高，基本要是个全才，数学、编程、金融三者缺一不可，数学是思想，金融是原理，编程是手段。有时对英文阅读能力也有要求，很多前沿的理论知识都是英文，编程知识也是对英语友好。
Q15：做量化工作最容易犯的错误有哪些？
一味追求数学的美和模型的严谨，但不去理解背后的金融含义。
Q16：量化需不需要考取一些相关的证书？为什么？
不需要，金融机构招聘主要还是看大学专业。要不就是自学自己交易，用收益曲线说话。
Q17：在实际工作中，量化研究员到底在做什么事情？会用到哪些算法以及策略呢？
对 Q-quant 类型量化研究员来说，日常就是读研报、建模型、做压力测试、评估模型风险等，用的是随机微分过程那套，算法有数值积分、偏微分有限差分和蒙特卡洛方法等。
对 P-quant 类型量化研究员来说，日常就是读研报、建交易策略、评估回测指标等，用的是传统时间序列和机器学习那套，算法有Kalman-Filter、线性回归、随机森林等。
Q17：与传统策略相比，深度学习在量化中的应用有哪些呢？
传统的机器学习模型在传统的结构化数据上表现还可以，但是对于海量的非结构化数据或另类数据 (Alternative Data) ，深度学习模型才是唯一王道。
CV在量化的应用案例（CNN用在图像类数据）
Advan Research 提供交易个股时用手机记录的地理位置数据 (根据人流量预测零售)
RS Metrics 提供交易个股时用无人机拍的停车场和仓库图像数据 (根据车位占满率预测员工)
NLP在量化的应用案例（LSTM，attention用在文本类数据）
iSentium 提供交易股票时用到的Twitter 上的情绪数据指标
RavenPack 提供交易债券、外汇和股票时用到的新闻情绪数据指标
据我所知，国内的幻方也采用了CNN和LSTM等深度模型做量化交易策略。
/ 每日赠书专区 /
为了回馈一直以来支持我们的读者，“每日赠书专区”会每天从留言支持我们的读者中选择一名最脸熟的读者来赠予实体书籍（包邮），当前通过这种方式我们已赠送出 20+ 本书籍。
脸熟的评判标准是根据通过留言的次数来决定的
留言时需要按照今日留言主题来用心留言，否则不计入总数
每日赠书专区会出现在AI派当天发布文章的头条或次条的文章末尾
如果不理解头条/次条的含义的读者可看下面的图。
今天我们的每日赠书专区出现在“头条”的位置上，书籍为《神经网络与深度学习实战》。
本书简介：
这本书颇有特色，主要体现在书中循序渐进、由浅入深地将一个难度颇大的技术话题分解成多个难度比较小的知识点，然后带领读者逐个击破，最后一举拿下深度学习这块非常难啃的骨头。这本书在高门槛前建立了多级容易跨越的台阶，让读者的学习曲线比较平滑，极大地降低了学习难度，推荐给有志于从事人工智能的工程师和爱好者研读。
?↑↑点击上方小程序即可购买
恭喜上期通过留言成功混脸熟的读者：꧁༺.༻꧂，赠送一本《从零开始学Python网络爬虫》
请中奖同学联系小编：wanglaoshi201907
/ 今日留言主题 /
你觉得深度学习的普及，是否对你的生活产生了影响？
近期专栏推荐
1. 算法原理稳如狗，工程落地慌得很！AI炼丹炉实践指南来啦~
点下「在看」，给文章盖个戳吧！?
扫一扫
152
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
