关于选择
无法定义,等我想好怎么说了再来。
关于量化
量化分析就是将一些不具体,模糊的因素用具体的数据来表示,从而达到分析比较的目的。 人类对于股市波动规律的认知,是一个极具挑战性的世界级难题。量化主要分两类,“P-Quant”和“ Q-Quant”。 Q-Quant来自于q measure,也就是风险中性测度。在 Q-Quant的协助下,银行把衍生品卖出去,对冲掉所有风险,收客户一笔手续费,这才是sell-side最本职的工作。 而P-Quant来自于physical prob measure,也就是“预测未来走势”,常见于买方和卖方的自营交易部。
引用在知乎上看到的一段话:
学它不需要成为社畜才能变现,它是属于你自己的一亩三分地!请牢记这一点,一个程序猿不要为了找工作而学习量化,是为了挣脱996束缚的枷锁才来学习这一门技艺。
https://zhuanlan.zhihu.com/p/273286207
- python基础 ,已掌握,略过;
- 量化框架的选择 ,链接🔗(待更新);
- 基础金融知识 ,链接🔗(待更新);
- 行情数据来源 ,链接🔗(待更新);
- 基础金融知识 ,链接🔗(待更新);
- 开发实例 ,链接🔗(待更新);
市场职位调研
数据库,回测研究平台,交易系统等方面的开发和维护
基于各种原始数据进行数据挖掘以及开发新策略
-
编程基础 :
扎实的数学统计功底,熟练使用一种编程语言(python)
熟悉linux基本操作和shell脚本编程
使用过爬虫进行爬取数据 -
机器学习 :
机器学习深度学习扎实的理论基础
各种机器学习模型
广告算法,时间序列,强化学习,模式识别,nlp
熟练使用numpy,pandas等python环境下的科学计算库,熟练掌握常见的机器学习方法和统计知识,例如线性模型, 贝叶斯,决策树,EM算法,RNN等 -
数据库 :
熟悉sql数据库操作 -
量化相关 :
熟悉常见的量化策略
量化交易策略的开发、优化、维护
量化回测系统(带撮合交易模块)开发
数据整理,统计分析,因子开发
熟悉海外领先的期权投资策略技术和国内市场现状
股票T0策略/Alpha策略/算法交易研究经验
学习计划
-
数据结构
- 刷题
-
数据库
- 刷题
-
机器学习
- 刷题
-
量化
- 刷题
-
计划任务
-
完成任务