[量化人物] | 被称为行走的绿皮书，和OptiverCEO合影！来围观她不断上分的一生

HFA人物 | 被称为行走的绿皮书，和OptiverCEO合影！来围观她不断上分的一生

原创 HFA Community HFA Community 2024-05-09 17:50

HFA人物新版图开拓！

「Top10的同学去哪了」聚焦海内外Top10高校的菁英学子的学业发展和职业选择，真实记录优秀人才的成长路径与成功经验。

自发布以来，我们已与数十位伙伴建联，有数理/计算机背景上岸藤校PHD的学术大佬，有在伦敦/纽约/悉尼/上海顶尖基金公司工作的学长学姐，也有投身科技公司/互联网大厂/AI/医疗/文娱等行业的前辈…

嘉宾招募中，欢迎添加“HFAHelper2”报名🧧

第一期，我们邀请到来自伦敦LSE的Elina学姐，一位被称为“行走的绿皮书”的量化女孩。

刚刚夺冠OptiverxLSE竞赛的她，成长于计算机世家，获高中亚太地区信息学奥林匹克竞赛银牌(APIO) ，奥克兰大学计算机和统计双学位，LSE统计学硕士，曾在华为AI Lab和两家量化私募公司实习，现已接受某Top外资投行的quantitative trader offer。

或许她不是地表最强的卷王，但她做到了每一步都在为自己上分。这也是我们邀请她作为第一期嘉宾的原因——并不是所有人都生在罗马，但你依然可以用有限的牌打出王炸。

以下，是Elina的故事。

01
血赚！竞赛夺冠直接合影大BOSS

3月10日是Elina的高光时刻。

这天，Elina和团队受邀参加LSExOptiver竞赛表彰(Optiver Coding Challenge 2024)。午后阳光透过Shaw Library的古典玻璃窗，照在Elina年轻的面颊上，站在身家亿万的量化巨头身边她没有丝毫怯弱，眼神中充满属于新青年的光彩。

左：Jan Boomaars，中：Elina

在这场近100位在校学生参与的比赛中，Elina带团队采用“博弈论”成功突围拿到Top1的成绩，并在合照时得到Optiver CEO Jan Boomaars本人的赞许。

这是一场为期8周的挑战赛，涵盖宣讲——培训——研讨——算法竞赛——展示等环节。招赛门槛其实并不高，凡是LSE的学生，只要对trading感兴趣都可以报名，不限专业。但如果没有coding背景的话，赛方会认为选手没有办法完成比赛，因此要求其他专业同学先去完成python coding的track train的训练营；当然，有coding背景的同学，可以直接参加。

正式比赛前，Optiver会向参赛者提供四节培训课，统一学习基础的market making策略、套利策略、金融衍生品定价与black-scholes model等内容。

培训完成之后，比赛正式开始。所有参赛选手统一接入给定的模拟交易所的API接口，交易所里有ETF、stock、futures、options等多种不同的金融产品，你需要利用所学知识创建交易策略，并在一段时间内develop你的策略，期间也可以接入这个交易所进行一些测试，最后会集中所有人在一个小时之内跑策略，盈利最多者胜出。

在这场代码游戏中，Elina凭借“上兵伐谋”的东方哲学杀出重围。在所有人都在研究下层策略，她考虑的是上层谋略，用她的话说：当大家都在想如何预测市场，我们想的是如何去预测别人的预测行为。

于是，几乎所有参赛者以套利为目标跑策略的时候、在前期测试阶段获得直观盈利的时候，这时，她带领这支队伍把更多的资金投入到做市，结果远超其他人。

这个比赛非常接近真实的交易所里面market making的场景，它让Elina意识到了一个非常重要的点：市场其实是一个零和游戏，如果你想要与众不同，你需要跟别人有不一样的视角。

她并不是编程能力最强的，也不是队员最充足的——甚至整个团队只靠她自己写代码——但她靠自己的智慧带领团队站在领奖现场。

“Optiver CEO的母校就是LSE，所以获胜后肯定会有跟CEO、公司员工内部交流的机会，可以扩展我的networking。在合照环节，他问我们用了什么样的策略，我介绍之后他也夸奖我们非常聪明。总之很开心，这算是我在LSE的一个高光时刻。”

除了盈利指标外，Optiver还设置最佳团队等奖项

02
搭得一手好模型，大厂、私募随便跳

Elina对代码的兴趣最早要追溯到家庭。

作为很早的一批的程序员，父亲希望她去修习计算机相关方向，因此Elina从高中就开始参与计算机竞赛，上大学之前拿下了亚太地区信息学奥林匹克竞赛银牌(APIO) ，大学本科也一路主修计算机专业，有着天然的兴趣和扎实的计算机基础。

奥克兰大学对Elina赋能最大的是编程能力，或者说完成整体数据分析项目架构的能力。

在这样一个选课自由且注重理论知识结合实际应用的学校。学生可以选择非常多的做project课程，并且毕业前也必须要完成为某家公司提供服务的项目，所以Elina在本科阶段做了许多数据分析、编程类的项目，其中不少侧重实际应用，以此来锻炼一个学生如何去解决问题的能力，比如如何更好地设计代码，或在流程中要把握哪些重点的能力（数据收集、数据处理、模型训练等）。

进入LSE，Elina在计算机和统计两学科基础上继续精进统计专业，在强化学习华人学术天花板Chengchun Shi*导师麾下研究强化学习在量化金融方向的应用。从入学开始到毕业，Elina一直专攻这一方向的研究，每天和导师的互动都是以“为我所用”作为基准。“Chengchun老师对金融是完全不了解的，但他会给我提供很多强化学习的idea，帮助我应用在金融问题上”。

在校期间，她凭借数学和统计基础、做算法题和data project的能力以及过往经历和学习成绩，不靠内推，拿下了华为AI Lab和国内两家量化私募公司的实习。

科技大厂的面试是出了名的严格，即便是实习岗位也要经过4、5轮的激烈竞争，面试中考察包括coding、统计在内的基本知识和测试题。在当年阿里、腾讯等大厂纷纷开设AI实验室时期，整座华为人工智能实验室有近百人规模，内部设立AI系统、知识计算、AIGC、数字人共四个研究组，Elina所在的小组全职加实习员工约20人，负责机器学习的模型训练和数据处理（models and tuning），具体研究人脸识别相关的模型的构建和数据的处理，比如一些常见的computer version的model的调参，尝试不同的网络架构，以及清洗数据。疫情期间，Elina在国内一边上网课，一边做实习，就这样持续了六个月。

接下来，Elina先后入职两家base深圳的量化私募公司进行quantative researcher实习工作。虽然job title是一样的，但工作内容不尽相同。

在A司，是以纯粹的researcher的角色来工作。每天看论文、研究策略。把论文、研报上看到的，或者脑海中的idea做成策略去回测，然后分析结果。

但在B司，更多的是偏向developer的方向。虽然不会涉及到网络架构或者硬件的工作内容，但会做一些从交易所的实时数据的储存的相关工作，包括如何更快地获取数据、清洗数据、存储数据，以及把这些数据用来做一些研究策略，很大部分的工作时间都会花在处理数据上。

相比之下，Elina个人更偏好researcher。“把大量的精力投入在去研究一个很高的策略里面，如果真的搞出来了一个还不错的结果的话，对我的激励是非常大的，我会非常开心。当然，这种结果导向的工作，如果结果不好的话，其实在公司压力是蛮大的。”

和大厂不同的一点，Elina所在的这家私募从来没有强制性的加班要求。如果员工比较有天赋，能做出来赚钱的策略，work from home也是完全可以的。人可以不在公司，电脑也可以不用自己的，人的自由度非常大，但一切前提是有好的结果导向。

甚至连实习生都能明显感觉到，策略好的researcher，上下班时间会很灵活，没什么事就先走了；策略做的不好的则每天兢兢业业，经常加班到很晚。

03
Miss.行走的绿皮书，冲进Top外资投行systematic trading team

扎实的coding能力、对数理统计知识和机器学习的深入了解，让Elina得以体验qr和qd两个不同的岗位，也在此之后越来越清楚自己想要怎样的工作。

她认为这几个职位对人的能力要求区分并不是特别大，更多是性格上的不同。一种适合安安稳稳地做研究，另一种则是亲身参与市场中的博弈和交易买卖，在短时间内做出反应和决策。越接近市场的压力越大、风险越大，但对乐于挑战的人来说，风云变幻何尝不是一种乐趣和刺激。

LSE毕业前夕，Elina和她的同学们进入了找工阶段。身边同学都在享受欧洲游，而她却在图书馆和一起准备面试的小伙伴疯狂刷题，两人的准备充分到几乎抛出一道题，对方立马就能反应出来是绿皮书的哪一道题；如果给出一个跟这个题相近的题，就会立马联想到是以绿皮书某道题为原型进行变动的。到最后，两人把绿皮书、leetcode刷得非常透彻，每一道题都有很深入的了解。

“行走的绿皮书、行走的leetcode”并不是刻意达成的成就，对她们来说，这是为了找到一份比较好的工作自身所需要具备的先决条件。

最终，Elina成功进入一家Top外资投行systematic trading team，任职quantitative trader；她的朋友也成功上岸某千亿对冲基金巨头担任quantitative researcher。

我们本想聊聊女quant在职场中的优势，但现实是在男女比例严重失衡的量化行业，女性并不占优势地位。无论薪资还是体力上，男女都存在着显著区别，就算拼加班，女性也很难拼过男性。

但在国外，政府正在坚持不懈地解决相关问题。英国投资协会(Investment Association)董事凯伦·诺西(Karen Northey)表示，从2018年到2022年，英国投资管理行业男女平均薪酬差距从31%降至24%，正在朝着正确的方向发展。另外，很多大型的外资投行都倡导性别平等的观念，最直观地体现在人员招聘的性别比例上，不少公司会为女性留出固定的招聘额度。当然，很多投行也设有自己的Women's Program，例如：

J.P.Morgan Winning Women Program

BofA Women's Fall Diversity & Inclusion Virtual Forum

Credit Suisse Women's Mentor Program

Rothschild&Co Sophomore Women's Program

...

“男性在这个行业确实占据主导地位，不管是中高层也好，还是基层员工也好。我身边大部分同事和同学都是男性，女性非常少。女生唯一能占优势的就是这种gender equality的制度鼓励，相当于如果你跟一个男生的水平是一样的话，他会优先录用你。前提是你需要做到和男生的水平一样。”

对于即将踏入量化行业的学弟学妹们，Elina给出两点非常实操的建议：

第一，从大二开始，紧盯外资投行的timeline。

把握好外资投行每年公布的申请期timeline，按照期间集中进行投递和申请，如果错过申请期再投递上岸概率几乎渺茫；

第二，重视networking，它不仅仅是内推的手段。

很多公司也会组织官方的networking活动，当然申请门槛也是比较高的。在申请Citadel Securities HK Summer Networking Event的时候，Elina投递的简历上没有填GPA，不久收到HR邮件询问GPA和成绩单，提交了这两项资料后才申请成功。即便是networking，公司也会关注申请人的成绩、学校等指标。

Elina坦言大家可以换个角度看networking。很多人希望利用coffee chat直接拿到内推面试的机会，但其实networking更重要的价值是让候选人梳理清楚面试方向，以及岗位实际的工作内容和要求。在候选人背景不相上下的情况下，企业更重要的是看人与岗位的匹配度，而networking就是帮你了解这个岗位具体是做什么，从而帮助大家更好地进行相关经验的积累和准备。

找到一份满意的工作，重要的远不止于简历的强弱，而是对专业的热爱、擅长以及保持开放的心态。Elina说，自己只是一直在尝试自己喜欢的和擅长的事情，所以目标也会随着过程而变化。

“我的心态或许和目标导向型还有些相反，就是不要给自己设置太多限制，保持一个非常open和谦虚的心态，时刻对自己深以为然的东西保持一点质疑。我其实见过很多纸面上的profile比我更好的人，但是他们很多也并没有找到自己特别满意的工作。所相比目标导向，我觉得open mindset在求职中可能是更关键的事情。”

*Chengchun Shi任LSE数据科学助理教授，同时也是统计学顶级期刊JRSSB（Journal of the Royal Statistical Society, Series B）和《非参数统计杂志》的副主编。他的研究重点是开发用于强化学习和分析复杂数据的统计学习方法，并将其应用于医疗保健、车辆共乘和神经成像（healthcare, ridesharing and neuroimaging）。曾获得2021年英国皇家统计学会研究奖、国际监测系统旅游奖。