笔者喜欢在网上到处爬量化投资相关的资料,虽然刚入行,未有小成,还是在这里记录一下,一来当做自己的成长日记,二来给想要成为量化分析师的新生一点点愚见。
虽然岗位是Quant,但是国内的Quant还是和国外有很大差距和不同的。国外的Quant主要工作领域是衍生品定价和建模,高等数学的知识少不了,比如随机微积分、偏微分方程等;因为对速度和效率有很高的要求,所以编程工具也多是C/C++、Python等高级编程语言。但是,国内金融市场起步较晚、金融创新受制、衍生品严重缺乏;所以,所谓Quant、量化分析师、金融工程师,其实只是做量化投资策略,用到的方法很杂:传统定价理论、统计理论、数据挖掘技术等,主要标的也是股票、期货、外汇等,数学要求跟国外差了一大截。另外,国外的Quant课程,C++是标配;但是,国内整个校园氛围比较浮躁,学校比较短视,师资力量也奇缺,怎么弄都是那些老掉牙的课程,面向量化的课程根本开不了或者不想开,所以,业界编程工具用的比较多的是matlab、SAS、R、VB等。当然这跟国内量化的先锋在卖方而不在买方也有关,卖方主要挖掘策略、写报告,不能实际投资,所以没有投资系统上进而没有高级编程语言的要求;但是随着量化的兴起,一些私募开始上自己的量化投资系统,对具备高级编程能力的量化人才的需求在快速上升。
好吧,我不善于码字,长话短说,国内量化分析师的基本要求:基础数学,编程能力,还有必不可少的金融知识。
——基础数学:这里的基础是相对高等数学而已,线性代数、微积分还是必备的;但这里的数学知识主要指:统计知识、计量(尤其是时间序列分析)、 一些数据挖掘知识、大数据处理能力,还包括各种可用于预测的新模型新技术
——编程能力:matlab/SAS/R/VB等至少精通一门;一些简单的统计软件Eviews、Stata、SPSS等掌握一个有好处,但是实际用处可能不大;如果有能力,C/C++/C#/java等熟悉一门,也很有必要,但是学习成本较大,看个人兴趣和能力了,掌握一门后对学习其他语言也很有帮助;鉴于各软件服务商开始上线自己的量化策略研究平台,掌握一门脚本语言Perl/Ruby/Python/Lua等也有帮助,大智慧收购的龙软就是用的Lua,天软目前是国内相关领域的领先者,不过主要得益于眼光准起步早,天软的语言太杂太烂太扯淡了,把简单的事情搞复杂化了,不过是老大就没办法,很多机构都买了,有时候还不得不学。
——金融知识:这个就不用多说了,数学和编程都只是工具,虽然重要,但是要赚钱还是得靠策略,策略思想来自于金融知识和实际的投资经验;基本面分析、技术分析、宏观经济预测等都是量化策略的重要来源;量化投资中涉及到的资金管理、风险控制、资产配置等是金融理论、投资经验、甚至投资理念和哲学最直接的体现,往往也是长期收益的主要来源。
哪怕仅仅是三个学科(其实里面很多东西),谁又能精通全部呢,精通一个都很难。如果是某一方面的鬼才,等着人来抢吧;如果没一方面算得上天才,还是都懂点吧,至少混混经验还是可以的,说不定混久了就形成自己的投资哲学,找到了几个可以稳定赚一段时间钱的策略。
hello