成为量化分析师

       终于踏出校园走上了自己想要从事的岗位——Quant。学校里虽然由于种种原因，没能按照计划做好准备，但是怎么说了，我是个天才吧，都忍过来了。这两年环境不好，很难拿到比较好的量化分析师的offer，但是好在遇到个不错的老大，能待在自己喜欢的岗位上，虽然梦想是做个自由投资者，但是现实骨感啊，还得一步一步走。

        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