微信号:bigdatalab

介绍:宽客俱乐部旗下美国大数据实验室,大数据研究应用.

什么性格的人适合 Quant 这个职位?能否描述一下 Quant 一天的生活是怎样的?

2014-11-05 17:14 大数据实验室

思维严谨规范喜欢与事物打交道类型的,还是思维发散善于与人交流类型的?


何波,Physics Ph.D. HFT & Market Maker.

quants一天的工作内容和他公司的风格、他研究的策略方向有所区别。我说下我们团队一个quants一天的工作吧。我们团队的风格主要是统计套利和高频流动性交易。

8:30: quants来到公司,开始为今天的交易准备数据,包括从万得、Bloomberg等终端导出数据,喂给自动交易系统。然后根据昨晚优化的结果,配置今天的核心参数。
9:00:所有数据准备好,配置文件设置好后,风控专员过来检查风控参数,包括每个交易员级别的、每个策略级别的、每个品种级别的指标。比如每个策略配置的资金、总交易的最大手数、每个品种交易的最大手数、当日最大持仓量、流控参数等等;如果是套利检查进场出场点的基差,如果是流动性交易,检查基准基差等等。
9:30前:所有交易参数、风控指标检查完毕后,使用暂停和手动模式启动自动交易系统,自检成功后,切换到手动模式,手动挂撤几笔单子,没有问题的话,启动自动交易模式。今天的交易就算正式开始了。
交易启动成功后,quants的主要工作就是启动matlab,继续优化或者研发新的策略,正在交易的策略就完全通过耳朵来监控,对于不同的信息有不同的声音,比如行情延迟中断报警、下单成功、盈亏、交易异常报警等等。这里的策略研发也分不同的阶段,比如早期或者一个新的quants,更多的是做paper test。或者要做个新的方向,首先也是先做paper test。 paper test的过程中,免不了大量的回测,这里回测要注意几个关键的坑:
1. 脏数据:这里包括数据粒度问题,做套利的还得考虑不同交易市场的时间戳对齐问题。
2. 高收益:有时候回测会发现,某个策略跑的数据真漂亮呀,这个时候千万不要得意忘形,很认真剔除那些单次高收益的点,这些点往往贡献了很高的收益,却在未来不可重现。
3. 过优化:过优化,过拟合这些坑就不说了。

当一个策略在历史回测中表现不错,并且样本外测试也符合的话,就可以考虑准实盘测试了,这里的表现不错主要是看年化收益、最大回测、夏普率、市场容量。有时候也会根据公司的短板有意识的补充一些策略。这里的准实盘测试是指用实盘行情,模拟下单在实盘跑。
准实盘测试后,就开始真正的实盘小资金试水拉。

而另一群做高频交易策略的quants,更多就是编程工作了,考虑着怎么降低系统延迟,怎么更优的下单。

15:30:收盘后,关闭交易系统。下载当日历史数据,用历史数据重跑一次交易,比较与实盘的差异。如果有差异,找出差异点;写交易日报。
17:00:投资总监发起每日的组会,讨论每个策略的交易情况。
18:00:开始健身房,30分钟-60分钟健身。
19:00:晚餐。
20:00:晚上8点后的夜生活就因人而异了,有继续回公司研究策略的,也有灯红酒绿、纸醉金迷的。。。


董可人高频交易,伦敦

第一要对技术类的工作有兴趣,对数学和编程相关的工作不排斥。做到这一点已经很不容易,在我认识的人里,大部份人都对这种工作没什么兴趣。特别是江湖上还流传着做技术只能到三十岁,以后一定要转管理之类的传言。但是要把 Quant 需要的手艺活学全了,多半你要读个 PhD,毕业可能已经快30了,还得进入业界锻炼几年,30以后可能才是真正能创造价值的时候。那时如果你突然表示自己其实对搞这些技术没有兴趣,很难说不是一件尴尬的事情。

能够做一些技术工作的人里,又包括了只喜欢纯数学做理论,和只喜欢写程序这样的人。或许前者更适合留在大学教书,后者不如去互联网公司。但要做 Quant,你应该对两者都有一定的热情。

第二要对金融市场有兴趣。技术做的好的人一般选择也比较多,能建模能编程的人去别的科技行业也能找到不错的工作,单纯从收入上来说我不觉得 Quant 这一行就一定比其他行业有优势。但市场本身是一个绝对独特的存在,做 Quant 的人肯定是对市场的兴趣远超过去研究高能物理或是人脸识别。

也许有些人喜欢把研究市场误读成赚大钱。我觉得世界上有很多事情,比如说数学定理或是物理定律,或者是一段程序,是千真万确亘古不变的东西,但是唯独赚大钱这件事,根本没有任何定理保证你如何之后就能成功。而且你知道过去一个月最受世人关注的那位姓马的老板既不搞数学也不写程序。所以我建议不要舍本逐末,赚钱这件事由上帝决定,选择做自己感兴趣的事却可以自己决定。

至于一天的生活,我想世界变化这么快,这种事情实在是微不足道。要不要从事这个职业,最重要的


老豚晕糖Trading Strategist. Physics Ph.D.

什么性格的人适合做Quant?性格划分不好说,我只能说说做阿尔法的,从需求出发,具有什么能力的人适合做Quant吧。简单地讲,就是:

第一,学习能力,是超强的跨学科背景的文献的自学能力。
英文文献的学习能力要我觉得要达到这个程:完全没有学科背景的十来页的理论文献(原始idea式的),一周能抓个大概,找出方向,找到可以借鉴的地方,然后在接下来一到三个月能给出实现的方法,解决问题。文献理解能力+实现验证能力,这个可以算难,也不太算难。对于什么专业适合做Quant?这样的问题,其实很简单,什么样的人能做到上面的程度就是适合做Quant的人。当然啦,学理论物理出身的人(比如我自己)会有些天然优势,再奇葩的公理体系和最新的理论框架我们都见怪不怪了,跨届到数学、物理、编程、数据挖掘又有什么难的呢,呵呵。

第二,寻找问题的能力(市场直觉)
只要在这行,面对的最终问题只有一个,如何顶着风险在未知中赚钱。永远要解决现有的工具和赚钱能力这个问题。Quant只是一条途径,一种工具(如果此生誓为他人做嫁衣,那.....也醉了)。提高自己赚钱能力的出发点就是(在担当未知的风险下)寻找到自己不足的根源。这样说,验证了过去正确与否,还得打个未来是否能重复的折扣。
未知性的问题包括三部分:市场变化的未知,策略在未来适应程度的未知,和策略验证模式完成度的未知。第一部分是不可完全解的(天赋异禀的....应该不在知乎这里看我的答案吧),第二部分各路神仙可以大显身手,寻找市场上可赚钱的模式,再加数据挖掘+统计,第三部分靠缜密地推理重复梳理优化IT技能,等各种考试高分完成模式。重要性依次递减,难度依次递减,所以如果要说什么样的人适合做Quant?
那我觉得是,如果有理解市场的直觉,那么就是你了;如果没有理解市场的直觉,嗅觉灵敏全天候全市场地找,找到赚钱的模式,也可以做的风生水起;如果这些都没有,还是老老实实地从做个名校理科专业的高分毕业生开始吧。

(来源:知乎)



CTP与飞马平台系统培训(第二期 实战进阶):一流技术专家授课,罕见的精品金融IT课程,高级宽客进阶必修课程

继第一期火热开班后,第二期内容更深入,更实战,完全针对实操中遇到的难题设计。


 
大数据实验室 更多文章 用户画像数据建模方法 李光斗:警方是如何利用大数据抓到王全安的 降楼价,新加坡居然靠的是无人驾驶! 小数法则和经验主义 高考状元长这样! 盘点2016年各省高考状元、录取线!
猜您喜欢 大啊啊发现 | 终于有本 Python 教程有趣又实用了 反射技术在Android中的应用 非死不可的RPC框架:thrift 为什么redis内存不宜过大 【招聘】这年头为了性命,工作得多挑一挑