一名優秀的 Quant 都需要具備哪些職業素養和技能? | 知乎問答精選

 

A-A+

一名優秀的 Quant 都需要具備哪些職業素養和技能?

2019年06月13日 知乎問答精選 暫無評論 閱讀 8 ℃ 次

【梅騰天的回答(42票)】:

紮實的數學基礎。我面試的時候都會故意問一些問題讓臨時看wiki的貨暴露馬腳。

基礎的程序設計能力,根據工種細分不同對程序設計能力要求不同。高頻的要求高一些,但就算是衍生品礦工和中低頻礦工,寫個script的基礎的能力必須有。

耐心、耐心、耐心,細心,細心,細心。我以前是個馬大哈,幾年工作下來耐心大大的,不會放過任何小數點後8位以內的差距。開始磨死人,現在習慣了反而受不了別人馬大哈了。

好奇心和不氣餒的精神。好奇心幫你發現問題,不氣餒的精神讓你跟問題死嗑。最終哪怕只是在在一定程度上解決它,都會給你的公司帶來利潤。

交流能力和虛心精神。礦工是個需要緊密團隊合作的工作,一個人再聰明再努力也對付不了市場上一群人都在拚命的聰明人。

最後就是用於面對錯誤的精神。人人都會犯錯誤,如果不敢於承認、面對錯誤,對團隊、對公司都是很大的隱患。另外,礦工是個不進則退的行業,不敢於面對自己錯誤的也會限制自己的成長,這樣遲早會被淘汰。

【陳皇宇的回答(41票)】:

謝韋香主邀請。

首先是對這個行業的興趣,很多人可能一開始覺得quant很酷炫就開始往這邊挪,但是對行業不瞭解,對需要克服的困難沒有清晰的認識,最終打了退堂鼓,所以一個持久的興趣很重要。

然後說一些會學到用到的東西:

  1. 編程
  2. 數學/統計
  3. 金融

金融工程其實就是這三者的交叉學科。

編程是重中之重,沒有誰能不編程就說自己是quant的,只不過需要負責的編程任務不同罷了。對於quant來說,你可能需要學會很多種不同的語言,你需要會C++,並不是說你一定會用到它,而是你對C++的知識讓潛在僱主知道你能很快學會其他的語言。你需要會Matlab/R,這樣你可以做research, 跑simulation,然後制定策略等等,你還要回SQL,因為金融是一個高頻大數據的行業。其它根據不同崗位還會有不同需求。

到底是用數學還是統計,往往取決於你是個Q quant還是P quant,但是金融時間序列和布朗運動為主的difussion process是每個人都必須要會的,之後根據職業特點和個人興趣會有不同。Q quant會進一步學到各種change of measure, change of numeraire, jump/levy process等等。而P quant則會進一步學習各種數據挖掘算法,濾波方法,貝葉斯統計等等。

最後是金融,這個每個人的看法不一樣,有的人說他完全不關心市場是什麼樣的,他只關心Data,我不太贊成這種看法。很多經典的模型被人詬病,批評別人的Model是很容易的,但是一個Model永遠只是現實的一種逼近,關鍵是這個模型能不能給你基本的直覺指引。很多人說CAPM沒用,但是CAPM起碼告訴了一個很簡單的道理,你不可能在降低風險的同時提高收益,起碼從期望上不能做到這個的,很多人做了半天model,最後把這個忽略了。你可能覺得APT很可笑,但是很多fund其實每天就幹這個,找factor,然後hedge到各種risk。你可能覺得市場微觀結構沒意思,但是如果你要開發做市策略的時候這就是重中之重。你可能覺得utility function沒意思,但是他能幫助你理解人性。

關於金融,這取決於你怎麼看待quant這份工作,你覺得你是在做模型,只不過有人做流體你做金融,那你就會覺得金融理論很沒意思,但我會覺得金融學的知識是最重要的,也是最有意思的。

如果把市場比作一個水面,在正常的時候,有很多漣漪,你說你能發現其中的規律,然後你模擬了這個波動,你賺到了錢。但是如果你從來不去思考這個漣漪為什麼會出現,那你就不會知道有一個巨浪要來了。也許你10年都在賺錢,但是一天虧到底。

對風險的敬畏是每一個金融業者應有的素養,quant也不能忽略,甚至要多面臨兩層風險:模型風險和統計估算風險。

知道model什麼時候fail比知道model好在哪裡要重要的多。

At the end of the day, it's the thing that you don't know you don't know that makes you lose all you pennies.

【董可人的回答(15票)】:

我心目中 Quant 所需要的素養也就是一名科學工作者所應該具備的素養。

第一是要有懷疑精神。別人給你講了一個思路,或是一項技術,也許那個人是你的老闆,或是你敬仰的業內大牛,那麼你就會信之不疑全盤接受嗎?你從事某項工作多年,比如說一段固定模式程序的寫法,很多年都那樣寫了,從來沒出過問題,那麼這種方法就一定是完全正確或是最優的嗎?你新加入了一家公司或是團隊,那裡的人看起來都很聰明且有高大上的學歷和工作背景,那麼他們的做事方法就是無可置疑,你只需照葫蘆畫瓢嗎?在我看來,一個優秀的 Quant,第一步要做的就是獨立運用自己所學對要面臨的任務和問題進行分析,不輕信其他人(包括自己的歷史經驗),對任何自己存疑的地方都積極調查,即便有時這會讓你看起來像個傻瓜。當然,做到這一點有一個前提,就是你要確保自己並不真的是一個傻瓜,對於給出的質疑要有充足的理由和確鑿的證據。

第二是要有紀律性。對於既定的紀律要堅決遵守,比如提交程序之前先跑測試,運行一個系統 之前先做例行檢查,寫程序的時候保證符合規範。即便有些時候一些紀律看起來很蠢,但如果你知道不遵守它們會導致什麼後果,那就絕對不要抱有僥倖心理,嚴格執行。

第三是能在抽像層面進行工作。這個抽像並非是指數學上那種程度抽像,而是說對一項技術或是產品,能夠深入理解其原理,進行有創造力的工作。 強調這一點,是因為我的確見過有些人雖然技術水平不錯,但是只能刻板的照做別人交待好的事情,一旦遇到一些別人沒有解釋過需要自己想辦法的問題,就會做的一塌糊塗。就其原因,就是因為對深入的概念和原理缺乏理解,只能浮於表象。

可以看出這三條沒有一條是講如何做交易的,甚至也不涉及具體的數學或是計算機技術。但是我相信能做到這三點的人,教他具體的業務或是技術細節絕非難事。而這三點其實恰恰是在任何科研工作中都需要的。雖然的確有些天才少年可以無師自通,但是對普通人來說,要磨練這些素養,讀一個理工科 PhD 經受正規的科研訓練是最有效的途徑,不論是數學物理還是計算機。我覺得這正是為什麼這一行如此偏愛 PhD 的原因。

【宋思源的回答(7票)】:

數學得好,一般都對數理背景的很有好感。這裡我很感謝我本科的數學系

上面也說了,基本三方面混合的

數理邏輯+金融+編程

我個人方面編程能力不算強

金融的知識方面,其實學金融的時候就一個感覺,這不就是什麼和什麼加一加就完事了嘛

說到底好多東西,金融方面的,也是可以找到數學的邏輯在裡面的。

還有一點就是個人性格等方面的,抗壓能力與是否能夠靜的下來還是很重要的。

有些時候欲速不達,需要靜下心來,一點點一點點從頭開始做,每一步不能有問題,邏輯得反覆推演,要不容易出現沒有覆蓋的情況。

還有個人方面的感覺就是魄力吧,是否敢擔事的能力。

還有從失敗中吸取教訓的能力~

說這麼多也相當於是自我總結了,估計再過一段時間可能還會有更多的感受吧

【Edward.Fu的回答(3票)】:

其實每個quant都有自己的特點,這些特點決定了他們的不可或缺。比如說:

1. coding活好的,尤其是牽涉到系統架構這種事情,1個頂100個;

2. 統計和數學功底好的,這類人喜歡從數據中找盈利的策略,這也是老闆也最喜歡的員工,因為他們每個策略背後貌似都有數據支持,這類人是quant的主流;

3. 對市場有感覺的,看看K線或者基本面數據後策略就能信手拈來的。這類人無他,天生適合這一行,膽大心黑。懶一點的不想學數學和統計,勤奮的也照樣會學,不過通常前者居多,爆倉最多的也就這種人;

【盧旺杉的回答(2票)】:

一是對各類事物尤其是數理方面有極強的好奇心和熱情。好奇心和熱情不光使得工作時的效率提高,還會自願增加處於工作和學習的狀態中的時間。

二是嚴謹和科學精神。嚴謹是各種事情不馬虎,不得過且過,專注細節,實事求是。科學精神是不會盲從(包括不盲從所謂的科學知識),具備懷疑精神,什麼事都會問為什麼,什麼事都不會十分篤定的精神。

這兩點其實都跟大五人格中的開放性(經驗開放性)有關,從前我們招聘的時候還會專門測這一項。

【曹建文的回答(0票)】:

一個優秀的 Quant 需要紮實的數學基礎和良好的編程能力,這裡的數學基礎主要思維和研究的能力,各種模型可在實踐中不斷學習,編程能力主要體現在把自己的想法或模型進行測試或實踐的能力。金融是人在參與,Quant需要面對的不只是數字和模型 ,只要是做投資的,我覺得都離不開對市場和參與者的瞭解,所以對財務知識、心理學以及行為學的研究也是很必要的。

【LIKE的回答(0票)】:

之前的大神回答都已經很好了。

加多一些,紮實的微觀市場知識。比如:

港交所分成的strict limit order和enhanced limit order的區別,會對市場造成什麼的影響,發去交易所以後會吃點多少active order對市場的order book有什麼影響,etc。

最基本的一些意義比如limit order provide liquidity 和market order consume liquidity。

市場的變化,東京交易所從一開始的五個tick level到現在的八個tick level對你的算法會有如何衝擊?

延遲的敏感,一個best bid offer在你的系統收到有多大延遲,發出去一個order有多大延遲?如果做並發計算我可以做出什麼樣的事兒保證在用的是最fresh的data...?

標籤:


相關資源:


標籤:



給我留言