今年秋招过程中,很多同学对量化交易行业表示了向往,一些疑问也随之而来,从事量化交易行业究竟需要哪些技能?只有博士才能进入量化交易行业吗?宽德是否有针对量化交易的实习生项目?要求有哪些?…….
宽德精选了以下代表性的问题,希望帮助到有志从事量化交易的同学们,为同学们的学业、实习乃至整个职业规划提供一些参考。
Q:量化交易需要的技能点,具体分别是数学、计算机、金融中的哪些能力?A:量化交易是在理论指导下,由大量工程实践所驱动。量化交易就像在市场的演武场上,同时比拼“文”和“武”。
“文”指数学,但不局限于应用数学与金融数学,也包含统计、运筹优化、深度学习、强化学习的理论部分,它们为研究量化交易提供了理论框架和指导。
“武”的部分,则以计算机为中心,不局限于简单编程,而包括硬件设计、高性能计算、大数据科学、工具链设计等工程技术,把上述提到”文“的理论落实到具体实践中。计算机是量化交易的载体,卓越的工程能力帮助量化交易拥有更高的计算效率与精准度、更便捷的工具;缺乏计算机的帮助,量化交易就会十分低效。
刚开始接触量化交易实践领域,并不需要太多的金融知识,而且学校中获得的金融知识与量化交易实际需要的,既有互通之处,又有一定区别:量化交易更关注金融机制、交易规则与实现细节,偏向于金融实务;金融专业中的知识理论成分更重,偏向于金融产品的理论、设计与性质。想要真正从事量化交易的金融专业毕业生,不仅需要补充上述提到的数学、计算机理论与工程能力,也需要补充相当量的金融实务知识。
Q:量化交易更看重数学能力还是计算机工程能力?A:如果将量化交易策略看作一条光谱,光谱上的两端分别对应了不同技术策略。
光谱的一端偏向极致的速度,即更快接受数据,更早发出交易指令,强调以速度优势获得交易结果优势,典型是极致的高频套利交易,充分利用高性能软/硬件设计技术。在这一端,计算机理论与工程能力的要求更高。
光谱的另一端,则追求极致的准确度及复杂度,希望模型比其他竞争者更精准。这一端的时间敏感度低,能容忍庞大的计算量及相对较长的时间消耗。其典型应用为统计套利。在这一端,数学能力的要求更高。
所以,并不能绝对地说数学与计算机工程能力孰轻孰重。整个量化交易光谱上的各个点,都是不同速度与复杂度的组合与权衡,在各个点上相比于竞争对手的优势,都可以成为一种成功的量化交易策略。
不过,数学能力与计算机理论与工程能力的获得路径有所区别。数学能力的获得需要扎实的学术基础,在实践中进阶,加深对理论的理解;而计算机工程能力更容易在实践中获得,在自我驱动下不断学习及提高。
Q:非科班出身的同学,应当如何提高自己的竞争力?哪些方面最重要?A:关于学术上的要求,就如前文提到的,应该从“文”和“武”两方面把握。一方面找到自己的竞争优势,让长处更长;另一方面建立广泛的兴趣,对相关学科建立基本概念,把握整个知识体系,未来方能有迹可循地进一步深入。
我们希望同学们能够更谨慎地思考与选择实习机会。实习是必要的,它可以帮助你了解行业、发现兴趣,确定自己是否真心希望从事量化交易行业。但过度实习是有害的,通常来说实习工作深度有限,不利于“硬核”知识增长,它们的获得更需要在学校与科研中积累。所以有志于从事量化交易行业的同学,特别是本科同学,建议选择少而精的实习机会,