在量化交易領(lǐng)域，研究和開發(fā)是行業(yè)存在的基礎(chǔ)，已經(jīng)有人做了大量工作來回答一些尚未解決的問題。在投資銀行和對沖基金的語音交易平臺上，你會發(fā)現(xiàn)交易者、結(jié)構(gòu)者和開發(fā)量化模型的量化——對復(fù)雜的單純期權(quán)和奇異衍生品合約交易、定價并進行風(fēng)險管理。90年代衍生產(chǎn)品定價專家的技能組合通常是擁有一個在頂尖院校的純數(shù)學(xué)專業(yè)的博士學(xué)位，主修馬爾可夫鏈模型、偏微分方程或蒙特卡羅建模。快進到今天，技能組合已有很大不同。Quant 需要在計算金融領(lǐng)域有堅實的基礎(chǔ)——這是一個軟件工程和應(yīng)用數(shù)學(xué)的結(jié)合。

最近的一項研究證實了這一說法(見下圖)；請注意，在2005-2010年間畢業(yè)的Quant占了所選定學(xué)位的畢業(yè)生的近50%。相比之下，2010-2015年下降了18%。而且當(dāng)你在不同時間區(qū)間之間比較科學(xué)碩士學(xué)位的流行性時，他們已經(jīng)經(jīng)歷了一個向上的軌道，并且顯著增長了13%。值得注意的是，人們越來越有興趣雇傭在某一特定領(lǐng)域從事進一步研究并有實際工作經(jīng)驗的Quant，而不是一個可能已經(jīng)花了8年時間攻讀哲學(xué)博士學(xué)位和博士后研究的Quant。對未來的雇員來說，實際工作經(jīng)驗比理論知識更有價值。也就是說，重要的是要認識到，高度專業(yè)化的Quant Researcher總是會優(yōu)先選擇擁有博士學(xué)位的寬客作為技能提供者，比如在無人監(jiān)管的環(huán)境中進行獨立研究和分析。

?

自2008年金融危機十年后，有證據(jù)表明，市場已經(jīng)發(fā)生了變化，對風(fēng)險的偏好在很大程度上降低了。曾經(jīng)不知道或?qū)斫馑麄冋谫I賣交易的復(fù)雜證券不感興趣的客戶現(xiàn)在更傾向于投資流動資產(chǎn)。這些奇異金融產(chǎn)品有成千上萬的標(biāo)的的產(chǎn)生高回報的高風(fēng)險的奇異產(chǎn)品已經(jīng)越來越不受歡迎，因此迫切需要對這類產(chǎn)品進行建模。因此，流動性交易量的增加和流動性工具交易需求的增加是市場的大勢所趨。

Quant 不再僅僅關(guān)注構(gòu)建復(fù)雜的衍生產(chǎn)品定價模型；重點已經(jīng)轉(zhuǎn)移到改進現(xiàn)有模型和使用技術(shù)來創(chuàng)建工具——這些工具準(zhǔn)確地代表了真實世界的風(fēng)險/機遇以供交易者采取行動。因此，技能組合的轉(zhuǎn)變已經(jīng)轉(zhuǎn)移到諸如計算金融、工程與計算機科學(xué)、模式識別和信號處理，以及人工智能和機器學(xué)習(xí)。技術(shù)進步的副產(chǎn)品是可用的計算能力，這意味著跑一次包含大量市場數(shù)據(jù)的模擬，過去可能需要幾個小時，現(xiàn)在可能只需要幾分鐘。緩慢、不可靠和過時技術(shù)的成本是生產(chǎn)率的障礙，因此，量化系統(tǒng)開發(fā)工程師的市場依然繁榮活躍。那些能夠開發(fā)核心基礎(chǔ)設(shè)施和生產(chǎn)系統(tǒng)的人會被給予很高的重視。這些系統(tǒng)可以有效計算千萬衍生產(chǎn)品合約，并且能夠研究剖析數(shù)字和作出有價值的分析報告。特別強調(diào)的是運用的語言是 C++，目前市場上，90%的對沖基金公司都在招聘C++ Developer。但是能夠達到要求的C++ Developer 卻不多。?

上面的圖表說明了在未來教育中被選中的正在流行的研究領(lǐng)域里兩類人員之間的差異，第一類是畢業(yè)于2005-2010年間，第二類是畢業(yè)于2010-2015年間。 在結(jié)果中有一些重大結(jié)論被發(fā)現(xiàn)：在兩段時間年份中，數(shù)學(xué)都是最流行的研究領(lǐng)域，畢竟這也是數(shù)量分析到如今經(jīng)久不衰的基本原則。但是，然而，顯而易見的是，在同一時期，計算機科學(xué)的受歡迎程度上升了4%，接近第二位。看來統(tǒng)計數(shù)據(jù)在排名中有所下降了10%，并被機器學(xué)習(xí)所取代。機器學(xué)習(xí)占第二組的19%。有些人會認為機器學(xué)習(xí)是統(tǒng)計建模和應(yīng)用于大數(shù)據(jù)集的計算機科學(xué)的混合體，這使得它在當(dāng)今的行業(yè)中成為一個更相關(guān)的選擇。在此期間，金融和工程略有變化，而普通科學(xué)從圖表[1]中的第二名上升到圖表[2]的第四名，受歡迎程度下降了18%。

人才之戰(zhàn)

很明顯，如今Quant的角色已經(jīng)發(fā)生了變化，因此這個術(shù)語不再僅僅與忙于定價和在銀行中做市商部門設(shè)計對沖策略的博士的形象聯(lián)系在一起，也不是對沖基金或自營交易公司。金融服務(wù)的許多領(lǐng)域現(xiàn)在都可以找到Quant，無論是在銀行的風(fēng)險部門——驗證/審查定價模型；在零售銀行預(yù)測客戶拖欠貸款/抵押貸款的可能性；或者是為小型精品店客戶開發(fā)第三方投資分析的R&D集團。因此，進入該行業(yè)的初級Quant有更廣泛的職業(yè)選擇。一次可以觀察到的結(jié)果是通過提供一條更非傳統(tǒng)的職業(yè)道路和一個完全不同的命題，無論大小，Fintech公司在吸引Quant人才方面都取得了更大的成功——這種吸引力來自于一種企業(yè)家精神、協(xié)作精神和更少官僚制度環(huán)境。并且在某些情況下，你會擁有股權(quán)。

另一方面，有一種觀點認為，沒得到的一定是更好的。所以買方仍然被視為通往阿爾法和投資組合管理的大門。自營交易、無上限獎金誘惑仍然是業(yè)內(nèi)最聰明、最有能力的人首選的目的地。更常見的情況是，趨勢是從賣方到買方，或從買方到買方的單向流向。當(dāng)然，錢會帶來風(fēng)險；基金表現(xiàn)不佳，或者雇傭你的投資組合經(jīng)理損失慘重。

如何在新技術(shù)時代證明你的技能

要在競爭激烈的就業(yè)市場緊跟潮流，就必須保持技術(shù)精進，而且編程是必須的。最受歡迎的技能是熟練使用Python，因為它是一種用于腳本編寫、原型制作和實現(xiàn)解決方案的開源語言。這是許多角色和企業(yè)的首選語言，以至于沒有這種技術(shù)可能會成為吸引人才庫中最頂尖人才或輸給競爭對手的區(qū)別。Python支持多重編程解析典范，包括面向?qū)ο蟆⒚钍健⒑瘮?shù)式和過程式。主要的商業(yè)利益是通過自動化簡單但勞動密集型的過程來提高生產(chǎn)效率，將數(shù)據(jù)聚集到可視化工具中，以促進高效的決策制定。但同時，如果公司業(yè)務(wù)對低延遲有要求，那么就需要C++了，并且目前的市場情況是低延遲系統(tǒng)的C++ 人才少，職位多。

數(shù)據(jù)工程和大數(shù)據(jù)分析技能也同樣不是一個“你擁有的話會不錯”的技能，而應(yīng)是必須有的前提條件，因為很多面向金融領(lǐng)域的一系列決策/行為科學(xué)新問題需要數(shù)據(jù)驅(qū)動的方法。理解替代數(shù)據(jù)集以復(fù)制真實世界的情景，為決策者、政策制定者和投資者提供具有競爭優(yōu)勢的洞察力。以算法交易為例；它使用具有復(fù)雜數(shù)學(xué)模型的大量歷史數(shù)據(jù)來最大化投資組合回報。一家保險公司可能想分析從汽車里的黑匣子地理空間數(shù)據(jù)去估計投保人發(fā)生事故并索賠的可能性。通過基于數(shù)百個因素的分析、建模和預(yù)測結(jié)果，使用線性回歸/時間序列分析/隨機森林方法，對少數(shù)結(jié)果賦予權(quán)重，從而為保險費定價——是可能的。從數(shù)據(jù)中發(fā)現(xiàn)的信號中提取價值的方法有很多，且圍繞智能分析仍將是一個未來幾年投資的重要領(lǐng)域。

機器/深度學(xué)習(xí)也是市場上一個蓬勃發(fā)展的領(lǐng)域，供不應(yīng)求。有一種想法是將復(fù)雜的方法，如神經(jīng)網(wǎng)絡(luò)、貝葉斯推理或自然語言處理[NLP]，應(yīng)用于大型結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)集，采用監(jiān)督或無監(jiān)督學(xué)習(xí)的選擇。由于數(shù)據(jù)戰(zhàn)持續(xù)不斷，對這類技能的需求將會占上風(fēng)，而這個領(lǐng)域的頂尖人才也會被標(biāo)上最高的價碼標(biāo)簽。盡管硅谷是全球公認的尖端技術(shù)和創(chuàng)新研發(fā)之都，也是業(yè)內(nèi)一些最有才華人士的圣地，但高頻交易公司、電子交易流動性提供商和對沖基金都仍在招募機器學(xué)習(xí)，即使研發(fā)成本高，不僅僅需要具備專業(yè)的機器學(xué)習(xí)專業(yè)知識，還要精通統(tǒng)計，對金融知識熟悉，但是這是技術(shù)的未來，下一個技術(shù)時代。

如何進行人才布局

我們預(yù)計，技術(shù)將成為在整個行業(yè)創(chuàng)造新角色的催化劑，即使是在人們最意想不到的領(lǐng)域，在這些領(lǐng)域，量化研究和開發(fā)之間的界限將變得更加模糊。策略可以解釋為優(yōu)化、分析、風(fēng)險管理和編程之間的交集。在多數(shù)情況下，其任務(wù)是向交易平臺提供可量化的價值。自動化被認為是最大的增長領(lǐng)域之一:在買方，越來越多的參與者轉(zhuǎn)向系統(tǒng)交易；在賣方，交易臺將縮減語音交易業(yè)務(wù)，并轉(zhuǎn)向電子化。??

就業(yè)市場仍將是一個競爭激烈的環(huán)境。由于許多公司都尋求有著相同的技能組合的人才，因此它將創(chuàng)造一個出價最高者獲勝的賣方市場。其他考慮因素是，為了能夠爭奪到頂尖人才，企業(yè)必須提供智力刺激的工作——一個鼓勵協(xié)作、問責(zé)制度以及自由表達想法的生態(tài)系統(tǒng)，以讓員工覺得自己有能力做出改變。作為企業(yè)的領(lǐng)導(dǎo)者，在人才招募方面，薪資已經(jīng)不是唯一人才考慮的因素了，具有前瞻性，有遠見的人才招聘和科學(xué)的公司管理，為團隊提供開拓前沿研究的機會才能從世界一流技術(shù)的進步中獲得戰(zhàn)略地位。?

作者：Lucy Luo

來自：FinTech社區(qū)

推薦閱讀：?

1.市面上經(jīng)典的量化交易策略都在這里了！（源碼）

2.海龜交易法則策略，多讀幾遍少走10年路

3.配對交易—這個股票策略曾年賺5000萬美元

4.揭開日內(nèi)回轉(zhuǎn)交易策略做“T+0”的面紗

5.被動與主動的完美結(jié)合：指數(shù)增強策略的魅力

6.網(wǎng)格交易法，一個不容易虧錢的投資策略（附源碼）

?

總結(jié)

以上是生活随笔為你收集整理的量化交易领域最缺的人才！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。