职分享 | 准备什么才能年薪百万?

全球信息化给量化金融带来了巨大的变革:数据采集传感器的涌现提供了海量用于解析的数据,开源软件的日益成熟打破了商业软件的垄断地位,云计算的应用降低了量化金融领域的进入门槛;规则制度的不断完善也日益规范了量化交易。近年来,量化金融招聘的重心随之转移到“Fintech”领域,对于应聘者的素养要求也在不断改变。具有“量化金融”和“数据科学”背景的雇员成为了香饽饽。今天我们来细看下量化金融对哪些领域人才更青眼相加!

软件开发

随着Fintech的兴起,投行、对冲基金等对软件开发人员的需求越来越大。尤其是掌握命令式编程和面向对象编程语言核心(C++11,C#,Java,Scala和Python)的软件开发员,更是各大知名对冲基金争先抢夺的对象。

统计机器学习和深度学习

近年来,机器学习成为分析金融数据的强有力工具之一。 要让“数据科学”和“大数据”在量化金融领域发挥用武之地,需要对“贝叶斯推论”和“机器学习”有深刻的理解。在学术界和商业研究领域,已经有不少文献,研究如何用“线性时间序列模型”及其它类基础的机器学习模型,如“核状或树状分类器/回归器”分析金融数据。

随着深度学习的发展,量化金融对这一新兴技术也加以重视,主要想利用“深度学习架构”来处理分类任务,及利用其作为高效的搜索引擎。

有些顶尖量化基金不惜斥巨资将全球领先的机器学习/深度学习研究所的整个研究团队纳入麾下,期望这些前沿技术能够为其带来丰厚的回报。可以说,具有“统计机器学习”和“深度学习”背景的候选人,是量化金融猎寻的对象。

随机微积分和金融工程

政策和规章的出台对银行和资产管理机构的风险控制及量化模型验证提出了日益严苛的要求。这种情况就需要使用随机微积分和金融工程,如衍生品模型。

该类技巧需要具备高等数学或者理论物理知识的人才。顶尖对冲基金特别偏爱从欧美著名高校毕业的研究生及以上学历的精英。 如果你恰好落入该类人才范围,则不妨考虑基金里的风险控制或者模型验证岗作为职业生涯的开端,而不是丢掉自己的竞争力,去应聘市面上流行的“初级量化交易员岗位”。可以选择投资标的为大宗商品、外汇交易、固收、债券风险等的精品投行,它们对用随机微积分和衍生品模型做风控及模型验证有极大的需求。入职后,也建议各位精英拓展自己的编程能力,跟上时代的潮流。

计量经济学,时间序列分析和频率论统计

虽然成熟的量化对冲基金和投行已从传统的时间序列分析工具转向更高级的量化分析工具,然而市面上还存在不少对冲基金仍在使用时间序列分析工具,尤其是家族式的量化对冲基金。为了分散投资组合,并获取~ 3-4%的真实收益回报,很多家族基金都会在基金创立初期先建立一个对冲基金分支。

基金建立伊始,需要获得并积累大量的高质量数据,并建立交易基建设施,这就需要拥有计量经济学、时间序列分析和频率论统计背景的精英。 然而具有该项专长的求职者,要在新建立的量化对冲基金内才能发挥用武之地,求职的手段就不能仅局限于传统的方式,单纯通过参加校招,或职业招聘会等是很难获得心仪的岗位的。求职者除了过硬的技能外,还需要拥有强大的人脉,或依赖专业的猎头,打听下哪些家族式量化对冲基金刚刚成立,正需要人选做数据积累和基建建设。

其它类技能

GIS (Geographic Information System地理信息系统),远程观测,传感器数据混合处理

另类数据源成为对冲基金关注的热点,以期用其作为王牌对抗传统基本面数据,获取超额alpha。 风投资本的涌入和技术的发展使得IoT数据贩卖商的市场越来越广,市场准入门槛也逐渐降低,主要得益于大规模生产的实现大幅削尖了硬件传感器的成本,同时机器视觉等软件的成熟也使得IoT数据采集及分析的商用加速。

IoT数据卖家的涌现也对量化金融的应聘者提出了除机器学习之外的其他类新技能要求:如具备传感器融合的分析技能,远程观测技能,GIS技能等。

总而言之,强大的量化分析能力是底层逻辑,需要深而广的数学、物理、统计学和计算机技能来支撑。在走上量化金融之道后,也不要忘记时刻储备自己的知识和能力,与时俱进。