量化 | 從工程師到量化金融-如何進(jìn)行過渡

Levy_X 2020-12-08

展開全文

我們經(jīng)常收到有關(guān)向職業(yè)生涯過渡到量化金融的可能性的電子郵件查詢，特別是對于當(dāng)前認(rèn)為自己處于職業(yè)中期的個(gè)人。

從更一般的角度講，我們先前已經(jīng)討論了在三十多歲時(shí)是否有可能成為量化者。但是，對于那些具有更特定的技術(shù)專長的人，尤其是那些具有硬科學(xué)或工程學(xué)背景的人來說，常常不知道在現(xiàn)代量化金融角色中需要哪些技能以及如何過渡到成為量化者。

在本文中，我們將討論哪些角色可能適合技術(shù)職業(yè)轉(zhuǎn)變者，如何利用您當(dāng)前的技能以及如何為現(xiàn)代量化對沖基金和投資銀行中現(xiàn)在出現(xiàn)的面試類型做準(zhǔn)備。

研究人員還是開發(fā)人員？

現(xiàn)代量化基金中可用的兩種“前端”量化角色大致可以分為量化交易研究人員和量化軟件開發(fā)人員/工程師。在投資銀行中，仍存在大量衍生產(chǎn)品定價(jià)，需要特定的數(shù)學(xué)功能。

量化金融中大多數(shù)角色的關(guān)鍵區(qū)別在于候選人的編程能力以及其數(shù)學(xué)和統(tǒng)計(jì)成熟度。

具有編程能力的人（即具有大型面向?qū)ο蟠a庫的軟件工程經(jīng)驗(yàn)）可能會(huì)傾向于使用量化開發(fā)人員的角色。

那些更習(xí)慣于通過筆記本編寫腳本或進(jìn)行交互式研究，但又偏重于假設(shè)檢驗(yàn)和數(shù)據(jù)分析的人，很可能會(huì)發(fā)現(xiàn)量化研究更為合適。

量化研究員

在沒有量化金融研究經(jīng)驗(yàn)或您當(dāng)前行業(yè)中進(jìn)行過其他嚴(yán)格研究的例子的情況下，定位中級量化交易研究角色將是一個(gè)挑戰(zhàn)。

這就是為什么博士學(xué)位通常被用作某種形式的硬性要求而被用作人們進(jìn)入這一職位的障礙的原因。盡管如此，仍然有可能進(jìn)入研究角色，但可能有必要將角色定位在更初級的位置。

為了避免需要公開研究記錄或有商業(yè)研發(fā)經(jīng)驗(yàn)的證據(jù)，可以從公司擔(dān)任量化研究開發(fā)人員一職而轉(zhuǎn)為研究角色。這通常僅在長時(shí)間顯示出專業(yè)知識(shí)后才能發(fā)生。

從好的方面來說，許多公司現(xiàn)在開始雇用一般的“數(shù)據(jù)科學(xué)家”來研究另類數(shù)據(jù)（與傳統(tǒng)的價(jià)格/量數(shù)據(jù)相反）。Python的數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)技能（NumPy，Pandas和Scikit-Learn）將在這里很有價(jià)值。如果您具有這些技術(shù)領(lǐng)域的背景知識(shí)，則可能會(huì)發(fā)現(xiàn)自己的需求量很大。

統(tǒng)計(jì)的重要性

工程教育經(jīng)常強(qiáng)調(diào)確定性方法而不是統(tǒng)計(jì)方法。在本科生水平上教授工程師基本統(tǒng)計(jì)學(xué)知識(shí)的同時(shí)，對于大多數(shù)量化金融職位而言，所需的成熟度還不夠。因此，如果您認(rèn)真申請成為一名定量研究人員，則有必要提高您的統(tǒng)計(jì)成熟度。

過去，許多定量分析員被雇用來為復(fù)雜的衍生品合同定價(jià)，該合同大量使用了隨機(jī)微分方程和Ito微積分。因此，從工程師到定量的過渡更為直接，特別是對于那些具有隨機(jī)最優(yōu)控制背景的人。

對于定量交易研究人員，必要的工具包有所不同。雖然隨機(jī)演算在某些領(lǐng)域仍然很受重視，但重點(diǎn)已轉(zhuǎn)移到統(tǒng)計(jì)時(shí)間序列分析，線性統(tǒng)計(jì)技術(shù)和基于貝葉斯的機(jī)器學(xué)習(xí)方法。

即使在這些領(lǐng)域有很強(qiáng)的背景，仍然有必要證明將這些技術(shù)應(yīng)用于量化金融數(shù)據(jù)集的能力，這以不穩(wěn)定和信噪比差而臭名昭著。準(zhǔn)備好與這些方面有關(guān)的面試問題。

量化開發(fā)角色

量化開發(fā)人員是研究的替代方法。他們通常需要初級的計(jì)算機(jī)科學(xué)背景或職業(yè)中期的軟件工程技能記錄。

所需的最重要技能包括面向?qū)ο蟮木幊蹋瑢?shù)據(jù)結(jié)構(gòu)和算法的廣泛熟悉以及軟件工程技能。

C ，Java和Python是量化金融中大量使用的語言的典范。因此，如果您對此路線感興趣，我們的建議是通過編寫自己的大型項(xiàng)目或通過貢獻(xiàn)開源軟件來嘗試和實(shí)踐盡可能多的軟件開發(fā)。

編程的重要性

應(yīng)該強(qiáng)調(diào)的是，無論您是針對定量研究還是定量開發(fā)人員角色，您都需要具備一定的編程能力。無論是開發(fā)人員還是研究人員，量化工作一天中有80-90％的時(shí)間都花在了編碼上。因此，如果您當(dāng)前的職業(yè)道路尚未使您接觸編程，那么您將需要在其他地方獲得此知識(shí)。

在學(xué)術(shù)界，普遍存在用MATLAB和Fortran編寫的代碼，而沒有使用任何面向?qū)ο蟮募夹g(shù)。特別是對于定量開發(fā)人員，在嘗試面試之前，必須熟悉算法，數(shù)據(jù)結(jié)構(gòu)和設(shè)計(jì)模式，以及諸如C ，Java和Python之類的面向?qū)ο蟮恼Z言。

無論您決定擔(dān)任量化研究人員還是量化開發(fā)人員，都應(yīng)注意，量化團(tuán)隊(duì)廣泛使用了類似敏捷軟件開發(fā)之類的現(xiàn)代項(xiàng)目管理技術(shù)。這將需要熟悉版本控制軟件（例如Git），以及對現(xiàn)代軟件測試方法的理解以及使用Linux命令行的技巧。

這些方法通常與傳統(tǒng)工程行業(yè)中較長的發(fā)展周期形成對比。幸運(yùn)的是，可能有在線課程，教程和書籍可以教這些技能。

利用您當(dāng)前的技能

工程師在分析問題上的能力和理解大型系統(tǒng)的能力在量化金融方面廣受歡迎。由于系統(tǒng)交易不過是大量互連系統(tǒng)而已，因此這些技能在幫助診斷不可避免的問題時(shí)將非常有用。

編碼在工程中變得越來越普遍。通常，工程師必須修改大型舊代碼庫才能添加新功能。在系統(tǒng)交易發(fā)展中也是如此。因此，可以建立修改大型Fortran或MATLAB代碼的技能，以獲得在版本控制的環(huán)境中修改大型面向?qū)ο蟠a庫的能力。

在其職業(yè)生涯中，所有工程師都必須在某種程度上精通數(shù)學(xué)。盡管物理和工程數(shù)學(xué)經(jīng)常強(qiáng)調(diào)基于確定性微分方程的方法，但是不確定性量化之類的新概念正在將現(xiàn)代工程師引入可靠的統(tǒng)計(jì)和機(jī)器學(xué)習(xí)方法。利用這些工具并在面試時(shí)強(qiáng)調(diào)它們，將進(jìn)一步證明您適合擔(dān)任量化金融職務(wù)。

面試實(shí)踐

由于技術(shù)水平以及所涉領(lǐng)域的專業(yè)知識(shí)，現(xiàn)代的量化金融面試（研究人員或開發(fā)人員）需要大量準(zhǔn)備工作。應(yīng)該強(qiáng)調(diào)的是，不再可能從學(xué)術(shù)界或工程學(xué)界“扮演”量化角色。面試的準(zhǔn)備很關(guān)鍵。

盡管準(zhǔn)備的類型在很大程度上取決于您自己偏愛的學(xué)習(xí)方法，但是幾乎總是適合對面試問題和“現(xiàn)實(shí)世界”項(xiàng)目進(jìn)行練習(xí)。

對于定量研究人員而言，Kaggle競賽平臺(tái)是獲得數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)技能的好地方。Kaggle使您可以在“筆記本”環(huán)境（例如JupyterLab或R Shiny）中獲得實(shí)踐技能。

在這種方式下進(jìn)行端到端競賽的過程將為您提供Python庫的實(shí)踐經(jīng)驗(yàn)，例如NumPy（用于數(shù)值數(shù)組操作），Pandas（用于面板數(shù)據(jù)分析），Scikit-Learn（用于淺層機(jī)器學(xué)習(xí)）和甚至TensorFlow或PyTorch（用于深度學(xué)習(xí)）。

對于量化開發(fā)人員，有無數(shù)的采訪實(shí)踐網(wǎng)站和有用的教科書。對于面試問題練習(xí)特別有用的兩個(gè)網(wǎng)站是HackerRank和Leetcode。它們包含大量的數(shù)據(jù)結(jié)構(gòu)和算法問題，通常不僅需要找到可行的解決方案，而且還需要最佳的解決方案。

關(guān)于如何通過編碼面試的最有用的教科書之一，是蓋爾·麥克道威爾（Gayle McDowell）寫的，名為《破解編碼面試》。本書概述了開發(fā)人員的端到端流程以及如何最好地管理面試準(zhǔn)備時(shí)間。

求職

在量化金融中，求職要比準(zhǔn)備工作簡單得多。進(jìn)入量化角色的最常見途徑是通過您當(dāng)前的人際網(wǎng)絡(luò)（例如，進(jìn)行過渡的博士/研究實(shí)驗(yàn)室同事）或通過位于主要量化中心（紐約，倫敦，香港和紐約）的專業(yè)量化金融招聘人員。

現(xiàn)在，看到量化公司直接通過自己的職業(yè)門戶網(wǎng)站進(jìn)行招聘也變得越來越普遍。大型量化基金青睞的另一種招聘機(jī)制是每年舉行的“編程競賽”。為此類競賽提供新穎的解決方案可以使您在就業(yè)能力方面領(lǐng)先于其他公司。

綜上所述

即使從職業(yè)中期開始，從傳統(tǒng)的工程角色轉(zhuǎn)變?yōu)榱炕鹑谝彩怯锌赡艿?。為了能夠跳下去，有必要進(jìn)行大量準(zhǔn)備。

對于定量研究人員而言，強(qiáng)大的統(tǒng)計(jì)知識(shí)絕對是必不可少的技能。對于經(jīng)過確定性方法（例如微分方程）培訓(xùn)的工程師而言，這可能是一個(gè)挑戰(zhàn)。MOOC，正式資格和廣泛的實(shí)踐都是快速掌握一切有用的方法。

無論是研究角色還是開發(fā)角色，都必須在編碼，軟件開發(fā)和現(xiàn)代敏捷項(xiàng)目管理技術(shù)和工具方面具有可行的技能。像其他任何事情一樣，編碼需要大量的實(shí)踐，因此請確保分配一些學(xué)習(xí)時(shí)間來解決編碼問題。

最后，如果前幾次面試不成功，不要灰心。量化公司的面試非常有競爭力。嘗試將每個(gè)面試視為一個(gè)學(xué)習(xí)過程，這將有助于您為下一次面試做好準(zhǔn)備。通過足夠的努力，應(yīng)該有可能在主要的量化基金之一中發(fā)揮作用。

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來自： Levy_X > 《金融投資》

舉報(bào)/認(rèn)領(lǐng)