一只Quant菜鸟的修行之路

转 一只Quant菜鸟的修行之路https://blog.csdn.net/myquant/article/details/87912753自考研前立志要走量化之路，就一直没有停歇过。match曾经好几次想过，自己到底是否match适合做Quant，也曾经多次想过放弃。现在回过头看，发现自己有做得出色的地方，同时也感叹时光飞逝，作为一只量化金融狗要学的东西实在太多。现在终于稍微静下来了，趁有时间，抽空把自己这几年来的学习与实习经历写在这里，算是回顾一下自己的经历、给后来人一点启发（如果有的话）、顺便告诉有志于Quant的各位：你不是一个人在战斗。
在动笔之前，想过这篇东西到底是要发在求职区还是发在金融数学区。忽然回想起当初量化投资版刚成立的时候自己还是什么都不懂，很多珍贵的资料都是从这个板块里找到的，现在还留着，上面都是笔记。所以想着，还是这个板块最有亲切感。
来正题。
先自我介绍一下：本科数学专业，硕士211非985在读金融学，专业方向金融工程。本科毕业后在券商营业部待过，有一年证券从业经验。先后在某中型期货公司研究部、某一线券商机构销售部实习，做的都是量化相关。接下来有可能到某中型券商做风控。
一、简介篇
数量金融，或者叫金融工程，目前在国内主要有三大发展方向：交易策略研究、衍生品定价、风险管理。
交易策略研究包括选股，择时，套利。选股以α与β策略为主，择时方面，目前国内流行机器学习的手段进行择时建模，诸如SVM、神经网络等，目前该工作多见于券商与期货公司的研究部（金融工程组）、自营部（量化交易）、资产管理部等。有关交易策略研究，可以多看看券商的金工专题研报，某些大券商的金工专题研报还是很有含金量的，具体可以参考新财富金工组的排名。
衍生品定价，指的是场外（内）期权的定价以及套利，多见于券商的柜台市场部（OTC产品）、资产管理部，某些一线券商的机构销售部也配有交易组，负责场外期权的定价。衍生品定价大多数被海归名校生占领。没办法，国外的期权理论较为成熟，这是不可避免的。而且个人认为，如果希望做衍生品定价的话，最好刷一个phd的学位……
风险管理，多数是围绕对冲做文章，通常需要较好的资产组合管理知识以及衍生品对冲的知识，delta hedge, gamma hedge等自然必不可少。多见于券商的风控部门。
二、学习篇
鄙人认为，作为一名合格的Quant，数学、编程、金工三者缺一不可。数学是思想，金融是原理，编程是手段，三者合一，是谓金融工程。下面简单列举一下鄙人曾经读过、正在读和还没读完的书籍，供各位参考。
鄙人的书单如下：
数学：
很多初入Quant门的同学不太清楚数学在Quant中的用处，其实，Quant有分两大门派：P Quant与Q Quant，P Quant是基于风险中性世界下的Quant，这里用得比较多的是随机过程、随机微积分。随机过程和随机微积分需要比较好的高等概率论的知识，而高等概率论是基于测度论的，学习测度论，最好又要有实分析的基础。所以……数学很重要。关于P quant 与 Q quant的详细解释，知乎上面有详细的解答，各位可以自行查找。
世界图书出版社出版社：四本分析教程：Stein的傅立叶分析、复分析、实分析、泛函分析，绝对是经典，鄙人正在看第一本。钟开莱的《初等概率论》是比较基础的概率论，里面不涉及测度论的东西，适合初学者。当然少不了大名鼎鼎的Steven Shreve的Stochastic Calculus for finance一二册，平心而论，第二册写得真心不错，前面几章有关高等概率论基础的介绍，连我这种统计学得不好的人都看得很畅快。强烈推荐，目前鄙人第二册看了一半。科尔多森的《随机微分方程》是别人推荐的，准备入手。然后还有大名鼎鼎的Duffie写的《Dynamic Asset Pricing Model》，老实说，我连第一章都看不懂……对Q Quant感兴趣的话，推荐一本《The Element of Statistical Learning》。
高教出版社：出版了一套“现代数学丛书”，里面的16、17册，夏道行的实变函数与泛函分析，个人认为是国内教材中写得比较好的，推荐。鄙人看完16。还有胡迪鹤的《高等概率论及其应用》，这本书被广大学子推崇，但是个人感觉难度较大。
清华大学出版社：《随机过程基础》，作者Zastawniak，写得比较简单。适合随机过程的入门级读者。鄙人目前正在刷这本。
金融：
John Hull的圣经，《期权、期货以及其他衍生品》，这个不用多介绍了，Quant人手一本。不过鄙人觉得，这本书适合作为工具书查看，当然初入门的各位还是需要仔细看一下。另一本《Exotic Option》比较全面的介绍了奇异期权的定价，这本书鄙人开了头，正在刷。《An Option Greeks Primer》介绍了希腊字母。投资组合方面首先一定是博迪的《投资学》（虽然厚了点），还有一本较老的书叫《Active Portfolio Management》的，翻译过来好像叫《积极性投资组合管理》，对于投资组合方面的论述较为详尽，适合实务。还有一本，Paul Glasserman的《Monte Carlo Methods in Financial Engineering》，这本书当时鄙人看到第三章就看不下去了，没办法，统计基础太差，正在恶补。
编程：
很多初学者都会困惑到底该学什么语言，要学到什么程度，要不要深究下去。鄙人觉得，如果你编程很牛，那很好，如果不牛，稍微加强一下就好。作为Quant，个人觉得最重要的还是要有金融学的直觉。当然，不能让编程成为你Quant路上的绊脚石。鄙人认为如果你可以自学C++，那很好。不过鄙人觉得，最后能打动领导的，不会是那些看着就晕的代码，而是你的展示手法，因此，具有强大画图功能的软件就很重要了。比如matlab, R, Python，都不错。鄙人之前一直在用matlab，不过现在开始自学python。原因是因为现在越来越重视产权的情况下，以后能不能搞到matlab的破解版是个未知数。
至于教材，本人不是计算机专业的，编程技术实在是渣渣的，不敢有什么推荐。（C++ primer还躺在我的书桌上……惭愧……）
给各位一个小建议：
各种教材，能看英文原版的，尽量都看英文原版。原因，一是因为国内翻译的水平实在是太烂了，尤其是那个机械XX出版社翻译的金融书籍，个人奉劝最好不要买。二是因为作为一个合格的Quant，业界里最前沿的paper基本都是英文的，看原版教材可以顺便带锻炼一下自己的英语水平。
三、实战篇
由于一开始就没打算考博，因此鄙人主要精力集中在找实习上。目前为止做过的工作大致如下：上年7月到某中型期货公司研究部，从事量化研究和股指期货研究相关工作。上年十一月到现在，在某一线券商机构销售交易部实习，也是量化相关研究。接下来将会详细讲讲。
期货公司篇：
在期货公司的实习主要是负责量化策略的程序编写，一开始的工作是关于国内白糖仿真期权的波动率套利策略。其实就是一个基于volatility mean reversion的策略，给出call 和 put波动率差值的范围，当差值的大小偏离正常区间的时候就构造套利组合，并统计出策略的盈亏情况。当时用的是excel完成这项工作。由于是仿真交易，交易数据噪声非常多，因此跑出来的结果非常差，而且盈亏波动率很大。
由于有证券从业经历而且本身有炒股，因此当时股指期货的日评和周评也是由我来负责。由于当时刚好处于牛市的初期，大家对股指的热情还是很高的，每天研究部的人都在讨论策略。我自己也开始试着写一些简单的策略，比如我曾经试过写过一个区间突破的交易策略，用ATR来止盈止损，效果还不错。在这里建议各位初学者可以下载一个名为 交易开拓者 的软件，相信很多人都听过这个软件，是专门用于期货的量化交易策略编写的。推荐的原因是因为该软件的语言（TB语言）比较容易理解，而且它做的策略回测报告非常的详细，可以让初学者对于策略回测有一个直观的理解。当然，金字塔也不错，不过我自己没用过。
研究部有很多大牛，国外名校毕业的居多，跟他们一起工作能学到很多东西，尤其是金融实务方面的知识，这是在图书馆里面没法学到的。
券商机构销售篇：
在期货公司实习了一段时间之后，来到了某一线券商的机构销售部实习。当初我并不认为自己能进来，由于券商总部对于名校学历要求卡得很严，自己又不是985高校。后来却意外地进来了，我想原因可能是因为当时部门招人没有通过HR，不然我可能连简历关都过不了……
券商在很多部门都设有量化小组：经纪业务部、自营部、研究部、财富管理、资管，都有，机构销售部的量化主要是针对大客户与券商开展的场外期权业务而设立的，主要目的是做OTC期权的对冲。
当时进来的第一个任务是根据研究部的一篇金工研报来编写一个择时策略，由于部门手里有很多期权，当时是每天对冲一次，后来组长希望做一下盘中对冲，因此看看有没有比较好的择时策略适用。后来用的希尔伯特变换，那篇研报现在应该可以百度出来，有兴趣的各位可以自行百度。回测如下图，当时出来后的效果还是不错的。
在完成了择时策略编写之后，接下来的工作是写一份关于结构化保本产品的报告。由于当时上证50ETF期权准备推出了，因此部门领导希望可以借资管的通道来发一个保本的产品。目前较为常用的保本策略主要有OBPI、VBPI、CPPI。当时我们挑的是OBPI。组长让我整理一下相关资料并且出一篇报告。
OBPI策略报告完成后，接下来的任务是研究欧式期权在提前执行的情况下对于期权卖方delta对冲的对冲成本的影响。由于我们部门手头上很多期权都设置了提前执行的条款，因此组长希望我模拟一下当客户提前执行的情况下对于我们是否有利。一开始我是参考了john hull圣经第十七章（第七版）里面的delta对冲的例子，那个delta对冲的例子写得挺详细的，有兴趣的朋友可以去看看。然后由于是模拟，因此当时用了蒙特卡罗模拟来模拟标的资产的路径。这里不得不提matlab的好处，由于matlab自带有随机数生成的函数，因此假如是做蒙特卡罗模拟的话，用matlab的效率会相对较快，当然这次我做的蒙特卡罗模拟是比较简单，不涉及太多细节性的问题（比如方差缩减技术）。
最后一个任务，是关于打新基金的，当时部门准备借资管通道发一个打新基金，组长希望我可以做一个策略，统计一下打新基金的收益率如何。这个难度不大，用excel就可以完成。
券商风控篇：
在上述券商实习了大半年的时间了，后来组长对我说，由于我的学校原因，留下来的机会不大。后来他把我介绍到某中型券商的风险管理部（在这里我真的很感激我的组长）。现在正准备与部门分管领导的面试，听说这边好像打算安排我做一下场外期权的对冲。希望一切顺顺利利。
四、感悟篇
上述所说的，大致就勾画了我读研期间作为一个金工学生所学所做的事。回想过去，所有的事情就像昨天发生的一样。如果真的有什么感想的话，大概应该有如下几条：
1、学好数学！学好数学！学好数学！重要的事情说三遍，而且不是高数喔，同济版的那本高数和浙大版的那本概率论，在Quant这个领域就像小学教材般简单。实分析、测度论、随机过程、随机微积分，才是必备的数学基础。
2、关于编程，我不太赞成把太多时间浪费在编程上。现在很多公司喜欢招大量的计算机毕业生去做数据挖掘，这样做出来的策略，一来没有理论支撑，很难站得住脚，二来这样做出来的策略生命力通常不会很强。Quant这个东西，我感觉更多的还是讲求intuition，金融学的直觉。所以，数学编程要学好，金融学更要学好。
3、金融圈竞争很残酷，很激烈。对于名校学历要求很高，像上述那间一线券商去年已经开始在美国开展校园招聘了，因此，假如想考金融研究生的各位，请尽量都考名校。并不是我看不起非名校，而是现实就是如此。
4、已经考上了非211985学校的各位，请你们也不要气馁。金融圈的竞争虽然激烈，但是过硬的素质一定会让你脱颖而出，尤其是在量化这个方面。
5、曾经有人问过我为什么要选量化这条路。我想，像我这种没资源没背景的屌丝，赌上潜力走技术路线不就是唯一的选择？既然一无所有，何不放手一搏？
假如我再想到什么的话，我会随时上来补充的。
也欢迎各位跟帖交流。
在Quant的路上，我们都是一路人。
来源：经管之家
--

分享资料：

链   接 : https://pan.baidu.com/s/1ihwAYjeMbq1RInmNKeRxqw

提取码: wwsc

• 2020年脑机接口即将落地.pdf
• 2030年科幻落地的前夜：人类如何应对机器觉醒.pdf
• 3D深度视觉产业链全解读 TOF技术或成黑马.pdf
• 5G技术将如何影响全球经济.pdf
• AI三板斧_智东西出品.pdf
• AI产业链解读：老美家大财厚 中国如何才能后发先至.pdf
• AR红包技术层面全解读 引爆场景营销.pdf
• CB Insights发布独角兽英雄榜 揭秘资本寒冬下的生存法则.pdf
• CB Insights起底VC八杰 谁在做独角兽的幕后推手.pdf
• CB Insight发布创业百强榜单 AI成功案例最强盘点.pdf
• GfK 2017一季度VR零售市场报告 全面解读产业盈利模式.pdf
• GFK中国VR零售市场调研报告 平价设备成主力军.pdf
• GSMA移动经济发展态势全解读 亚太+5G成未来钥匙.pdf
• IBM全面解读认知计算：IoT和AI并非全部 行业已经开始盈利.pdf
• IDC：机器人3.0时代开启 细分市场兹待爆发.pdf
• 联合国：2017全球投资报告.pdf
• VR市场现状调研：启动期资金才是王道 2C应用五年内难有突破.pdf
• VR开发者报告：不炒作！我们正经做生意.pdf
• WEF 2017全球风险报告当平缓的经济撞上技术爆炸.pdf
• 中国互联网单车租赁市场专题分析 资本驱动下的圈地战.pdf
• 互联网迎来AI 时代，海外科技巨头争先布局.pdf
• 产业链视角：怎样设计一款全面屏手机.pdf
• 人工智能和工业4.0进行时 机器人创企50强都有谁？.pdf
• 从苹果ARkit看AR未来的黄金五年.pdf
• 企业AI转型价值详解：百亿资本催化的数字鸿沟.pdf
• 企业数字化落地加速 下一波机遇在哪里？.pdf
• 信通院物联网产业深度报告 平台化和数据服务即将爆发.pdf
• 刘强东马云正面杠 新零售时代智慧物流平台战打响.pdf
• 创业公司尸检报告：盈利模式错误 融资失败成致命打击.pdf
• 剧透高通9150 C-V2X.pdf
• 区块链+IPO靠谱吗？解密首次代币众筹的逻辑与隐忧.pdf
• 区块链创投热潮力推技术转化 构建价值互联网.pdf
• 千亿级智能安防市场解读：设备和技术都已经准备好了.pdf
• 华为VR大数据：全面解读2C市场突破口和技术门槛.pdf
• 国内AI技术发展快 资本寒冬不难挨.pdf
• 埃森哲解读5G智慧城市 GDP狂增5000亿美元.pdf
• 如何抓准新能源汽车蓝海的目标用户.pdf
• 学院派发达国家是如何制定AI发展计划的？.pdf
• 已有12+飞行器研发公司 NASA联手FAA推进航空商业化.pdf
• 德勤技术趋势全面盘点：企业如何搭上现代化快车.pdf
• 德勤物联网工业全解读：从“后知后觉”到“先见之明”.pdf
• 战略解读：库克为何入局智能音箱.pdf
• 截至2030年技术爆发点全面预测 3D打印和人工智能火力全开.pdf
• 捷孚凯3C市场报告：手机大卖电脑回血消费走向中高端.pdf
• 摩根大通智能汽车百亿市场深度调研 看23家中国零部件制造商如何突围.pdf
• 数字时代北京深圳创业最强 川渝地区或成第四极经济圈.pdf
• 数据大象流对网络架构发起挑战 MR才是产业的未来 .pdf
• 新能源后补贴时代 自主品牌的“野化”路.pdf
• 新能源浪潮的第二大风口：电能存储.pdf
• 无人机基站——应急通信新方案.pdf
• 普华永道全球科技行业IPO回顾 独角兽缺席导致的冷场.pdf
• 普华永道蓝皮书 全面盘点中国汽车市场新常态.pdf
• 普华永道：15.7万亿美元AI市场的八大入口.pdf
• 新能源后补贴时代 自主品牌的“野化”路.pdf
• 智慧医疗是如何成为AI规模最大，增长最快的领域的？.pdf
• 智能传感器：未来机器的感官 百亿美元的市场.pdf
• 智能语音生态盘点：科技巨头战略布局 两大场景率先爆发.pdf
• 智能音箱市场分析：为什么大家都在抢这个两亿小蛋糕？.pdf
• 毕马威17Q1风投报告：正常化下的VC生存法则.pdf
• 毕马威电子商务深度调研：中国成手机端网购大户 引领社交平台的品牌宣传.pdf
• 毕马威颠覆性技术调研 841名高管共寻突破.pdf
• 毕马威：20个痛点对策看懂金融科技.pdf
• 深度学习成最大爆点 巨头们如何构建AI生态.pdf
• 深度解读白宫58页AI白皮书：全面盘点技术、产业和战略.pdf
• 深度：从供需革命看智能手机的七大发展趋势.pdf
• 特斯拉现有及Model3潜在国产产业链梳理.pdf
• 电子消费市场总值缩水又怎样 17年移动互联和可穿戴照样赚个盆满钵.pdf
• 白宫再推人工智能白皮书 技术过渡期应如何应对工种转型.pdf
• 突围新零售电商时代：移动为先 社交互动.pdf
• 维度提升 AR 开启视觉入口时代.pdf
• 美国信息技术产业委员会：14条人工智能政策准则.pdf
• 联合国点名表扬：中国数字支付生态系统是如何实现领先的.pdf
• 致企业管理者：下一场工业革命的十大原则.pdf
• 解密：NB-IoT商用元年的背后推手都有谁？.pdf
• 让李彦宏梭哈的AI+医疗有何神通 产业链报告解读万亿市场.pdf
• 诚实回答：AI产业界现在，究竟在做啥？.pdf
• 谈谈你们都在怕的国内AI人才缺口.pdf
• 谷歌壕无人性收购史：14家公司，260.5亿美元.pdf
• 谷歌自曝无人驾驶核心技术！700亿估值Waymo炼成之谜.pdf
• 软银世界大会：一文读懂孙正义眼中的不久和将来.pdf
• 量子计算创业盘点：无敌是多么寂寞.pdf
• 阿里云服务战略解读：马云如何布张新零售包围圈.pdf
• 高盛史上最全面AI产业盘点 深度解析背后技术.pdf
• 麦肯锡中国市场调研：AI是科技板块的狂欢 传统行业的两难.pdf
• 麦肯锡市场深度观察：如何电动汽车的销售和盈利.pdf
• 麦肯锡深度解读中国AI路的三座大山预言五大战略重点.pdf

---