我一直覺得國內(nèi)很多量化交易相關(guān)的崗位職責劃分挺亂的,至少我所在的城市的機構(gòu)是這樣的。亂到這些機構(gòu)每個搞量化的,似乎都是一些所謂的全棧量化工程師。人人都是全棧的話,這個高效率社會還如何快速協(xié)同運轉(zhuǎn)呢。所以,我試著將我理解的一個合理有序,一個健康有效的量化交易金融機構(gòu),往往會采用哪些分類架構(gòu),一一陳述給大家。
第一類崗位,偏分析研究,以策略工程師為代表。這類崗位偏向量化模型的本體初因研究,就是那些研究什么因子,機器學(xué)習賺錢的這些事兒,本質(zhì)上來說,也就是在研究,究竟什么樣的策略能賺錢。在我看來,他們更多的類似研究先有蛋,還是先有雞的問題。研究過程往往是透過一系列統(tǒng)計羅列出的數(shù)據(jù),可視化程序,報表,或者某某金工所公開或私密的研報之類的來形成的。
另一類崗位,偏架構(gòu)實現(xiàn)。這里就以交易系統(tǒng)開發(fā)工程師,數(shù)據(jù)工程師為代表了,這類崗位,一般以實現(xiàn)量化策略所需功能為己任,比如數(shù)據(jù)工程師,他的職責就是為策略工程師開發(fā)的各種量化交易模型,以傳統(tǒng)的交易所價量數(shù)據(jù),財報數(shù)據(jù)為例,他們需要準備好所需要的數(shù)據(jù)來源,做好數(shù)據(jù)獲取、清洗、存儲等,總的來說就是保障數(shù)據(jù)質(zhì)量,與訪問速度、便捷性等等。某些特別機構(gòu)要求數(shù)據(jù)獨立可控的話,還會要求寫好數(shù)據(jù)api接口等等。
而交易系統(tǒng)開發(fā)工程師,他們的目標己任,就是將所有的理論研究,透過他們有熱情而又富有層次的代碼而實現(xiàn)。這里的工程師,至少你得懂金融基礎(chǔ)知識吧,知道交易所報價規(guī)則吧,知道怎么剔除科創(chuàng)板吧,另外對金融時間序列數(shù)據(jù)的處理能力你得有吧,還有至少得會主流的一些優(yōu)化交易算法吧。等等等等。
當然越大的機構(gòu),這些崗位的職業(yè)就分得越精細。
好像有點跑題,不過為什么先講這些量化交易崗位類型分類。
對于懷揣著金融量化工程夢想的你來說,只有了解好對應(yīng)打算進入的機構(gòu),打算選擇崗位未來發(fā)展之后,才能更準確的選擇好實習的崗位,學(xué)習到對未來有用的知識。
上面這些類崗位,一般對學(xué)歷的要求不高,本科以上學(xué)歷即可,主要是工作經(jīng)驗,一般的機構(gòu)都會要求一年以上工作經(jīng)驗,這就又回到找工作,工作單位要求工作經(jīng)驗,但我沒有工作經(jīng)驗,如何進你們單位的老問題上了。
答案是:先通過實習,拿經(jīng)驗啊。只要是有實際的項目,你上過手的,自然而然就有經(jīng)驗了,而且實習階段所獲得的經(jīng)驗,所有機構(gòu)是認可的。
當然一般小型一點的機構(gòu)往往要求一個人身兼多職。對于這類型的小型機構(gòu),不是不能進入,我是比較推薦進入的,至少實習或者呆個一年半載對自己的未來,只有好處沒有壞處,最大的好處在于,在小型機構(gòu),你能更好的,更全面的了解清楚整個量化交易工程項目的研究,交易實施等等方面的整個運轉(zhuǎn)流程。
缺點也有,公司啥工作都是你,你卻有可能啥都不懂。。。
對于,某些國內(nèi)資本過剩的量化交易團隊,一般集中在北京上海等一線城市,這些團隊一般就是那些被稱為TOP的團隊,他們的要求一般挺高的,基本也就是優(yōu)質(zhì)名校+理工科的背景+合格的代碼功底,有海外從業(yè)經(jīng)驗、海外名牌大學(xué)背景、國際證書(CQF這種)、國際競賽(kaggle這種)背景等等是加分項。但這些機構(gòu)我有聽說,進去往往是從細分領(lǐng)域做起,不能窺視全局是為選擇此類機構(gòu)的最大弊端,有螺絲燈的可能。而且底薪并不高,產(chǎn)品業(yè)績說話,壓力大,有隨時被開可能。
總的來說,搞量化交易的,你至少要對金融知識或多或少有所了解吧,技術(shù)方面你得過關(guān)吧。
搞量化系統(tǒng)開發(fā)對技術(shù)底層要求較高,像我以前搞公司時聘請的都是資深的工程師,直接能搞開發(fā)的。技術(shù)得過關(guān),對金融知識也得有所了解。另外如果是研究怎么在二級市場賺錢的崗位,更多的就在乎他有沒有二級市場的賺錢經(jīng)驗了,以及他研究策略的有效性、時效性、還有獨特性、資金容量等等。
講了這么多,怎么拿到實習offer?
當然是首要任務(wù)就是把自己給推出去啦。大的路徑來說,你有兩件事要做:
第一件,完善自己。
你需要有一定的概率論、微積分知識、刷刷leetcode這些總是必要的吧,另外基礎(chǔ)計算機知識這些是逃不掉的。
我上面也說過,目前量化交易崗位一般要求也就只有三個、
1、學(xué)歷(資源也看,資源是什么?答:出身背景,尬~~~~)。
2、數(shù)學(xué)基礎(chǔ)(沒辦法,行業(yè)現(xiàn)在流行這個)
3、編程代碼功底(空有想法可不行的,要透過代碼,讓你的想法變得富有溫度,變得可視化,利益化)
第二件,把自己給推出去。
推薦自己的方式,要么走校招,據(jù)我所知,很多的國內(nèi)量化機構(gòu)每年對專業(yè)對口的優(yōu)秀大學(xué)還是有定期校招活動的,有這些機會的話,對這些機構(gòu)一定不要放過。
要么內(nèi)推,內(nèi)推的方法,其實就是需要你多認識一些人,我說的認識人,不一定指的是你現(xiàn)實中,同個城市,一起吃過飯的某某某。思維發(fā)散一下,比如知乎上的某某某私信這種也是可以的,前提是這些大神愿意理你。
可以試試一直招聘網(wǎng)站,比如Boss直聘這種,除非你真的挺牛B,對方團隊正好缺人,你沒有問題。正常情況下,你應(yīng)該跟對方公司的HR助理聊得挺歡。
另外,還有一些公開渠道,比如量化交易的社區(qū),比如知乎量化社區(qū)、某些量化主題的QQ群,微信群等興趣愛好組織,有時會放出一些招收實習生崗位的通知出來。
第四種方式,比較。。。。耿直boy,而且非常不人道,比較走偏門,還容易被打。(笑出豬叫~)
先說一下,當年我去券商,正是采用的這種方式,但是我成了。
這種方式就是:帶上簡歷,陌生拜訪,禮貌用語,敲門請進,大方自述,表明期望,相互攀談,隨機應(yīng)變,靜候佳音。
當然,有很多單位,會無恥地提出,實習期間沒有工資補貼的哦。
這個嘛,你自己看著辦,我是不推薦去這種單位的。
最后我說一下,從事量化交易行業(yè),千萬不要有強烈的階級優(yōu)越感,不管你從事的什么類型的金融崗位,你要記住,你在這個市場永遠是服務(wù)于資本的,資本市場也永遠以結(jié)果為導(dǎo)向,但據(jù)我所知,這個市場可沒常勝將軍的,所以踏實做事最重要的,兄DEI們!