國內量化交易實習方向！僅供參考~

先聊一下量化相關的一些崗位。
我一直覺得國內很多量化交易相關的崗位職責劃分挺亂的，至少我所在的城市的機構是這樣的。亂到這些機構每個搞量化的，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，往往會采用哪些分類架構，一一陳述給大家。

國內的量化交易崗位，一般集中在私募基金（對沖基金）、公募基金（有點類似國外的共同基金）、券商，還有一些少量崗位在金融軟件公司。
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，機器學習賺錢的這些事兒，本質上來說，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)質量，與訪問速度、便捷性等等。某些特別機構要求數(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，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，只有了解好對應打算進入的機構，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，學習到對未來有用的知識。
上面這些類崗位，一般對學歷的要求不高，本科以上學歷即可，主要是工作經驗，一般的機構都會要求一年以上工作經驗，這就又回到找工作，工作單位要求工作經驗，但我沒有工作經驗，如何進你們單位的老問題上了。

答案是：先通過實習，拿經驗啊。只要是有實際的項目，你上過手的，自然而然就有經驗了，而且實習階段所獲得的經驗，所有機構是認可的。
當然一般小型一點的機構往往要求一個人身兼多職。對于這類型的小型機構，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，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)質名校+理工科的背景+合格的代碼功底，有海外從業(yè)經驗、海外名牌大學背景、國際證書（CQF這種）、國際競賽（kaggle這種）背景等等是加分項。但這些機構我有聽說，進去往往是從細分領域做起，不能窺視全局是為選擇此類機構的最大弊端，有螺絲燈的可能。而且底薪并不高，產品業(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，技術方面你得過關吧。
搞量化系統(tǒng)開發(fā)對技術底層要求較高，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。技術得過關，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。