一只Quant菜鸟的修行之路

本文是一位量化金融领域的菜鸟分享其学习与实习的经历。作者从交易策略、衍生品定价、风险管理三个方面概述了数量金融的主要发展方向,并介绍了所需掌握的数学、编程和金融知识。文章强调了数学的重要性,推荐了一系列相关书籍,并分享了在期货公司和券商的实习经验,以及对这个领域的感悟和建议。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

转 一只Quant菜鸟的修行之路

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

### 关于 Quantitative Analysis 和 Quantum Computing 的关系 量化分析 (Quantitative Analysis) 是指运用统计学、数学以及计算机技术来研究金融市场的行为模式,从而帮助投资者制定投资策略。它通常依赖大量的数据处理能力和高效的算法设计[^1]。 量子计算作为一种新兴的信息处理方式,在理论上能够极大地提升复杂问题求解的速度和效率。特别是在涉及大量变量的优化问题中,比如组合优化或者路径规划等问题上,量子退火技术和变分量子算法展现出了显著的优势[^2]。因此,当把目光转向金融市场中的高频交易场景时,我们可以设想利用量子计算加速那些原本耗时较长的风险评估模型运算过程,进而提高整个系统的响应速度和服务质量。 然而值得注意的是,尽管目前已有不少关于如何将量子计算应用于实际业务流程的研究报道出来,但由于硬件设备成熟度不足等原因限制了其广泛应用的可能性;而且对于某些特定类型的数值模拟任务来说,传统高性能超级计算机仍然可能是更为现实的选择之一[^3]。 ```python import numpy as np from qiskit import Aer, execute from qiskit.aqua.algorithms import VQE from qiskit.aqua.components.optimizers import COBYLA from qiskit.circuit.library import TwoLocal def run_quantum_optimization(): backend = Aer.get_backend('statevector_simulator') optimizer = COBYLA(maxiter=500) var_form = TwoLocal(rotation_blocks='ry', entanglement_blocks='cz') vqe = VQE(var_form, optimizer) result = execute(vqe.construct_circuit(parameter_dict={}), backend).result() return result if __name__ == "__main__": res = run_quantum_optimization() print(res) ``` 以上代码片段展示了使用 Qiskit 库执行简单变分量子算法的过程,这正是探索未来可能用于改进现有量化交易平台性能的一种方法论实例。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值