炸了！量化真的这么赚钱吗？不了解别入坑！

大家好，我是喵酱，一枚沪漂转行学量化的女汉纸，酷爱rap。

上周加喵酱好友学习量化的明显多了，很多是因为“头部私募员工5000万年终奖的”而吸引来的

这个很好理解，头部量化机构为了留住核心人员也是正常的，而且今年量化私募大爆发，超百亿的量化私募有二十多家，这个年终奖也就不足为奇了。
此事情也是吸引了一大批在观望量化的人纷纷入手，开始走上量化之路，但是喵酱认为还是要理性的看待，优秀的人，往往也是这个行业里面掐尖的，虽然行业挣钱，但更重要的是能力。
在这里喵喵给大家分享一些量化知识，希望对大家的量化学习有所帮助。

量化包含的领域很广。不止在金融领域，其他领域也存在量化，今天就量化在金融领域的应用做下分类。
以下内容转载自@知乎ID：丁二七
原回答链接：
https://www.zhihu.com/question/33420591/answer/56449914

按大类来分，个人认为至少可以分为4类：

Q-measure Quant、风险计量、量化投资策略研发和、高频交易。

01

Q measure Quant

Q measure Quant主要为各种奇异衍生品的定价提供支持，2008年金融危机之前在美国（乃至全球）市场上非常牛逼的一群人。

各种奇异衍生品的标的包括但不仅限于利率、权益、信用、货币和商品。

这类Quant主要为Trading desk提供定价支持和风控模型。

其主要基于风险中性定价(risk neutral pricing假设，利用各种理论和数值方法例如PDE, Monte Carlo simulations等建模。

2008年金融危机之后，随着全球复杂衍生品市场的萎缩和监管的加强，这类Quant的需求急剧减少。

因为这类Quant所需的数学能力极高，在美国主要招名校的数学和物理类PhD。

中国市场上的衍生品在渐渐变多，2015年2月场内期权（上证vix.shtml" target="_blank" class="relatedlink">50ETF期权）终于挂牌，之后相继有以沪深300、中证500（中金所）及创业板ETF（深交所）等各种标的的场内期权上市，这些标准衍生品的陆续上市都为国内复杂衍生品提供了对冲手段，未来复杂衍生品的发展大有可为。

目测国内到目前为止衍生品人才的需求（相比其他几类量化人才）不是很大，衍生品人才的供给就更少了，真心想走这条路最好出国读金融数学PhD.

02

风险计量

风险按大类可以分为市场风险、信用风险和操作风险等等，这几类风险特征迥异。

市场风险就是二级市场的投资带来的风险，所以市场风险的计量需要对前台交易的各种头寸的风险特征和定价方法（如果有交易复杂衍生品的话）有深入的了解，所需技能和前台投资部门比较相似。

某Top 10券商自营部门，风险管理的人水平挺高的，显然是金工出身，不过他们的工作显然比投资部门要轻松不少……

走这条路建议金工背景+考FRM（这是低配了）。

不过，说老实话，所有的金融机构招风险管理的人都比较少……

信用风险是商业银行的主要风险，主要工作是建立模型预测PD啦，EAD和LGD也有模型不过可以玩的花样不多——如果各位稍微学过一点金融风险管理、学过巴塞尔协议的，应该都记得PD*EAD*LGD是什么意思吧！

另外高级一点就是自建风险资本模型来代替巴塞尔协议指定的模型，以达到为银行节约资本计提的目的。

操作风险就不说了，因为案例各不相同，其实挺难量化的。

03

量化投资策略研发

毫无疑问这是目前我国市场上需求最旺盛的一类量化金融工作，甚至不少人会直接把“量化”一词等同于此，所以就多写一点咯。

ps：注意以下的分类彼此可能没有绝对的界限，也就是说可能会有交叉、重合的地方。

Alpha策略：顾名思义就是寻找股票市场上的Alpha（超额收益）。

一大批机构投资者，包括公募基金（旗下的指数增强基金或纯量化基金）、券商自营和很多私募基金都把大量精力投注在这类策略上。

这类策略一般是做多有超额收益的股票，同时做空股指期货，两者之差带来绝对收益（即无论牛市还是熊市），这类策略都可以带来稳定的收益。

因为中国股市（除了创业板之外）在2010~2013年的漫漫熊途，所以很多投资者青睐这类策略。

因为市场上的Alpha策略和“多因子策略”是近义词。我就拿多因子来举例好了。

因子至少可以划分为：规模（大盘vs小盘）、市场（例如动量或流动性）、成长、估值、盈利能力、经营能力等这么多维度。

当然这些维度未必是彼此垂直的，可能是线性相关的。

Fama-French的三因子模型（beta、规模、估值）或Cahart的四因子模型（加入了动量）是这类模型的学术基石。

国内的卖方研报中讨论多因子模型的可谓数不胜数，要入门的话，看研报很快。

做这类研究嘛，不需要太高深的数学或编程技能，Matlab会用cell就可以上手开搞了。

不过对于会计知识要有起码的掌握，财报都看不懂怎么搞多因子你说是不！

事件驱动策略：例如基于重组、并购、分红送转、定向增发、大股东增持、业绩预告，甚至投资者调研之类的对股价会产生重大影响的事件构建投资策略。

对于数据库提供了充足数据的，往往是市场上人尽皆知的，所以很难带来超额收益，或是一个新闻刚出股价就涨停了，你想买也买不进去。因此，探索新的事件类型是超额收益的来源——因此需要掌握网页爬虫/文本挖掘的能力。

良好的编程能力才能保证策略的高效开发。

毕竟，目前A股市场上有2600多只股票，数据量是极大的。

何谓良好的编程能力呢？我认为就是，利用你（运算和内存）有限的计算机性能、能快速处理和分析你想分析的数据并得到结论。

如果处理高手只需要几分钟的数据集你需要好几个小时，那开发策略的效率显然很低，后果我就不细说了。

以上的例子都是中国A股市场的，但其实量化投资策略的开发并不局限于权益类市场，商品、货币、利率等显然也可以大量运用量化的投资方法。

04

高频交易

高频交易至少可以包括做市和套利两类。在美国市场上，做市是主流的HFT业务。

做市是指，在市场上提供流动性，也就是说任何交易者在市场上想买一样东西（例如股票、例如期权）做市商要保证能提供一个报价卖给他；任何人要卖一样东西，做市商要保证能提供一个报价买下来。

也就是说，做市商是所有交易者的交易对手。

与美国股市不同，中国A股市场和期货市场都是没有做市商的，所有A股和国内期货的投资者的交易对手是其他投资者。

以前，券商只需要投资者提供来自交易所的行情即可，买卖的价格是市场所有投资者整体决定的；而当券商的角色变为做市商，券商就需要自己（通过计算）对期权给出报价，并高速地（自动化地）提供给全市场的投资者。

这一过程完全是自动化交易，对做市券商的IT能力和衍生品定价能力要求极高。

而作为做市商，最大的难处是，必须保证市场的流动性。

只要是自动化交易，就难免出bug，对于一个普通的投资者来说，交易程序出了bug那就暂停交易、等bug修复了再交易即可。

而期权做市商如果出了bug、停止向市场提供报价，就会被交易所认为没有履行好做市商的义务，事情就不妙了……

做高频最起码要有扎实的计算机功底，开发高频交易系统最重要的就是要快，所以丰富的C++开发经验是必须的。

套利，就是找到两种相关性强或者本质相同的证券，如果两者的价格出现了偏离，那么买低卖高然后坐等两者的价格收敛从而获利。

ETF套利就是一个极好的例子。

套利听起来很美，实际上竞争非常激烈，因为任何人都可以参与套利，而参与的人多了、套利机会就少了。当套利收入不足以支撑高频交易的研发维护成本的时候，就没人玩了。

差不多先讲这些吧，希望大家不要盲目追捧，踏实、认真、耐心才是根本。最后就是要对数据敏感，对市场敏感。

喵喵给大家准备了一些量化学习的资料，大家可以在文章末尾加我好友领取哦~~~

看完别忘了点个赞哈~biubiu~

炸了！量化真的这么赚钱吗？不了解别入坑 ！

炸了！量化真的这么赚钱吗？不了解别入坑！