要想成为一名优秀的 Quant 需要什么样的编程水平？

本人美本，金融数学，之前正式系统学习的编程课就是一门c++，写过最复杂的一个程序也就是一个类似于下棋的一个小游戏（一点都不好玩，真的。。。。。。。），
class， iostream，pass by referrence到是都用到了。。

现在在一个quant trading team 做实习。。。每天也就是用vba帮人家处理下数据。。。实习中发现大部分的trader都是计算机科班出身，他们虽然口头上说，不需要什么太高深的编程水平。但我觉得他们编程水平还是比我强太多。因此我想问问知乎上的各位那些有工作经验的大牛们，你们觉得什么的计算机水平才够用？

小沈 · 2018-10-17 23:00:21

想在华尔街当量化交易员出国读研选什么专业合适多谢回复

yobyin · 2018-10-17 23:00:20

我是从计算机学习

C Tang · 2018-10-17 23:00:18

个人觉得最重要的是策略的测试与优化，这个不限于编程语言，可以是C/C++/Java,或者任何一个，比如有的用weka，有的用R等外部的工具，用java和C++调用都行。关键是策略的本身，当策略经过测试之后，成熟了，要上线了，可以根据交易系统的特点选用技术，比如链接CTP用C++较好，也可用java，不过这步我觉得最简单了。策略的产生、测试、优化是最负责的，也是最有难度的。

行玄 · 2018-10-17 23:00:16

有两拨人，一波从金融工程出发的，一波从计算机出发的，路数不一样，金融工程出发的人更注重策略的开发回测，调试最优化什么的留给第二波的吧。

欧三文 · 2018-10-17 23:00:15

说说外汇trade的经验，以下说的都是这个，有些偏题。
提供借鉴而已。

俺也算是外汇玩家，毕竟活下来了。
但是距离我理想的trader，还有差距。外汇交易，跟quant有所不同，但是共通点更多。

鄙人代码经验极其丰富，但窃以为码农到trader，实在只是极少数成功者。
也许因为几乎所有的宽客都来自这个行业，使你误以为只有码农才能当好quant。

编程其实只是其次，最难做到的是对交易本身，对操作者自身，以及相关而来的概率的含义，有深刻透彻，近乎完全正确的理解。不正确不完整不通透不要紧，但是你必须知道自己米有完全弄懂，这时候理论绝对不要用于实践，直觉都比理论可靠。重要的不是不懂，而是绝对不要对于不完全懂的事务，下达任何结论。尤其是金融理论和概率高手，最容易犯“刚愎”错误。
然后就是纪律，严格的执行纪律，才能保证你成为survivor。你不是赌徒，牢牢的记住和执行这一点并不容易。有人认为纪律应该在第一条。但我认为，如果在对市场对人性的理解上无法进步，你永远无法成为一个伟大的trader。

Rachel · 2018-10-17 23:00:14

我觉得对编程水平的要求还是要视场景而定。国外的情况我不是特别清楚，国内这边，做买方高频确实如@董可人所说，需要比较高的编程水平，那个数据量小白写的高复杂度算法是搞不定的。做中低频量化策略开发的话要求就没有那么高，比如本渣就经常偷懒复制粘贴之前写的代码，改改就测出来了，省下来写程序的时间读paper，循环就循环吧反正10s跑出来和10min跑出来对我来说区别不大，能出结果就行……

具体编程语言要求来说，我实习（划水）过的买方都是根据老板的要求来，让你用啥没的商量，当然我也没呆过几家买方这个说法可能有失偏颇。卖方这方面相对自由一点，用自己顺手的就行，但是熟练掌握大boss偏好的语言在面试中算是一个加分项？？？所以总体而言编程语言肯定是掌握的越多越好。Python，R，MATLAB用的多些，C艹主要还是上实盘用，日常使用频率低一点，VBA……算是一个实用小技能吧。

编程这种东西还是好好学学，毕竟不一定机会在哪个场景里，建议题主有机会的话再学一下算法和数据结构，机器学习，还有我上边提到的几种语言，技多不压身嘛。不过编程只是工具，最重要的还是思想，这一行从来不缺写代码的。

匿名用户 · 2018-10-17 23:00:13

提示: 作者被禁止或删除内容自动屏蔽

优矿量化实验室 · 2018-10-17 23:00:12

I mean, as a quant, 有几个库总要会吧...

被誉为数据处理瑞士军刀的Pandas
在处理实际的金融数据时，一个条数据通常包含了多种类型的数据，例如，股票的代码是字符串，收盘价是浮点型，而成交量是整型等。在C++中可以实现为一个给定结构体作为单元的容器，如向量（vector，C++中的特定数据结构）。在Python中，pandas包含了高级的数据结构Series和DataFrame，使得在Python中处理数据变得非常方便、快速和简单。

Numpy
NumPy提供了大量的数值编程工具，可以方便地处理向量、矩阵等运算，极大地便利了人们在科学计算方面的工作。另一方面，Python是免费，相比于花费高额的费用使用Matlab，NumPy的出现使Python得到了更多人的青睐。

Scipy
SciPy基于NumPy提供了更为丰富和高级的功能扩展，在统计、优化、插值、数值积分、时频转换等方面提供了大量的可用函数，基本覆盖了基础科学计算相关的问题。

上个量化精英养成计划学霸学员Hayden制作的脑图：

要想成为一名优秀的 Quant 需要什么样的编程水平？

8 个回复