楼主: accumulation
2838 6

[讨论交流] [讨论交流]如何成为一个量化交易者 [推广有奖]

大师

55%

还不是VIP/贵宾

-

TA的文库  其他...

金融学答疑文库

经济学与金融学课件

计量经济学与金融计量学数据

威望
4
论坛币
217413 个
通用积分
386.6764
学术水平
1047 点
热心指数
1117 点
信用等级
876 点
经验
161296 点
帖子
6523
精华
8
在线时间
6523 小时
注册时间
2014-12-14
最后登录
2024-4-7

中级学术勋章 中级热心勋章 中级信用勋章 高级学术勋章 高级热心勋章 高级信用勋章 初级学术勋章 初级热心勋章 初级信用勋章 特级热心勋章

楼主
accumulation 学生认证  发表于 2015-4-4 09:29:31 来自手机 |只看作者 |坛友微信交流群|倒序 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
许多学数学和统计学的高材生都有志成为量化交易者,但现今由于高频交易、算法交易和程序化交易的出现,使得量化交易的工作职位描述变得很宽泛。量化交易领域的工作需求很大,而且他们不仅仅需要在数据分析上有突出技能的人,也需要对自动交易系统更了解,可以构建和执行自动交易系统的人。
本文将介绍数学和统计背景的人如何成为量化交易者,哪些专业技能和培训可以帮助你成为一个宽客,哪些工作经验可以胜任量化交易工作和相关工作。
量化交易者需要具备数据分析、数据挖掘和数据研究的能力,这些能力只是很小的一部分,也必须在其它领域精通:
1、针对交易的特定计算机技能
数学和统计在数据分析软件和平台应用很广泛。然而,它们在量化交易的应用却受限。例如:试算表在数据分析中运用很广泛,但是在专业量化平台,如MATLAB,进行交易和研究的特定分析可能需要更多培训和亲身经验。
使用一些交易软件,无论是免费试用版还是完全版,都会给你实践经验。大学通常会对这些专业应用提供资源。编程语言相似性:高级即插即用交易软件市面上有很多,他们声称可以满足量化交易很多方面的要求。但是真正很好的却很少,大多数不能符合当前量化交易的动态实际需求。成功的量化交易者需要具备独立构想并建立交易系统的能力,这个只能够通过计算机编程实现。建立这些交易系统的常用编程语言是Perl、Python、Java和C++,交易者至少要熟悉其中一种。
数学和统计课程里可能不提供编程课程,但是那些编程课程都可以在网上的交互式课程中找到。短期专业培训课程在网上都是可以找到的。
2、熟悉市场数据
量化交易需要都市场数据很熟悉,这个要求高于数据和统计的范畴,而且不仅仅停留在常见的开盘价、最高价、最低价和收盘价。宽客也需要对相关公司行为的市场数据和特定产品有一个全面的了解,需要了解这些行为对交易有什么影响,这些产品不仅仅局限在股票和债券,像认股权证、衍生品、柜台交易产品等等。
市场数据只是很容易在网上可以获得。不同公司行为和关联话题的影响案例学习很容易获得,这些对数学和统计背景有志于学习量化交易的人来说是很容易的一件事。包括股票交易所在内的不同权威机构都有一些专业付费课程和证书提供,这些经历在简历上都是加分项,让你成为种子选手。
对常见交易策略的理解:虽然宽客需要发掘和设计自己的交易策略,但是对常用的交易策略的理解也是必须的。它提供了量化交易的基础知识,这对有资质的人来说是一个很好的开始。
3、熟悉风险管理概念
特定标准,如场景分析、止损机制、交易资金限制等在交易系统中用来管理风险。因为这是量化交易的一个重要部分,所以你必须熟悉这些概念。
风险管理本身就是一个很大的话题,所以你可以找到很多专业课程和模型来学习。熟悉这些基本概念和这些概念如何影响他们的系统可以满足量化交易者的需求。
4、选择交易特定选修课程
大多数数学和统计课程提供选修。有志成为宽客的需要通过选择交易/市场特定模型来获利。
5、量化交易者的心态
许多人立志成为量化交易者,但并不是每一个都符合量化交易者的要求。在大型交易公司的面试中,候选者需要被认定有交易者的性情。冒险精神、接受失败的能力、抗压能力、长时间工作在面试的时候都是一些考核指标。
最好做一个自我评价,事先问一下自己是否适合这个高风险高回报的工作。只有你自己才能真实的评价你是否符合这个赚钱的工作。自己做生意也是另一个选择,但是成功失败都由你自己承担。
6、建立一个标准/明确的交易规划
上述欠缺补上以后,试着根据你自己的观念建立一个标准,将其作为明确的量化交易规划。这可以给你很好的有数学或统计支撑的讨论点,是你在量化交易工作中更胜一筹。
总结
有计算机自动化的帮助,交易领域有无限机遇。一方面,它让更多的观念和思想进入这个领域;另一方面,它形成了独特的计算机见交易,也就是说量化交易者的角色仅限于建立高风险的智能交易平台。根据以上所述,你自行做一个全面的自我评价可以帮助你决定你如何从一个数学/统计的高材生进入量化交易世界。
(来源:量化基地)
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:量化交易 交易者 python 数据分析软件 MATLAB 工作经验 交易系统 统计学 高材生 如何

已有 2 人评分经验 论坛币 学术水平 热心指数 信用等级 收起 理由
jerker + 10 精彩帖子
fantuanxiaot + 50 + 2 + 2 + 2 精彩帖子

总评分: 经验 + 50  论坛币 + 10  学术水平 + 2  热心指数 + 2  信用等级 + 2   查看全部评分

To hedge or to speculate,that ’s a problem.
沙发
lwell20 发表于 2015-4-4 09:38:33 |只看作者 |坛友微信交流群

使用道具

藤椅
sqb865384487 发表于 2015-4-4 21:53:02 |只看作者 |坛友微信交流群
看得我热血沸腾

使用道具

板凳
littleDreamX 发表于 2016-7-11 15:58:31 |只看作者 |坛友微信交流群
学习量化交易需要一个突破口

对于大多数人而言,交易、买卖、投资、投机等等词汇在如今信息飞速传播的今天一定已经不再陌生。想想16年前,中国加入WTO之前。各种信息是如何的闭塞。虽然理财、投资、交易的概念已经普及了一点。提到量化交易,大多数人还是不清楚是什么概念。在沿海经济发达的地区还好,在内陆一点的地区,如果说自己是做量化交易、量化投资的,别人一定会误会。有人会误会是“搞传销的”,有人会误会是“诈骗的”。压根不会认为你是正当行业。
        好在量化交易在一些市场已经崭露头角,比如期货、外汇、股票等。也有很多专业的从业人员,只是量化交易的概念没有普及,没有被大众接受。量化交易在国外已经十分普及了。如果专业从事交易,或者是金融行业的从业者。学习量化是很好的选择。量化交易需要很多学科的知识、技术。如数学、计算机编程、金融知识等等。门槛看似很高(其实就是很高)。学好很不容易,很多专业的交易员、操盘手、中小资深投资者苦于不会编程。同时也有不少专业程序员不懂得交易,不懂得交易统计分析,交易策略。这样就需要一个能学习量化的环境,或者 平台。提供所需要的支持。国内有不少的量化平台、软件产品。有PC端的,有网站平台的。找到一个适合自己使用的平台去积累编程技术,积累交易经验,积累策略算法。测试、实践自己的想法。这样学习量化交易就方便的多了。
网络上有很多开源的好策略:比如在GitHub上的开源javascript 语言策略代码
地址: https://github.com/zeropool/botvs  这些代码是BotVS平台的。

地址:https://www.botvs.com/bbs-topic/353   这些事python语言 的riceQuant平台的
其它还有很多。就不一一列举了。

找准学习量化的突破口学习起来就有目标和方向了。
已有 1 人评分经验 学术水平 热心指数 信用等级 收起 理由
accumulation + 100 + 5 + 5 + 5 精彩帖子

总评分: 经验 + 100  学术水平 + 5  热心指数 + 5  信用等级 + 5   查看全部评分

使用道具

报纸
tame1983 发表于 2017-1-3 22:55:27 |只看作者 |坛友微信交流群
littleDreamX 发表于 2016-7-11 15:58
学习量化交易需要一个突破口

对于大多数人而言,交易、买卖、投资、投机等等词汇在如今信息飞速传播的今 ...
量化交易怎么看着感觉跟技术民似的??  总是在做不确定的东西??

使用道具

地板
lixuewei3 发表于 2017-1-5 09:46:43 |只看作者 |坛友微信交流群
好高大上

使用道具

7
ljling 发表于 2017-1-8 10:38:35 |只看作者 |坛友微信交流群
littleDreamX 发表于 2016-7-11 15:58
学习量化交易需要一个突破口

对于大多数人而言,交易、买卖、投资、投机等等词汇在如今信息飞速传播的今 ...
支持一下,说的真好

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jr
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-4-19 20:32