，存在即虚无
MS Mathematical …
蟹妖，虽然我不是sales，就简要说下我认识的人的情况，请sales行业人员指正我到时候在答案里补充。本人只是金融行业一名普通的基层搬砖工，以下信息不完全是一手信息，也存在说high了夸张的成分，不可全信 :)&br&&br&金融行业说白了是一个巨大的机器（尤其是卖方和商行），大部分职能都只是为了机器运行而已，这样的职能并不创造效益，也就自然没钱拿。&br&&br&在金融行业赚钱赚的多的一定是产生收益的部门岗位（就是revenue-generating roles)。以一个典型的卖方（投行）来说，无非就是三个地方&br&&ol&&li&投行部（IBD）一干人众&/li&&li&销售交易部（Sales & Trading)部一干人众 （这边的sales是打电话给各种机构）&/li&&li&销售（Sales) (这种sales是去面对面见客户的)&/li&&/ol&为什么Sales这么重要？因为没有销售去联系客户，维持客户关系，那公司靠什么吃饭啊？公司做个新产品（基金，理财产品，退休金管理等等等等），卖不出去有什么用？&br&&br&再细致点说，我这里说的sales和（绝大多数）银行拉存款的人有本质区别。真正的金融sales销售单子都是百万级往上走的，因为你主要是卖给富人和大机构嘛。而销售是直接从销售额里面提成的，我知道国内有卖金融软件提成占到三成的。就算你一单卖了一百万提成也不少钱啊……&br&&br&当然了，既然给到你这么高的提成，你的工作肯定就不简单，压力也自然不小。其实做金融sales跟很多人想象的出去陪人喝酒唱歌洗桑拿还是不同的。头疼是头疼在要去跟客户各种谈判，还要跟同行业其他公司的sales竞争。&br&&br&客户有这么蠢么？还不是要想着法子压你的价。当时在一家卖方总部实习，某部门要买一套计量系统，有5家公司竞争，最后老大看准了有一家公司，但是那家公司太贵了。怎么办呢？打电话跟对面sales说：“哎，我们很喜欢你们的软件啊，但是上头不批这么多钱啊！（先把对面绕进来）”对面sales就问（上套了）：“为什么啊？”这边又说：“因为我们兄弟公司买了类似系统才花了两百万，你这个要卖1500万，上头又不懂，就觉得我们在乱花钱。”(用别人来施压，然后把责任推给上峰)对面sales说:&但是我们的产品比他们好啊,balahbalah&（这么快就开始一起骂这边公司领导了）这边接着又说：“领导说要不我们买B公司的产品得了，他也看不出有什么区别。”（再用竞争对手给你施压）对面sales就急了，后来那个sales也不知道说什么好了，就只剩下一句：“你们领导要是这样就没意思了。”这边反正就应和一声说：“哎，我们也没有办法啊！” (最后这两句话两边至少说了三遍)&br&&br&当时这个软件购买的谈判已经一年了。一年啊，作为一个sales你要做好准备一年可能就这一单，而且丢了就丢了，sales基本靠业绩，卖不出去过的也很不好的好吧？所以一样的，这种卖东西性质的工作嘛，三年不开张，开张吃三年。这么多人去竞争，最后只能有一个赢家，剩下的说不定就回家关灯吃面去了。客户压你的价，你自己的老板肯定不愿意被压价啊，所以做sales的站在中间就还要协调双方的利益。而且要对办公室政治很熟悉，搞得清楚客户在想什么，该从哪里下手，该找客户哪个关键人物私聊。陪人喝酒打个高尔夫都只是初级手段了，看不清对面的门道你就算天天陪又怎么样？而且你的竞争对手（公司内的公司外的）哪个不是拼了老命在陪你玩？这样说下来，这跟投行部去跟上市方谈判，跟其他投行竞争IPO承销有什么区别？压力自然大了。&br&&br&当然了，干的好也是非常的好，衣食无忧自然不用说。我的一个校友（我们学校竟然出了这种人才），本科毕业去JP做sales，连续6年全公司销售第一，人家32岁就MD了，现在LinkedIn主页上就挂着这个荣誉：“公司史上最年轻MD之一”。没听说IBD和S&T有人32岁做到这个级别的。&br&&br&粗浅的一点认识，请大家批评指正！
蟹妖，虽然我不是sales，就简要说下我认识的人的情况，请sales行业人员指正我到时候在答案里补充。本人只是金融行业一名普通的基层搬砖工，以下信息不完全是一手信息，也存在说high了夸张的成分，不可全信 :)金融行业说白了是一个巨大的机器（尤其是卖方和…
被女神邀请来答题也是醉了(女神是有多任性？)&br&&br&什么感受呢？就是被欺负了只有忍着，被打骂也不还手，末了还心甘情愿的把钱包和卡递上。但是千金难买美人笑，吾等屌丝只能日日艰难维持本就如西藏的空气般稀薄的存在感啊！一想到潜在的竞争对手一个天台都站不满，我才离开十分钟女神就被搭讪这些狗血剧情，心中仿佛就有一万头草泥马奔驰而过，头上恨不得长出三十万条黑线，你懂么？在没有金钱这一男人安家立命之根本，风流倜傥之前提的岁月里，在两性关系中毫无议价能力，基本就是女神说什么小的就得跪安。&br&&br&所以说，要想做到保住女神，或者个别男同志想要达到“万花丛中过，片叶不沾衣”的精神境界，还是要有男人的底气啊。&br&&br&（不要问我为什么答的这么抖M，女神在旁边修指甲呢）
被女神邀请来答题也是醉了(女神是有多任性？)什么感受呢？就是被欺负了只有忍着，被打骂也不还手，末了还心甘情愿的把钱包和卡递上。但是千金难买美人笑，吾等屌丝只能日日艰难维持本就如西藏的空气般稀薄的存在感啊！一想到潜在的竞争对手一个天台都站不满…
直接请教她怎么追另一个女生，搞定。
直接请教她怎么追另一个女生，搞定。
被某人邀请来答题，虽然一看就要被折叠，还是说说我的看法。&br&&br&没有心灵鸡汤，不算反驳，仅从我的经验来谈一谈。&br&&br&&b&首先你要确认你的效用函数是什么啊(utility function)&/b&，你读大学的目的是什么?举例来说，有的人的目标是混个文凭，那么他选择的就会是最容易拿毕业证的专业。&br&&br&&b&假设题主短期效用函数的目标是找份工作，长期效用函数的目标是走向人生巅峰赢取白富美&/b&。楼主写到：&br&&br&&blockquote&金融——操纵钱的最顶级行业；&br&计算机——当代最前沿的技术行业。&/blockquote&&br&不去讨论对不对，但这是从现在这个时间点来看啊，而你的效用要在几年后才能实现啊。假如你现在大一，还有将近四年才毕业，好吧，要是本科毕业不能找到让你满意的工作呢？假如你又去读个硕士，几年又过去了，假如你又去读个博士.....&b&用现在的信息去判断未来这个行业是否吃香是一种刻舟求剑的做法。&/b&&br&&br&&br&我09年的时候进了大学，选了经济学和金融学，没有选计算机，就是因为当时很多码农都找不到工作啊，感觉所有学计算机的都在蓝翔。现在我来到美国，发现华尔街挣的钱没有硅谷多，硅谷不用加班，有股票有期权，有假期，不用穿正装打领带，每天沐浴在加州的阳光之中，谈笑间公司就上市了。去申请工作的时候，一个会金融的码农一般都比一个会编程的金融学子要受欢迎。我只有以头抢地，大呼：“入错行了啊！”（此处有夸张）&br&&br&另外，说一下金融行业现在的状况，真的好挤啊……金融行业就像相声行业一样，没有什么门槛的，大家都可以来做啊，做不了投资做个客户经理好不好?事实是，又有几个人在做投资和交易？大部分人只是做一些支持性工作罢了。他们都是默默工作的英雄，没人会报道他们的，你每天就看到一群投资经理交易员宽客经济学家说这个说那个，不代表你入了行就能做这个的。金融行业是用一群人的平庸来打造少数一小批人的辉煌，正因为如此总是有很多办公室政治的，楼主准备好了么？&br&&br&说这些不是为了打击题主的积极性，我是要说明这么两个问题：&br&&ol&&li&&b&你永远无法估计几年后的就业市场情况&/b&&/li&&li&&b&不要被幸存者偏差误导&/b&&/li&&/ol&&br&&br&现在好多人嚷着要来学金融工程，其实整个宽客行业在缩水。再往前，在我还是初中的时候，好多人嚷着要学生物工程，他们现在在哪里？再倒退几十年，好多人要学物理，后来他们转行做了宽客........&br&&br&题主可以去看一本书叫&a href=&/subject/3688489/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&异类 (豆瓣)&i class=&icon-external&&&/i&&/a&。成功这种事情啊，小的靠自己拼，大的真的是要靠机遇的。&br&&br&所以说，与其根据别人的需求去考虑自己的道路，不如选择一条你真正喜欢的道路，这样在你以后路上遇到各种诱惑和打击的时候，你才不会责怪自己当年做了一个错误的选择，然后继续前行。这样你才能钻进去，才能在某一方面变得很强啊。三百六十行行行出状元的。&br&&br&所以乔布斯才说：&br&&br&&br&&blockquote&&b&“Follow your heart.”&/b&&/blockquote&&br&--------------------------------------------------------------------------------------------------------------------------------------------&br&我再分享一件小事。实习的时候，有一天早上去买早点，金融街楼下。就听见前面一个女白领喊：“阿姨你少给我放了个鸡蛋。”语气非常霸道。就听见大妈悠悠的说：“小妹啊，我月入好几万会贪你一个鸡蛋么？”然后白领走了，后面排队的所有金融白领（民工）全部被震慑了一下，为什么？因为大家都远拿不到这个工资啊。所以说，算了我也不说了。
被某人邀请来答题，虽然一看就要被折叠，还是说说我的看法。没有心灵鸡汤，不算反驳，仅从我的经验来谈一谈。首先你要确认你的效用函数是什么啊(utility function)，你读大学的目的是什么?举例来说，有的人的目标是混个文凭，那么他选择的就会是最容易拿毕…
转自Quora&a href=&/What-are-the-best-quant-hedge-funds& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&What are the best quant hedge funds?&i class=&icon-external&&&/i&&/a&&br&&br&下面这些不全在纽约&br&&br&&ul&&li&D. E. Shaw (New York, NY)&/li&&li&Renaissance Technologies (East Setauket, NY)&/li&&li&Morgan Stanley PDT (New York, NY)&/li&&li&SAC Capital&/li&&li&AQR Capital&/li&&li&Two Sigma Investments (New York, NY)&/li&&li&Citadel (Chicago, IL)&/li&&li&Jane Street Capital (New York and London)&/li&&li&RG Niederhoffer&/li&&li&Jump Trading&/li&&li&KCG Holdings&/li&&li&Bridgewater Associates&/li&&li&Hudson River Trading&/li&&li&Man Group AHL&/li&&li&Highbridge&/li&&li&Millennium/WorldQuant&/li&&li&Winton&/li&&li&Bluecrest&/li&&li&Ellington Capital&/li&&li&Tower Research&/li&&/ul&
转自Quora下面这些不全在纽约D. E. Shaw (New York, NY)Renaissance Technologies (East Setauket, NY)Morgan Stanley PDT (New York, NY)SAC CapitalAQR CapitalTwo Sigma Investments (New York, NY)Citadel (Chicag…
Quant的出现其实是一场金融行业的工业革命。把所有可以自动化的东西全部自动化，用计算机突破人类身体的极限，把高层次的工作留给人类，把简单重复的工作交给计算机。赚钱固然好，但是能够身处一场技术革命中并有所贡献才是比较有意思的事情。
Quant的出现其实是一场金融行业的工业革命。把所有可以自动化的东西全部自动化，用计算机突破人类身体的极限，把高层次的工作留给人类，把简单重复的工作交给计算机。赚钱固然好，但是能够身处一场技术革命中并有所贡献才是比较有意思的事情。
像楼上说的，由于回测时间短，我也怀疑有很明显的over-fitting和data-mining的问题。&br&&br&回头有空看看他们的代码来补充。
像楼上说的，由于回测时间短，我也怀疑有很明显的over-fitting和data-mining的问题。回头有空看看他们的代码来补充。
谢韦香主邀请。&br&&br&首先是对这个行业的兴趣，很多人可能一开始觉得quant很酷炫就开始往这边挪，但是对行业不了解，对需要克服的困难没有清晰的认识，最终打了退堂鼓，所以一个持久的兴趣很重要。&br&&br&然后说一些会学到用到的东西：&br&&ol&&li&编程&/li&&li&数学/统计&/li&&li&金融&/li&&/ol&&br&&b&金融工程其实就是这三者的交叉学科。&/b&&br&&br&编程是重中之重，没有谁能不编程就说自己是quant的，只不过需要负责的编程任务不同罢了。对于quant来说，你可能需要学会很多种不同的语言，你需要会C++，并不是说你一定会用到它，而是你对C++的知识让潜在雇主知道你能很快学会其他的语言。你需要会Matlab/R,这样你可以做research, 跑simulation,然后制定策略等等，你还要回SQL,因为金融是一个高频大数据的行业。其它根据不同岗位还会有不同需求。&br&&br&到底是用数学还是统计，往往取决于你是个Q quant还是P quant，但是金融时间序列和布朗运动为主的difussion process是每个人都必须要会的，之后根据职业特点和个人兴趣会有不同。Q quant会进一步学到各种change of measure, change of numéraire, jump/levy process等等。而P quant则会进一步学习各种数据挖掘算法，滤波方法，贝叶斯统计等等。&br&&br&最后是金融，这个每个人的看法不一样，有的人说他完全不关心市场是什么样的，他只关心Data，我不太赞成这种看法。很多经典的模型被人诟病，批评别人的Model是很容易的，但是一个Model永远只是现实的一种逼近，关键是这个模型能不能给你基本的直觉指引。很多人说CAPM没用，但是CAPM起码告诉了一个很简单的道理，你不可能在降低风险的同时提高收益，起码从期望上不能做到这个的，很多人做了半天model，最后把这个忽略了。你可能觉得APT很可笑，但是很多fund其实每天就干这个，找factor，然后hedge到各种risk。你可能觉得市场微观结构没意思，但是如果你要开发做市策略的时候这就是重中之重。你可能觉得utility function没意思，但是他能帮助你理解人性。&br&&br&关于金融，这取决于你怎么看待quant这份工作，你觉得你是在做模型，只不过有人做流体你做金融，那你就会觉得金融理论很没意思，但我会觉得金融学的知识是最重要的，也是最有意思的。&br&&br&如果把市场比作一个水面，在正常的时候，有很多涟漪，你说你能发现其中的规律，然后你模拟了这个波动，你赚到了钱。但是如果你从来不去思考这个涟漪为什么会出现，那你就不会知道有一个巨浪要来了。也许你10年都在赚钱，但是一天亏到底。&br&&br&&b&对风险的敬畏是每一个金融业者应有的素养，quant也不能忽略，甚至要多面临两层风险:模型风险和统计估算风险。&/b&&br&&br&&br&&b&知道model什么时候fail比知道model好在哪里要重要的多。&/b&&br&&br&&br&&b&At the end of the day, it's the thing that you don't know you don't know that makes you lose all you pennies.&/b&
谢韦香主邀请。首先是对这个行业的兴趣，很多人可能一开始觉得quant很酷炫就开始往这边挪，但是对行业不了解，对需要克服的困难没有清晰的认识，最终打了退堂鼓，所以一个持久的兴趣很重要。然后说一些会学到用到的东西：编程数学/统计金融金融工程其实就是…
业界没听说比赛，我知道的是面向学生的，有两个是全球范围，参与者很多的：&br&&br&&ol&&li&&a href=&http://ritc.rotman.utoronto.ca/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Rotman International Trading Competition&i class=&icon-external&&&/i&&/a&&/li&&li&&a href=&/education/trading_challenge.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CME Group Commodity Trading Challenge&i class=&icon-external&&&/i&&/a&&/li&&/ol&
业界没听说比赛，我知道的是面向学生的，有两个是全球范围，参与者很多的：
&b&提示&/b&：我这里说的不是quant shop。我看到问题描述说招募quant做事的机构，所以我有点答非所问，汗。。。。。&br&&br&谈谈我的认知，主要来源于我跟业界的人的交流，自己找工作的经历还有前辈的指导。面向于刚刚接触这个领域的人，请前辈指正。&br&&br&从大类来说，quant有三大类 ：&br&&ul&&li&Pricing Quant, 主要供职于投行（卖方）进行衍生品定价，又以OTC市场定价居多&/li&&li&Risk Quant: 负责风险管理，是现在需求最大的Quant&/li&&li&Alpha-Generating Quant: 主要供职于买方，以量化研究居多，平行于基本面分析&/li&&/ul&&br&这个分类非常不全面，其实还有很多，比如：&br&&ul&&li&Research Quant, 专门负责写论文，不过不是学术界的论文，而是业界的论文。典型的有&a href=&/research/pdf/SSA_WhoWeAre.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&State Street Asscociates&i class=&icon-external&&&/i&&/a& ， 总共只有30来人，就在哈佛门口，一群PhD，每天就是做服务于业界的论文，受众则是以上提到的三种Quant。同样还有这个职能的我知道有Bloomberg和Barklays&/li&&li&Data Quant, 并不是高大上的大数据分析员或者硅谷那一帮Data Scientist。其实是负责撰写数据库，以交易数据居多，这类数据往往高频，复杂。主要工具为SQL，当然还有Q language和KDB+&/li&&li&Trading-support Quant, 主要负责给trader提供个性化的支持。大部分交易员往往使用Bloomberg Terminal, 而他们往往有个人定制化的需求，需要能够实时关注某个指标或者看某个在BT里面没有的图表，这就需要公司里的Quant来开发。实用工具多种多样，用的最多的是VBA（因为trader就是喜欢Excel） &/li&&li&Trading-cost Quant, 当你有一笔大交易要做，又不想暴露。要么就是走Dark Pool(暗池，由第三方为你撮合交易，没有人能看到报价），要么就是找专门做trading cost minizing的公司（有点像quant brokerage)帮你把交易切成很多小块，一是不暴露你的意图，二是能够降低交易成本，除了你的投资标的物需要diversified以外，你的买卖时机也需要diversified。一个这方面典型的公司是C&a href=&/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&onvergEx&i class=&icon-external&&&/i&&/a&&/li&&li&Trading System Quant，负责编写交易策略，配置账号等等，往往使用C++这样的高速语言，更有甚者使用FPGA进行硬件编程，目标是程序的速度和稳健性&/li&&li&Quant trader , 这个很难说，有些人只要沾到数量分析工具就叫quant trader，有些人则把这个局限于利用高频算法的trader&/li&&li&Third-party software Quant， 大部分人只知道Bloomberg Terminal, 其实它还有一些竞争对手，比如说&a href=&/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Charles River Development&i class=&icon-external&&&/i&&/a&。他们做用户定制，所以如果你是一个fund，而你专门就做某一种策略，你就是他们的潜在客户。那么所有前面提到的trading support类的工作现在就外包到这个公司来帮投资经理实现。这当中就需要Quant，其实类似于Quality Assurance，在销售队伍和程序员之间搭桥。销售了解客户的需求，但是不懂背后的逻辑，程序员会编程，但是不懂金融，所以中间得有这么一个人。金融数据提供商也有这样类似的工作，比如说Nasdaq&/li&&/ul&&br&&b&先说这些，还有一些东西可以跟大家分享，睡起来再说。&/b&&br&&br&&br&&b&-----------------10月22日补充--------------------------------------&/b&&br&再谈下三大类quant的大致工作吧。&br&&br&&ol&&li&Pricing Quant主要以Q quant为主，主要做OTC市场的定价。因为标准的合同定价可以直接编写自动系统，有参数就有价格。而场外市场则需要跟对手方谈条约，所以说一般都是奇异期权，各种互换等等。举个例子，客户打电话来问说说:&我想要hedge XXX公司的信贷违约风险，期限是XXX,你们有没有相关的合同？”由于市场上的CDS以5年为主，有些bond可能没有对应的CDS，这个时候就需要有人来重新做一个合同。又或者说，某某客户对市场有很强的预期，就会打电话来要一个合同，更像是一个对赌条约，等等等等。&/li&&li&Risk Quant，现在招好多好多人啊。因为Fed对大家盯的都太紧了，以商业银行为例，每年要过压力测试，一旦fail就要提高资本金，2013年CitiBank都fail了，现在正在抓紧建新的风控系统。巴塞尔协议3里面对商行有规定要定期报告一些数值，最典型的就是Value at Risk。对于某些指标甚至规定了具体的模型，谁这么苦逼来算呢？Risk Quant。每天对着一个huge book,开始估算各种数值，default probability, default intensity等等等等&/li&&li&Alpha-Generating Quant: 主要为fund工作，每天的工作主要以找factor为主，理论基础是Steven Ross的Arbitrage Prcing Theory(APT),有兴趣的人可以看看Zvi Bodie的Investments 10th edition的APT那一章有讲executing an arbitrage。简单来说，你可以把APT看成多因子的CAPM（which by the way, is totally wrong)，然后你就需要找各种因子来把系统风险剥离出来。然后你干这么几件事情：&/li&&/ol&&ul&&ul&&ul&&ul&&li&构建很大的portfolio，把idiosyncratic risk给diversify掉&/li&&li&把factor对应的系统风险对冲掉&/li&&li&想办法通过买入卖空，让你的portfolio不花一分钱或者花很少的钱&/li&&li&这个时候你有一个portfolio，没有系统风险，个体风险也很小&/li&&li&想办法找一个或几个类似的portfolio&/li&&li&这几个portfolio没有系统风险，有很小很小的资产的个体风险&/li&&li&这个时候这些portfolio就叫做absolute return，你的风险来源于你的模型和估算过程&/li&&li&通过你对你的这几个portfolio的线性组合，你就能找到一些统计套利的空间&/li&&li&也许这个return不高，不过你可以加杠杆，很多对冲基金就是这么做的&/li&&/ul&&/ul&&/ul&&/ul&
这么说好抽象。。。。大家还是去看Bodie的书吧，我们学院的镇院教授，我顺便打个广告 ^_^
提示：我这里说的不是quant shop。我看到问题描述说招募quant做事的机构，所以我有点答非所问，汗。。。。。谈谈我的认知，主要来源于我跟业界的人的交流，自己找工作的经历还有前辈的指导。面向于刚刚接触这个领域的人，请前辈指正。从大类来说，quant有三…
不管你用什么，你必须要会C++&br&&br&其实很多公司都有自己的语言，你并不需要使用C++编程。但是C++就像全套工具箱一样什么都有，招聘者知道你会C++就会默认你转向其他语言需要的时间不长。
不管你用什么，你必须要会C++其实很多公司都有自己的语言，你并不需要使用C++编程。但是C++就像全套工具箱一样什么都有，招聘者知道你会C++就会默认你转向其他语言需要的时间不长。
你去看下融资矿就懂了。
你去看下融资矿就懂了。
首先从大类来讲，应该是应用数学的PHD而不是理论数学的PHD，不要想着用分型拓扑等等高大上的东西来搞定市场，市场是人组成的，任何规律都只是暂时的。&br&&br&在应数这个大方向里面可以折腾的事情就很多了。&br&&br&你可以这么看，对于任何需要quant做的工作，你总是可以通过理论方法和统计方法两大类来解决。&br&&br&理论方法的好处就是有迹可循，少数情况下有解析解，缺点就是必须使用不一定符合市场实际情况的假设，例如收益率的概率概率分布，股价等随机过程的形式等等。这就涉及到：&br&&ol&&li&设计符合研究标的（股价等）的随机过程，做这个的一般是专门研究鞅理论和Jump理论的人&/li&&li&使用历史数据来估测随机过程变量的值，这涉及到各种统计估算方法（MLE,GMM,MC等等）&/li&&li&根据随机过程来预测未来走势，定价等等。这设计到各种数值方法（树，MC，有限差分，quadrature, discretization, fourier transform等等）&/li&&/ol&统计方法的好处就是大多数情况下你不用给出任何假设，缺点就是99%的情况你得到的结论只是自己骗自己。&br&&br&&ol&&li&时间序列（各种GARCH,各种VAR,Cointegration,ARIMA,EWMA等等)&/li&&li&机器学习，数据挖掘（支持向量机，随机森林，各种贝叶斯分类器，神经网络，蚁群算法等等）&/li&&li&贝叶斯统计，一般需要对Simulation有丰富的经验，不然贝叶斯什么都干不了&/li&&/ol&&br&&br&一般来说，前一种叫Q-quant，后一种叫B-quant。两派没有高下之分，他们在面对人性和市场剧变的时候同样的无力。&br&&br&&br&--------------------------------------------------------------------------------------------------------------------------------------------&br&7月20日补充&br&&br&有朋友说分类是P-Quant和Q-quant,关于这个分类有一篇专门的文章是Attilio Meucci写的，在CFA Institute和GARP都有，我把GARP这边的链接贴过来有兴趣的可以看一下。&br&&br&&a href=&http://www.garp.org/media/585808/feb%2041-44_quantclassroom.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&garp.org/media/585808/f&/span&&span class=&invisible&&eb%2041-44_quantclassroom.pdf&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&简言之，P & Q Quant的P是P measure，而Q是Q measure，是以Quant工作主要跟哪个概率测度打交道来分类的。P measure就是现实生活中的实际概率测度，而Q measure是风险中性定价测度。&br&&br&我给出的Q & B Quant分类是我在Bloomberg Quant组的朋友告诉我的，我觉得很好直接拿来用。Q还是Q - measure, 而B是Bayesian，前一种是Theory-Driven,而后一种是Data-Driven或者叫Empirical-Driven。之所以Bayesian单独拿出来是因为他们组里最先开始搞data-driven的人全部都是Bayesian就沿用下来了。&br&&br&Anyway, just FYI. 既然有朋友提到了我就补充一下，谢谢指正。
首先从大类来讲，应该是应用数学的PHD而不是理论数学的PHD，不要想着用分型拓扑等等高大上的东西来搞定市场，市场是人组成的，任何规律都只是暂时的。在应数这个大方向里面可以折腾的事情就很多了。你可以这么看，对于任何需要quant做的工作，你总是可以通…
谢邀。&br&&br&&br&师傅领进门，修行在个人。这个用在金工学子头上非常准确。要想在金工行业出类拔萃，就必须要具备极强的自学能力。所谓系统是对初学者而言，进门之后，每个人有自己的特长或者说是偏好，就需要重点加强，然后不要有哪块特别无知就好了。毕竟金工行业涉及非常广泛，一个做Fixed Income的跟做Equity的用的套路会有很大区别，即使实在Fixed Income自己的领域里面，也会有很多Industry Standard，对于不同的合同，就得假设XX结构。&br&&br&我在下面列出一些书和简短评价，都是各方向很重要的书，怎么着你也得看过这几本书的封面才行。&br&&br&&b&General Finance Knowledge&/b&&br&&a href=&/subject/3431143/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Options, Futures and Other Derivatives (豆瓣)&i class=&icon-external&&&/i&&/a&&br&John Hull的这本书被好多华尔街的人称作圣经，在我看来多少有点言过其实。这本书讲的内容浅显得很，而且废话连篇，一页纸能说明白的东西，偏偏要花20页来讲，读下来锻炼的最多的是英语阅读能力。虽然如此说，但是这本书包含的内容之广却是其他各方向专门的书所不能及的，所以你起码要将此书浏览过一遍，不然有些基本的东西别人抛出来你都不知道那就笑大街了。我没读过中文版，我觉得如果只是浏览的话，看中文书还是会快很多，知道所有名词的英文就好了，不过听朋友说中文呢翻译不是很好。&br&&br&&b&Stochastic Calculus&/b&&br&&a href=&/subject/1651750/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Stochastic Calculus for Finance I (豆瓣)&i class=&icon-external&&&/i&&/a&&br&&a href=&/subject/1650656/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Stochastic Calculus for Finance II (豆瓣)&i class=&icon-external&&&/i&&/a&&br&Shrev的这两本经典上下册，金工绕不过去的坎。如果你读起来觉得非常吃力，那说明你功力不够。如果你能读懂就算入门了，如果你读起来开始觉得内容太浅显甚至有点废话，说明你已经被更高级的书虐过了。如果你去面试自称quant，随时准备有人抽出第二册里的章后习题来测试你，所以最好要把习题做过好几遍，烂熟于胸。&br&&a href=&/subject/1464684/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Stochastic Differential Equations (豆瓣)&i class=&icon-external&&&/i&&/a&&br&&a class=& wrap external& href=&/search/Bernt%20%C3%98ksendal& target=&_blank& rel=&nofollow noreferrer&&?ksendal&i class=&icon-external&&&/i&&/a& 的这本书是你接着应该读的书，光是看别人论文里面有多少次引用这本书你就知道他的重要性了，这本书涉及了很多Diffusion process的进阶应用，你至少要了解其中的概念。&br&&a href=&/subject/4785797/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Stochastic Integration and Differential Equations (豆瓣)&i class=&icon-external&&&/i&&/a&&br&再往后面走，就不玩Diffusion Process了，就该开始玩半鞅，停时和Levy Process了，Philip E. Protter的这本书是我见过的最好的。由于到了有Jump的时候，问题会变的复杂很多，每个教授基本自成一套体系，事实上搞Jump的人也是少之又少，然后你会发现每个人的符号标记方法都不一样，Philip Protter的体系是相对来说比较好的。&br&&br&&b&Fixed Income&/b&&br&&a href=&/subject/1773256/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Interest Rate Models&i class=&icon-external&&&/i&&/a&&br&这本一千多页的大部头拿在手里都觉得沉，读下来更是郁闷，不过就是全，而且讲得很详尽，基本上每个搞Fixed Income的手上都有一本。&br&&a href=&/subject/4310054/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Term-Structure Models (豆瓣)&i class=&icon-external&&&/i&&/a&&br&瑞士学术界新贵写的书，内容跟上一本差不多，但是薄很多，也就意味着要难入手一点，但是这本书的体系非常连贯，学下来大有打通一个学科的快感。&br&&br&&b&Computational Finance&/b&&br&&a href=&/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Computational Methods in Finance (豆瓣)&i class=&icon-external&&&/i&&/a&&br&哥大IEOR教授Ali Hirsa的新作，涉及了Finite Difference,FFT,Calibration等内容，讲得很简单，适合入门。&br&&a href=&/subject/1462498/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Monte Carlo Methods in Financial Engineering (Stochastic Modelling and Applied Probability) (豆瓣)&i class=&icon-external&&&/i&&/a&&br&这本书才可以称作圣经，Monte Carlo模拟的圣经，一个单独的方法，却可以写出一部这么厚的书来讨论，里面的内容非常详尽，尤其是Variance Reduction那几章是重中之重。&br&&br&&b&Financial Econometrics&/b&&br&&b&&a href=&/subject/4719140/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Analysis of Financial Time Series (Wiley Series in Probability and Statistics) (豆瓣)&i class=&icon-external&&&/i&&/a&&br&&/b&&br&这本书说实在我个人不是很喜欢，不过毕竟是很多人都绕不开的一本书，所以里面的内容需要熟悉。&br&&a href=&/subject/4810988/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&An Introduction to Bayesian Inference in Econometrics (豆瓣)&i class=&icon-external&&&/i&&/a&&br&你无法想象1971年的时候有一个人能够把Bayesian Analysis做的这么深入，建构了一个庞大的系统，如果要搞Bayesian，那这本书你肯定绕不开的。&br&&br&&br&&b&Real Option&/b&&br&&b&&a href=&/subject/1990407/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Investment under Uncertainty (豆瓣)&i class=&icon-external&&&/i&&/a&&/b&&br&这本书在94年出版的时候扉页赫然写着“To the Future”，今天看来两位作者确实没有夸张，这本书奠定了实物期权的理论基础，有太多paper都是从这本书开始的了。&br&&br&&br&这些书，不用真的全部都看过，不过封面和标题还是要记住的。&br&时间有限，先列这些，有问题大家留言。&br&&br&&br&&b&最后说一句，真正搞金工的都是读paper，paper上的东西才比较前沿。路漫漫兮，与君共勉。&/b&
谢邀。师傅领进门，修行在个人。这个用在金工学子头上非常准确。要想在金工行业出类拔萃，就必须要具备极强的自学能力。所谓系统是对初学者而言，进门之后，每个人有自己的特长或者说是偏好，就需要重点加强，然后不要有哪块特别无知就好了。毕竟金工行业涉…
这个东西我们原来本科也弄过。&br&&br&其实不能算是风投啦，你更像是中介或者说是做市商，而且因为你可能是唯一的做市商，所以你的油水都来自信息不对称。&br&&br&这类项目就是想法新颖容易夺人眼球，但是到底有多少人感兴趣愿意投钱你需要再摸底。而且由于你其实充当的是交易所的角色，所以需要很多会计来处理账目，不过说到底是学校要支持。&br&&br&另外你可以帮助新社团新公司吸引投资，这点又会有点像投行。。。&br&&br&你需要找个熟悉经济法的人来问一下你们这种募资是否违法（非法集资）。不过运作得当的话你可以弄成黑市，这样你油水更大。。。。（好像有点邪恶了）&br&&br&先去找行政老师商量下吧，况且学生校内自办企业（无非就是学生超市，打印，广告公司，书店，网吧等）盈利能力有限你可能完全找不到任何值得投资的目标，那么就只剩下炒作了（好吧，又邪恶了）
这个东西我们原来本科也弄过。其实不能算是风投啦，你更像是中介或者说是做市商，而且因为你可能是唯一的做市商，所以你的油水都来自信息不对称。这类项目就是想法新颖容易夺人眼球，但是到底有多少人感兴趣愿意投钱你需要再摸底。而且由于你其实充当的是交…
我觉得包装一下不是不可以，况且你还有时间你现在就可以去积累一些编程经验。其他方面有很多可以包装的地方。&br&&br&现在美国的MFE项目不少，每个学校的偏好不同，所以你只问能不能申请MFE，答案是肯定的你可以申。&br&&br&工作经验对申请MFE帮助不大，如果有好的工作经验建议你申请MBA不要在MFE浪费时间和精力。&br&&br&其实MFE现在供给过剩，想清楚再学这个。
我觉得包装一下不是不可以，况且你还有时间你现在就可以去积累一些编程经验。其他方面有很多可以包装的地方。现在美国的MFE项目不少，每个学校的偏好不同，所以你只问能不能申请MFE，答案是肯定的你可以申。工作经验对申请MFE帮助不大，如果有好的工作经验…
用100万娶个身家上千万的女子
用100万娶个身家上千万的女子
一般来说遇到错误数据直接丢弃&br&&br&对于样本太小的情况，可以使用bootstrap方法进行模拟随机抽样 &a href=&http://en.wikipedia.org/wiki/Bootstrapping_(statistics)& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Bootstrapping (statistics)&i class=&icon-external&&&/i&&/a&&br&&br&中文叫”自助法抽样“
一般来说遇到错误数据直接丢弃对于样本太小的情况，可以使用bootstrap方法进行模拟随机抽样 中文叫”自助法抽样“
谢邀。&br&&br&我的理解是你想做策略。&br&&br&那么你能找到的公开的策略无非是三大类，一种属于pairs trading，也就是说找两只相关系数非常高的股票或是其他security（或者相关系数逼近-1的），然后如果你学过cointegration的话就可以对他们的差（和）进行模拟，会发现是一个稳态过程，然后你再用布林带或者其他方法设置波动上下限找到信号进行操作。这个方法最早是摩根斯坦利black box小组开始用的。&br&&br&另外一种属于Convergence trading, 应用在fixed income上面的比较多，比如说从term structure上你发现8年期国债的收益率明显偏高了，也就是说相应的国债价格明显偏低了，这可能是流动性不足造成的。那么你可以买进8年期国债，卖出10年期国债，时间越往后推，term structure越可能恢复到正常的类似于根号下x的函数的图像。所以你知道价差的起点和终点，然后你可以用Brownian Bridge（布朗桥）进行模拟。（找一下关于Long-Term Capital Management的书来看看）&br&&br&第三种属于Momentum，通过统计方法（EWMA, ARIMA等等）寻找可能存在的短期势能，然后追涨杀跌，这个是用的最多的，也是风险最大的一种。&br&&br&还有的就是你可以尝试从order book入手分析卖方和买方的相对力量然后充当做市商的角色进行交易。&br&&br&&br&这些都是从策略上来讲你可以做什么，至于具体实施，首先你需要会一门能够做OOP（面向对象编程）的语言，比如C++和Java,然后你需要学习相关交易软件的API，这样你的程序就能接入到你的交易软件获取数据和下达买卖指令。&br&&br&如果真的是去从业的话，从我接触的人看来，每个公司都有自己的语言和编译器，很多时候做策略的人只需要学习Python和R就好，然后公司里有专门的解释器可以把你的Python或者R代码翻译成C++代码。
谢邀。我的理解是你想做策略。那么你能找到的公开的策略无非是三大类，一种属于pairs trading，也就是说找两只相关系数非常高的股票或是其他security（或者相关系数逼近-1的），然后如果你学过cointegration的话就可以对他们的差（和）进行模拟，会发现是一…