量化研究

一、定义

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

二、经典策略

1 多因子选股

多因子选股是最经典的选股方法，该方法采用一系列的因子（比如市盈率、市净率、市销率等）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。比如巴菲特这样的价值投资者就会买入低PE的股票，在PE回归时卖出股票。

2 风格轮动选股

风格轮动选股是利用市场风格特征进行投资，市场在某个时刻偏好大盘股，某个时刻偏好小盘股，如果发现市场切换偏好的规律，并在风格转换的初期介入，就可能获得较大的收益。

3 行业轮动选股

行业轮动选股是由于经济周期的的原因，有些行业启动后会有其他行业跟随启动，通过发现这些跟随规律，我们可以在前者启动后买入后者获得更高的收益，不同的宏观经济阶段和货币政策下，都可能产生不同特征的行业轮动特点。

4 资金流选股

资金流选股是利用资金的流向来判断股票走势。巴菲特说过，股市短期是投票机，长期看一定是称重机。短期投资者的交易，就是一种投票行为，而所谓的票，就是资金。如果资金流入，股票应该会上涨，如果资金流出，股票应该下跌。所以根据资金流向就可以构建相应的投资策略。

5 动量反转选股

动量反转选股方法是利用投资者投资行为特点而构建的投资组合。索罗斯所谓的反身性理论强调了价格上涨的正反馈作用会导致投资者继续买入，这就是动量选股的基本根据。动量效应就是前一段强势的股票在未来一段时间继续保持强势。在正反馈到达无法持续的阶段，价格就会崩溃回归，在这样的环境下就会出现反转特征，就是前一段时间弱势的股票，未来一段时间会变强。

6 趋势跟踪策略

当股价在出现上涨趋势的时候进行买入，而在出现下降趋势的时候进行卖出，本质上是一种追涨杀跌的策略，很多市场由于羊群效用存在较多的趋势，如果可以控制好亏损时的额度，坚持住对趋势的捕捉，长期下来是可以获得额外收益的。

三、潜在的风险

量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化，但往往也会存在一定的潜在风险，具体包括：

1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是目前量化交易难以克服的。

2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。

3、网络中断，硬件故障也可能对量化交易产生影响。

4、同质模型产生竞争交易现象导致的风险。

5、单一投资品种导致的不可预测风险。

为规避或减小量化交易存在的潜在风险，可采取的策略有：保证历史数据的完整性；在线调整模型参数；在线选择模型类型；风险在线监测和规避等。 

四、量化交易平台

biquant

五、招聘需求

1.拥有扎实的数学，统计，Python 基础以及了解机器学习

 2.逻辑清晰、算法基础扎实，学习能力强

 3.对量化研究，量化模型，金融交易行业充满热爱和好奇

4.非常熟悉至少以下一种编程语言:C#,Python,C++,Linux，Shell5

5. 熟悉统计建模、多元回归、时间序列分析等；有机器学习特别是深度学习相关经验，熟悉支持向量机、Boosting、 随机森林等算法；有优化算法相关经验，熟悉如下概念：Lagrangian Duality、KKT conditions、 SDP、内点法。

6. 加分项:有以下经验的会额外优先考虑有处理大规模时间序列数据（金融数据）的经验；在Kaggle上参加过相关项目比赛并取得优异名次；有在海内外机器学习或优化期刊发表过文章；熟悉tensorflow和云计算，了解spark语言，有利用深度学习处理大数据的实战经验；

7. 有扎实的数理统计理论基础 

8. 有python和nodejs编程经验，编程习惯良好 

9. 有研究开发及管理实盘中高频策略经验者优先

10. 有交易研究数字货币经验者优先

11.具备扎实的数学及数据分析基本功，核心知识模块包括数学分析、矩阵代数、概率论、随机过程、经典统计、线性规划、回归分析、时间序列分析、聚类分析、主成分分析以及常用的机器学习方法和数值算法等。

12.在经济学原理、货币金融学、公司财务以及金融风险管理等方面具有一定的知识储备。

13.熟悉至少一种科学计算语言（例如Python、C++、C、C#、MATLAB、R）。

14.享受挑战、竞争、解决难题和策略谋划，并具备很强的快速自学能力。

15、主流卖方或买方3年工作经验，有相关丰富实习经验者优先； 

16、逻辑思维能力强，掌握金融工程、资产定价理论、熟悉市场上各类金融产品及策略模型，能熟练使用Python、Matlab、R、SQL、VBA等一种或多种语言，熟悉市场常用金融产品数据库结构优先； 

17.有良好的中英文阅读能力，语言表达能力和文字组织能力；

18. 严谨、勤奋的工作态度和团队协作精神，及良好的职业操守，认同创业公司的价值观，能承受有压力的工作，愿意自我挑战。

岗位介绍：负责运用最先进的统计和机器学习技术，研发量化交易策略系统。实现模拟市场行为的模型和结构；开发价格模型和风控模型。运用先进量化方法寻找市场行为和交易机会；研究基于基本面和微观结构的智能交易系统。实现并回测交易模型和交易系统；深入分析实盘交易并改进模型和交易系统。推动创新研究，特别是在机器学习和非常规数据领域。

任职要求：数学，自然科学，工程或经济学本科以上学历。拥有优秀的统计概率学知识和训练。具有运用C++,Python或R的优秀编程技能，熟悉统计和机器学习的软件如：Python/Scikit,R/CARETandMatlab；有在信号处理,计算机图像或自然语言处理领域工作经验者优先。有数据库编程经验。有在数据驱动的研究环境下的工作经验；具有独立完成研究项目的能力；有管理一时多用的能力；喜欢快节奏的团队工作环境。具有高超的分析能力并注重细节。加分项:熟悉金融产品及数据。熟悉深度学习，包括优化器，网络结构，特征工程，超参数调优等。在数理或信息科学类竞赛，或者数据挖掘类比赛(e.g.Kaggle)中取得过优秀成绩。具备以下任何一项专业知识背景：模式识别/信号处理/图像识别/自然语言处理/数值优化/数据降维/稀疏学习。其他:能力/经验特别优秀的人才待遇可以面议。提供在读硕士生/博士生暑期实习机会，待遇从优。行业内极具竞争力的薪酬包。良好的团队沟通，来自Citadel/MorganStanley等的mentor。

专注于强化学习深度学习机器学习开发量化策略和投资组合策略 任职要求： 1.具有扎实的机器学习理论基础； 2.对深度神经网络、决策树GBDT、强化学习中的一项或多项有过实际项目经验； 3.熟练掌握PYTHON开发； 4.奥赛ACMKAGGLE等比赛获奖者优先； 5.不要求此前具备金融或相关量化岗位经验。 核心优势： 1.海量的标准化因子库 2.优秀策略可快速实盘

工作职责：1、优化、维护现有机器学习模型框架；2、利用机器学习方法进行量化策略研发；3、协助相关交易策略程序的开发、维护和优化；4、研究AI相关前沿技术，探索机器学习应用于量化投资的新场景和新算法。岗位要求：1、统计、金融、计算机、物理、数学、金融工程等理工类专业，海内外知名高校本科及以上学历；2、熟练掌握C++或Python，精通Tensorflow/pytorch等框架；3、具备扎实的统计理论、机器学习基础，熟悉机器学习各种算法。满足以下条件者优先：1、在图像识别、自然语言处理等领域有过研究经验者优先；2、在国际顶会或期刊发表过论文者优先；3、在相关领域竞赛中取得过优异成绩者优先。薪酬待遇：1、基本工资+年终奖+业绩提成（优秀本科，硕士30w起，能力突出者面谈）；2、965工作制，优秀员工激励计划，公司内部产品跟投，员工合伙人计划（上不封顶）。

量化投资总结：

1，策略和实施时间有个模糊的沟，或者说策略执行力；

2，量化模型对历史的有效性是否真能指导未来投资倾向？描述的维度和空间是否完备？