职业规划NO.12——互联网IT转quant的可行路径

职业规划NO.12——互联网IT转quant的可行路径https://mp.weixin.qq.com/s/FIETN6uPoHOn_BxbMnxAYQ

本期主人公：Aaron，男

学历背景

本科：国内211院校——计算机专业

硕士：国内985院校——计算机专业

工作经历

▪ 2013-2016 某互联网大厂

—技术工程师

▪ 2017-今 中型量化私募团队

—Quant Developer

—Quant Trader

心路历程

我的专业知识只有计算机，包括本科和硕士阶段的学习都是如此，虽然专业度高，但单一是硬伤。

毕业后顺理成章的进了互联网大厂，风平浪静的生活里我却感触到一丝危机，不知道会不会触及职业瓶颈，所以早早做了打算。

个人诉求

进量化圈是朋友引荐的，似乎是机缘巧合，其实我也早有准备！一路从纯开发搞到现在trader的位置，经历不少曲折，困难主要是在技能学习和思维养成方面。

现在整体状态不错，未来还会延续现在的路学习下去，往策略的方向多做些努力，争取早日实现财务自由！

Aaron的经历——想转行的往这看！

跨行业跳槽无疑是困难的，有关IT技术人才转行量化的话题，我们之前也谈过一些个案，还有很多IT界的候选人对此感兴趣，想求得破解之道。

通过一些候选人以及Aaron的经历，我们得出了一个结论：同样的目的下，不同的思路规划和执行标准，决定了最终不同的结果。当然，Aaron是成功的那一个。

• 成功的过渡必然涉及到额外技能的学习！

Aaron以过来人的身份提到，互联网大厂IT岗位的开发，跟量化投资机构后台的开发虽然有异曲同工之妙，却也不尽相同。对新技能的学习和掌握程度，往往决定了更换工作环境的是否顺滑。

IT核心技能，主要是系统开发，底层开发等，如果把它们应用到量化投资的开发中，还不算难事，说到底还是交易系统的那一套。主要是中高频交易系统的开发有一定的难度，低延迟魅力无限，却永无终点。在开发语言方面，一般都是C++为主，没有太多跨越式的障碍。

可quant dev核心技能，则更多的是配合策略研究员，把他们的想法进行模型化和程序化。虽然离交易近了些，但其实也是配角，主要根据不同业务的需要制作实现通道。在他看来，如果只是进量化机构搞dev，实在是乏味，所以他只是以此做个过渡。

Aaron历经了IT——quant dev的全过程，在这里过程中，除了原有技能在新场景的应用，他还主动学习了关于数学、交易市场、金融相关的知识，锻炼交易思维，为进一步转trader打基础。

• Aaron的一些主要的经历

Aaron的心得是，做quant，编程能力是底线，数学能力决定上限，最考验他的是快速实现既定功能和修改既定功能的能力，期间也用到Python来设计一些图表或者报告，进行工作成果展示。

在做dev阶段，最重要的工作莫过于模型实现，模拟，回归，回测和分析，以Python，c++为主。主要是在team leader的要求下实现各种模型并微调，也许还需要一些r或者MATLAB的技能，但不会很难。

在转trader的过程中，Aaron拓展很多新的技能，往量化交易策略研究方向努力，比如PML、DL等等，直到能创造出“阿尔法”。毕竟团队当时还不算太大，他的这个角色，其实是trader和researcher的结合体。

• Aaron的一些心得

Aaron认为，如果是从纯IT转量化交易，尽量不要选择太大的机构作为起点。

一方面，大机构分工较细，不太利于跨学科知识和工作经验积累；另一方面，公司对非应届的考察更多的在经验方面，也更愿意分配符合候选人经验的岗位，新机遇不多。这样，创业型机构似乎是一个更好的选择。

另外，想要成功的突破原有从业路径，不可避免的就是通过各种方式学习新的技能，这应该是最困难的一部分。

从一位纯IT人士走到现在的位置，付出努力的细节远不止本文描述的这些内容，尤其他透露出自主学习新学科，及在工作中更倾向于独立完成开发任务等，就可见一斑。

专业猎头建议——以点及面谈dev转trader/researcher的可行路线！

Aaron是个案，为了让我们的建议更具有针对性，在讨论这个话题之前，先来对受众做几个假设：

1.“传统”的软件开发人员背景，或者在大学中接受正规的教育，至少达到本科或硕士水平。

2.即将或已经获得计算机科学、电气工程等相关的学位。

3.没有较高的研究背景，如博士学位（Phd），因为如果你有，可能就不需要这么纠结了，机会会有很多。

1.学习路线！

根据上面列出的假设条件，意味着你可能对技术架构有很强的了解，软件开发、数据库设计、与服务 API 的交互、通信协议以及熟练掌握 C 、 C ++、 C #、 Java 、 Scala 、 Python 甚至函数式语言。

不太可能精通的包括概率论，统计方法（ Frequentist and Bayesian ），计量经济学，衍生品定价或者概率机器学习。

那么“学习研究”这条路线，就是你需要过的第一关。你可以选择去读能够能直接从事量化交易相关专业的研究生，比如：

• 概率机器学习(PML)

• 深度学习( DL )

• 贝叶斯统计

毕业后，你可以运用专业知识背景直接申请相关工作，获得更优厚的待遇，并把你所学到的PML,DL 或贝叶斯统计方法直接应用于市场分析。

顶级学校出来的人才，对量化投资机构是非常有吸引力的。然而，即使在国内，这也将意味着彻底的离开工作岗位，回到学术界 3 年，甚至更长的时间。如果去国外深造，在英国有可能是 4 年，在美国可能长达六年。在这期间，你可能会遭受收入不足的困扰。

2.课外路线！

另一种进入量化交易的路径，是在现在的公司内部进行转换，当然你也可以直接申请另一家公司的量化交易工作，而不需要读博/硕士。

然而，这可能会很难，因为你将与那些已经有研究学位和一定经验的人竞争。因此，你需要展示属于自己的，可以直接应用的量化交易技能。

而你学习这些技巧的只能利用休闲时间，最初不需要投入任何资金，你可以通过书籍学到很多技术。然后通过模仿交易，计算策略的盈利和亏损，这种实践，会让你对量化策略原理有一个很好的理解。

既然你已经是一个 quant dev 了，作为一个量化开发者，在日常工作中能够掌握了一些回测框架，比如QS Trader, Py Algo Trade或Py System Trad，那么你可以直接跳到策略研究的部分，使用这些工具中的一种或多种。

此外，你还需要了解时间序列分析, 贝叶斯统计, 机器学习和深度学习等等。如果你没有任何数学方面的优势，也可以进行适当的知识补充。

3.交易路线！

第三种选择是加入自营交易公司，当然，这要以你具备一定的成功交易记录为基础。在面试过程中，你可能会面临很严格的能力审查，因为该公司招聘你的目的是要投入资金参与实战的，损失容忍率低。

这种方式不是没有可能，但是困难最大的一种。如果你能通过一些可靠的回测，甚至是一个实际的跟踪记录来证明个人能力，那么决定权就完全掌握在自己手里。

写在最后

量化交易/研究人员拥有的主要技能是能够根据特定市场感知或识别价格异常情况提出新的交易想法。

因此，拥有对不断变化情况进行数学建模的能力，是毋庸置疑的必备技能。无论你用什么路径实现这个目标，让自己掌握这种能力，你就会有竞争力。

此外，如果你能兼具专业级别的编程技能和策略学术能力，就很有可能成为塔尖人物。因为量化学术环境出来的人才，具备优秀计算机编程能力者屈指可数。

（文中涉及信息已经候选人授权）

如果有兴趣参与本栏目，可以添加下方二维码发送简历。期待您的加入！

最后

以上就是完美皮皮虾最近收集整理的关于职业规划NO.12——互联网IT转quant的可行路径的全部内容，更多相关职业规划NO.12——互联网IT转quant内容请搜索靠谱客的其他文章。