Quant Advices
在过去一两年中,无论是量化行业还是同学们对量化的认知都发生了很大的变化,一方面大多数同学都对于量化有了或多或少的了解,但与此同时,在各种论坛上面总能看到许多有关量化的不实信息,也有许多同学对量化根本不了解/不适合做量化但是也在尝试转行做quant。同时,由于之前自己也接受过许多学长学姐和老师同学们对我的无私帮助,因此在毕业之前写了这篇经验分享,希望能帮到对于量化感兴趣的同学们。
本文原发布与北京大学校内匿名论坛,有少量删改。
量化行业介绍
量化在做什么
量化交易研究(以下简称量化),希望通过量化的方法去研究金融市场,发现交易机会,获得盈利。根据百度百科的定义,量化交易是指以先进的数学模型替代人为的主观判断,利用统计和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。
量化行业规模&量化行业需要多少人?
对于同学们而言,首先需要回答的问题是“量化行业一年需要多少人”,或者“我有多大的概率能找到一个量化工作”。
我们首先考虑国际市场,以下有关国际市场的内容大多来自这篇文章。
在金融行业中,很多公司都有着与量化相关的职位。但是正如原作者所说,每个公司都和Animal Farm有点像:“all employees are created equal, but some employees are more equal than others”。在金融市场买方和卖方的不同公司中,只有在对冲基金(可以对应为国内的量化私募)和自营交易公司中,量化相关人才处于公司的核心地位,这也是做量化的同学们最想去的地方。
在对冲基金和自营交易公司中,投研相关的人员大约占30-50%左右,而在这些人中,量化相关的职位大致占30-100%(与不同公司相关)。但是更重要的是,每年招聘的应届生数量与行业的发展和业内员工的离职率相关,在美国这样的成熟市场中,大约占5-10%。如果我们估计整个行业中投研相关的人员有15000人左右,那么每年在全世界大约只有700个应届生能进入这个行业。
但是从供给一端而言,在世界顶尖的高校中的top学生有许多都想来量化行业,无论是本科生、博士生还是金融硕士项目的毕业生。根据个人在美国交换半年中的观察,在美国互联网行业不景气的当前,最受top学生欢迎的去向大约有两个,一个是做学术(例如本科毕业申请phd,博士毕业去做postdoc),另一个就是量化行业(对于美国顶尖大学的同学,有能力做量化的同学一多半会在毕业之前做过量化实习/直接全职工作)。在这样的行业规模下,只有top students才能最终有机会进入对冲基金和自营交易公司。
当然,除了大家都想去的对冲基金和自营交易公司以外,也有一些岗位需要量化相关的职位。例如说,在美国的顶尖金融硕士项目中(如Baruch,Princeton等),虽然能去买方量化的是少数,但是绝大部分同学都能依靠自己的努力去到卖方量化公司/其他的资管公司,例如美国的几大投行,这也是量化行业更多的去向。
在中国市场中,量化行业同学们希望的毕业去向包括了几个外资自营交易公司,也包括了国内的量化私募和量化自营交易公司。由于量化行业过去几年在中国仍然在迅速发展,因此需要的人才数量可能会远超过这个量级。不过,当行业的发展逐渐稳定下来之后,一年所需的人才数量大约会在一两百人这个数量级(个人估计)。如果按照这个计算办法,北大能做量化的本科生+硕士+博士大约一年会有几十个同学。
P.S. 许多同学对于量化行业的薪酬比较感兴趣,但是大家往往找不到相关的信息。个人认为比较好的办法是按照公司的的人均营业利润来估计。例如说,某著名外资在2023年的营业利润大约在60亿美元(Bloomberg数据),其员工数量在1000-2000人,这样算下来人均营业利润在400万美元左右,如果我们估计其中的25%是员工工资的话,公司的员工平均工资就在100万美元左右(当然,作为应届生,第一年拿到的数额肯定要显著比这个少)。对于内资也可以使用类似的估计办法,因为大多数内资的管理规模和基金收益大致是可以查到的。
量化公司内不同的岗位
在量化公司内,与投研相关的岗位大约有以下两类:量化研究员/交易员(常见的称呼有quant researcher, quant trader),以及量化开发人员(quant developer, software engineer)。
量化研究员在量化公司中主要职责是开发、研究和改进交易模型和策略,量化研究院需要对数学和统计有深入理解,尤其是在概率论、数理统计、线性代数和数值分析等领域。此外,他们还需要具备强大的编程能力,以便能够使用Python等语言来实现复杂的算法和数据分析。与量化研究员相比,量化交易员更直接参与市场交易,他们需要将量化研究员开发的策略和量化开发员构建的交易系统应用于实际交易中,监控市场动态,调整策略参数,以适应市场变化。量化开发员则专注于将这些交易策略和模型转化为高效、稳定的交易系统。这需要他们掌握高级编程技能(如C++或Java),以确保系统的性能能够满足交易的需求。
量化行业毕业去向
不同量化公司介绍
我们首先按照之前的办法,将量化公司分为对冲基金(即量化私募)和自营交易公司,以下是国内同学常去的地方:
- 对冲基金:在国内更多指的是私募基金,如大家耳熟能详的九坤、幻方、佳期等等。一个比较好的比较不同公司的标准是私募的管理规模,具体私募基金的规模可以参考以下这篇文章,个人认为还相对比较准:https://mp.weixin.qq.com/s/D9veDzi1rGLmFxVg2ofhhg
- 自营交易公司:同学们提到的几个外资量化公司均属于这一类,如Citadel Securities, Jane Street, Jump, Optiver, HRT。另外国内也有一些自营交易公司,如通登等。
- 卖方量化岗:这一部分自己不是很了解,欢迎了解的同学补充
此外也需要注意的地方是,大部分大家所说的量化私募除了资管业务,也有一些自营的基金,所以很多公司的业务会同时涵盖上面的不止一种分类。
在量化公司中,研究岗位大致有trader和quant researcher两种职位(我们这里的介绍先不考虑量化开发),不同公司对于两种岗位的需求也不太一样。简而言之,国内的绝大部分私募和一部分外资自营交易公司(如HRT, CitSec, Jump)需要的人以QR为主,比较重视同学们的编程和研究能力,另一部分外资自营交易公司(如Optiver, Jane Street)和一部分国内的自营公司(如邦戴)对于trader的需求较多,trader岗位在面试过程中对于概率题和快速反应的能力(如brain teaser)要求相对较高。
P.S. 个人对于量化开发岗位不是很了解,所以也没有过多的介绍。根据个人观察,很多公司对于量化开发的人才需求往往要高于QR或trader,但是同学们往往对于量化研究更感兴趣,因此找到developer岗位也会容易一些。推荐开发水平较高的同学们可以试一试。
做量化的本科生毕业去向
以下讨论主要针对与本科生,因为大家往往会在读phd/master/直接工作之间作出某种选择,大致同学们有以下毕业去向:
- 读统计/应用数学/计算机等偏理工科的博士:量化公司中除了少数机器学习方向会偏好PhD以外(其实是偏好有机器学习研究能力的人才,如果你是本科生但是足够厉害也完全没问题),大部分量化行业都是不需要PhD职位的。因此,虽然读PhD之后转行量化也很方便,但是你在读博期间的训练大部分是在工作中用不上的。因此,个人认为比较适合读PhD的同学要么是仍然有研究理想(想去学校教书),要么是还没有想好是否要做量化的同学。相比之下个人不推荐单独为了做量化而读PhD,因为为了做量化而读PhD的性价比有些过于低了,大家在量化公司工作五年能学到的知识会远比PhD期间有用。
- 国内/国外的硕士项目:绝大部分的硕士项目(包括国内/国外的金融/金融工程硕士项目,也包括CS硕士)都是找工作导向的,这个项目的目的就是为了让你在毕业之后能找到一个好工作。通常在为期1-2年的金融硕项目中,你从入学开始就要找实习,真正的master学生很少会有人把经历集中在硕士课程上面。因此个人比较推荐在本科期间没有找到令自己满意的工作/本科是理工学位,想在硕士期间转金融的同学读金融硕士。同时硕士项目在国内的另一个好处是可以提供一个硕士学位,避免可能出现的学历歧视问题(虽然国内的私募量化都不是很在意学历,但是如果将来转行的话有一个硕士会有更多的选择)。
- 直接就业:个人其实蛮推荐能找到满意工作的同学本科就业的(本科就业在光华等院系相对普遍,但是在理工科院系还比较罕见)。一方面,本科就业可以省去几年的读书时间而提前几年工作,因此在你的同学毕业的时候你可能已经会有很多工作经验了。同时,不少的量化公司的第一年都是以training为主,之后也有很多的机会在工作中学习,因此相比继续读书,在工作期间也能学到非常多的东西,而且会远比在读书期间学到的东西更实用。(其实在美国,大家的想法都是“本科能找到工作,又不想做学术,为啥要读硕士”,因此很多硕士项目其实是坑中国人的钱的,因为签证原因中国同学需要在美国读书之后才能留在美国。在他们看来,读硕士是“能力不够的表现”,因为你没有办法在本科期间找到一个好工作)
P.S. 量化行业在中国仍处于早期阶段,未来的具体监管措施不确定性较大。在这种情况下,本科毕业直接就业量化在国内从长期风险的角度看较大,读硕和读phd某种程度上属于用时间换取一个更高的下限。
量化所需的知识
量化行业需要的知识大致可以分为以下三类:数学和统计学,计算机,金融
- 数学和统计学知识:这一部分内容是所有量化公司都必不可少的内容,其中大家一定需要了解的内容大致有数学分析、线性代数、概率论和统计相关的知识。另外了解一些数值计算相关的内容对于一部分公司也是有帮助的。
- 计算机知识:不同的公司在面试过程中对于计算机的重视程度是不一样的,但是在所有公司中计算机技能都是工作中必不可少的一部分。个人看来,量化其实就是某种人工智能问题,只不过预测目标变成了某种金融资产的收益/执行某种交易策略以获取最大利润。在量化行业中,基础的编程技能是必不可少的(研究岗对于Python和相关的机器学习技能要求较高,开发岗大多使用C/C++,同时Linux系统大家也一定要会用)。AI方向的相关研究对于量化岗位也有很大的帮助,很多量化公司希望能招一些AI方向的PhD。此外,大家也需要有数据分析的能力和工程能力,这一部分虽然可能在面试中不会过多考察,但是在工作中还是很重要的(不过这些能力更多的是在练中学,比如多写代码,做相关实习/科研,或者打Kaggle比赛)。
- 金融知识:与传统金融行业不同的是,量化行业完全不需要在面试过程中拥有金融知识,在工作过程中需要用到的相关知识也都可以在工作中学。
如何申请量化实习/全职工作?
量化申请时间线
量化实习根据时间的不同大致可以分为两类,一类是暑期实习,一类是日常实习。暑期实习通常都会在暑假实习2-3个月,同学们希望通过实习来获得留用,申请难度也较高。相比较之下,日常实习可以在学期中或者假期的任何时间,实习时间相对较长,也更有可能能给公司带来contribution(相比之下,暑期实习短短的两三个月很可能做不出来什么东西)。
由于自己是本科生,这一部分更多的针对本科生提供一个可能的时间规划,研究生可以通过毕业时间进行倒推。
不同与传统金融行业,量化在实习之前需要掌握基本的数学、统计和计算机的知识,因此大家很难在大一或者大二刚开始就找到实习。同时,量化申请更多的也是看大家的真实水平,过往实习经历并不是决定因素,很多同学第一次申请就能拿到很好的offer并留用。个人认为有志于量化的同学可以在大二下的时候尝试投递一些暑期实习,虽然大二阶段可能没有办法找到非常好的去向,但是一方面能了解一下量化行业在做什么(以及自己是否喜欢/适合),另一方面对于自己将来的申请也会有帮助(一方面是title,另一方面也能从第一份实习中学到一些东西)。
大家大三升大四暑假的暑期实习通常是最重要的一个实习。通常而言,大三上刚开始的时候,各大外资(前面说的citsec, jane street, optiver等)和国内的头部私募基本都开始了实习申请。外资的申请可能在11-12月就基本截止,内资通常在第二年春天还有一些名额,不过也建议大家尽早申请。量化公司的实习申请在通过简历之后更多的是考察面试中的表现,因此大家不用过于纠结自己在前两年的GPA/实习经历,只要自己感兴趣都可以申请一遍,每年能申请到好实习的同学也未必都是GPA最高的几个同学,也有很多同学第一次就能申请到很好的实习。如果很幸运地拿到这些公司之一的实习,那你会有很好的选择权,无论是直接就业还是出国申请都有很多可能。
量化申请的准备
在这一部分,我们按照申请前、申请中和申请后逐一介绍。
在申请前,最重要的就是获取信息了,大家获取信息通常有以下渠道:
- 关注各量化公司的微信公众号,了解各个公司的实习timeline。有志于申请外资量化的同学也可以关注一些公司在外网的宣传渠道,例如LinkedIn, Reddit和X (twitter)。
- 参加各公司的校园宣讲会,也可以参加一些各学校的量化社团,认识更多的同学。
- 最重要的一点:多问!如果对于某个公司感兴趣,可以找在这个公司实习过/全职的学长,至少根据个人的经历,认识的学长学姐人都很好&都非常愿意帮助学弟学妹们。
在量化面试中,量化公司通常会考以下内容:
- 数学/概统题目:包括数学分析、线性代数、概率、统计和随机过程的题目,所有量化公司的必考内容,一定认真准备
- 计算机知识:live coding(面试的时候会给你一个链接让你现场写代码,常见的准备办法是刷leetcode或者codeforces),一些常见算法或者一些包的知识(这部分主要就是考水平,准备方法不多)
- brain teaser:在概率知识学好的基础上,可以看一本相关的教程(例如大家常说的绿皮书”A practical guidance to quantitive interview”)
- market making game:主要是交易公司的trading岗位(如Optiver, Jane Street)会面试,推荐和一起面试的同学一起准备
- behavior questions
- 有科研经历(尤其是计算机方向)的同学也可能会被问到相关科研经历
通常而言,各内资私募的Research岗位对于1, 2和6更重视一些,外资交易岗位对于3和4要求较高。
另外个人在这里还想特别强调一下同学们一起准备面试的重要性。根据这几年申请的经验,最终能拿到好offer的同学基本都是两两认识的,有些同学也会形成“面试小组”一起准备相关公司的面试。个人在这里强烈推荐对于量化感兴趣的同学多和相关方向的同学和学长学姐多多交流,可以加入一些学校的相关社团,也可以不定期找认识的学长学姐请教经验,面试准备过程中也强烈建议大家相互帮助,往往一个量化公司都会招不止一个人,而且市面上也有很多量化公司,大家互相帮助绝对会提升所有人拿到offer的概率。
在选择不同公司的offer之后,大家通常可以考虑以下因素:
- 你的工作岗位和内容,你是否喜欢这份工作?
- 你是否喜欢公司的氛围和你的team?
- 对于实习生:你这份实习的目标是学到东西,还是希望公司有一个好的title方便你找下一个工作?如果你想留用的话,公司历史的留用率怎么样?
- 工资以及禁业时长
P.S. 不同与日常实习,绝大多数的外资量化和一部分头部内资的暑期实习更像是一个“夏令营”或者长达10周的面试,而不完全是一份实习,对于公司的目的就是看能否给你留用。在暑期实习中,公司会给你很好的待遇,同时会在你的project之外安排各种课程/活动,希望给你一个对于公司的好印象。通常而言,一个实习生在短短的两个月为公司做出来很有价值的东西并不容易,公司可能也没有这样的期待,你只要在实习过程中多学东西并且展现出来了公司所需的特质就可以拿到留用的offer。
量化行业的特点&什么样的人适合做量化?
在这一部分中,自己希望通过自己对量化行业的了解,简单的给大家在选择是否从事量化行业时提供一些建议。
在个人看来,这些可能是量化行业的一些特征:
- 快节奏&快速反馈:相比于学术/一些大厂的科研岗位,量化行业的一大特征就是其快速反馈。通常而言,如果你每天白天做出来了一些研究,很可能当天就能知道你的想法是否work,这与做学术是数月甚至数年的反馈周期有很大的不同。
- 高竞争压力:正如这篇文章的最开始所指出,量化行业其实是一个非常小众的行业,只有最厉害的一小撮人才能从中脱颖而出。
- 需要真才实干:在量化公司中,一个人是否真正有水平/是否真正能给公司带来价值能在非常短的时间中看出来。因此,量化公司不会埋没人才,同时水平不行的同学也很难在量化公司中摸鱼。
- 高薪:高工资确实是量化行业的一大特点,也是吸引很多同学来做量化的重要原因。但是根据个人有限的观察,真正量化做的好的员工们更多的是喜欢量化行业的工作特点,或者性格特点与量化行业非常符合(例如好奇心,想赢等等),同时自身也需要有很强的数理水平和研究能力,单纯因为高薪而从事量化行业的鲜有成功人士。记得前段时间Citadel Securities组织的一次公司宣讲会上,citsec的CEO赵鹏先生来给同学们分享相关经验。Peng在被问到这个问题的时候,他明确的表示,citsec的员工是真心喜欢自己的工作,愿意持续的改进自己的交易模型,在市场上战胜其他公司,在世界最好的公司和最好的团队中和大家一起工作,并没有多少人完全是因为高工资而来到citsec,个人对此非常认同。
最后,对于“什么样性格的同学适合量化行业“这个问题,由于自己经历有限,因此放上了一些前人的想法和一些外资的公司文化供大家参考:
- Buy-Side Quant Job Advice: curiosity, creativity, humility, integraty
- Citadel Securities’ values: integrity, learning, winning, extraordinary colleagues, meritocracy, mutuality
- Jane Street’s values: ethics and honesty, responsible risk management, intellectual humility, less hierarchy & more collaboration
结语
这就是这篇经验分享的全部内容了,由于本人经历有限,文中若有写的不准确的地方欢迎大家批评指正。在作者的大学生涯中,有许多老师、学长、学姐和同学都给予过我很多无私的帮助,感谢我大学生活中遇到的每一个人,希望这篇经验分享能对读者有帮助,也祝愿大家都有美好的前程。