数量化投资上海岗位

『壹』 在中国，做量化交易一天的工作是怎样的

做量化交易一天的工作：

8:00~:00： 打开交易策略，设置一些运营参数

9:00~9:30： 观察策略运转，确保没有问题

9:30~15:30: 解决已有策略的问题并研究新策略，测试新想法

15:30~17:00: 分析交易记录， 确定第二天的交易计划

17:00~18:00: 运动

岗位职责：
分析金融市场（期货、股票等）数据，寻找可利用的机会；开发与维护量化交易策略；提供机器学习/数据挖掘相应的技术支持；

岗位要求：
1.熟练计算机编程能力，熟练掌握至少一门编程语言，python优先；

理工科背景，具有良好的数理统计、数据挖掘等相关知识储备，熟悉机器学习方法（分析科学问题和相应数据，建立模型和方法，验证模型和方法，应用模型和方法并分析结果，改进模型和方法）；

有处理分析大量数据的经验，并能熟练选择和应用数据挖掘和机器学习方法解决科研和工作中的实际问题；良好的自我学习和快速 学习能力，有工作激情，喜欢金融行业；两年及以上实验室研究经验或研发类工作经验优先；

(1)数量化投资上海岗位扩展阅读

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。

『贰』 量化期权投资经理有前途吗

量化投资这个东西比较小众，据说国外是主流，不过这个说法最近我比较怀疑，因为好像大家对“量化交易”这个词理解不太一样，比如做市商，那可能都是通过程序来完成交易对冲，这个可能和我们说的量化交易不是一回事。
再说回来，目前股票量化很难做，因为不是T+0，期货要好做不少，但是我知道的比较少人去做，而期权，目前国内商品期权和个股期权加在一起才4个品种（我假设你是做国内的交易，并且都是场内期权），从我实盘来看，商品期权的流通量还是很低，这就会导致你不断撤单改价，也就会影响你的滑点，最终你交易下来，恐怕和你模拟的结果差别很大。
另外个问题是手续费，如果按照期权金的比例来算，期权的手续费真是相当高了，尤其是个股期权，所以这个会导致你短线模型基本没法做。
但是从我个人来看，我认为期权是比较合适做量化交易的，这里涉及的因素比较多，远远比期货股票复杂，这点来看是适合量化交易的，只是在这么小的水池里，是不是要搞这么复杂，我就不好说了。
没在证券公司干过，不知道一般是否有这种职业位置配置，所以上面我只能说说我对这个交易本身的看法了。
你要是有啥这方面的信息也希望分享一下，大家都了解了解。

『叁』 量化投资相关的行业有哪些

我要画投资相关的行业有哪些？你这个量化投资主要投资什么东西？

『肆』 大数据这个行业里面的全部岗位都有什么_要全部的

细分的有20多个
大数据在全球范围内的IT就业市场占有越来越重要的影响。根据Gartner公司提供的数据，截至到2015年将有440万的IT工作来支持大数据，仅美国就会有190万的IT工作产生。看看我们列出的排名前20位的大数据职位及其职责列表。

首席数据官Chief DataOfficer
职责：
a. 与行政人员，数据所有者和数据管理员共同为内部和外部的客户创建数据管理策略并且实现数据的准确性和制定工作流程的需求目标。
b. 引导EIM程序，业务数据管理员和数据服务供应商提供数据管理活动。
c. 建立数据政策，标准，组织并且督促EIM概念的组织成立。
b. 监督组织内的数据质量工作的监管，并且为不能被数据治理委员会解决的数据管理问题提供几种治理。
e. 建立数据供应商管理策略，并通过CIO/CTO和IT组织的协调来监督完善EIM项目。
f. 领导创建程序的业务定义，数据管理目标和EIM计划执行的原则。
g. 负责企业的信息/数据管理预算和数据相关的系统活动。

数据分析师Data analyst
职责：
a. 协调客户和员工之间的关系，提供所有的数据分析和支持。
b. 对所有结果进行数据分析，并为客户准备演讲。
c. 对数据进行审核并且为客户解决业务相关的问题。
d. 与工程和产品管理团队进行协调，并确定所有交接的准确性，并准备好总结。
e. 进行数据分析并且传递给终端客户。
f. 监督所有的客户问题，并为经理和主管的协调和交接提供帮助。
g. 监督和管理所有和客户发票并且对所有的支付问题进行及时的评价。
h. 管理客户发票的所有数据，并提供公司的指标。
i. 监督并解决所有客户的发票数据问题，并和各供应商协调和管理所有以前的平衡合作关系。
j. 管理所有的数据消耗异常状态，确定数据的漏洞后准备相应的决议。
k. 监督流程管理工具，并确保遵守所有周期的指导方针。
l. 维护和管理发票文档库，并解决所有问题。
m. 执行内部设计和准备所有的发票，并确定更进流程的质量。

大数据观察员Big DataVisualizer
职责：
a. 通过可视化软件给商务提供价值增值分析来指导分析和借鉴分析带来的影响，综合成清晰的沟通。
b. 理解数据如何在不同的系统中运作来提供有关要求来确定正确的数据输入组织报告/分析。
c. 与数据质量团队之间紧密合作，以确保数据的完整性。
d. 发展业务需求为报告流程去推动功能规范化。
e. 在业务和跨职能团队的合作下，完整地记录报告流程和系统。
f. 收购，管理和文档的数据（包括地理空间数据）。
g. 与客户/客户服务团一起进行工作计划，并进行数据分析。
h. 参与提案撰写，客户交付成果和研究论文。
i. 对数据、GIS数据分析创建可视化从而列入建议书，报告，论文和多媒体项目数据。

大数据解决方案架构师Big DataSolutions Architect
职责：
a. 对Hadoop解决方案的整个生命周期进行引导，包括需求分析，平台选择，技术架构设计，应用设计和开发，测试和部署。
b. 在一个团队中，设计并卡发开创性大规模集群的数据处理系统提供了技术和管理的领导。
c. 帮助Xtremeinsights客户指定战略，最大限度地发挥数据的价值。
d. 帮助Xtremeinsights在大数据空间通过促进白皮书，技术评论对社区建立思想领导。

大数据工程师Big DataEngineer
职责：
a. 收集和处理大规模的原始数据（包括脚本编写，网页获取，调用APIs，编写SQL查询等）。
b. 和我们的工程团队密切合作，并以惊人的创新和算法与我们的生产系统相结合。
c. 将非结构化数据处理成适合分析的一种形式，然后进行分析。
d. 根据所需要的和专案分析商业决策。

大数据研究员Big DataResearcher
职责：
a. 从多种关系数据库中提取数据，操作，使用定量，统计和可视化工具研究数据。
b. 告知适当的建模技术的选择，以确保使用严格的统计过程的测试模型进行开发。
c. 建立和维持有效的流程来验证并更新预测模型。
d. 分析，建模，预测卫生服务的利用模式/趋势和创造能力来为医疗保健服务模式模拟假设的情景。
e. 与内部业务，分析和数据战略合作伙伴共同合作，从而提高效率，为核心的软件产品增加预测模型的适用性
f. 帮助管理分析的创新性，形成的见解，主张整合新概念到现有的客户端工具中，帮助翻译即席分析到可扩展的软件解决方案。

数据仓库管理员Data warehousemanager
职责：
a. 指定并实施信息管理策略。
b. 协调和管理的信息管理解决方案
c. 多个项目的范围，计划和优先顺序安排
d. 管理仓库的各个方面，比如数据外包，移动，质量，设计和实施。

数据架构师Data architect
职责：
a. 通过采用最佳实践和工具，包括SOL,SSIS,SSRS和OLAP来设计数据库，数据模型，ETL过程，数据仓库应用和商业智能（BI）报告。
b. 根据现有的标准和准则来提供高品质（DA）的相关结果，包括ETL过程，数据仓库设计和数据系统的改进。
c. 通过提供对数据仓库的方法和途径的建议解决程序（DA）的相关问题与业务分析师和技术团队。
d. 分析（DA），相关业务需要，可与项目工作人员对（DA）的发展未来做出决定和建议。

数据库管理员Database manager
职责：
a. 提高数据库工具和服务的有效性。
b. 确保所有的数据符合法律规定。
c. 确保信息得到保护和备份。
d. 与工作团队做定期报告。
e. 监控数据库性能。
f. 改善使用的技术。
g. 建立新的数据库。
h. 检测数据录入程序。
i. 故障排除。

商业智能分析员Businessintelligence analyst
职责：
a. 就工具，报告或者元数据增强来进行传播信息。
b. 进行或协调测试，以确保情报的定义与需求相一致。
c. 使用商业智能工具来识别或监测现有和潜在的客户。
d. 综合目前的商业只能和趋势数据，来支持采取行动的建议。
e. 维护或更新的商业智能工具，数据库，仪表板，系统或方法。
f. 及时的管理用户流量的商业情报。

数据仓库分析员Data warehouseanalyst
职责：
a. 了解企业用户的需求信息，并将其传送到数据仓库团队的其他成员。
b. 指导并实施面试任务。
c. 指导并收集采访资料。
d. 协助DW数据分析师分析现有的报告并确定整合指标。
e. 指导数据库需求文件的准备。
f. 协助数据分析师测绘任务。
g. 分析现有的报告。
h. 引导业务指标的鉴定和文献。
i. 在合适的资源系统专家的指导下确定系统的记录。
j. 帮助识别潜在的数据来源，数据库。
k. 负责数据采集过程的试验和实施。
l. 担任ETL和前端程序员的顾问。

数据建模师Data modeler
职责：
a. 为标准命名约定和编码实践指定最佳的训练方案，以确保数据模型的一致性。
b. 推荐在新环境中的数据模型的重复使用机会。
c. 对数据库和SQL脚本执行的物理数据模型进行逆向工程。
d. 评估数据模型和物理数据库的差异和矛盾。
e. 验证业务数据对象的准确性和完整性。
f. 分析数据相关的系统的挑战，并提出相应的解决方案。
g. 根据公司标准制定标准的数据模型。
h. 对系统分析员，工程师，程序员和其他人在项目的限制和能力，性能要求和接口进行指导。
i. 审查修改现有软件，以提高效率和性能。

数据库开发员Databasedeveloper
职责：
a. 设计，开发和实施基于客户需求的数据库系统。
b. 优化数据库系统的性能效率。
c. 准备设计规范和功能单证的分配数据库的项目。
d. 对数据库系统进行空间管理和容量规划。
e. 建立数据库表和字典。
f. 参与数据库设计和架构，以支持应用程序开发项目。
g. 执行数据备份和档案上定期。
h. 测试数据库，并进行错误修正。
i. 及时解决数据库相关的问题。
j. 制定安全程序，以保护数据库免受未经授权的使用。
k. 评估现有的数据库，并提出改进建议的执行效率。
l. 开发用于数据库设计和开发活动的最佳实践。

门户网站管理员Portaladministrator
职责：
a. 制定所有门户网站的布局和维护网站的所有功能。
b. 监督所有页面内容，并提供给所有工作人员和外部组织的帮助。
c. 整合新的技术体系为门户和网络管理员的协调工作。
d. 维持对所有门户项目的现状，并协助解决新的和现有渠道的所有问题和自动化的所有进程。
e. 在所有配置进行测试和升级过程中，实现所有的目标，并保持对所有门户环境的新技术维护。
f. 确定网站的所有长期目标，并根据指引，建议改进所有内容。
g. 保持高效的门户网站的文档系统，并协助安装所有Web中心互动系统。
h. 分析所有系统的升级和应用程序，并确保遵守所有计划要求，设计了新的门户网站所有的解决方案，并协助解决所有的生产问题。
i. 监测和分析所有门户网站的系统指标，并保持最佳性能。
j. 与管理人员和社区成员协调落实各项业务活动，并确定所有的web服务器配置。
k. 管理和配置所有的门户应用程序。
l. 保留所有门户网站的市场和不断变化的行业知识。
m. 对全业务运营提供支持，并确保所有的利润优化。

数据库管理员Databaseadministrator
职责：
a. 选择合适的软件和硬件
b. 管理数据安全和隐私
c. 管理数据完整性
d. 数据备份
e. 数据库恢复
f. 优化数据库性能
g. 提高查询处理性能

首席数据分析师Chief DataAnalyst
职责：
a. 为一部分的基础整体研究程序员开发新的分析项目
b. 团队的其他成员来提供技术投入研究项目的发展。
c. 为分析员提供大型调查的收集，编制和分析。
d. 在适当的时候使用Excel，SPSS或者STATA和先进的技术进行统计分析。
e. 对政策专家，相关的投资方和学者进行基础的增长。

业务系统分析员Business SystemAnalyst
职责：
a. 确定通过研究业务职能业务目；收集信息；评估输出要求和格式。
b. 设计通过分析要求的新的计算机程序；构建工作流程图和示意图；研究系统的能力；书写规范。
c. 提高通过研究当下实践系统进行设计修改。
d. 通过识别问题来对控制提出建议，提高写作流程。
e. 通过定义项目里程碑，阶段和要素来形成项目团队，建立项目预算。

数据挖掘分析师Data mininganalyst
职责：
a. 对优先考虑的账户进行统计分析，从而最大限度的成功化。
b. 与主管或客户端沟通行动计划，并找出需要改进的地方。
c. 执行战略数据分析和研究，以支持业务需求。
d. 找准机会从而通过复杂的统计建模提高生产率。
e. 浏览数据来认准机会并提高业务成效。
f. 指定业务流程，目标和战略的理解，以提供分析和解释。
g. 通过内部讨论的理解，在适当情况下获得业务需求和必要的分析。

数据策略师Data strategist
职责：
a. 定义大数据战略，包括设计多阶段实施路线图。
b. 独立工作，或作为一个团队的一部分，设计和开发的大数据解决方案。
c. 异构数据的数据错误，探索和发现新的见解。
d. 知道分析，架构，设计以及数据仓库和商业只能解决方案的发展。
c. 指导年轻的团队成员。
f. 协助业务开发团队提供售前活动和招标书。
g. 帮助评估和计划项目。

业务数据分析师Business DataAnalyst
职责：
a. 与关键投资者的业务分析师和高级管理人员紧密合作，了解他们的经营策略和问题，确定研究需求，帮助设计实验，并根据结果提出建议。
b. 通过客户细分，从多个来源的定量和定性派生的发展和应用进行影响的决定。
c. 调整利益相关者和分析师对如何使用研究和分析的想法，以支持业务计划和战略的优先试图（分析路线图）。
d. 传动复杂的分析项目，需要分析或利益相关者从开始到结束之间的多团队协作。
e. 有效地管理多个在建设的项目，确保目标和时间获得满足。确定在短期和长期间的权衡和平衡所有投资者的需求。
f. 领导和参与业务讨论，提供意见，需要的时候进行一些变革。
g. 关键指标与解释器的讨论，推测并提出行动。
h. 与业务伙伴的投资者在制定和优先的业务问题上考虑短期和长期的潜在影响，解释结果，量化的机遇，并提出了一个观点合作数据的专家来执行分析操作。
i. 在企业领导的重视下积极主动地带来新的商机。
j. 知道分析师和股东对事物的知识和流程上，确保它们是可重复的，可持续的和可扩展的。
k. 在所有阶段上与多个项目组合作。

『伍』 量化金融分析师具体是做什么工作的

金融分析师主要工作是收集和分析金融信息、确定其走势并做经济预测。

基于这些详尽的分析，他们做出报告， 为客户和同行们提供金融和投资的咨询意见。

『陆』 面试量化投资岗位，会问什么问题

第一点 肯定会问你有没有这方面的岗位的经验，你做没做过什么牛逼或者很优秀的策略，作为一个应聘者你肯定是需要这个岗位工作的所有流程的。

『柒』 了解量化投资的人谈谈做量化投资的前途。本人今年的应届毕业生，数学计算机兼修，欲从事量化投资。

这个要看所在公司的层次，不知道你在什么公司实习
现在量化投资都被叫滥了，大家都打着回量化投资的旗号，真答正能做起来的很少很少，国内市场本身的有效性不太可能支持大规模的量化投资，未来几年仍会是这样，量化投资仍然只能发挥花瓶的作用。当然，凡事无绝对，有个别公司还是不错的，能做的起来，也坚持在做

『捌』 应聘量化投资工作需要哪些技术

• 强烈的兴趣

想做好一件事情没有兴趣也只是三天打鱼两天晒网，最后不得而终，因此需要培养对投资形成强烈的兴趣，每根K线的波动能够刺激你的心脏随之不断跳动。

• 学习能力

量化交易是一门跨学科知识，必须有快速地问题解决能力和自学能力，懂得锲而不舍不断专研的试错法。研究生已经具备了较好的学习能力。

• 编程

编程很重要，现在Python是标配，matlab、R拿来做量化的人真的不多。虽然不是做开发，但是基本的简单编程知识还是要会。想学Python和Pandas，推荐Python基础教程和《利用Python进行数据分析》，想学编程知识，推荐《 代码大全 》，这本书没有什么代码，不要为名字所迷惑，不过如果想成为编程高手的话，看了绝不后悔。

看书一定要经典，不经典的书简直就是浪费生命，这三本书如果不想买，网上电子版肯定是很多的，话不多说。

• 量化知识

很多程序员开始转量化，但是金融知识和量化知识不够。经典的重要性在此显得更为重要，编程的书籍不看经典的我也能进步，可能会慢点，但是量化金融知识不看经典的书，那么可能就会南辕北辙，甚至影响到投资的整个生涯，不对，走偏了的话，就无生涯可谈。

投资的基础知识，比如股票债券基础知识，先来看看滋维博迪的《投资学（原书第9版）》([美]滋维·博迪（Zvi Bodie）

再来一本干货，很多国内外研究生教程，介绍的更多的是衍生品，约翰赫尔的《期权、期货及其他衍生产品（原书第9版）》([加]约翰·赫尔（John C.Hull）)

期权这么火，推荐 麦克米伦的《金融期货与期权丛书：期权投资策略（原书第5版）》([美]劳伦斯 G.麦克米伦（Lawrence G.McMillan）)

想知道公募基金大佬如何做股票？李腾翻译的大作奉上，主动投资组合管理 创造高收益并控制风险的量化投资方法(原书第2版)

想知道私募基金怎么搞交易的？交易中有哪些技巧？以及如何在量化中走弯路？推荐 范撒普的通向财务自由之路，这可不是一本关于财务分析、会计理论的书籍，真正理解了里面的思想，资金管理、风险控制你就不会纠结。

现在中产压力这么大，那么多人有中年职业危机，想知道怎么把交易当做全职？推荐 埃尔德以交易为生，他可是将自己如何转行交易，并以交易作为自己的终身职业的心历路程和盘托出。

• 英语

你可以不说英语、听不懂英语，但最好是要看的懂英语，编程的原生环境是英语，quora、stackoverflow、github也是要求英语阅读能力，要是想用机器学习、深度学习做量化，那么多paperarticle都是英语，读不懂怎么做的好？本来是谈量化入门，但好像谈到量化进阶了。

• 交易

没有途径，实战是最好的方法。确实不行，模拟交易也可以。

量化交易以思想为本，工具为用，路子不能走偏。

• 快速迭代

类似于实验，都是需要成千上万反反复复的检查、测试。在此，讲到了实验的快速开发和迭代，那么就顺便给个传送门：BigQuant - 人工智能量化投资平台.，人生苦短，一定要快速迭代，缩短策略开发生命周期。因为你的想法上千个，可能只有几个有价值。

『玖』 期货公司和证券公司比，哪个收入高做的职位是 金融工程方面，量化投资。

什么叫金融工程、量化投资，做期货这么久没听过有这个职位，先把职位弄清楚，做业务就是做业务，做后台管理就是做后台管理，你是学什么的，有没有两证，没有两证就是扯淡。

『拾』 量化投资好做吗，这份工作有多难

比较专业，还需专业人士来做。