基金招聘量化编程

『壹』 量化分析培训需要学编程吗

千万不要误入歧复途，制Qmacd量化学习社区的同济桥博士说过，量化分析培训的重点应该是了解市场的运行规律与交易的核心逻辑。我原来也一直以为只有会编程会写代码的人才能做量化投资，但是学习了桥博士量化分析课程后，才发现桥博士把这些代码解释给我听，听完马上就能上手，自己用自己做，非常适合实操。

『贰』 量化投资用什么编程语言研发策略好呢

么以下我就以程序语言的角度来回答
当然如果已经会了某些语言,那你可以使用熟悉的语言去找版网上的学习资源权会比较快
如果没有特别熟悉的语言,或者是愿意多学一种非常好用的语言
我的建议是学习Python

我从以下几点来分别说明

平台资源

国内外使用Python做云端回测以及运算的免费平台相当的多,例如有 宽客在线，发明者量化，优矿, 等等不胜枚举,可以使用平台的支持以及社区的互相帮助来学习

容易学习

综合以上所说,"目前的环境底下" 我推荐Python.（推荐直接下载 Anaconda的集成开发环境）

『叁』 怎么量化考核招聘人员

合易认为：一般而言 量化考核招聘人员，可参考以下几个方面：
1、招聘人数：一般人员需求量大的企业，每月的招聘人数都很多，可以直接用招聘人数来进行考核，还可以根据招聘难易程度再进行细分比如高级人才 中级人才 普通人才 应届生。。
2、招聘完成率：有的企业招聘需求浮动很大，难易用绝对值来考核。可以根据月度需求，用完成率进行考核
3、实际到岗率：有没有到岗，实际出勤一周或半月以上 也是一种量化考核指标
4、人均招聘费用：用来考核招聘一个人平均多少成本，也可按人才进行细化划分，比如高级人才 中级人才 普通人才 应届生。。
5、平均到岗时间：考虑招聘的效率，从接到需求到入职到岗所花费的时间，可以按人才划分
但有时甄选面试是否通过往往不是HR决定的，所以也可加入部分过程指标
比如：1、推荐合格简历数量 2、进入面试人数 等等

『肆』 量化研究员招聘的是物理数学博士多还是金融硕士多

量化研究员招聘肯定是物理数学博士多的，
国内的量化研究员基本上专都是理工科背景的属，量化需要的三类主要知识：数学、编程、金融，金融相对来说是学习成本最低的。
编程有一定的基础就可以，在工作中再不断学习，如果不知道学什么建议先学c++，对数据、算法、对象、内存、线程等有一定了解，后面学习其它语言也比较容易，另外需要熟悉数据库，国内感觉目前用matlab的挺多的，python比较有发展前景。
关于这个问题，知乎上有很多精彩回答，可能会有不同的看法，根据自己的情况选择吧

『伍』 从事基金量化研究员需什么专业背景

量化基金研究员
主要负责价量方面的量化模型开发、研究；
紧密跟踪市场动态和行业发展，捕捉产品投资机会；
撰写相关策略模型的研究报告

资历
金融、经济等相关专业硕士及以上学历，
1年以上相关行业工作背景，有基金、券商或第三方理财机构研究经验者优先；
具有较强的数据处理、统计分析、归纳总结能力；
具有良好的人际交往和社会活动能力，善于协调、沟通，责任心、事业心强，有较强的亲和力、判断力、创新能力，有良好的职业道德操守。

『陆』 金融本科生如何挤进量化私募机构工作

（1）教育背景
尽管很多量化实习生，对本科同学来者不拒，但是非实习的量化研究院招聘中，特别是对于大公司来说，硕士通常是个准入门槛。无论是券商、私募、公募，很多公司量化岗位的招聘要求都写明了“硕士及以上学历”。
专业要求上，金融工程和金融数学专业是与量化岗位最匹配的两个专业，此外经济类、计算机及理工背景。国内外的量化机构都对这两个专业毕业的学生比较受青睐。
（2）专业能力
作为一名合格的“量化人”，数学、编程、金融三者缺一不可，者在岗位职责和任职资格中都有体现。可以说，对于量化投资，数学是思想，金融是原理，编程是手段。
构建策略、选择因子时，需要金融知识以及对行业的研究判断；建模时，需要扎实的数学功底；而回测中运行程序，则需要借助编程技能。这也说明了，量化投资策略是结合了技术投资和价值投资策略，依赖数据和统计模型加上基本面的主观判断。因此如果你想要从事量化相关的工作，一定要在掌握建模能力的同时，补充金融领域的知识，比如宏观策略、公司行业研究方法等。
编程语言是量化工作的一个硬性技能，对于非理工科学生来说，掌握一门编程语言可能是一项不小的挑战。
但有专业量化员认为，编程是工具，并不是最困难的障碍，量化遇到的最大困难，其实是“你要学会理解这个市场”。实际上在投资的过程中，都是在与市场博弈，只是技术手段不同。在市场平稳期，你也许可以按套路赚钱，但证券市场变得越来越复杂了，尤其是股市震荡之下，光看程序、模型是不够的，掌握并理解金融变得愈发重要。

『柒』 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；

(7)基金招聘量化编程扩展阅读

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。

『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』 量化算法交易员一般使用什么语言为股票趋势编程 MATLAB

一、三个指数的今日走势，看量价，看走势的轻重缓急，关键点位。
二、行业板块指数的涨跌幅，资金交易量，这个与指数结合起来看，看看大盘是健康的还是畸形的。
三、看个股，因为帮客户做风险控制，所以主要看客户的个股，计算客户明日最大亏损值，是否在可以承受范围之内。