什麼性格的人適合 Quant 這個職位？Quant 一天的生活是怎樣的？

12-26

思維嚴謹規範喜歡與事物打交道類型的，還是思維發散善於與人交流類型的？

quants一天的工作內容和他公司的風格、他研究的策略方向有所區別。我說下我們團隊一個quants一天的工作吧。我們團隊的風格主要是統計套利和高頻流動性交易。
8：30: quants來到公司，開始為今天的交易準備數據，包括從萬得、Bloomberg等終端導出數據，餵給自動交易系統。然後根據昨晚優化的結果，配置今天的核心參數。
9：00：所有數據準備好，配置文件設置好後，風控專員過來檢查風控參數，包括每個交易員級別的、每個策略級別的、每個品種級別的指標。比如每個策略配置的資金、總交易的最大手數、每個品種交易的最大手數、當日最大持倉量、流控參數等等；如果是套利檢查進場出場點的基差，如果是流動性交易，檢查基準基差等等。
9:30前：所有交易參數、風控指標檢查完畢後，使用暫停和手動模式啟動自動交易系統，自檢成功後，切換到手動模式，手動掛撤幾筆單子，沒有問題的話，啟動自動交易模式。今天的交易就算正式開始了。
交易啟動成功後，quants的主要工作就是啟動matlab，繼續優化或者研發新的策略，正在交易的策略就完全通過耳朵來監控，對於不同的信息有不同的聲音，比如行情延遲中斷報警、下單成功、盈虧、交易異常報警等等。這裡的策略研發也分不同的階段，比如早期或者一個新的quants，更多的是做paper test。或者要做個新的方向，首先也是先做paper test。 paper test的過程中，免不了大量的回測，這裡回測要注意幾個關鍵的坑：
1. 臟數據：這裡包括數據粒度問題，做套利的還得考慮不同交易市場的時間戳對齊問題。
2. 高收益：有時候回測會發現，某個策略跑的數據真漂亮呀，這個時候千萬不要得意忘形，很認真剔除那些單次高收益的點，這些點往往貢獻了很高的收益，卻在未來不可重現。
3. 過優化：過優化，過擬合這些坑就不說了。

當一個策略在歷史回測中表現不錯，並且樣本外測試也符合的話，就可以考慮准實盤測試了，這裡的表現不錯主要是看年化收益、最大回測、夏普率、市場容量。有時候也會根據公司的短板有意識的補充一些策略。這裡的准實盤測試是指用實盤行情，模擬下單在實盤跑。
准實盤測試後，就開始真正的實盤小資金試水拉。

而另一群做高頻交易策略的quants，更多就是編程工作了，考慮著怎麼降低系統延遲，怎麼更優的下單。

15：30：收盤後，關閉交易系統。下載當日歷史數據，用歷史數據重跑一次交易，比較與實盤的差異。如果有差異，找出差異點；寫交易日報。
17：00：投資總監發起每日的組會，討論每個策略的交易情況。
18：00：開始健身房，30分鐘-60分鐘健身。
19：00：晚餐。
20：00：晚上8點後的夜生活就因人而異了，有繼續回公司研究策略的，也有燈紅酒綠、紙醉金迷的。。。

第一要對技術類的工作有興趣，對數學和編程相關的工作不排斥。做到這一點已經很不容易，在我認識的人里，大部份人都對這種工作沒什麼興趣。特別是江湖上還流傳著做技術只能到三十歲，以後一定要轉管理之類的傳言。但是要把 Quant 需要的手藝活學全了，多半你要讀個 PhD，畢業可能已經快30了，還得進入業界鍛煉幾年，30以後可能才是真正能創造價值的時候。那時如果你突然表示自己其實對搞這些技術沒有興趣，很難說不是一件尷尬的事情。

能夠做一些技術工作的人里，又包括了只喜歡純數學做理論，和只喜歡寫程序這樣的人。或許前者更適合留在大學教書，後者不如去互聯網公司。但要做 Quant，你應該對兩者都有一定的熱情。

第二要對金融市場有興趣。技術做的好的人一般選擇也比較多，能建模能編程的人去別的科技行業也能找到不錯的工作，單純從收入上來說我不覺得 Quant 這一行就一定比其他行業有優勢。但市場本身是一個絕對獨特的存在，做 Quant 的人肯定是對市場的興趣遠超過去研究高能物理或是人臉識別。

也許有些人喜歡把研究市場誤讀成賺大錢。我覺得世界上有很多事情，比如說數學定理或是物理定律，或者是一段程序，是千真萬確亘古不變的東西，但是唯獨賺大錢這件事，根本沒有任何定理保證你如何之後就能成功。而且你知道過去一個月最受世人關注的那位姓馬的老闆既不搞數學也不寫程序。所以我建議不要捨本逐末，賺錢這件事由上帝決定，選擇做自己感興趣的事卻可以自己決定。

至於一天的生活，我想世界變化這麼快，這種事情實在是微不足道。要不要從事這個職業，最重要的是上面說的那兩個條件，其他的事情相比之下都是細枝末節了。

什麼性格的人適合做Quant?性格劃分不好說，我只能說說做阿爾法的，從需求出發，具有什麼能力的人適合做Quant吧。簡單地講，就是：

第一，學習能力，是超強的跨學科背景的文獻的自學能力。
英文文獻的學習能力要我覺得要達到這個程：完全沒有學科背景的十來頁的理論文獻（原始idea式的），一周能抓個大概，找出方向，找到可以借鑒的地方，然後在接下來一到三個月能給出實現的方法，解決問題。文獻理解能力+實現驗證能力，這個可以算難，也不太算難。對於什麼專業適合做Quant？這樣的問題，其實很簡單，什麼樣的人能做到上面的程度就是適合做Quant的人。當然啦，學理論物理出身的人（比如我自己）會有些天然優勢，再奇葩的公理體系和最新的理論框架我們都見怪不怪了，跨屆到數學、物理、編程、數據挖掘又有什麼難的呢，呵呵。

第二，尋找問題的能力（市場直覺）
只要在這行，面對的最終問題只有一個，如何頂著風險在未知中賺錢。永遠要解決現有的工具和賺錢能力這個問題。Quant只是一條途徑，一種工具（如果此生誓為他人做嫁衣，那.....也醉了）。提高自己賺錢能力的出發點就是（在擔當未知的風險下）尋找到自己不足的根源。這樣說，驗證了過去正確與否，還得打個未來是否能重複的折扣。
未知性的問題包括三部分：市場變化的未知，策略在未來適應程度的未知，和策略驗證模式完成度的未知。第一部分是不可完全解的（天賦異稟的....應該不在知乎這裡看我的答案吧），第二部分各路神仙可以大顯身手，尋找市場上可賺錢的模式，再加數據挖掘+統計，第三部分靠縝密地推理重複梳理優化IT技能，等各種考試高分完成模式。重要性依次遞減，難度依次遞減，所以如果要說什麼樣的人適合做Quant?
那我覺得是，如果有理解市場的直覺，那麼就是你了；如果沒有理解市場的直覺，嗅覺靈敏全天候全市場地找，找到賺錢的模式，也可以做的風生水起；如果這些都沒有，還是老老實實地從做個名校理科專業的高分畢業生開始吧。

歡迎拋磚~~ //bow all

Quant不是碼農，真正意義上的Quant不僅要有良好的編程能力，嚴謹的數學思維，還要有對市場的直覺，無論是Q Quant還是P Quant，編程都只是實現目的的手段而不是目的本身。常常有人把理論物理的研究和對衍生品的研究拿來類比，華爾街的Quant中也充滿了物理學家，無論是物理還是衍生品定價都需要愛因斯坦所指出的洞察玄機的魔力：「並沒有通往這些規律的邏輯之路；唯有直覺，建立在對經驗的共鳴式理解之上的直覺，才能發現它們。」正如Derman在寬客人生一書中所說，最好的數量金融可以把真正的洞察力帶入價值和不確定性間的聯繫之中。
引用Derman的&<寬客人生&>中的一段話來總結樓主的問題吧：交易員和寬客是當真不同的兩類人。前者以意志堅定、性格直率為榮，後者則謹慎小心、少言寡語。交易員需要堅持己見，從本能出發快速思考問題，並果斷做出決定。而寬客不同，他們像搞研究的學者一樣，習慣從開始到結束專註於一件事，而且要深入進去，要做得好。

Smart is enough。個人小白，沒有智商做quant。但簡要說下我的理解。

某次去GS NYC office infor session+聊天。有兩個GS的VP，對話如下：

弱：我不太會編程。
VP：沒關係，我們不要求會編程。去年招了幾個IMO的（嚇死我了。。），人家一行代碼都沒寫過。

弱：我沒學過任何金融相關的。
VP：沒關係，這不是必須的。很多新analyst進來都不懂任何finance。

弱：那需要什麼skill set？
VP：Smart is enough.

總體來說，我覺得Smart指的是快速學習新東西的能力。他們不要求你之前編過程，但會要求你能在前六個月工作中每天寫12小時代碼學會需要掌握的coding skill。

至於說是金融屆的馬龍。也並不盡然，純馬龍大部分還是在IT部，屬於很偏後台，而quant則在類似stratsmodel，IBD，Operation這些每個部門都會有，相較於IT，quant離錢更近，是需要產生收益，對profit直接負責的。所以，不要求會finance，但必須學，要能有對市場快速反應，model快速更新的能力。這，也是smart的一部分。

然後，我以為是深入思考的能力，只要你的resume上寫明上了什麼課，有什麼skill set。這些你說是自己會的都會問得很詳細，現場做題，手解PDE，白板演算法。我以為，這要求的是學什麼都能學懂學透，有自己的見識理解，對模型對演算法有深入思考，能舉一反三。這點並不容易，大部分拿高GPA（中國學生）的人都做不到。

以上，這些要求並不低。如@董可人所言，能做到的基本也可以找到非常不錯的工作，不一定來作quant。一定要描述性格的話，比較好的形容詞可能是是：嚴謹，專註，內斂，以及責任心。

以寧的回答非常不錯. Market sense是非常重要的。Quant的終極目的還是市場，一切手段只是手段而已。

排隊吃飯等位中，發個不相關人山人海排隊圖，剛好有時間來答一發。

截至到目前，今年部門招聘合計6人+，其中有3人是通過知乎這個平台走到一起，在此對知乎君深表感謝。對這個話題，自己還是有點小感觸和理解，與諸君共享。

首先，從招聘後大家工作的表現來看，對boss和自己選出來的這些候選人如果滿分100，平均分我給打90。

以下為達到要求可電話面試相關技能樹，即must項：
1.紮實的數學能力，邏輯能力強；
2.基本的溝通能力，太弱太強都負分；
3.對生活對工作的態度，自信而積極；
4.對家人或愛人的態度，家人永遠第一，工作第二，愛是一個人工作最大且無窮的動力；
5.基本的編程能力，有編程思維，個人理解就是偷懶思維，化繁為簡的能力，最高效率和最少代碼解決編程問題；

以下為加分項，非必需，但當候選人眾多時，非必需項就變成脫穎而出的關鍵了：
1.被證明有較強的研究能力，比如拿到博士學位，比如關鍵期刊上優秀論文，比如國家專利項等等；
2.在非完美假設下解決問題的能力，這點某些背景的候選人有先天優勢，比如實驗物理，應用數學，統計學習相關；
3.拿過某些有質量的獎，比如acm，top coder，奧數，kaggle等；

以下為個人喜歡的性格項，有強烈的個人偏向，不一定建議：
1.野望，渴望成為細分領域領跑者；
2.外向型性格，喜歡主動表達自己想法和感情；順便說下我們有個候選人第一次被我拒絕後，第二次他拿出自己最新研究成果主動找我講事實擺道理，事後招過來很快證明了自己的能力和價值。
3.好奇心；
4.求知慾；

以上先這麼多吧。

Quant的工作對事遠比對人多。

合格的Quant需要思維嚴謹，優秀的Quant還必須思維發散。

風險控制的高手，

已經做了四年多了，總體感覺是
1&>數學知識要好，要有不斷的求知慾。
2&>會編程，懂金融。
3&>直覺也很重要。
So you should be smart enough and work hard enough.

我不是這個領域，但有很多同學進入了這個領域，給我感覺就是，這個領域人要有特彆強的學習能力。比如一個學數學的同學，因為需要2天學了機器學習；沒有接觸過python的同學2天能跑python程序...總之得學習很多新的東西，而且能短時間內學會。

————————————————————
看到一些評論，所以加點注釋。
首先補充一點就是他們還是得有相當的數理基礎，這點我一開始以為是常識所以沒說。比如隨機過程（正態分布那些太基礎，stocastic calculus、ito formula、winner process這些才漸漸入門的）。編程沒必要像計算機那麼精通很多種語言，但是至少會1、2種常見的，比如matlab，python，實在不行也得掌握c（這個我覺得應該是國內大學理工科的基礎課吧）。

評論裡面有說python 2天學會太誇張。這裡統一解釋一下。
我說兩天學會，是說他有了相當的編程基礎。比如學過matlab的人應該有感覺，python和matlab語法很像。編程難的在於編程的思路，語言的轉換其實很快的。何況這個領域對編程的要求是能「短時間內解決問題」，所以不要求對程序很強的優化。2天不能成為一個python大師，但是寫點基礎的程序其實不是太大的問題。（事實上很多計算機的學生，比如我，初步學習一門新的語言可能一天就夠了。當然，我說的是初步學習，要想領悟精髓，恐怕還得很久）
機器學習也是一樣的道理，有同學2天搞定機器學習，不是說他兩天從零開始搞定了機器學習。他之前學過回歸，學過聚類，學過數學分析，學過高等代數。在這個基礎上，2天的時間，實際上是學會了如何把這些知識組合起來，用機器學習的方法組織起來。

————————————————————————
怎麼說呢，其實這個領域真不是很多人想的拍拍腦袋，扇扇扇子，突發奇想整出來一個交易策略，然後就掙大錢的。他需要很不錯的數理基礎，還要能短時間內學會如何組合自己已有的知識。

現在想到的就這麼多了，要是大家有問題也一起交流~

個人感覺並不是那麼簡單的劃分。講幾個故事吧，行文就不組織了。

首先其實是科研工作者一樣的特質。持續學習的熱情，對未知的強烈好奇心，喜歡質疑等等。
早些時候工作接觸過一個美國人，物理博士，最早一起合作一個項目的時候別的組裡調過來的。剛來就指出我之前方法有些不合適，因為之前我們組裡一直沒人質疑我的模型，不過還是接受了他的意見（雖然當時挺生氣的）。後來合作多了才覺得這人很有意思，四十多歲的人了看到沒見過的東西都會跟小孩子一樣。有一次一起處理一些數據，電腦在跑我就跟他聊天，結果這貨看著我在跑的屏幕說進度條都沒有，就分享給我一個他寫的print各種進度條的包（好吧，我當時想說你打斷運算還要io不是影響速度么，結果還是用上了）。

再講一個非典型的法國人吧，好像是數學博士再讀了一個金融的碩士。這人就不怎麼著調，每次喝都至少半醉，喜歡吹自己做的東西（其實這好像也算是一個特質？似乎都挺喜歡吹自己的模型的），還經常（沒喝醉的情況下）跟我吐槽客戶噴老闆噴其他同事（非quant背景的）。不過他腦子轉的速度（在沒喝醉的情況下）大概高我一個量級，做的東西也非常漂亮嚴謹很少會有什麼問題。

先寫這些，由於是想到什麼寫什麼而去很久沒寫過這種故事一樣的中文了，可能比較亂，見諒。

與其說性格不如說技能和偏好。

做quant的本質就是用數學和編程來解決金融問題。所以你需要喜歡並擅長數學和編程。能用數據來支撐你的結論。每個quant具體做的事情也會非常不一樣，針對需要解決的問題而變化。所以其實很大一部分也需要快速學習和反應。

每天基本上所有的時間都在寫代碼。一部分時間可能在做一些數據分析和研究，一部分時間寫一些交易和研究所需要的工具。

如果不喜歡編程的話會比較痛苦。

最後安利一下我的公眾號：

http://weixin.qq.com/r/azoHH9bE6IuXrZJ89295 (二維碼自動識別)

和性格沒關係吧，只要能搞出來賺錢的策略就行。

一天大部分時間都對著屏幕，脖子疼。

金融碼農亂入，興趣很重要，在業餘時間搞了個無風險套利策略，年化也能至少20%以上（風險其實也有，平台跑路??）。每天就是早晚看下系統運行的如何，調一下參數，然後該幹嘛幹嘛去。最近忙於其它，也沒時間繼續豐富策略，擴大收益。
quant的門檻好高，高投入（博士學位），產出不確定，有那麼點玄學。從長期來講，參看目前國外的情形，量化也很難再是幾桿槍就能搞定的，得有專業的traders，quants，碼農等等團隊協同完成。不好意思，跑題了??

金融行業的碼農