計算機+金融，有哪些career方向可以選擇？
計算機專業出生，對金融及數學有興趣，有哪些方向可以考慮。學習路徑和職業路徑是怎樣的。
謝謝指教。
更新 高排名大神們的收益，四個月40%多，回撤也低。不過排名不光看收益的，貌似還看很多東西，略複雜的樣子。
策略擂台 - JoinQuant
---------------------------------------
最近剛開始嘗試玩量化交易,感覺我可以說點什麼啊。
計算機加金融不正對口量化交易嗎，贊同說寬客的。
寬客是很有前途的。
正所謂，經濟的高速發展，金融方面的日益完善，人民對投資需求越來越高，資管行業（基金私募這種代人理財的）很可能迎來一波繁榮。也就是說投資技能會更重要。
而量化投資，用定量分析代替主觀，用程序自動化代替人力計算與操作，是順應時代發展的，如同機械化代替手工，谷歌搜索收購雅虎，面對飛快的海量信息，計算機的引入必定是大勢所趨。尤其對中國而言，量化交易發展空間巨大。
近兩年，陸續出現了面向個人的量化交易平台，大幅降低了個人做量化交易的門檻，使個人寬客變得可能，如，優礦，聚寬，米筐，甚至京東都做了京東量化交易平台（很糙，很坑）。這些平台提供從數據獲取與分析，策略編輯與回測，再到實盤連接模擬發送信號的一站式體驗，還有一些策略的競賽與選拔，出眾的將有管理大資金的權利或者到私募工作的推薦。
上圖了，都看過來。
舉例 順便 安利 ( ^_^ )
（圖都是從JoinQuant聚寬里找的）
投資研究環境，就是在線中文notebook.
策略編輯環境
策略連接實盤發送交易信號到手機（支持request庫，發郵件也行）
至此，可以看到，現在量化交易平台有獲取數據，編輯策略，統計研究，實盤模擬並發送信號等功能。個人量化交易門檻已經降低到個人可以做了，原來那種個人必須要到處找數據，自己洗數據，自己搭建回測系統的時代一去不返了，這為有志者量化交易入門學習提供了前所未有的好條件。
我目前用JoinQuant聚寬。最開始是用優礦的，起初看上去很好，如獲至寶，但實際用的體驗可能有點失望吧，主要是限制內存根本不夠，還有就是API有點難用。相對的，聚寬好像是有內存共享技術，雖然實際也限制內存，但正常回測基本感受不到限制，至於API，我個人覺得聚寬更好用，功能也精細些。不過，優礦有個優勢，就是數據多，雖然有的要花錢，但還是剩很多的。米筐沒怎麼用過。京東的功能最次，辦比賽之前說給現金，比賽完後就說給京東e卡，還把原來說給現金的字樣給刪了，一個字，坑。
對了，聚寬量化課堂欄目挺好的，提供的策略代碼較為規範，容易學習，還配有程序說明圖表，超贊，如下圖。
能不能賺錢？
你可以自己先試著做下，感受感受。個人體驗是這樣的，起初對於量化交易，我覺得什麼HMM，神經網路這些數學原理與編程實現會是最大的障礙，但開始自己親手做一段時間後，發現，這些或許有用，但並不一定適合你，也不見得一定要這些高大上的東西才行。而實際感到最欠缺的是對市場的理解與思考，尤其對於中國股市，理解差不多，憑藉程序化消除人性弱點，策略化定量分析，就能勝過絕大多數人了。
聚寬的群里有個大神自己拉了個群曬策略實盤收益曲線的，差不多半年收益到40%了，回撤好像20%多，不見得長期都有效，但至少我看著多少是眼紅的。
而且，這幾家量化交易平台也是剛做，優礦兩年多，聚寬剛剛一周年，對於能寫出好策略的人肯定是會幫孵化，配資合作什麼的。好策略在手，肯定不怕沒出路啊。
所以，中國股市個人量化交易似乎還沒那麼難，不過，畢竟別人不是你，不了解你具體的情況，與其問別人，更好是自己進去試一試。
學習路徑的話，我個人的習慣是用到什麼學什麼，自己悶頭學這學那，很多都不見得用得上，而且邊應用邊學習效率也更高，適當做下系統總結就更好了。更多的可以關注下董可人量化大神，不過他是偏向高頻交易的，我看著有時不是很受用。
結尾附一張在聚寬看到的兔子，圖片為【量化課堂】一隻兔子幫你理解 kNN作者手繪。很像辛普森里被污染的妖孽生物。。。
又配圖，又碼字的，贊我！！！
額，我發現，我好想火啊。。。
------------------------------------------------------------------------------------------------------------------------------------------
哦，對了，知乎不久前就有一個聚寬用戶的回答，是個研究生他做收益就很不錯了。
附上該答案被答主刪掉的圖，我看到這圖的時候就果斷地點了個贊，然後默默存下了，嘿嘿，還不贊我？
年輕人，不要老想著寫演算法掙錢，那都是小事。金融行業有太多需要計算機去優化的地方了，讓金融幫助更多的人才能讓你轉到真真正正的踏實錢。壞賬數據，中台報告，前台的業務開發，會計算機的話有太多可以解決實際問題的地方了。
貼張朋友做的圖
以上就是科技在金融的全景圖，任何一個點用心去做都能創造巨大的價值，也絕對能實現自己的財富自由，必做量化投資快多了。
給大家貼想圖，還是我那個朋友的
再來一個鏈接
http://mp.weixin.qq.com/s?__biz=MzA3NTg4MDUzNQ==mid=2657091602idx=1sn=f5d254f3ee48deebeb3d9d0b7177f28fscene=0#wechat_redirect
(為啥都是你朋友？你幹啥的？哈哈，我是轉載的，小跑姐，原諒我~~~)
看完以上這些還覺得量化投資是唯一的選擇嗎？
雖然計算機加金融很容易聯想到量化投資，但是記住，量化投資只是金融領域一個方向！其本質是尋找統計上期望價值為正的策略。那就避免不了貝葉斯和頻率學派的撕逼。無論你用那種指導哲學去投資，記住，這絕對是一個dirty work。你要忍受策略失靈的痛苦，你要每天的認識自己，否定自己。每天都在焦慮。任何一個合格的畢業生都能短時間製造出大量的策略。但是投入金錢，去管理，卻是一個質的飛躍，有多少研究員死在了這裡。前段時間和量寬的老大馮博聊天，他就說，金融二級市場本質是一個半信息市場，本來就公說公有理，婆說婆有理的地方，有人用易經賺錢，有人靠內幕，有人靠量化工具，最後對不對只能看結果，因此所有在貼出來的策略都需要時間去驗證。如果說你不是一個如櫻木花道般逆境中保持自信的人物，不如安下心來好好的為這個行業，做點事情。反倒更容易過得財富和成就感。金融行業是最需要時間來驗證價值的地方了。
舉個我自身的例子吧(終於到你了~~~)，作為一個入行時間中等，量化做了5-6年的投資者。我一直覺得自己頭幾年的工作屬於浪費時間也不創造價值，白天與別人較勁，忙著做合同，與客戶吹牛，東拉西扯，應付合規，監管。晚上與自己較勁，與模型較勁，恨不得順著電線爬到做市商去看報價怎麼掛單的。這幾年下來賺的錢全在一次匯市風暴中賠掉了。
後來痛定思痛，才算真正意義上當年學的風險管理和統計的意義所在。辭職，創業，做風險管理。希望做一套好用的工具。讓大家少陪一點錢。量化投資反倒成了生活中的次要事情，生活開心多了。不用盯盤的感覺真好~~~~
這2年多下來，我們的系統也逐漸完善，客戶逐漸多了起來，前前後後最開心的事情是用我們的工具幫助客戶躲過了3次股災。現在他們已經成了我們的鐵粉了…………哈哈哈哈！！！打個廣告：要快感，更要安全感，就用http://worisk.com。
這個過程也讓我抽離出交易本身來看待投資這個事情，思考其本質就是：發現優質信息與資源。更改了投資思路之後，我現在只維護三個策略：固收防禦，股票及基金動量，全球宏觀對沖。反倒比過去較勁的時候賺的多了。三年下來最激進的股票及基金動量調倉不超過10次，年化複合收益超過60%……(注意，是實盤收益！！在強調一遍，實盤收益！回復里有的年輕人理解力太差，我強調一下！在今年的R語言大會展現過實測(實盤)收益)！但是，注意：我的投資並沒有什麼超額的部分！就是賺到了beta,選對了行業，躲過了股災罷了。因此，簡簡單單的風控就能做到這樣！！我不確定今後是否能持續如此高收益，但是我清楚的知道我每一筆頭寸的損失。
本來一直都只是閱讀答案，但是發現幾乎全都是在推薦你做量化，實在忍不住了上來說兩句，千萬記住，這個世界有太多需要優化和提升的地方，找到你喜歡的，讓別人省錢省事的，在金融行業一定能賺到錢！！！！加油！！！！生活還有詩和遠方！！！！…
我的路徑是這樣的。
計算機本科，本科期間修了金融第二專業。
研究生在英國 慢車斯特商學院的 MSc Quantitative finance: financial engineering。
博士在曼大數學學院做credit risk modelling, counterparty risk 的相關研究。
然後博士期間實習拿到全職quant job offer。 就是這樣。
如果你還在本科階段，建議你把c++(OO-programing)編程技術，演算法，數據結構學紮實了。另外數學也得好好學。謝邀，雖然我之前做的東西和計算機相關。但是不算計算機背景。quant可能是一個符合這樣背景的職業選擇。
在quant這個行業，良好的計算機背景能拓寬你的就業面。畢竟現在不是PhD in Physics/Math 可以馳騁花街的年代。
現在的quant需要更複合的背景。而計算機是重要的一個方面。無論Marco Avellenada的pure quant is over還是Jesper Andreasen說現在的模型都是他們那幫老頭子搞的。業界的領頭人強調的就是建模之外的其他技能的重要性。
quant屆很多新的東西都和計算機相關。比如Automatic Differentiation。
董兄@董可人可以給你更好的建議。建議你看下他之前的一些回答。
很多崗位。
前台最需要這個背景的就是金融工程。中國的量化基金還比較初級，還有很多發現空間。
中後台有風控，也同樣需要各種模型設計，參見電影margin call. 還有現在金融都是在計算機系統上跑的，無數系統等待開發和完善。
更流行的金融行業大數據，深度學習，人工智慧等等，也是熱門。雖然還沒多少直接應用，但總會到臨界點爆發出來的。
方向實在太多了。寫了一堆狗屁演算法，被BOSS噴吐血，然後瘋狂的改，提高勝率。
總結一下吧，程序化交易就是把你的思路轉化成計算機語言，就是幫你幹活交易員罷了。
實際還是思路吧，然後說一些編寫思路吧。
如果是做期貨呢，主要觀察多空比，然後就是日周月級別的BOLL線，其次就是整數關口或者心理關口，還有非農啊，EIA啊，波羅的海航運指數啊，美元指數等等都要融入到演算法裡面，如果客戶的錢是人民幣的話，你還得考慮匯率吧，這些都得融入到程序里。
期貨和現貨的不同就是，槓桿，槓桿，槓桿。。。爆倉了別找我，建議把商品走勢的歷史數據拿出來試一下。
國內市場呢，主要就是期權、ETF或者分級基金比較適合做這個吧，主要是BOLL和均線吧，得算出均線和BOLL未來幾天的方向和走勢，前幾天的300B還賺了20%+呢，金融衍生品就是純粹的套利了，主要參照SZ50，HS300，ZZ500和創業板這幾個標的資金方向吧。
果泥市場資金權重個人認為佔到6成的權重吧，前兩年估計更高，參見各大軟體的資金演算法，為了避免出錯，建議篩選程序單，整數單，連續小單或是瞬時集合單（多個小單拼成大單），然後你就會發現，前一陣的萬科A你居然能發現主力在吃貨，然後就跟一點唄。
板塊輪動，財報什麼的，都會有兆頭吧，通過程序化效率提高不少，國內市場的寫法主要遵循，把看盤軟體變成你想要的樣子，大部分演算法都是老東西了。
然後準備一個自己的伺服器，E3+英偉達特斯拉足夠輕鬆的幹活了，要是僱人給你篩選的話，工資就不少了呢。
把技術練好
可以考慮做quant。
職業路徑 賣方 研究助理-&>研究員-&>高級研究員-&>首席分析師-&>研究所所長-&>VP-&>卒
買方 研究助理-&>分析師-&>投資經理-&>投資總監-&>合伙人-&>賺錢、賺好多好多錢-&>發表演說，我最後悔的事就是成立了#￥%……×
學習路徑 精通一門計算機語言，推薦Python 和 Matlab
數學 學好計量跟統計
金融 越多越好、多看研報
計算機語言，優礦上有人寫了一個量化分析師系列，不過對於有計算機基礎的直接看第14天就好了。
量化分析師的python日記一
量化分析師的python日記二
量化分析師的python日記三
量化分析師的python日記四
量化分析師的python日記五
量化分析師的python日記六
......................................
量化分析師的python日記十四如何實現alpha對沖模型
金融知識：看一下金融工程學和公司財務原理，研報用慧博客戶端可以免費下載，社區里也有一些實現的。不都貼了，自己動手豐衣足食
國信-投資者情緒；方正-跟蹤聰明錢；廣發-判定係數R2；廣發-HMM擇時國君-奇異譜擇時
海通-成交量熱度；興業-股東數變化；國金-底部反彈行業統計
金融+計算機背景
1. 偏技術的可以做Quant，但是HF裡面應該多數是博士在做
2. Trader，不過其實有點浪費這個背景
3. Risk Management
4. 行業研究員，專門在TMT行業
5. Banking TMT組
6. TMT行業 VC
總的來說在金融領域還是有很多崗位適合複合背景的，不過這種複合背景裡面除了Quant是計算機背景偏重外，其他都是金融背景需求度較高，計算機只是作為行業理解和專業知識理解。
數學分析，實變函數，測度論，概率論，隨機過程，數學分析，微分方程，計算方法，這些課要理科的課本重新看一遍。
然後呢，金融的書絕大多少都是扯淡，半信半疑的去看。
市場的爾虞我詐，需要實盤去玩，去體驗。
計算機專業課不多說，演算法很多時候還是有用的。
然後要做高頻，還得去學通信，倒也不難，和CS重合的很多。
別以術業有專攻降低自己的要求，越來越多的firm要求多面手了
計算機+金融 &< 數理+金融 計算機只是工具，數理+金融才是交叉學科
IT民工+金融民工=金融IT民工，本質還是民工。。。
計算機專業，你前2年做quant最有利你的發展，之後重點學習和積累行業知識，再考慮發展方向或轉崗
學好隨機分析吧。。。。感覺很有用
計算機加金融加數學加MBA加心理學是不是無敵了？
計算機加金融=金融it=銀行it
快去銀行吧 （逃
大學老師。
我導就是這種基本配置。
還有他最心愛的我們的大師兄。
智商碾壓我八條街。
so sad_(:3」∠?)_
我就在金融國企里修電腦！
我本科CS，即將讀研Finantial Computing。對這個問題很感興趣。
農
在金融企業做一名程序猿。。。。
信息管理與信息系統。
這個的話一些證券公司的技術部門就可以，或者去一些金融交易軟體的開發和維護公司。我目前做的就是這樣的工作，大學計算機專業，然後來到這個公司後開始接觸了金融知識。
推薦閱讀：