有可能通過閱讀大量的金工文章，成為量化的牛人嗎？
.
首先介紹先樓主的情況：
1、計算機學小碩，編程、資料庫都比較熟，基本上看的懂的演算法都能用程序實現、回測。統計學基礎一般。2、在互聯網公司上班，手上有大量的伺服器運算資源，可以用於做數據分析。3、在杭州，且不想離開這裡。
——
再介紹我的計劃
1、已下載近三年各大券商的金工文章（近500篇）學習ing，確有一些比較牛的演算法。2、程序實現其中5%演算法，並進行歷史回測，找出1-2%可行的alpha、smart bata演算法3、自己小資金量投產（50-100w左右），主要是需要真實交易流水。可能有朋友會說：很多演算法小資金量可以，大資金量就不靈了。我會首先專註於指數、滬深300領域的演算法開發。4、拿著交易流水，找私募、基金公司合作，最好是技術參股或帶領量化團隊5、自己成立公司，做大做強——
目前進行到第2步
我看評論區有朋友建議：我們不適合做低頻的股票趨勢類的研究和投資，因為涉及面太廣，且體現不出計算機和量化的優勢。
建議做高頻的、期貨類的研究和投資。不知道大家是否贊同這個觀點呢？
——
請問這樣的路徑有可能成功嗎？如果不可能，請問是哪裡有問題呢。。？
——
我想建個群，大家定期線下討論最近讀的論文、演算法、想法
大家都是入門，沒什麼好藏著的，多交流，多進步
杭州本地有興趣的朋友，私信我。
——
謝謝啊！
國內好的金工研報比例不高，但還是有一些的，比如東方、海通、廣發、華泰等部分系列研報的前幾篇，一般是對國外研究成果的整理與翻譯，功利性閱讀後可以成為量化初哥。
想成為量化牛人，最終要靠自己牛，而不是靠研報。首先你得比國內寫研報的那些人牛，畢竟人家只是寫研報水平的；其次你得比業內全年齡段的平均水平要牛，否則你的超額收益哪裡來；最後你要想成為真正的牛人，必須能夠持續迭代並保持領跑。大家都在進步，目前的牛人也只是暫時的，超額收益本就是大家互相傾軋出來的，是你跟市場平均水平的差異，不進則退。請尊重你的交易對手，不然遲早得剁手。
市場很殘酷，不管你是初哥還是所謂有二十年證券從業經驗的老鳥，大家同台競技，一上來就生死相搏、刀刀見血、拳拳到肉。國內BAT一線演算法工程師想轉金融或兼職量化的比例很高，因為大家都有玻璃天花板與中產焦慮，不過最終成功的比例確實不高，開心就好:)
個人忠告：公司伺服器資源不是你的，不要做違規甚至違法的事，以免出師未捷身先死。
所有的公開的東西都沒啥價值。量化這個行業最secretive，想著通過讀一些公開的東西成為牛人，那是絕對不可能的。
成為牛人的方式只有兩個，1你自己是Simons，2你拜simons這樣的人為師，學點secret。杭州貌似有私募小鎮，可以投簡歷去試試。。。
其實那些報告或許會有用的，但報告數量太多，需要篩選。
就好像很多幾十塊錢幾百塊錢賣的策略在某些時期某些品種也能穩定盈利，但他賣的策略幾十個幾百個，你要好好篩選。
再說你沒必要自己出錢，去私募工作，人家會提供錢，你可以有工資，反正自己不會虧。
私募招應屆生又不需要實盤記錄，需要實盤記錄的你50-100萬又不夠，反正吃力不討好。
除非你想想杭州某私募8年時間8萬到1億，他可以，你也可以，加油！
比如20萬本金，每年翻一倍，10年兩億。
廣泛閱讀肯定是有幫助的，但是不建議讀賣方報告，畢竟他們寫出「熱文」的incentive是大於研究本身的。直接讀論文就可以，practitioner journal裡面其實有非常多的好文章，還有一些大牛其實是樂於分享的，等你有一定了解後自然就知道這些名字。技術實現上，試著把一些量化策略完整實現出來並做成自動交易系統就是一個不錯的開始，可以從這篇和這篇開始，親測有效。
如果想要系統去研究投資策略，建議從p quant的基礎開始讀起，理解expected returns，之後你會明白下一步該研究什麼。
我覺得有閱讀的習慣還是值得鼓勵的哈，要知道Edward Thorp的書可是激勵了Bill Gross, Peter Muller，Ken Griffin等人，大空頭Michael Burry的投資靈感也是來源於一本信用衍生物的教科書。
最後回到你說的「量化牛人」這個目標上，其實真的取決於你的環境和資金量，發現新的因子與發現alpha是很不同的，不過兩者都需要真正理解投資策略回報的來源。超大資金量能outperform benchmark 1%就很牛了，alpha的機會則很少。而小型體量的話，會有更多alpha的機會。但不論是哪種情況，好的想法都不是憑空出現的，都需要大量的知識攝入和思考，還有運氣。
有好的技術能力是很不錯的開始，祝你好運。
相關背景，在海外某大hf做研究員。
———————————————
就我個人而言，讀大量的論文，從前期積累過程讀的各領域的成名已久的文章，到現在每天跟蹤的各高校教授們的working paper。因為我本身是海外博士出身，與不少教授有保持一定聯繫，我還是很看中這種閱讀的。一來是打基礎，二來是獲得靈感。學術論文的確是不那麼接近業界，至少比較少可以直接拿來用，但還是有金子的。當然，質量很難保證，很多一般學校的學術論文就是灌水，所以基本上出身不好的研究者的論文可以不看。
至於賣方的quant reports，我也會讀，尤其是某幾間大行的，比如ubs jpm db，至少錯誤不會很多，貼近應用，偶爾會有靈感提供。國內券商的的我讀了一些，大概質量要低不少，不過如果找到規律了就能很快過濾掉沒用的信息。
還有一類就是業界自己寫的論文，比如某些大基金自己有研究部定期寫論文，要麼貼在網上，要麼發表在好期刊上。有的人答說沒有人會把有用的東西公開，這當然是不完備的猜想。顯然有一些論文/報告就是有極好的應用加學術價值，我就不具體說了，免得有人自己不好學想偷懶光要別人推薦。
近些年在海外，不少大的賣方研究人員跳離那些大行，去加入或者自己開創獨立的研究公司，有的不只是賣研究，也直接賣交易信號，有的還挺靠譜。
最後的最後，想說的是，做這行，很靠自己的悟性，如小馬過河，深淺冷暖自知。悟性決定了你能否有自己的想法，以及快速甄別他人所闡述的。但總體而言，不要寄太多希望在別人的發表的研究上，可以當作背景知識，偶爾可以淘一點金，但長久發展一定是自己的悟性和水平作支撐。
祝順利。占樓搭車蹭流量
本人杭州人 正在美帝讀PhD 有杭州量化私募大佬招人嗎絕對能夠成為寫金工文章的牛人~
評論區的意見，你如果當真了，說明你只是看『金工的文章』，而不是financial engineering paper.
關於計劃部分：
我覺得在任何行當都需要以自己的核心優勢為基礎，如果在算力和性能上有一定自己的研究，以這個為起點，通過為所在的平台提供更切實際的高性能架構和演算法，開始了解市場，在平台上成長，比自己從零開始再來一次好很多，快很多。
關於成為量化牛人部分：
好消息是：不同的機構用著不同的資金，從不同的風險偏好和市場定位出發，對人才的需求，必然也是不一樣的。找到適合自己定位的地方，都可能成長為量化牛人。
壞消息是：量化牛人統計都不錯;-)
溫馨提示，涉及指數的產品，資金量往往都很大，哪怕各項指標都不錯，用50-100W試但始終有著一種錯位的感覺，分散的程度也很難執行到位。個人感覺大機構更適合你，當然進不進得去就還要看你綜合實力了。
加油。
當然有可能的，但是可能性很低
賣方和買方是兩個不同行業，研究策略和實盤交易又是差天共地的區別。題主想通過賣方研究報告指導策略研究再進行實盤交易，想法很美好，真相很殘酷。
建議題主可以先了解高頻方面的策略試一下自己的IT能力，畢竟相對來說高頻更依賴系統。找個便宜的商品期貨入手。股票高頻沒有肥沃的土壤給你，就別進了。
而中低頻的策略，在大量結構化數據面前題主並沒有什麼優勢，有各種金融理論統計理論等著你去拿下，還有策略落地時候的各種意外。保守估計兩年以上，可以拿到實盤駕照。
上路了，你才發現這時候的量化跟當初想的量化，其實是兩回事。
量化數據只是正收益交易系統模型程序化交易的必要條件而非充要條件，正收益的核心不是工具而是交易者的交易認知及邏輯，主客體要分明白，你如果不同意我上面的看法且大可一試，那時大概率會在工具的世界裡沉淪，即使通過各種回測得出的交易模型在持續回撤時也會患得患失，不自信，做不到持續盈利。
如果題主一定要試試，建議第二步步子慢點，第三步資金小點，這樣在幡然醒悟的時候至少不會損失太多。
閱讀文章是肯定可以成為牛人的，只不過關鍵不是大量，而是精。難點在於精華文章很少不好找，很多牛人不願意拿出來分享，只能靠數量來大海撈針。
還有一個問題，就是文章數量大質量又不高，真正讀到高質量的文獻時，讀者會缺乏判斷力，分不清哪個好那個壞。
這樣，重點就在於能辨別出精華的文章，看到後還能用於實際，實為不易。通常牛人的作品水平都會較高，找到牛人和他們的文獻問題也就解決了一半。 同時市場上有很多靠「高盛、大摩」等大品牌寫雞湯的「牛人」，有水平確實不錯的，也有水平很不行的，名牌精力不必然意味著水平很高，要小心。
你如果做低頻，趨勢跟蹤，其實把市面上這些公開策略都研究一遍也能做，只不過就是回撤比較大，熬熬幾年也能賺些錢，但是錢途比較渺茫。。
高頻相關的，你是查不到公開的有用的資料的，要麼你是天才可以發明出來個高頻模型，要麼你得拜個做高頻大牛為師。
據大牛的同事說（親口跟我說（原話） 股指被禁之前），做出高頻模型那個哥們絕對是個鬼才，再tick裡面搞，50萬丟進去，一天賺3萬，股指期貨上。你在tick歷史數據上是根本發現不了規律，都是在tick內部的除非你能把逐筆成交都看到來研究。
以上都是我對量化這行的真實感受你自己掂量一下吧_(:з」∠)_
雖路途遙遠，但要用樂觀的精神踏上征途
www.mdshare.cn 行情數據共享免費下載
www.pythonpai.com python 派
www.quicklib.cn python開源框架
www.kucps.com 酷操盤手
賣方研究的本質是銷售或銷售支持，券商的報告，同質性太強。看五篇和看五十篇沒啥區別。看完五十篇還能繼續硬著頭皮看五百篇，你的毅力的確值得敬佩。
人非生而知之，在入門之前，多看書，多看材料肯定是對的。不過我寧願建議你多花時間看成系統的書籍，報告只能作為單獨知識點的補充。
書籍提供的是系統性的思維方式和方法論，而報告也是要看的。報告體現了這一領域的 「從業者最低水平」（激情賭徒不算）。 這句話並不是諷刺。金融交易本就是博弈行為，了解這個競技場內的最低水平，能夠一定程度上幫你估計這個競技場上的平均水平，以及自己該不該入場。
量化投資的本質還是投資，投資的本質就是建立個人對市場的理解。這句話看起來玄乎，其實做起來沒那麼難。所謂對市場的理解，本質上跟你對你爸，你媽的理解一樣。處久了，自然就能理解了。然而從理解，到數學化程序化，又有一個過程。所以個人認為，成為一個盈利的量化交易員的核心就是，多跟市場處一處，多扒拉歷史數據跑一跑。跑起來自然就會提出問題了，能解決自己提出的問題，就離盈利越來越近了。
最後，本人不是很建議理工科真的很強的人，來做交易。交易除了能給你帶來一些伴隨著極大不安全感的金錢之外，感覺一無所用。人生當中，畢竟還有很多很多比金錢更重要的東西。牛人，不做交易，也能發達。我之所以做交易，不過是因為覺得自己一無所用，苟且謀生罷了。
這行業鑽技術死犄角才是蛋疼
提高坑蒙拐騙的水平才是核心競爭力
瀉藥，題主的硬體已經挺不錯了。題主要搞清楚自動化交易與量化交易的區別。其次，交易這東西很考一個人的腦瓜靈不靈的，我們團隊一直認為做演算法程序化交易的，一定要腦瓜靈敏，反應要快，懂不懂編程沒關係，最主要有衝勁，能學，有一天工作20個小時的毅力和恆心。說到樓主想通過閱讀大量金工文章來提高自己水平，這個方法我認為是可行的方法之一，但是光這樣遠遠不夠。關鍵是需要將這些演算法融匯貫通，通過自身對演算法的改良，或者說因子的複合培育，能否得到屬於自己的演算法，自己的因子。 在資金層面方面，我們主要做國內cta趨勢，50萬的啟動資金老實說是完全不夠的，100萬資金勉強能承受一定風險。我們總結的經驗和數量來說，資金量越大越好做，資金量越小，需要承受的風險越大，越難做，就是看天吃飯。至於別人說資金量越大越難做的，那些是高頻類和普適性弱的系統才會出現的問題。一個高普適的系統，如果有36個品種能做到適應，那麼理論上，這36個品種能演化出36的36次方的衍生品提供進行交易，然後通過不同的時間周期安排，能夠衍生出幾乎無限的市場空間。 最後，樓主的計劃是有可能成功的，畢竟有這樣成功過的人。成敗在於細節，共勉。
量化大牛應該不是看paper看出來的，是實盤活下來的吧，我覺得你首先應該是先入行，找個私募工作著.
類比：有沒有可能通過觀摩大量AV成為xx達人？
可能性當然有，但是更重要的是樓主的天賦和底子，注意以下幾點：1. 看片能學會新姿勢，但是你得有那個體力（數學基本功）2. 拍片提供妹子（大量GPU），你有妹子么？3. 別人是拍片（賣方是嘴炮），你可是實戰（真錢）金工文章研報都很菜的。低頻和算命一樣。
紙上得來終覺淺，絕知此事要躬行。趕緊進行第三步體驗人生吧，當你每天面對美好的回測曲線以及慢慢減少的資金的時候，你就什麼都懂了
推薦閱讀：