學習量化投資，需要get哪些技能？

如題，感謝回答！

謝邀。量化投資需要的核心軟實力是自學，技能點如下：

• 精準搜索能力

遇到問題想要知道是什麼以及怎麼解決，那就需要精準搜索能力，快速定位到問題得到解決辦法。比如在使用pivot_table函數的時候報錯，這個時候在瀏覽器使用關鍵詞搜索——pandas pivot_table 就可以快速找到相關官方文檔，看看是不是參數傳入使用錯誤。當然，如果能夠使用google搜索那是最好的，確實不行就使用 微軟 Bing 搜索, 搜索質量很高，廣告少，比國內的某些搜索強多了。

• 行業信息獲取能力

行業信息包括量化行業相關新聞、諮詢，金融市場、券商研報相關信息，私募產品、私募策略相關信息等。主要獲取源包括知乎、新浪、和訊期貨、微信公眾號、新浪微博、wind諮詢等。此外還包括各家量化平台的知乎、qq群、微信公眾號和量化相關的熟人微信群等。

• 英文閱讀能力

英文閱讀能力直接關係到你對信息的獲取、吸收、消化。比如你對風險平價感興趣，那麼通過google搜索risk parity獲取到很多信息，其中包括大量的paper、blog等，此時認真閱讀paper往往是理解該知識點最快的方法，這就要求英語閱讀能力。

• 金融的能力

金融的能力聽起來有點蒙，其實就是金融知識背景的一些儲備，做量化是需要這些知識的，這可能不屬於技能。金融知識之所以重要是因為這是軟技能，是思想，沒有這些知識開發策略很可能沒有邏輯支持，策略經不起檢驗。比如想要開發股票多因子策略，那麼你需要從馬科維茨、夏普、法馬的論文和理論有一些了解，這樣對策略認識也將更加深刻。

• 數學功底

西蒙斯獲得了數學界的諾貝爾獎，被稱為模型先生。量化與數學密切相關，比如你要開發期權策略，此時，你需要對布萊克斯科爾斯的期權定價公式有基本的認識，最好還能推導出來，你要開發alpha策略，你需要對barra risk model的一些公式推導有一定了解，怎樣計算IC、怎樣計算因子半衰期、怎樣進行組合優化等。

• 數據分析的能力

現在很多做大數據、數據挖掘、機器學習的都屬於data scientist ，大部分時間都是對數據進行分析。數據分析的能力很廣，包括怎樣搜集數據、怎樣清洗數據、怎樣填補缺失值、怎樣做groupby、怎樣做統計分析、怎樣可視化繪圖。這裡推薦10分鐘學會Pandas ，pandas可以說是數據分析的利器，非常好用。

• 交易技能

對交易很熟悉可以對策略、市場理解更為深刻，也便於開發出更好的策略，不會糾結於某些細節，也不容易走偏。同時，如果開發日內策略、高頻策略、套利策略，需要對市場、交易的微觀結構有更精細的認識。

• 編程技能

編程技能就是IT能力，所幸的是量化投資對編程其實要求不高，因為很多人只是策略研究員，大部分的工作是開發策略，代碼重複率比較高。一些量化職位，比如開發工程師，其技能是gitlinuxpythonsql,主要工作就是造輪子，搭建好量化平台，做造輪子的事情，而策略研究員是用輪子，所以編程技能不需要那樣高。

但是策略研究員也是需要一些編程技能的，比如如何從遠程git項目到本地、如何自己修改項目、自己定製化部分模塊、參與開源等。現在量化開源項目很多，參考：每一個寬客都應該收藏的量化「利器」 。

歡迎交流，更多量化投資內容請移步：BigQuant - 人工智慧量化投資平台

聽說CFA在2019年的考試要添加編程技能方面的科目，所以，你懂的，這意味著金融人也要會編程，當然了金融市場的知識儲備也是必須的。初期對數學要求不高，甚至只需要高中數學即可，不過認為在量化投資的後期，需要開發高級策略的時候，需要數學作為基礎儲備，所以數學可以算是高階技能。