【求职广场】量化策略岗工作一年分享 https://www.cc98.org/topic/5778497 复制本链接到浏览器或者打开【CC98】微信小程序查看~
分享一下一年工作来对量化这一块的新认知。(还有一些信息可以参考我一年前发的帖子）
因为帖子里分享了一些个人的思路，虽然不一定有用，但是毕竟是个人劳动成果，所以希望大家不要外传，8 友看看就行，谢谢。
我熟悉的是流水线模式，主要分五个部分：
数据准备-特征工程-拟合工程-优化器-交易算法
其中比较核心的是中间三块：
特征工程即俗称写因子；拟合工程即去校准某个特征到标的收益的映射，其预测出来的东西俗称信号；优化器将信号在各种暴露的特定要求，交易成本等因素约束下得到标的的持仓。
综合起来其实就是我基于一些信息去预测股票（其实还可以做别的，期货，可转债等）的涨跌，并且根据这个预测结果去合理的买卖股票，最后获得收益。
因为我目前主要做的是写因子的工作，有尝试一下拟合工程，然后优化器则只是听同事聊过。所以接下来的介绍可靠程度逐渐降低。
特征工程：
主要是基于广义上的量价数据（即交易所里的那些行情数据，粗一点的粒度如分钟 k 线，最细的粒度应该是逐笔的委托和成交单）来搓一些与预测目标（例如 1 天后的股票收益率）有相关关系的时间序列。如果没有深度学习的背景，去流水线式的公司实习，第一步大概就是写因子了。这里提供一些思路：如果你是市场上的参与者，你会注意什么信息？把这些信息转化成代码表达就是一个因子了；我还有一个比较常用的思路是去识别交易中的一些特定行为/特定参与者，比如金额特别大（这里怎么定义特别大也可以有一些技巧）的委托/成交，比如许多行情软件会显示的龙虎榜，就是找到了一些特定参与者。
拟合工程：
主要是做因子→预测目标的映射，如果这个预测问题有一个真解，那么拟合工程就是尽可能的贴近这个真解。此处最需要注意的问题就是过拟合。因为我深度学习的工程经验不足，在尝试的时候用了 ridge 回归，其实这种线性的效果也差强人意。
优化器：
从预测值→股票具体持仓的映射。按照我的理解，从一个信号到不同资管产品的分化就是在这一步产生，比如加一下股票池的限制为沪深 300 成分股，那就变成指增；不加限制，就变成量化多头；加上反向（融券或者做空股指），就变成中性策略。
此外，想问问同行的小伙伴们，你们那自营的员工额度和收益怎么样？我感觉如果不能干到分 cut 的程度，想要在收入上获得比较陡峭的增长的话，或许只能靠把自己的钱放到自营（如果有）了？
也希望同行的小伙伴们分享一下不一样的视角（比如做拟合工程的、多 PM 制公司、自营为主、做数字货币等）~
还有啥感兴趣的也可以楼里问问~不过建议充分使用信息先，可以先看看我之前的帖子。
不懂就问，信号和因子有啥区别吗，没太看懂信号的定义？
套一个具体的例子，信号就是预测出来某股票一天后的涨跌（当然一般会具体到涨多少跌多少）根据信号去调整持仓（也就是预测一天后要涨，那我就现在买入，一天后要跌，那我提前卖出，或者融券卖空他）。因子就是可能与信号有关系的一列时序数据，可以理解成 y=f（x），其中 x（向量）中的每个分量都是一个因子，y 是信号
盈利情况可以去私募排排网上搜一下。
就我所知，规模以上量化的收益均值比主观应该是好点的，方差比主观小点。
比如一些突发的新闻消息，导致市场相对单边走势，我想除了提前偷跑的资金，其他人的位置应该是一致的。这种单边走势也是会反应在因子的值上（因为因子就是由当下的行情数据提取而来的），从而反应在最后的预测上。所以冲突我感觉是说不上。不过感觉单边走势的行情应该不太好赚超额
以我了解到的情况来看这两年大私募的员工自营平均来讲能做到年化 10 的收益
未来几年除非抓到了风口梭哈，不然陡峭的增长对于 ng 来讲很难很难了
反正大家都是小盘股量价，拥挤度我看都要爆炸了
唯一一家一直在做基本面因子的撑到现在一点没有起色，令人感慨
30 个点基本上都是 cta 策略，自营盘这两年股票拖了很大的后腿
lz 在写因子时是使用公司提供的初级特征写式子，还是从最底层行情数据开始构造的？
看到你说曾经尝试过拟合，效果较差，效果是由回测得到的吗？公司会给因子研究员下放回测工具或是模型的使用权么？
抱歉，我对大私募的研究流程/权限管理比较好奇，问的问题要是不方便公开就算了哈
算是后者吧
回测工具和模型都是只给了接口
我能接触到的样本里（国内私募）基本没有本科的
研究生我看了下学啥的都有，金工，统计，数学，计算机，金融，物理。至于推荐啥，对于国内找工而言，我感觉一是尽量在上述 list 里，或者和数理沾边的，二是方便实习的，因为大多数都要求线下实习三到六个月
看了看今年进百亿以上的包，税前第一年大概在 40-70 吧
后续的增长看老板和个人