股票量化投資研究員工作

1. 證券研究員和證券分析師是什麼關系 證券分析師能做研究員嗎

證券分析業包括技術層面的分析，金融工程工作本身也可以直接做分析並用於量化投資。證券金融工程研究員做分析師是可以，但是分析師需要相關證書，包括通過證監會規定的相關考試首先須參加中國證券業協會組織的《證券市場基礎理論》、《證券投資分析》等學科的從業資格考試，再由所在的證券公司或咨詢機構到中國證券業協會注冊登記為執業人員，即成為證券分析師。 通過中國證券業協會組織的證券從業資格考試中「證券市場基礎知識」和「證券投資分析」科目的考試。其他條件具有中華人民共和國國籍具有大學本科以上學歷具有從事證券業務兩年以上的經歷符合上述條件的人員，可以通過所在證券經營機構向中國證券業協會申請統一的執業證書。

2. 量化投資的優勢是什麼，金昉毅老師怎麼看待

嗯量化投資的優勢是什麼金以防老師怎麼看的而這個我覺得吧量化投資就是說他專注於某一個方面

3. 從事基金量化研究員需什麼專業背景

量化基金研究員
主要負責價量方面的量化模型開發、研究；
緊密跟蹤市場動態和行業發展，捕捉產品投資機會；
撰寫相關策略模型的研究報告

資歷
金融、經濟等相關專業碩士及以上學歷，
1年以上相關行業工作背景，有基金、券商或第三方理財機構研究經驗者優先；
具有較強的數據處理、統計分析、歸納總結能力；
具有良好的人際交往和社會活動能力，善於協調、溝通，責任心、事業心強，有較強的親和力、判斷力、創新能力，有良好的職業道德操守。

4. 一般私募機構的交易員或者研究員的薪酬體系是怎麼算的呢

本人經驗不多，只能舉個自己的樣本。
本科畢業工作半年了，學校算是國內還不錯的水平，在上海的一個私募做量化研究員，因為年後做的模型也要用資金跑起來了，不算是純粹的researcher，也有trading的部分，所以不知道算不算切題。工資稅前7k，bonus估計要看模型到時候實際跑的效果發產品的情況。所以大概目前基本每月到手5k多一點，感覺掙得挺少的，也在自己努力學習中吧。
不能和各位大牛比較，本來工資這東西也挺私密的，所以也就簡單給大家提供個參考。

5. 量化投資、量化交易、量化金融，這三者有什麼區別嗎

其二，行為金融學認為，投資者是不理性的。任何一個投資個體的判斷與決策過程都會不同程度地受到認知、情緒、意志等各種心理因素的影響。基金經理和投資研究員在一段時間跟蹤某隻股票之後，由於時刻關心股價的表現和基本面的變動，可能出現不同程度的情感依賴，「和股票談起戀愛」。即使出現了下跌趨勢，也可能因為過度自信、抵制心理等不理性的分析出發點而導致投資、薦股時的行為偏差。而量化投資依靠計算機配置投資組合，克服了人性弱點，使投資決策更科學、更理性。

6. 量化投資研究員這個工作是不是大多都是男生做的有女生做嗎

當然有女士了，公募基金中富國的李笑薇團隊

7. 量化程序化交易員程序員 這個是什麼壓力大嗎

量化交易也叫程序化交易，是國內證券交易、期貨交易快速發展的交易方式，歐美市場上60%-70%的證券、期貨交易時通過程序化完成的。程序化交易講究團隊運營，資產管理公司一般設置策略研究員、量化交易程序員、交易員、風控等崗位。量化交易程序員的主要職責就是把策略研究員的交易邏輯、交易思想用計算機語言編程。編程完成以後還要做測試以及參數修改等工作。程序員最基本的要求你要懂得最常見的計算機語言，如C++,Python,最好懂AutoIt、MATLAB、R語言。程序化交易員對計算機語言的要求不太高，但是要有證券交易經驗，會看K線圖，懂得基本的技術分析理論、技術指標，這些是必須的。很多公司的程序化交易也不是完全計算機執行的，你需要懂得在什麼樣的市場行情使用怎樣的交易策略，當一套策略系統一段時間運行表現不佳的時候要會分析市場機構的變化。正規的資產管理公司很少會聘期完全沒有交易經驗的交易員，不會聘請不懂計算機語言的程序員。如果你符合如上說的條件可以去應聘。至於壓力，要比主觀交易的操盤手要輕得多，是否加班主要取決於該公司投資的產品是國內還是境外的市場，如果是國內證券、期貨產品，比較少加班吧，境外市場會有人上夜班。非交易時間外的加班，這得看工作需要與企業文化啦。不知我這樣回答你清楚嗎？

8. 在中國，做量化交易一天的工作是怎樣的

做量化交易一天的工作：

8:00~9:00： 打開交易策略，設置一些運營參數

9:00~9:30： 觀察策略運轉，確保沒有問題

9:30~15:30: 解決已有策略的問題並研究新策略，測試新想法

15:30~17:00: 分析交易記錄， 確定第二天的交易計劃

17:00~18:00: 運動

崗位職責：
分析金融市場（期貨、股票等）數據，尋找可利用的機會；開發與維護量化交易策略；提供機器學習/數據挖掘相應的技術支持；

崗位要求：
1.熟練計算機編程能力，熟練掌握至少一門編程語言，python優先；

理工科背景，具有良好的數理統計、數據挖掘等相關知識儲備，熟悉機器學習方法（分析科學問題和相應數據，建立模型和方法，驗證模型和方法，應用模型和方法並分析結果，改進模型和方法）；

有處理分析大量數據的經驗，並能熟練選擇和應用數據挖掘和機器學習方法解決科研和工作中的實際問題；良好的自我學習和快速 學習能力，有工作激情，喜歡金融行業；兩年及以上實驗室研究經驗或研發類工作經驗優先；

(8)股票量化投資研究員工作擴展閱讀

量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，

極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

9. 量化研究員招聘的是物理數學博士多還是金融碩士多

量化研究員招聘肯定是物理數學博士多的，
國內的量化研究員基本上都是理工科背景的，量化需要的三類主要知識：數學、編程、金融，金融相對來說是學習成本最低的。
編程有一定的基礎就可以，在工作中再不斷學習，如果不知道學什麼建議先學c++，對數據、演算法、對象、內存、線程等有一定了解，後面學習其它語言也比較容易，另外需要熟悉資料庫，國內感覺目前用matlab的挺多的，python比較有發展前景。
關於這個問題，知乎上有很多精彩回答，可能會有不同的看法，根據自己的情況選擇吧

10. 量化投資當真可以輕易撬動市場嗎

光大交易失誤導致市場波動的事件引起了大家的廣泛關注。量化投資一時間成為眾矢之的，但量化投資當真具備輕易撬動市場的力量嗎?事實上，近些年，不論是在美國，日本，還是新興市場(比如台灣)， 都出現過交易失誤，或者某種策略引發市場波動的現象。人們或多或少把它們和量化投資聯系起來，這種說法是值得商榷的。 在上市公司數目眾多，海量信息充斥市場的時代，投資者需要一種能迅速有效地匯集各種數據，並進行客觀分析的投資方法，量化投資是適應了時代的需求而應運而生的。作為一種投資手段，量化投資本身是中性的，真正起作用的是模型背後的人，是「地球上最美麗的花朵」----人的思維。 量化投資本身就包含了很多流派。有以基本面為主，持倉時間在幾個月到一年左右的基本面量化;也有注重短期投資，持倉幾天到幾周，以識別各種形態，找出統計規律的統計套利;甚至日內交易數次甚至幾毫秒交易一次，不持倉過夜的高頻交易。在投資的資產類別上，有僅投資權益類資產的，也有跨資產類別的。從業人員結構上，基本面量化的以經濟， 金融 ，會計的背景為主，而統計套利的以數學，物理，信號處理，統計等背景為主。在模型所用的編程工具上， 簡單的比如Excel， 復雜的比如SAS， R， MATLAB， JAVA， C++，有的甚至為了追求計算速度， 直接將程序寫在晶元上。 當股價出現異動時，各種類型的量化投資者會有不同的反應。基本面量化的投資者會忽略短期的波動，除非這種波動持續下去會導致基本面的變化;統計套利的投資者會面臨兩種選擇，如果相信趨勢會持續，就會跟上去做趨勢(trend following)，或者判斷為某種噪音或擾動，很快會回到均衡(mean reverting)，就會做反向。這種決策取決於各自的量化模型。做趨勢的可能會放大波動，而做反向的反而會抵消這種波動。 具體到統計套利的使用上，主要以投資銀行的自營盤和對沖基金為主。雖然套利機會稍縱即逝，需要迅速的執行，他們都有很嚴格的風險控制。比如，每個策略可以動用的資金量，杠桿比例，止損程度，等等。這些指標都是在實時動態監控，而不是僅僅為了滿足盤後結算的需要。 筆者以前工作過的BGI，一直致力於基本面量化投資，其風險控制是非常嚴格的。每筆交易，從研究員檢查模型，基金經理產生交易清單，復核，審批到交易員的執行，對交易進程的跟蹤，交易成本的評估都有嚴謹的流程，並建立在統一的內部平台上。所以，這樣的量化投資其核心是控制風險的基礎上追求收益，並不具備操縱市場的能量。 作為一個新鮮事物，量化投資在中國備受矚目，各方都給予了很高的期待。同樣的，作為一種投資方式，如果使用不當，的確也會給我們帶來新的挑戰。我們應該揚長避短，不能將洗澡水和孩子一起潑出去。