股票量化投资研究员工作

1. 证券研究员和证券分析师是什么关系 证券分析师能做研究员吗

证券分析业包括技术层面的分析，金融工程工作本身也可以直接做分析并用于量化投资。证券金融工程研究员做分析师是可以，但是分析师需要相关证书，包括通过证监会规定的相关考试首先须参加中国证券业协会组织的《证券市场基础理论》、《证券投资分析》等学科的从业资格考试，再由所在的证券公司或咨询机构到中国证券业协会注册登记为执业人员，即成为证券分析师。 通过中国证券业协会组织的证券从业资格考试中“证券市场基础知识”和“证券投资分析”科目的考试。其他条件具有中华人民共和国国籍具有大学本科以上学历具有从事证券业务两年以上的经历符合上述条件的人员，可以通过所在证券经营机构向中国证券业协会申请统一的执业证书。

2. 量化投资的优势是什么，金昉毅老师怎么看待

嗯量化投资的优势是什么金以防老师怎么看的而这个我觉得吧量化投资就是说他专注于某一个方面

3. 从事基金量化研究员需什么专业背景

量化基金研究员
主要负责价量方面的量化模型开发、研究；
紧密跟踪市场动态和行业发展，捕捉产品投资机会；
撰写相关策略模型的研究报告

资历
金融、经济等相关专业硕士及以上学历，
1年以上相关行业工作背景，有基金、券商或第三方理财机构研究经验者优先；
具有较强的数据处理、统计分析、归纳总结能力；
具有良好的人际交往和社会活动能力，善于协调、沟通，责任心、事业心强，有较强的亲和力、判断力、创新能力，有良好的职业道德操守。

4. 一般私募机构的交易员或者研究员的薪酬体系是怎么算的呢

本人经验不多，只能举个自己的样本。
本科毕业工作半年了，学校算是国内还不错的水平，在上海的一个私募做量化研究员，因为年后做的模型也要用资金跑起来了，不算是纯粹的researcher，也有trading的部分，所以不知道算不算切题。工资税前7k，bonus估计要看模型到时候实际跑的效果发产品的情况。所以大概目前基本每月到手5k多一点，感觉挣得挺少的，也在自己努力学习中吧。
不能和各位大牛比较，本来工资这东西也挺私密的，所以也就简单给大家提供个参考。

5. 量化投资、量化交易、量化金融，这三者有什么区别吗

其二，行为金融学认为，投资者是不理性的。任何一个投资个体的判断与决策过程都会不同程度地受到认知、情绪、意志等各种心理因素的影响。基金经理和投资研究员在一段时间跟踪某只股票之后，由于时刻关心股价的表现和基本面的变动，可能出现不同程度的情感依赖，“和股票谈起恋爱”。即使出现了下跌趋势，也可能因为过度自信、抵制心理等不理性的分析出发点而导致投资、荐股时的行为偏差。而量化投资依靠计算机配置投资组合，克服了人性弱点，使投资决策更科学、更理性。

6. 量化投资研究员这个工作是不是大多都是男生做的有女生做吗

当然有女士了，公募基金中富国的李笑薇团队

7. 量化程序化交易员程序员 这个是什么压力大吗

量化交易也叫程序化交易，是国内证券交易、期货交易快速发展的交易方式，欧美市场上60%-70%的证券、期货交易时通过程序化完成的。程序化交易讲究团队运营，资产管理公司一般设置策略研究员、量化交易程序员、交易员、风控等岗位。量化交易程序员的主要职责就是把策略研究员的交易逻辑、交易思想用计算机语言编程。编程完成以后还要做测试以及参数修改等工作。程序员最基本的要求你要懂得最常见的计算机语言，如C++,Python,最好懂AutoIt、MATLAB、R语言。程序化交易员对计算机语言的要求不太高，但是要有证券交易经验，会看K线图，懂得基本的技术分析理论、技术指标，这些是必须的。很多公司的程序化交易也不是完全计算机执行的，你需要懂得在什么样的市场行情使用怎样的交易策略，当一套策略系统一段时间运行表现不佳的时候要会分析市场机构的变化。正规的资产管理公司很少会聘期完全没有交易经验的交易员，不会聘请不懂计算机语言的程序员。如果你符合如上说的条件可以去应聘。至于压力，要比主观交易的操盘手要轻得多，是否加班主要取决于该公司投资的产品是国内还是境外的市场，如果是国内证券、期货产品，比较少加班吧，境外市场会有人上夜班。非交易时间外的加班，这得看工作需要与企业文化啦。不知我这样回答你清楚吗？

8. 在中国，做量化交易一天的工作是怎样的

做量化交易一天的工作：

8:00~9:00： 打开交易策略，设置一些运营参数

9:00~9:30： 观察策略运转，确保没有问题

9:30~15:30: 解决已有策略的问题并研究新策略，测试新想法

15:30~17:00: 分析交易记录， 确定第二天的交易计划

17:00~18:00: 运动

岗位职责：
分析金融市场（期货、股票等）数据，寻找可利用的机会；开发与维护量化交易策略；提供机器学习/数据挖掘相应的技术支持；

岗位要求：
1.熟练计算机编程能力，熟练掌握至少一门编程语言，python优先；

理工科背景，具有良好的数理统计、数据挖掘等相关知识储备，熟悉机器学习方法（分析科学问题和相应数据，建立模型和方法，验证模型和方法，应用模型和方法并分析结果，改进模型和方法）；

有处理分析大量数据的经验，并能熟练选择和应用数据挖掘和机器学习方法解决科研和工作中的实际问题；良好的自我学习和快速 学习能力，有工作激情，喜欢金融行业；两年及以上实验室研究经验或研发类工作经验优先；

(8)股票量化投资研究员工作扩展阅读

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，

极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

9. 量化研究员招聘的是物理数学博士多还是金融硕士多

量化研究员招聘肯定是物理数学博士多的，
国内的量化研究员基本上都是理工科背景的，量化需要的三类主要知识：数学、编程、金融，金融相对来说是学习成本最低的。
编程有一定的基础就可以，在工作中再不断学习，如果不知道学什么建议先学c++，对数据、算法、对象、内存、线程等有一定了解，后面学习其它语言也比较容易，另外需要熟悉数据库，国内感觉目前用matlab的挺多的，python比较有发展前景。
关于这个问题，知乎上有很多精彩回答，可能会有不同的看法，根据自己的情况选择吧

10. 量化投资当真可以轻易撬动市场吗

光大交易失误导致市场波动的事件引起了大家的广泛关注。量化投资一时间成为众矢之的，但量化投资当真具备轻易撬动市场的力量吗?事实上，近些年，不论是在美国，日本，还是新兴市场(比如台湾)， 都出现过交易失误，或者某种策略引发市场波动的现象。人们或多或少把它们和量化投资联系起来，这种说法是值得商榷的。 在上市公司数目众多，海量信息充斥市场的时代，投资者需要一种能迅速有效地汇集各种数据，并进行客观分析的投资方法，量化投资是适应了时代的需求而应运而生的。作为一种投资手段，量化投资本身是中性的，真正起作用的是模型背后的人，是“地球上最美丽的花朵”----人的思维。 量化投资本身就包含了很多流派。有以基本面为主，持仓时间在几个月到一年左右的基本面量化;也有注重短期投资，持仓几天到几周，以识别各种形态，找出统计规律的统计套利;甚至日内交易数次甚至几毫秒交易一次，不持仓过夜的高频交易。在投资的资产类别上，有仅投资权益类资产的，也有跨资产类别的。从业人员结构上，基本面量化的以经济， 金融 ，会计的背景为主，而统计套利的以数学，物理，信号处理，统计等背景为主。在模型所用的编程工具上， 简单的比如Excel， 复杂的比如SAS， R， MATLAB， JAVA， C++，有的甚至为了追求计算速度， 直接将程序写在芯片上。 当股价出现异动时，各种类型的量化投资者会有不同的反应。基本面量化的投资者会忽略短期的波动，除非这种波动持续下去会导致基本面的变化;统计套利的投资者会面临两种选择，如果相信趋势会持续，就会跟上去做趋势(trend following)，或者判断为某种噪音或扰动，很快会回到均衡(mean reverting)，就会做反向。这种决策取决于各自的量化模型。做趋势的可能会放大波动，而做反向的反而会抵消这种波动。 具体到统计套利的使用上，主要以投资银行的自营盘和对冲基金为主。虽然套利机会稍纵即逝，需要迅速的执行，他们都有很严格的风险控制。比如，每个策略可以动用的资金量，杠杆比例，止损程度，等等。这些指标都是在实时动态监控，而不是仅仅为了满足盘后结算的需要。 笔者以前工作过的BGI，一直致力于基本面量化投资，其风险控制是非常严格的。每笔交易，从研究员检查模型，基金经理产生交易清单，复核，审批到交易员的执行，对交易进程的跟踪，交易成本的评估都有严谨的流程，并建立在统一的内部平台上。所以，这样的量化投资其核心是控制风险的基础上追求收益，并不具备操纵市场的能量。 作为一个新鲜事物，量化投资在中国备受瞩目，各方都给予了很高的期待。同样的，作为一种投资方式，如果使用不当，的确也会给我们带来新的挑战。我们应该扬长避短，不能将洗澡水和孩子一起泼出去。