对话Quant | 一位十年量化研究员,治好了我的焦虑

2024-08-29 18:03:26 - 大岩定增

前言

据统计,国内量化研究员的平均年龄不足30岁,其中约60%的从业者来自数学、统计学、金融工程、计算机等与数理和IT相关专业。

在高门槛、高竞争的行业中,许多人难免会有年龄和学业背景上的焦虑。在知乎等论坛上,类似“XX岁了,还适合继续做量化研究吗?”、“大学不是XX专业,转行做量化的机会大吗?”的讨论屡见不鲜。

在本期文章中,小岩将对话价量研究员F:35+岁、拥有十余年量化研究经验、本科工科背景——这些标签与典型的行业职业画像略显不同。通过他对跨界的契机、因子构建过程,以及工作感悟的分享,或许你能从新的视角,重新审视量化的可能性。

对话Quant | 一位十年量化研究员,治好了我的焦虑

1

从小众到热潮,A股量化十年变迁

早在2014年便投身量化研究的F,亲历了行业这几年翻天覆地的变化。回顾过去十年,他感叹道:“2013年我还在读研时,一位知名券商的金工负责人来学校讲解量化投资,当时参会者寥寥无几,大部分同学还无法接受这类新鲜事物。如今,量化讲座的数量和规模都翻了数倍,优质讲座更是一票难求”。

曾经,量化投资的方法论较为简单。2016年之前,几个人的小团队通过线性模型整合几十个因子,便能打造出有效的策略。然而,如今的景象却截然不同:成熟的量化公司拥有数十人的投研和IT团队,因子数量数以万计。挖掘因子不仅依赖人工,还需要人工智能的持续投入。模型整合方式也从线性逐步演进为复杂的非线性。同时,数据和IT方面的投入达到了前所未有的规模。

2

灵感来自于日复一日的沉淀

在天才云集的量化行业,学历和智力的光环只是入场券,真正的胜负在于是否能持续创新。

除了每天规律地检查盘前和实盘因子的生产情况外,F还需要根据投研负责人的要求开发新的因子。此外,他还会经常和团队的其他成员沟通遇到的问题,寻求解决方案。

既然没有永久有效的因子和策略,那么创新的灵感从何而来呢?F分享了三种方式:首先,广泛阅读文献,从中获取新的研究思路和方法;其次,学习新兴技术,如深度学习,以发掘与传统手工因子不同的逻辑;最后,多与同事和同行交流,思维的碰撞往往能带来意想不到的灵感。

3

因子如何“诞生”?以隔夜因子为例

价量行情数据直接反映了投资者的交易行为和情绪,蕴含了丰富的选股信息。以“隔夜涨跌幅因子”为例,F讲述了因子从构思到实际落地的过程。

比如,通过经济常识和观察,我们发现了几个现象:

1)从交易的角度来看,隔夜跳空幅度较大的股票,可能存在短期交易过热的现象。按照“跳空缺口,逢缺必补”的理论,这种现象可能导致股价出现反转;

2)由于A股实行T+1交易制度,当日买入的股票当天无法卖出,积累的卖盘往往集中在次日开盘时释放,这可能导致股市呈现出“低开高走”的日内收益特征;

3)市场中存在“聪明投资者”,他们很可能利用信息优势或者深入研究,在昨日收盘前买入,并在次日开盘时卖出;

4)开盘价和前一日收盘价代表了一天中最关键的两个时刻,是多空双方博弈最为激烈的时间点,因此信息含量很大。

根据上面的思路,我们可以先定义简单的隔夜因子:今开/昨收-1

接下来,我们继续思考:因子的绩效是否只与涨跌幅有关,而与涨跌方向无关?于是我们可以取绝对值来进一步改进该因子:abs(今开/昨收-1)

考虑到一天的数据波动太大,我们可以用过去N日的均值来降低换手率:mean(abs(今开/昨收-1),N)

除了用均值,我们不妨发散下思维,还可以继续用方差、偏度、峰度等其他分布刻画隔夜因子。

随着脑洞的打开,我们想到,“价”和“量”总是相辅相成的。那么,是否可以在上述公式中把昨日的成交量作为权重呢?又或者,量和价是否还有其它的关系呢?这些都是值得尝试的方向。

生成因子公式后,我们可以将其直接导入公司的因子评估系统,从而评估这批因子的绩效。接下来,根据公司设定的因子评估指标,如收益能力、稳定性、与现有因子的相关性、换手率等,我们可以筛选出符合条件的因子。隔夜股价中蕴含的“神秘力量”,就在这番思考与探索中逐渐显现。

对话Quant | 一位十年量化研究员,治好了我的焦虑

4

非典型背景Quant的进阶之路

F的专业背景是电子信息与电气工程和金融,这在以数学、统计、计算机等为主要背景的Quant中并不常见。F是如何转行做量化投研的?

首先,他在本科期间就掌握了多种编程语言,如C、C++、Matlab等,工作后又系统学习了python,编程能力不亚于计算机科班的人。其次,F在读研期间就明确了职业规划,将从事量化投资作为目标,深知这种全新的投资方式能带来更高的超额收益。在修炼“内功”,明确目标后,复合背景对挖掘低相关的因子反而成为优势,持续为策略提供增量信息。

最重要的,尽管不是数学专业出身,但F在读书期间通过课堂和自学的方式,深度钻研了相关知识。近几年,他还利用工作之余学习了大量机器学习和深度学习的知识,进一步丰富了自己的“武器库”。F始终认为,虽然python等编程工具有很方便的package可供调用,但更为重要的是理解更深层次的数理逻辑,因此保持学习的习惯至关重要。

量化工作并非只是充斥着数据与代码的“孤独游戏”,真正的成长离不开高效融洽的团队协作。F表示:“由于公司采用扁平化管理,因此几乎没有内耗。投研人员经常进行讨论,大家知无不言,言无不尽,互相学习到很多,提升也非常明显。公司的投研体系日趋完善,现在的数据系统,因子评估系统、策略回测及实盘交易系统已经属于行业前列,为研究员的日常工作提供了强大的支持。强大的IT支持也使得研究如虎添翼。比如,前段时间公司新上线的新一代投研平台,就是IT与投研团队密切合作的成果”。

看到公司产品净值不断攀升并屡创新高,F在这一过程中体验到了一个又一个的“啊哈”时刻。

在充满活力的环境中,F也找到了生活上的平衡:“大岩历来有崇尚运动的企业文化,加入大岩后,在同事的带领下,我养成了规律的运动习惯,以前的肚腩变成了腹肌,整个人的精神面貌和状态都大幅提高。在一个优秀的团队里跟一群优秀的人共事,自己也会逐渐走向优秀”。

对话Quant | 一位十年量化研究员,治好了我的焦虑

结语

最近流行一句话:人生是旷野,不是轨道。然而,从F的经历中我们看到,旷野也是由一条条轨道构筑而成。真正不受限的自由,是投身于感兴趣的事业,在不断修正与开拓中,找到属于自己的轨迹。

今日热搜