OK,方向有了,下一步是學(xué)習(xí)路徑。最初選擇的是CFA,可能就是因?yàn)槊麣獯?。CFA大概學(xué)了半年,Level 1課程跟老師系統(tǒng)過(guò)了一遍,比較肯定的是CFA作為金融入門課程不錯(cuò),范圍廣比較系統(tǒng),但總感覺(jué)距離自己原先的目標(biāo)還差點(diǎn)意思,尤其是老師拿著計(jì)算器講課,AI用在哪里啊,難道要替代老師講課么。不過(guò)機(jī)會(huì)總是努力之后才能遇到,參加幾次公開(kāi)課之后,我了解到CQF課程體系,并報(bào)名了22年1月的CQF課程。
再聊聊對(duì)量化金融的個(gè)人理解,CQF課程比較系統(tǒng)的介紹了量化金融相關(guān)的方方面面,可以將量化細(xì)分以下幾個(gè)部分:
1、數(shù)學(xué)部分:CQF涉及到的數(shù)學(xué)內(nèi)容,應(yīng)該是最低入門要求,大概是可以用偏微分方程對(duì)股票、利率、期權(quán)等金融產(chǎn)品進(jìn)行數(shù)學(xué)建模,以及求解最優(yōu)解。
2、金融部分:至少能達(dá)到CFA、CQF的要求,金融工程應(yīng)該是入門要求,理解常用的金融模型,當(dāng)然,最好有實(shí)戰(zhàn)經(jīng)驗(yàn),即使是韭菜經(jīng)驗(yàn)也是非常好的。對(duì)了,CQF對(duì)金融衍生品特別重視,很大篇幅介紹衍生品定價(jià)背后的數(shù)學(xué)原理和公式推導(dǎo)。
3、AI部分:1990年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng),資產(chǎn)定價(jià)模型,被稱為現(xiàn)代投資組合理論,而2017年谷歌提出的Transformer深度學(xué)習(xí)模型,已經(jīng)被業(yè)內(nèi)稱為上古技術(shù),一個(gè)是現(xiàn)代,一個(gè)是上古,可見(jiàn)AI領(lǐng)域比金融領(lǐng)域相比,簡(jiǎn)直是日新月異。最難的是,如果沒(méi)有系統(tǒng)學(xué)習(xí)過(guò)AI,都不清楚該領(lǐng)域的邊界范圍,或者最優(yōu)方案,沒(méi)準(zhǔn)自己很自豪忽悠甲方用到的是遠(yuǎn)古技術(shù)。CQF可以帶我們快速入門AI領(lǐng)域,并有能力快速的找到解決問(wèn)題的方案,如果需要最新的前沿的AI模型,還需要大量翻閱論文。
4、編程部分:這里有個(gè)誤區(qū),很多從事金融的大牛瞧不上碼農(nóng),總覺(jué)得雇人就能搞定;很多IT精英卻又瞧不上Python腳本編程,總覺(jué)得很容易看看就會(huì)。客觀評(píng)估,即使這兩類牛人合體,至少需要2-3年孜孜不倦的學(xué)習(xí)提高,才有可能將量化平臺(tái)落地實(shí)戰(zhàn),而且有極高的時(shí)間成本風(fēng)險(xiǎn)。關(guān)于選擇開(kāi)發(fā)語(yǔ)言,目測(cè)用Python實(shí)現(xiàn)概率大一些,畢竟涉及到的模型、AI算法、數(shù)據(jù)處理,Python提供很好的支撐,但是Python天生不足缺少大型工程支撐,需要自己實(shí)現(xiàn)大量代碼和性能調(diào)優(yōu)。如果用C/C++或者Java實(shí)現(xiàn),真有可能望山跑死馬,雷聲大雨點(diǎn)小,效果達(dá)不到預(yù)期。
最后總結(jié)一下,量化領(lǐng)域是零和博弈、你死我活的戰(zhàn)場(chǎng),CQF給了戰(zhàn)場(chǎng)的邊界和范圍,并督促、鞭策我們系統(tǒng)學(xué)習(xí)、終身學(xué)習(xí),從無(wú)腦梭哈,努力轉(zhuǎn)變成靠自己實(shí)力虧錢,在韭菜成長(zhǎng)之路茁壯成長(zhǎng)。也許,唯有投入更多,才能在高度競(jìng)爭(zhēng)環(huán)境下建立自己理論和技術(shù)優(yōu)勢(shì),才能逐步實(shí)現(xiàn)人生小目標(biāo)。
對(duì)于個(gè)人職業(yè)生涯,CQF只是入門課程和啟蒙老師,給我們量化發(fā)展方向和持續(xù)學(xué)習(xí)的能力。前沿論文精讀復(fù)現(xiàn)和量化系統(tǒng)設(shè)計(jì)開(kāi)發(fā),應(yīng)該是學(xué)完CQF課程的每位學(xué)員破繭成蝶的重要過(guò)程。