我自己就是跨了好几个专业过来做的量化。不过呢，量化这一行业细分程度令人发指。比如有做买方量化的，也就是圈内他们细分出的P-Quant,他们在一般是在二级市场中，研发量化模型，或算法，并从二级市场中的交易行为中获利。往下了去细分，可能还要区别市场属性，比如是做内盘还是外盘的，是做衍生品市场还是现货市场的。
而做卖方量化的Q-Quant，其实在国外量化传入国内的早些年，这部分在国外才是大头。也就是投行中做各种衍生品定价的那拨人。那些个时候，你要是跟朋友讲你是在华尔街研究什么数理模型做衍生品定价的，那一定是风光无限的存在。好像记得当年有一部《大空头》的电影，讲的就是金融风暴前夕,正是主角他做的量化模型发现了“债务担保证券"存在着巨大的违约风险。通过数据分析发现美国CDS(一种信用衍生工具)做空机会,大赚一笔的故事。
依靠数据,发掘数据背后的规律，利用这些规律来指导自己进行投资，战胜市场，再不济，也能战胜市场上那些七七八八的野生对手。
量化的好处总是让人在市场狂热的时候保持客观,众人皆醉我独醒，某时某地，确实利用量化来指导投资能有定海神针的作用。所以量化看似很美好，也很会时而让人着迷。
因此，对于量化从业，不少其它行业人趋之若鹜。做为一名量化业内的“前辈”，我把自己认为从事量化一类的工作之前，需要再三思考清楚的一些准备做了如下罗列：
一、明确自己的量化细分从业方向
上面也说了，量化行业其实细分很广，很深入。不同的岗位，不同的所属机构的利润来源，都引起了自己所从事研究量化领域的不同，比如就拿P-Quant来说，可能仅仅因为大BOSS的喜恶不同，又或者财务资金允许的投资标的情况不同。造成交易买卖的市场都不同，有些做的是美股，有些做的是期货，有的是股票。正因如此，那么所能有效讨论到的量化策略的基础原理也就不同，比如有些可能是做高频交易的，有些是做中低频CTA的。还有些专门在股票市场挖有效因子的。
因此，在进入这一行之前，可能最先要明确的就是自己喜爱的细分量化行业是什么，是期货？是数字货币？模型的初始资金承接大小是多少，策略的交易风格如何等等。
依靠数据,发掘数据背后的规律，利用这些规律来指导自己进行投资，战胜市场，再不济，也能战胜市场上那些七七八八的野生对手。
量化的好处总是让人在市场狂热的时候保持客观,众人皆醉我独醒，某时某地，确实利用量化来指导投资能有定海神针的作用。所以量化看似很美好，也很会时而让人着迷。
因此，对于量化从业，不少其它行业人趋之若鹜。做为一名量化业内的“前辈”，我把自己认为从事量化一类的工作之前，需要再三思考清楚的一些准备做了如下罗列：
一、明确自己的量化细分从业方向
上面也说了，量化行业其实细分很广，很深入。不同的岗位，不同的所属机构的利润来源，都引起了自己所从事研究量化领域的不同，比如就拿P-Quant来说，可能仅仅因为大BOSS的喜恶不同，又或者财务资金允许的投资标的情况不同。造成交易买卖的市场都不同，有些做的是美股，有些做的是期货，有的是股票。正因如此，那么所能有效讨论到的量化策略的基础原理也就不同，比如有些可能是做高频交易的，有些是做中低频CTA的。还有些专门在股票市场挖有效因子的。
因此，在进入这一行之前，可能最先要明确的就是自己喜爱的细分量化行业是什么，是期货？是数字货币？模型的初始资金承接大小是多少，策略的交易风格如何等等。
二、补足自己的短板
一些朋友认为，自己程序工科背景出身，名校光环加持。转行量化自然是水到渠成的事，完全忽视了金融市场的混沌，难以预测的基本状态。要理解金融市场的混沌，通俗一点来讲，在这个市场吃什么完全靠天，非人力所为。
金融市场还存在博弈行为，切不可放松警惕。
因此，在新的量化行业领域里面，金融学知识，人性的研究，这些才是最本质。而数据本身只是表象，非事物本质。当不了解金融学知识，不掌握人性初始。一切的的量化研究都是浮于表面的。很难建立起相对牢固的“盈利”模型，而想做到“恒久盈利”更像是痴人说梦。
学科知识与技术上的短板往往可以通过大量的阅读，或者练习达到补全。
我认为最难的短板，在于对的人性“贪嗔痴”的洞见上，这个可能需要用尽所有的知识，还有时间。
三、明白这是一门数据科学为基础的行业
量化金融领域，数据是土壤，你的初始研究土壤有可能会贫瘠，有可能会沃土千里。在这些情况大不同的土壤野，开出什么样的花，结果出什么样的果实，更是一门深入的学问。贫瘠的土壤就很难开出妖艳的花？我看未必的，不要忘记了农夫的重要性。
而你就像是一名初学种田的“农夫”，有前人“农经”的指导，也有邻居的模范样本试验田，做为参考。因此农夫本身锲而不舍的，好学的精神品质又变得可贵。
好在土地就在那里，种什么瓜得什么豆，可以通过一番一番辛勤的耕耘实验获得，你想了解到的宝贵数据。这些的宝贵数据财富，别人给的你根据不会重视，只有通过品尝了自己一锄头一锄头种结下的果实之后，你的信心才能有所建立。
量化工程之数据就像是农夫的土壤，等待着你的播种，施肥，与细心照看。
但也请不要忘记掉农夫的重要性。
四、要做好镜花水月一场空的心理准备
我自己就是一场空的典型代表，这个行业不太像传统技术技艺积累型的厚积薄发型的行业，比如互联网行业，媒体行业，医疗行业，比如手艺人行业。这些行业，只要你每天做一点，时间久了，好坏是能看到你自己的的经营是有所收获的，网站会越开发越漂亮，功能越来越实用，医生的医术也会越来越高，治病能力也会越来越强。
但量化金融行业，尤其是P-Quant领域，不是你越努力，越勤奋，就会给你明确的回报。往往我们是不能看到辛苦劳作有所得，物质劳慰层面更是看天吃饭。
这一行“做不出成绩，孤独”是常态。年青人掏空自己的身体去肝，以为胜利女神就在前方，以为交易圣杯就在眼前。
但往往就是镜花水月。
好不容易，做出一丁点成绩，模型失效又是必经之痛。这个时期舍弃？当然不可能，已然经历了那么多艰难险，才到达此地。像极了推石头的西西弗斯。
一场取经的艰难旅程，有的人如坐针毡，动不动就掉分行李散伙；有的人却坚定不移的斩妖除魔，我认为加入这一行业，唯有来自身体内部源源不断的兴趣动力才是关键。
唯有热爱方能不负初衷。
一些朋友认为，自己程序工科背景出身，名校光环加持。转行量化自然是水到渠成的事，完全忽视了金融市场的混沌，难以预测的基本状态。要理解金融市场的混沌，通俗一点来讲，在这个市场吃什么完全靠天，非人力所为。
金融市场还存在博弈行为，切不可放松警惕。
因此，在新的量化行业领域里面，金融学知识，人性的研究，这些才是最本质。而数据本身只是表象，非事物本质。当不了解金融学知识，不掌握人性初始。一切的的量化研究都是浮于表面的。很难建立起相对牢固的“盈利”模型，而想做到“恒久盈利”更像是痴人说梦。
学科知识与技术上的短板往往可以通过大量的阅读，或者练习达到补全。
我认为最难的短板，在于对的人性“贪嗔痴”的洞见上，这个可能需要用尽所有的知识，还有时间。
三、明白这是一门数据科学为基础的行业
量化金融领域，数据是土壤，你的初始研究土壤有可能会贫瘠，有可能会沃土千里。在这些情况大不同的土壤野，开出什么样的花，结果出什么样的果实，更是一门深入的学问。贫瘠的土壤就很难开出妖艳的花？我看未必的，不要忘记了农夫的重要性。
而你就像是一名初学种田的“农夫”，有前人“农经”的指导，也有邻居的模范样本试验田，做为参考。因此农夫本身锲而不舍的，好学的精神品质又变得可贵。
好在土地就在那里，种什么瓜得什么豆，可以通过一番一番辛勤的耕耘实验获得，你想了解到的宝贵数据。这些的宝贵数据财富，别人给的你根据不会重视，只有通过品尝了自己一锄头一锄头种结下的果实之后，你的信心才能有所建立。
量化工程之数据就像是农夫的土壤，等待着你的播种，施肥，与细心照看。
但也请不要忘记掉农夫的重要性。
四、要做好镜花水月一场空的心理准备
我自己就是一场空的典型代表，这个行业不太像传统技术技艺积累型的厚积薄发型的行业，比如互联网行业，媒体行业，医疗行业，比如手艺人行业。这些行业，只要你每天做一点，时间久了，好坏是能看到你自己的的经营是有所收获的，网站会越开发越漂亮，功能越来越实用，医生的医术也会越来越高，治病能力也会越来越强。
但量化金融行业，尤其是P-Quant领域，不是你越努力，越勤奋，就会给你明确的回报。往往我们是不能看到辛苦劳作有所得，物质劳慰层面更是看天吃饭。
这一行“做不出成绩，孤独”是常态。年青人掏空自己的身体去肝，以为胜利女神就在前方，以为交易圣杯就在眼前。
但往往就是镜花水月。
好不容易，做出一丁点成绩，模型失效又是必经之痛。这个时期舍弃？当然不可能，已然经历了那么多艰难险，才到达此地。像极了推石头的西西弗斯。
一场取经的艰难旅程，有的人如坐针毡，动不动就掉分行李散伙；有的人却坚定不移的斩妖除魔，我认为加入这一行业，唯有来自身体内部源源不断的兴趣动力才是关键。
唯有热爱方能不负初衷。
