-
现状
因疫情不可抗力,所在公司出现不可逆分解。故需重新求职。
-
自我陈述
关于职业发展方向,我依然坚定的追逐量化交易,我对量化的看法详见2018.12.18发表的《为什么要学量化,因为证券的黄金十年要来了》一文。自上文发表至今已经过去一年多,大方向的看法依然不变。未来五年内我都会是一个量化研究员,而且只会是量化研究员。
上文谈的是为什么要做量化,是对量化的一种宏观定性认知。从技术角度,对量化的解构如下。
我在构筑的量化交易框架包含以下几个关键字:时序数据库、回测框架、交易策略、预警系统、FPGA与实时操作系统。
-
时序数据库
数据是量化的原力,在没有数据或数据不准确的前提下谈量化都是耍流氓。此环节涉及到数据的采集、清洗、存储、调用等。
与MySQL、MongoDB等数据库相比,我更倾向于选择时序数据库,综合下来,目前采用的是DolphinDB,选择原因参见《DolphinDB安装过程及学习向导(图示)》及《TSDB || DolphinDB || KDB+》。
-
回测框架
回测过程的准确性及鲁棒性决定了策略上实盘时偏差大小。
回测思路主要有两种,一种是常用的逐行遍历历史数据,另一种是基于历史数据回放功能,完全模拟数据真实发生过程,最大可能去除回测偏差。详情参见《DolphinDB使用案例17:GUI回放BTC历史数据及replay/replayDS详解》。
-
交易策略
目前所研究的策略主要包括:
- Boll、Dual Thrust等单指标策略;
- HMM、SVM等机器学习策略;
- 文本数字化等NLP策略;
- 套利策略;
-
预警系统
此环节主要是为交互友好,通过钉钉、邮件、微信小程序实现预警、手动开平仓、在线查询历史记录等功能。
-
FPGA与实时操作系统
执行环节,需要用到硬件加速。FPGA与实时操作系统。
-
-
目标
上文简单谈了一下自己对量化的认知,以及基本能力圈。
本文主要目标是为求职做一个简要说明:
- 求职方向:量化策略研究员以及量化相关周边工作;
- 求职地点:上海(目前已在上海);
如有需求,欢迎私信,交流更多详细信息。
-
谢谢
求职:寻找量化策略研究员及周边工作
猜你喜欢
转载自blog.csdn.net/The_Time_Runner/article/details/104196299
今日推荐
周排行