求职：寻找量化策略研究员及周边工作

• 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：

    1. Boll、Dual Thrust等单指标策略；
    2. HMM、SVM等机器学习策略；
    3. 文本数字化等NLP策略；
    4. 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