量化策略研究员,如何完成策略的研发?

非凸科技 2022-08-19 16:22:54

截至目前,国内百亿私募数量达110家,一批批新锐百亿私募陆续进入大众视野。对于百亿私募来说,规模效应下资金优势愈发明显,在招揽人才、策略迭代、投研升级方面都颇具优势,吸引了大量的优秀人才,百亿私募同样也需要优秀人才夯实基础。

据私募排排网最新数据,百亿私募登记的全职员工为4232人,其中7家百亿私募的员工人数超过了100人。

量化投资是一种以历史数据为基础、以模型为核心、以程序化交易为手段的投资方式。量化研究的本质是研究市场的规律,规律发生与否,背后的变量因子是关键。

而量化策略研究员的工作,就是结合历史数据千方百计对资本市场的特征规律进行挖掘和刻画,在无数的可能因子中,挖掘出有效因子,为策略模型搭建添砖加瓦。

挖掘一个因子只是搭建良好策略的开始,最终因子应用到实盘还要经过多重关卡验证。每一个新挖掘的单一因子,都要经过严谨缜密的评价标准,当达到有效因子标准后,该因子才可纳入有效因子库。

作为一名量化策略研究员,入库的因子数量以及入库后的实盘表现,才是策略的核心价值所在。入库因子在经过模拟期的测试后,表现优秀的因子才有可能参与到实盘的交易。选入实盘使用的因子,还需经历机器学习配合、策略组合、交易算法执行、风控实施等诸多环节,最终完成策略的研发。

无论你是新毕业生还是跨行人,只要对量化感兴趣,且具备一定的策略研发能力,非凸都欢迎你的加入!

【投递邮箱】recruit@ft.tech
【微信沟通】354334592
 

...全文
7285 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
CSDN-Ada助手 2023-01-13
  • 打赏
  • 举报
回复
您可以前往 CSDN问答-人工智能 发布问题, 以便更快地解决您的疑问
源码链接: https://pan.quark.cn/s/a4b39357ea24 在本研究中,我们将详细研究如何借助Python执行数据可视化,旨在剖析2018年期间中国四个主要城市——北京、上海、广州以及深圳的空气质量状况。通过绘制反映空气质量指数(AQI)与细颗粒物(PM2.5)变化趋势的图表,我们能够深入理解这些大都市全年的空气环境质量,并明确评估其优良天气所占的比重。 我们必须首先进行数据准备工作。在当前提供的压缩文件内,名为"2018天气"的文件极有可能是数据来源,其中可能收录了涉及四个城市每日空气质量监测的详细信息。这些数据通常涵盖日期、城市名称、AQI数值、PM2.5含量等核心参数。在Python编程环境中,我们惯常运用pandas库来对这类结构化数据进行高效的处理和分析。 1. **数据导入与初步处理**: - 利用`pandas.read_csv()`方法来导入存储为CSV格式的数据资料。 - 数据整理:对数据中的空白项、非正常数值进行修正,保证数据的精确性。 - 调整日期字段的格式,确保其能够适用于时间序列分析的需求。 2. **数据深度分析**: - 针对每个城市的AQI和PM2.5数据执行统计性描述,例如计算平均值、中位数、标准偏差等指标。 - 确定空气质量良好天气的天数,即那些AQI值低于75(依据中国的空气质量评估标准)的日数。 3. **数据呈现**: - 运用matplotlib或seaborn工具绘制折线图,直观展示四个城市在2018年全年的AQI和PM2.5变化动态。 - 可通过采用不同的颜色方案和线条类型来区分不同城市的数据系列。 - 添加必要的图示元素,如日期坐标轴、城市名称标注、图表标题及图例说明,以提升图表的可读...

19,464

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 图形处理/算法
社区管理员
  • 图形处理/算法社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧