當初想進入量化行業(yè)主要是因為自由。本身在金融科技公司從事編碼架構等工作，在公司已經(jīng)8年了，感覺遇到了瓶頸，想著該為自己下半生謀劃些什么了。根據(jù)自身條件選擇了量化投資，幾方面原因：
1、自身的編碼技術可以用得上；
2、不用怎么跟人打交道；
3、對主業(yè)的影響較小；
4、雖然有風險，但是只要方法得當還是可以有一定的收益，至少有一定科學道理；
5、做的好的話收益上限很高，能產生復利。
1、自身的編碼技術可以用得上；
2、不用怎么跟人打交道；
3、對主業(yè)的影響較小；
4、雖然有風險，但是只要方法得當還是可以有一定的收益，至少有一定科學道理；
5、做的好的話收益上限很高，能產生復利。
我是在學習FRM的過程中了解的CQF，F(xiàn)RM里基本還是講風險管理的知識，對于如何主動找值得投資的標的（投資策略、價格預測）很少，CQF的課程內容有實際代碼用于量化投資，被吸引了…
僅入門的話，我覺得分別掌握以下內容即可：
1、編程，能用python的dataframe做數(shù)據(jù)計算分析，可視化；
2、金融，熟悉常見的股票、基金即可，了解基本交易規(guī)則以及一些常見的影響因素；
3、數(shù)學，掌握常用的統(tǒng)計學和概率論的知識。
03
CQF能帶給你哪些改變
終于敢做實盤
這么說吧：之前FRM學完仍舊沒敢實盤投資，CQF學完終于開始實盤了
1、編程，能用python的dataframe做數(shù)據(jù)計算分析，可視化；
2、金融，熟悉常見的股票、基金即可，了解基本交易規(guī)則以及一些常見的影響因素；
3、數(shù)學，掌握常用的統(tǒng)計學和概率論的知識。
這么說吧：之前FRM學完仍舊沒敢實盤投資，CQF學完終于開始實盤了
內容很多，挑一些實際的講：
完整的量化建模過程、代碼以及一些調參技巧：采集、清洗、特征工程、數(shù)據(jù)分析、建模、性能評估
如何把現(xiàn)實問題轉換成數(shù)學問題，即解偏微分方程，用于伊藤引理以及機器學習的一些原理，原先只會用機器學習，經(jīng)過學習知道了其背后的一些數(shù)學原理和數(shù)學應用思路；
完整的量化建模過程、代碼以及一些調參技巧：采集、清洗、特征工程、數(shù)據(jù)分析、建模、性能評估
如何把現(xiàn)實問題轉換成數(shù)學問題，即解偏微分方程，用于伊藤引理以及機器學習的一些原理，原先只會用機器學習，經(jīng)過學習知道了其背后的一些數(shù)學原理和數(shù)學應用思路；
在實際工作或者個人投資幫助很大
CQF教學內容還是偏學術一些，對底層原理講解的比較深入，通過手把手的數(shù)學公式推導，能對定價公式以及一些機器學習的背后原理有比較好的掌握對于未來發(fā)展有較大幫助。
但是最近也在學習別的課程，比較下來CQF對于買方的投資策略這塊內容講解的還是稍偏少一些（當然有些選修課還沒看），目前個人主要實盤的策略是因子投資，希望協(xié)會能在這方面繼續(xù)加強
CQF教學內容還是偏學術一些，對底層原理講解的比較深入，通過手把手的數(shù)學公式推導，能對定價公式以及一些機器學習的背后原理有比較好的掌握對于未來發(fā)展有較大幫助。
但是最近也在學習別的課程，比較下來CQF對于買方的投資策略這塊內容講解的還是稍偏少一些（當然有些選修課還沒看），目前個人主要實盤的策略是因子投資，希望協(xié)會能在這方面繼續(xù)加強
基礎量化工作我想是可以勝任的，我在CQF學完后參加了worldquant的量化比賽，成功拿到了金牌，簽約了顧問。
我自己也還在跨行轉換中，個人覺得是可行的，目前實盤4個月的戰(zhàn)績：A股夏普1.6，數(shù)字貨幣夏普2.3（因子投資策略）。
學習過程當中遇到的那些小挑戰(zhàn)
在學習過程中根據(jù)課程邊學邊記，大約記錄了40張思維導圖
其中伊藤引理的學習過程有點燒腦，那會兒做exam還是挺擔心過不了的，不過最后成績還行。機器學習那塊因為之前就做過相關工作，所以也沒啥難度，exam還拿了滿分，但之前沒有接觸過的同學可能會有一些難度。
今天先聊這么多吧，希望下次有機會能夠給大家做更多的分享…
