我们下面说一说求职的主题。比如说你想去做quant，想去做程序员。我想回应一下这些求职者，或者将来想从事量化交易岗位的人，他们可能会关注这些问题。
这个行业是不是真的有非常多的钱好赚？
量化交易是一个非常小众的行业，总体从业人员的数量非常少。但很多人关注，可能因为有一些财富效应。这个行业跟很多自动化生产行业类似，在比较成熟的状态下，少数几家机构就可以占据一个细分领域里大部分份额。如果你不是这少数的几家之一，那从市场中分到的挺少。
在手工时代，一个种田能手再厉害，也没有办法把所有的田都给种完。在工业化生产时代，少数公司垄断市场大部分份额，计算机和互联网时代更加如此。所以说由于竞争关系，市场越来越有效，获得Alpha越来越困难。2015年之前赚钱很容易，如果那个时代是“黄金年代”，现在顶多算“白银年代”，利润还说得过去。如果将来进入更加差的“青铜时代”，可能就只有行业细分的龙头能够活得比较好。
量化机构，会不会是quant或者程序员的血汗工厂？
我在网上看到一些文章把量化机构的人力资源情况描写的非常不堪，这跟真实情况相差较远。因为量化机构主要资产，其实都扛在员工脖子上。
量化机构的长远发展潜力，取决于是否能够构建员工愿意长远发展的环境。如果说一个量化机构是血汗工厂，基本上注定走不远。最起码我们的员工工作都挺happy，他们也非常愿意分享，帮助别人。我们也非常尊重每个员工作为个体的目标、情感、想法。
在2018年，我们刚刚创办希格斯投资的时候，当时我们就跟“交易门”（ID: Tradingmen）有一个访谈，那个时候我跟“交易门”(ID: Tradingmen )讲，我说几年之后，可能要搬办公室，因为空间不够了。如果再搬一个办公室的话，我非常希望把办公室做成一个全国最适合做研究和工作的地方。为什么这么想？主要也是想为员工考虑，这和我们以研发为基础的思想一脉相承。
现在我们团队其实不到30人，但我们已经准备搬办公室了，我们新办公场地大概套内面积是1300平方，里面有大概接近一半的面积做公共活动区域。如果你来工作，会感觉到环境非常舒服。
如果说我想去量化机构工作的话，我应该选什么样的机构？
我先总结一些基本条件，再总结一些加分条件。
我觉得是这个团队需要有一些真本事
当然一个团队是否有真本事，不是那么容易看得出来，否则的话，私募基金的投资者就不会投错人了。其实我觉得作为一个quant或者程序员，可以通过团队的业绩，交易频率，去推断他们的业绩有多大可能是运气造成的，有多大可能是能力造成的。这些推断应该是作为你做一个量化行业的从业者具有的基本素质。
这个团队需要比较有科学素养
说实话，这个词有点玄乎，就是懂的人就懂，不懂的人也很难解释清楚。量化这个行业里面伪科学特别多，能相信什么，不能相信什么，哪些东西只能半信半疑，都非常重要。如果一个团队缺乏科学素养，就很难找到正确方向。这是非常可怕的事情。
这个团队不能搞很多虚假宣传
如果他们喜欢搞虚假宣传，或者喜欢做坏事，能够做出正面研究的可能性不太高，或者说非常低。
除了这些基本条件之外，团队如果还能具备其他一些条件就可以加分。
团队发展速度比较快
因为只有发展速度比较快，它才能够给新人提供足够多的上升空间。这就好比创业时期的腾讯或者阿里巴巴。一个机构，它其实很大，但是如果说它萎缩，或者说没有发展，那新人也很难获得上升。
团队里的人，需要看起来比较友善
一个机构里有一两个人脾气古怪，不合群，都很正常。但如果这个机构看起来人人都这样，苦大仇深的样子，说明机构本身有问题。说到这儿，我们就要向大家隆重的推荐一下，我们杭州希格斯投资是非常好的机构，你值得拥有。
那我应该具有什么样的素质，或者技能，我才适合到量化机构里面工作?
如果是quant，基本数学需要比较熟悉。当然，并不是所有quant岗位，都要求有非常牛逼的数学，部分岗位对数学要求确实非常高，但并不是所有的岗位都这样。
无论如何，对大学的基本数学知识需要非常熟练。最好有比较完整的研究训练。比如发表论文，不但要求你有idea，还需要把事情说圆。不是说车轱辘话，或者似是而非的话，而是非常有逻辑的排除各种可能，证明只有这种推测才可能是最合理的。这种训练对破除轻信，破除盲从，帮助很大。尤其对量化研究，这一点非常重要。
我觉得你应该有比较大的脑洞。因为很多知识在被发现之前，会觉得不可思议，发现之后，觉得理所当然。1000年前跟别人讲地球是圆的，那时候大家就会说你傻，地球怎么可能是圆的。现在跟别人讲地球是圆的，别人也会说你傻，地球当然是圆的。知识被发现之后觉得稀松平常，但之前可能很多人都想不到。
你的脑洞越大，你能够扩展的边界就越大。
对于quant而言的话，我们不太要求计算机知识非常丰富，但我们很多quant本身计算机知识确实很丰富，大部分牵涉计算机开发的事情，都有同事做，最基本的一些Python程序还是应该会写。我们现在招程序员主要找C++程序员。
程序员在我们这边主要做什么呢？
主要做几点工作，一是搭建交易策略开发的一些软件平台；二是构建交易需要的一些基础软件平台；三是保障交易安全；四是提升交易速度；五是提升运维效率。
如果套用一个比较流行的名字，我们也是“金融科技”，只不过我们的金融科技服务我们自己。但同时我们的需求其实代表国内量化交易行业里面最前沿的趋势和需求，你可以亲身体会到业务挑战在哪，可以非常快看到你做的东西，对业务产生怎样的影响。
Q:怎么看待最近的市场的剧烈波动，对我们的净值有什么影响？
我没有办法在这里面说净值，因为违法监管规定。不过大致没有什么负面影响。量化交易在当前这个阶段，市场波动比较高，各种参与者变得更加不理性，这个时候往往是盈利比较好的一段时间。
Q：在程序化交易的模式下，如何保持策略和技术的更新？您觉得问题的核心竞争力应该保持在哪里？
其实你要是想通过掌握一套东西，在市场一直都能有用，也就是我刚入期货市场听到的“圣杯”，我觉得不太可能存在。你需要做的是不停的发现市场中影响因素，其实跟做很多研究挺类似，尤其是各种社会科学的研究，因为我知道很多人应该对自然科学研究相对比较熟悉一点。
我们国内对社会科学研究普及没有那么广，比较相对于社会科学一点的研究，经常要做很多事情，要排除 a的影响，排除b的影响、排除c的影响。最后只剩下d，我确信排除不了的，可能是我真正发现的影响因素。其实我们做交易的时候也经常这样，比如市场为什么是涨？去看股评的话，股评家每天都可以找到一个市场上涨或下跌的理由。
但真做交易的话，是不能简单的去相信，必须做很多的数据分析。对于研究的过程中间，保持竞争力的秘诀，就是要能够创造一个大家能够倾向于去分享的环境。
如果自己做，实际上能够做的东西相当有限。但如果有一个团队做，并且你不是单打独斗，你能够和别人分享成果，你也能看到别人的成果，你就可以一步一步的把你的研究去往前推进。因此我觉得做量化交易，鉴于他的这种研究的就是这种本质特征的，如果说一个机构能够保持比较好的竞争力，就在于这个机构能够创造出一个更广的、能够对内分享的环境。这对长远的竞争力来讲，非常重要，而不是现在掌握了什么，这个东西在将来可以一直有用。
Q：未来的量化交易发展的方向是什么？AI深度学习在高频量化交易领域应用前景怎么样？
这个问题我感觉有点大。未来量化交易的发展方向，我个人从一个更大图景上是这么理解的。其实我们在历史上很多科学家做很多研究，这些研究应该讲让我们对自然界的理解已经相当深入了，但实际上我们现在的各种研究，让我们对人类行为的理解其实还没有那么深入。
比如某人做事情，这个事情在社会中会产生反应，然后人们会对这个事情怎么认知？这个事情在科学体系里预测比较困难。但金融领域是一个非常巧的领域，因为这个领域的数据量非常大，并且可获得性很高，很容易获得非常多的数据。因此金融领域可能会是一个让我们能够去研究和预测人，人类社会它对一个东西会有什么样的反应的领域。
我觉得这样的领域在将来应该是不仅限于我去做交易的这种金融领域，而是在更广的，比如说社会塑造、社会传播，还有公共关系、公共政策，我觉得甚至在很多领域，只要将来你有更多的数据可能都会做这种研究。我只能讲，我觉得我们做的这些工作或许能预测人类社会对外界的信息有什么反应。这个是我们工作一部分。但是我也很难讲量化交易未来发展方向是什么。
AI的深度学习，在高频交易里面应用。我个人的体会是这样的，如果用深度学习做这个事情的话，我觉得是一个挺好的方式。当然可能并不要求所有的人都做深度学习，做交易。因为我们可以看到国外的很多量化交易机构，他们崛起的时候，实际上深度学习也并没有普及起来。当然我并不是说深度学习没有用，因为很多时候一些新的突破，它往往都是由于技术突破所带来的。在历史上如果我们没有很多统计学方法的话，可能也没有现在的量化交易。
深度学习作为一种更新的统计学习方法，有可能会给交易带来一些更多的认识，带来更多的惊喜呢。我觉得不管我的看法是什么，如果说你认为它有价值的话，是值得你去尝试的。
Q：股票T+1是怎么做量化交易的？
其实做量化不用管它是T+1还是T+0，总是可以做一个预测的。甚至你可以这么考虑，假设我只能预测未来的半个小时走势，半小时之后的我不太知道。你如果把未来半个小时预测的很准，也会给你带来一个很强大的优势。
因为如果说我觉得半个小时会涨，我就现在先买好了，半个小时之后，我不知道会涨还是跌，它是一个纯粹的风险，可能不会给你带来正的期望收益或负的期望收益，你就把这个风险给拿到就好了。并且风险的累积，我们统计学都知道，风险累计它是随着这个时间增长，是根号下根号T这么累积的。
你的利润是可以随着时间T线性累积的，因为只要你的交易次数足够多，时间足够长，你的利润相对风险就会变得相当显著了。所以说其实股票市场即使它是 T+1，做量化交易也是很正常的。
Q：您觉得市场形成了有几家独大之后这种局面会不会一直持续？
中国现在是否可以称得上已经有几家独大？这个是说不准的。因为整个市场还没有到国外发展二三十年这个程度，有些机构现在看起来规模可能是比较大的，但是如果说你拿10年之后的观点来看的话，可能规模仍然不算大。
就算一些机构可能规模比较大，但是实际上我觉得我们所掌握的知识，并没有多的到那种对其他的机构都形成碾压的程度。也就是说我可能是一家比较大的机构，但是我也很难阻碍到其他机构成长起来。这个是我的判断，它是一个群雄逐鹿的时代，其实还没有到统一北方的时代，或者是说到三足鼎立的时代。
Q：量化机构开发的策略的期望值什么样的？比如说多长时间达到多少收益率？
实事求是的讲，在希格斯，我们并没有要求新人进来之后，一定在多长时间里面达到多少收益率。
因为做研究这个事情，实力很重要，运气也很重要。有可能有的人他运气比较好，他上来就找到一个比较好的方向，就能够做得很好。也可能有的人运气比较差，他可能做了很久，并没有找到一个特别合适的东西。我觉得你不用太担心，就说我做了很久，我都没有什么大的进展。因为我们非常倾向于团队一块去做的。也就是说可能会存在一些策略，这些策略它有非常多的组成部分，这些组成部分，有些人是比较主要的贡献者，然后有些人相对来讲是比较次要的贡献者。
但无论多多少少，你在其中都会有一些都会有一些贡献的力量。所以说刚才这个问题就是说一个人开发策略怎么样？多长时间开发出一个收益率多少的策略？某种程度上来讲，这个问题在我们公司是不太存在。
Q：量化交易如何对抗黑天鹅？
这个问题我觉得其实是一个蛮好的问题。所谓的黑天鹅，其实我感觉这个含义可以是很广。一种黑天鹅就是像大家经常说，类似于今年发生新冠肺炎这种事情。这种事情对不同的量化策略而言，它的含义是不太一样的。对于有些量化策略而言，它可能确实超出他之前的范围，变得非常不适应。但是有对另外一些量化策略，可能还是处在它的范围里面，就并没有觉得这是一个特别大的黑天鹅事件。但是不论是哪种量化策略，它都会存在一些历史上不太熟悉的情况，因为计算机都是这种这样的。计算机就是，你如果说历史上的情况我是很熟悉的话，我可以应付的非常好，比所有的人类的专家都要好。但是如果说这个情况，历史上没有出现过，我不知道，它有可能它的应对相对来讲是比较差的。这也是显示出量化交易，它的科学性或者工程性所在。
量化交易大概就是说有些情况下实用的，在另外一些情况下，我认为确确实实是不实用的，就是说这个情况是我之前没有遇到的。相当于比较主观的人的感悟而言的话，我觉得是有一种进步的。
人如果相对于计算机还是有一种优越感，这种优越感某种程度上来讲的话，我认为其实是挺虚幻的。对计算机而言，还有另外一些黑天鹅，之前类似于我讲到的“光大事件”。还有非常多的计算机程序出错，但是其实市场现在都不知道，只有计算机程序的运行者自己才知道。可能会有一个交易者亏个几万块钱，几十万块钱，甚至几百万上千万，都是有可能的。然后这种就会牵涉到你在程序化交易中间，你怎么去防范你程序写得有问题，或者运维过程出问题。这其实也没有那么简单的解决答案。
在希格斯我们怎么做呢？我们其实是会每个月，都把我们在过去一个月里面犯了什么错，都会给聚集起来，然后我们准备做一个所谓程序化交易的程序编写、运维的Best Practice（最佳实践）。
我们想把我们历史出的错误归类，总结采用哪些措施可以避免重复这类错误。我们会把这种做成册子发给大家，包括我们新进来的同事。采用了Best Practice推荐的一些方法之后，大家可以避免掉大部分错误。也不能保证说你避免了所有错误，因为很多错误他发生之前，你都会觉得很不可思议的。发生了之后，你才觉得原来在这个地方还可以出错。
这个就是我说的几种黑天鹅。都没有什么太简单的解决办法，但是我们会努力的增加我们的知识来应对这些事情。
Q：前量化交易竞争越来越激烈，尤其是在低延时策略上，请问你们是如何应对？以及未来突破方向？
第一，我们还是需要比较专注去把策略做好。因为这个市场在竞争到后来以后，在市场初期的时候，很多人进去他都可以获得一个比较不错的利润，这样的话市场的生存的人就比较多。但随着市场竞争越来越激烈的话，可能有越来越多的参与者，他就只能获得一个比如说接近于利率这种利润，可能对你做这种业务就没有什么吸引力，因为你要承担风险，但是你只能获得比如说你去做一些很低风险的债券，或者说银行利率这些收益，所以说你可能就会退出掉。
但是如果说你能够比这些交易者还能够再高出一个层次，比如说我比他又能够年化多出10%的收益出来，这个时候我就可以在继续市场中间继续去做交易，我就可以获得年化10%的收益，但是并不一定很高，但是是可以比较稳的去做这个事情，因为我们讨论是那种低延时策略。这个时候10%，就相当于是你自己的竞争壁垒。因为其他的人如果想新进来的话，他首先要打败交易成本，他还要做出足够好的预测。因为如果说你的能力不够强的话，你可能就只能获得接近于利率的这种收益，对你而言没有什么太大吸引力。
那么这个时候你维持一个就是相对于其他人，有一个优势的话，比如说10%的这种收益优势的话，你就可以在市场中间一直的去做下去。这个是策略上的竞争。
第二，其实就是速度上的竞争。其实国内的速度竞争和国外的速度竞争，我感觉应该还是会有比较大的区分。当然有一些交易，比如做的国内和国外的跨境的一些联动的交易，比如说我想知道国外的黄金的价格走势什么样的，由此来推断国内的环境价格走势怎么样？
这个时候如果说没有更快的信息渠道，就很难跟有更快信息渠道的人竞争。如果说它的定价中心本身就是在国内，比如A股，很多股票定价中心在国内，其实跟国外的这个市场没有什么太大关系。还有一些很多商品，国外可能没有对应的东西，或者说国外交易量远远没有我们国内这么大，其实定价中心也是在国内。这种情况下，你的速度竞争跟国外的差异其实还是有些大的。
一个比较重要的东西就是我们国内的交易所，其实它的抖动是比较大的。如果说你去做这种很强的速度优化，在国外是可以到纳秒级。但是我觉得国内你想做到纳秒级，其实意义不是非常大，因为有一些你控制不了的随机的因素，它是远远的覆盖掉你纳秒级的优化。因此我就觉得在国内其实大家会追求速度，但是会有一些客观的情况，会让你的速度的追求会到了一个地方之后就变得比较极限了，就是你在再追求速度，它能够带来的边际的效应就没有那么高了。
这个是我对国内的做比较短周期的，尤其是比较对速度依赖的这些策略，以及策略上还有在数据优化上，我的一些看法。仅仅代表我个人看法，并不一定正确。
谢谢大家，今天时间有限，期待下次再跟大家交流。
閱讀更多 交易門 的文章
