刚刚在天涯上看到某贴，净是高大上的东西。做交易不就是关注自己一套体系内的东西吗，关注那么多有必要？

对的

他的核心是不亏，你的核心是暴利？不亏总是比暴利要容易。

天涯比這里牛？

给个链接，俺也想看看

本帖最后由 smile2u 于 2014-10-26 17:10 编辑 转一个你看看 梅腾天，花旗银行外汇自动交易部 Malone、卫琪琛、阎小鹏 等人赞同 扎实的数学基础。我面试的时候都会故意问一些问题让临时看wiki的货暴露马脚。 基础的程序设计能力，根据工种细分不同对程序设计能力要求不同。高频的要求高一些，但就算是衍生品矿工和中低频矿工，写个script的基础的能力必须有。 耐心、耐心、耐心，细心，细心，细心。我以前是个马大哈，几年工作下来耐心大大的，不会放过任何小数点后8位以内的差距。开始磨死人，现在习惯了反而受不了别人马大哈了。 好奇心和不气馁的精神。好奇心帮你发现问题，不气馁的精神让你跟问题死嗑。最终哪怕只是在在一定程度上解决它，都会给你的公司带来利润。 交流能力和虚心精神。矿工是个需要紧密团队合作的工作，一个人再聪明再努力也对付不了市场上一群人都在拼命的聪明人。 最后就是用于面对错误的精神。人人都会犯错误，如果不敢于承认、面对错误，对团队、对公司都是很大的隐患。另外，矿工是个不进则退的行业，不敢于面对自己错误的也会限制自己的成长，这样迟早会被淘汰。 发布于 2014-10-22 shadowleaves，global macro trading 孙囧囧、Lisa Lisa、Snow Li 等人赞同 做中频arb trading的进来随便说说，可能跟HFT的情况大不同, 估计也不适合pricing或risk。首先是要思路清晰。flowchart也好，伪代码也好，数学证明也好，紙上或chalk talk也罢，都要求清晰明确的思路。 其次c的底子必须好。关键代码靠它，这不用说了。 然后要有一两个快速实现的工具语言，其实就是python/R二选一。原因是方便，package多，不用reinvent the wheel, 让人集中精力做理论和模型。 R上手快，python数学包更多，扩展性更好，与c混合容易。R适合学术，随手研究，基本没法做trading production (缺乏各种API， 端口通讯也不行） 最后要会一两个脚本处理数据用。awk+sed, 或者土一点用perl也成。再懂点sql就更好了. 说到底，coding是idea的体现形式，但不是idea本身。pm手上book size大的，可以养一两个desk quant帮你写，或再养个码农做execution. book小于100mm的, 上面这些弄好了，光杆司令也不是不可以（只要有中后台给你做settlement和financing）. 欧洲数理金融硕士在读。 如果您是“实用主义者”甚至是“功利主义者”，那么鄙人觉得搞搞Ito process、PDE，玩玩numerics、FFT已经够用。但如果要做严格意义上的矿工，没有扎实的数学功底（甚至到博士水平），不懂概率论与金融数学的逻辑交互是不行的。看paper、用模型、跑程序只是很初级的体力活；若是造模型，以及验证模型是否合理（假设是否正确；模型稳健性如何，是否符合实际；模型是否满足无套利；金融工具是否可以复制、如何被复制；模型存在什么样的解）是需要比较艰深的概率论知识的。如果您是抱着前者这样“用模型、跑程序”的想法，那推荐去读美国MFE，本文也完全可以无视。关于MFE请看@Wayne Wong等人的答案。 个人觉得做正统矿工应该首选以下学校。我理解的正统并不意味着最好，而是拥有和矿工这个职业最对口的博士项目的学校；他们多是在概率论、随机分析、金融数学领域有相当强悍的faculty。在列举的时候我基本只考虑研究水平，列出的学校毕业的博士做矿工没有水平不高的。鉴于本文只讨论金融数学，为了语言的简练，我将全文中提到的把“概率论”代指“金融数学中涉及到的概率论”。稍后我会附上接触过的概率论与金融数学顶级会议的海报，大家可以看到名单里的人物及他们的狗腿子基本可以包揽所有高水平概率论与金融数学会议的plenary speaker。 关键词 仿射（跳跃）扩散过程 affine processes (or affine-jump diffusions) 列维过程 Levy processes 连续状态分枝过程 continuous state branching processes 随机微分方程 stochastic differential equations 半鞅 semimartingale 偏微分方程 partial differential equations 粘性解 viscosity solution 动态规划方程 dynamic programming equation (Hamiltonian-Jacobi-Bellman equation) 倒向随机微分方程 backward stochastic differential equations 随机微分效用 stochastic differential utility 二阶倒向随机微分方程 second order backward stochastic differential equations 随机偏微分方程 stochastic partial differential equations 随机最优控制 stochastic optimal control 极值建模 modeling of extremes 风险度量 risk measures 凸分析 convex analysis

董可人，高频交易，伦敦 四季绮暨季、蛇灰、康思明 等人赞同 这里有两个意思。一是 Alpha（追求超额收益）类的业务本身需要大量数量模型的工作，用来制定交易策略。对于这种工作，所谓 Quant 和 Trader 的区别一般是一个负责研发，一个负责管钱（做决策，承担风险）。这两个角色因为联系非常紧密，融合是很自然的事情。不然，Quant 方会认为策略其实都是我做的，为什么不自己单干呢？而 Trader 可能会想，我要的模型怎么迟迟做不出来，干脆自己干吧。 另外一个意思是，对于执行系统和高频系统，真正的交易其实都是计算机来完成。我们做大量的研发工作，就是为确保交易过程精确、可靠，排除由人手工操作的不确定性。这样，以前那些负责这种工作的 Trader 消亡是大势所趋，而做系统的工程师随便叫什么 Title 都好，才是这种业务的真正核心。 以上两点都是从技术角度来说，实际上表达的意思是传统 Trader 工作中有很大一部分是容易用模型和计算机来自动化的，所谓消亡就是指这部分逐渐由机器取代了。而 Quant 因为是智力密集型工作，人工智能显然远远不能取代人来进行这种工作，所以还没有任何消亡的可能。但如果从核心技能来看，一个是技术向，一个是业务向，这两者之间的区别是不会消失的，需要的也是不同的技能包。这里引用《Dynamic Hedging》的一段话，我觉得相当传神： There are spectacular communication problems between traders and quants (research assistants) owing to many factors: People who have completed a Ph.D. program develop a tendency to be thorough Traders, by contrast, are impatient and need brief simplistic descriptions, something someone who spent most of his adult life solving complex problems is often unable to provide. Traders tend to see matters in "flashes", a type of nonlinear epistemology. Such desire for the highest level of possible abstraction is sometimes mistaken for "short attention span”. 所以，那些真正需要理解业务做生意的时候，尤其是需要理解人性，理解商业模式，理解经济发展的时候，Trader 这种角色是不会消失的。只不过他们不再是那种在交易所内大喊大叫的小怪兽，或者是对着电脑屏幕狂点鼠标的人肉机器了，而是真正的 Business Man。

另一个Po 董可人，高频交易，伦敦 四季绮暨季、蛇灰、康思明 等人赞同 这里有两个意思。一是 Alpha（追求超额收益）类的业务本身需要大量数量模型的工作，用来制定交易策略。对于这种工作，所谓 Quant 和 Trader 的区别一般是一个负责研发，一个负责管钱（做决策，承担风险）。这两个角色因为联系非常紧密，融合是很自然的事情。不然，Quant 方会认为策略其实都是我做的，为什么不自己单干呢？而 Trader 可能会想，我要的模型怎么迟迟做不出来，干脆自己干吧。 另外一个意思是，对于执行系统和高频系统，真正的交易其实都是计算机来完成。我们做大量的研发工作，就是为确保交易过程精确、可靠，排除由人手工操作的不确定性。这样，以前那些负责这种工作的 Trader 消亡是大势所趋，而做系统的工程师随便叫什么 Title 都好，才是这种业务的真正核心。 以上两点都是从技术角度来说，实际上表达的意思是传统 Trader 工作中有很大一部分是容易用模型和计算机来自动化的，所谓消亡就是指这部分逐渐由机器取代了。而 Quant 因为是智力密集型工作，人工智能显然远远不能取代人来进行这种工作，所以还没有任何消亡的可能。但如果从核心技能来看，一个是技术向，一个是业务向，这两者之间的区别是不会消失的，需要的也是不同的技能包。这里引用《Dynamic Hedging》的一段话，我觉得相当传神： There are spectacular communication problems between traders and quants (research assistants) owing to many factors: People who have completed a Ph.D. program develop a tendency to be thorough Traders, by contrast, are impatient and need brief simplistic descriptions, something someone who spent most of his adult life solving complex problems is often unable to provide. Traders tend to see matters in "flashes", a type of nonlinear epistemology. Such desire for the highest level of possible abstraction is sometimes mistaken for "short attention span”. 所以，那些真正需要理解业务做生意的时候，尤其是需要理解人性，理解商业模式，理解经济发展的时候，Trader 这种角色是不会消失的。只不过他们不再是那种在交易所内大喊大叫的小怪兽，或者是对着电脑屏幕狂点鼠标的人肉机器了，而是真正的 Business Man。

耐心、耐心、耐心，细心，细心，细心 好奇心和不气馁的精神。好奇心帮你发现问题，不气馁的精神让你跟问题死嗑 勇于面对错误的精神 以上本人严重赞同

楼主你理解错了 上面这些人或许是银行里搞交易系统组建与网络维护的 跟你理解的从事货币投机的交易员是两码事情。 我曾经看过一个公司招操盘手的帖子 实际找聘对象是公司网络盘手，也就是布网线搞电脑硬件维护的工作。 这样说，你理解了吧

链接就不给了，那个帖子名字叫“交易员能做什么”，如果讨论数学，计算机方面的还能接受，为一个单词在那扯半天淡

应该是豆瓣或者知乎的吧 天涯很少有人能讨论上边这些层次的问题 天涯更多的是诸如“今天辞职专职做股票”“XX万打天下10年几千万”之类

写那文的不是个交易员，否则没那么多P话--------------

HT资金部门里面的人也是这么玩的，帝国理工、哈佛牛津的高材生，各种模型，各种高大上和拼搏，1年之后这个部门收益大约是2%，还不如银行定期存款，所以这个部门去年被裁撤了，人员要么遣散要么转岗

哈哈哈 天涯质量贴不多 大部分都是你说的这些标题 实在没什么心情 很少上

呵呵，算法和高频交易占比越大就越容易造成这种结局，所以索罗斯就不太买这些所谓数理金融的账。

楼主发贴辛苦了，谢谢楼主分享！我觉得韬客是注册对了！