量化交易学习系列——系统交易的职业道路是什么

一个偶然的阅读交易博客和新闻网站的人可能会得出这样的结论：我们的行业是狂躁却压抑的，在高额收入在一夜之间消失的可悲现实和基于人工智能去发现阿尔法的灵丹妙药之间摇摆不定，这种灵丹妙药让每一个能驾驭Python的量化交易员变成了亿万富翁。

现实远比耸人听闻的头条能够表达的要微妙的多。资本市场仍然在全球雇佣成千上万有能力、有才华的人，从事大部分有吸引力、报酬丰厚的工作。理解这种细微差别的关键是灵活地看待人类和人工智能的交汇点。

虽然AI和电子交易已经减少了数千个工作岗位，但也为系统开发人员、风险分析师、定量分析师和合规专家创造了大量新职位。许多行业都有相似之处。生疏的工厂工作不会回来了，但是数控操作员、机器人维修技师和供应链分析师工资高，需求量大。

在深入研究具体的工作角色之前，定义买卖双方是有帮助的。这些术语会误导新手，因为双方都在买卖证券。尽管学术上对买方的定义是“流动性需求者”，但更准确的定义是“流动性提供者”。

更实际的是，买方公司寻求代表零售、机构或房屋账户收购资产，持有一段时间，从毫秒到年不等，然后清算这些资产，希望获得利润，同时在整个持有期间保持在规定的风险参数内。

卖方是服务提供商，通过充当中介或买卖公司持有的证券，安排向买方客户出售或购买证券。买方公司通过收取管理费和进行明智的投资来赚钱，而卖方公司则从交易佣金中获利，从他们促成的每一笔交易的出价和要价中赚钱差价。

买方公司经营范围从大型机构基金（贝莱德）、保险公司（保诚）和养老金公司（加州公务员退休基金），到众多对冲基金（布里奇沃特是全球最大的），再到管理着数百万资产的创业基金。每一个买方部门都在不同的投资目标、时间范围和监管要求下运作。然而，我们可以概括这些领域的工作角色和职业道路。

统计学习在量化策略研究中是极其重要的。我们可以瞄准全部的科学方法和假设检验为了能严格的评估量化策略研究过程。对于量化策略我们感兴趣的点在可测试和可重复的结果，这取决于不断认真检查。当性能变差时，这样的结果使得交易策略的部署变得简单。这完全与基于交易员主观看法的策略不同，那些策略通常不采用这种绩效和风险的评估方法。

大型机构买方公司的人员配置可以被视为金字塔，建立在大量财务和量化分析师的基础上。下一层由交易员组成，每个交易台由一名首席交易员领导。投资组合经理坐在金字塔的最顶端。这也描述了典型的买方职业道路。多年的艰苦工作和低层次的长时间工作，大量的人际交往，高超的人际交往技巧，政治头脑和相当多的运气，最终可能会得到投资组合经理的职位。浏览领英上的投资组合经理档案，几乎所有人都有工商管理硕士、首席财务官甚至博士证书。最近新闻上贝莱德在其活跃的股票集团中解雇了53名基础投资组合经理中的5名，这一消息很有启发性。投资组合经理的职位不仅难以获得，而且似乎越来越危险。

尽管对冲基金的人员结构基本相同，晋升到投资组合经理职位也同样困难，但AUM机构资产经理持有的资产远远超过小型对冲基金的金额，超过1000亿美元。因此，如果你正在走买方职业道路上，为了最终成为首席交易员或投资组合经理，那么通过对冲基金这条路将会给你带来有利的机会。

卖方交易员的定义比买方交易者更加模糊。卖方交易员传统上跨越两个不同的角色：自营交易和作为做市商提供工具并进行首次公开募股（IPO）

除了将首次公开募股推向市场的业务，现有的这两个角色都在缓慢而痛苦地消亡，这主要是因为自动化和监管。卖方工具交易者是今天HFT商店的早期化身，尽管时间要长很多。其动机是在为市场参与者提供流动性的同时短期持有头寸。卖方道具交易商已经基本消失，这主要是由于沃克规则，多德弗兰克法案的一个组成部分，旨在最大限度地降低大型银行的风险。

在将卖方自营交易扔进资本市场历史的垃圾箱之前，值得注意的是监管制度与市场制度有着共同属性。它们在很大程度上是不可预测的，容易受到情绪的巨大波动，有时甚至是突然波动的影响。虽然几乎每个人都取消了卖方自营交易，但特朗普政府对多德弗兰克法案的修改很可能会让他们回来。

直到最近，“系统开发者”还是“软件开发者”的同义词。尽管随着越来越多的工具本身并不需要编程，这种情况已经发生了变化，但要想在这个岗位上取得成功，还需要有很强的计算机编程和数学背景。在买方方面，系统开发人员与交易者、量化分析师和投资组合经理密切合作，制定潜在的有利可图的交易理念，通过编写软件或在系统开发平台上制定底层逻辑，将“理念”编入可测试系统，然后严格测试系统，以确定其风险/回报概况、各种市场机制下的行为以及其他系统的相关性。这个角色需要的一项“软”技能是相当高的挫折承受力。很少有创意真正转化为生产系统，而在那些转化为生产系统的创意中，令人惊讶的是，在它们的优势被套利或市场结构的变化降低它们的盈利能力这段时间，它们的保质期很短。

在销售方面，系统开发人员以类似的能力工作，但目标是开发算法（algos）来提高执行效率，并在清算或获取各种资产类别的头寸时尽量减少滑点。卖方的起源开始于股票交易，但现在外汇市场和流动性更强的电子交易固定收益市场（如美国国债期货）的比例正在上升。

系统开发人员需要掌握的一项特别重要的技能是高效管理大量数据。尽管传统数据源（如参考和的定价数据）可能已经存在于SQL数据库中，但非机构化数据（如推文、卫星图像和新闻报道）转化为可用内容要困难的多。

“quant”这个标题被大多数买方公司内部使用在不同的角色身上。量化者主要研究初代alpha，为系统开发人员编写和评估新的想法。

其次，当工具偏离其“公允价值”时，量化分析师开发资产评估模型来发现套利机会。有能力发现严重定价错误的资产的公司，以及在市场达成一致观点之前有耐心持有这些投资的资本，通常会获得惊人的回报。当应用于流动性差的工具和不良或新兴市场时，效果最好。

第三，量化分析师在设计新的投资产品中发挥着关键作用。对于机构投资经理来说，这可能包括新的ETF、智能beta和基于因子的产品。与产品开发密切相关的是产品能力约束模型的概念。许多有前途的产品、基金和战略都经历了一段表现出色的蜜月期，其标志是媒体人的热情报道和大量投资者的涌入；直到流动性不足、抵押品要求和监管上限使得该战略无法实施。

当量化分析师致力于生成alpha，风险分析师关注的是可以说不那么激动人心的保本目标。虽然风险分析需要任何的买方拥有最先进的数学技能，但从概念上讲，这个领域可以分为三个容易理解的框架。

滞后风险是向后看的，包括措施以及分析过去的市场波动性和导致这种风险的因素，目的是确定交易和投资组合管理决策是否因发生的风险量而得到充分的回报。风险分析师还使用事后风险技术来了解市场和投资组合风险如何随时间变化，以及资产类别相关性在正常和波动市场条件下的表现。

事前风险是前瞻性的，试图预报未来市场波动。鉴于未来是未知的，风险框架的这一面要困难得多，但也是最令人兴奋的研究领域和潜在的破坏性见解之一。即使偶尔正确的风险预测也能通过提醒投资组合经理在市场波动之前清算头寸或建立套期保值来为公司带来巨大收益。

情景分析（服务协议）是风险分析师使用的第三个框架，它补上了事前风险预测和事后风险衡量的差距。通过让投资组合承受货币贬值、利率上升或信用评级下调等压力事件，情景分析帮助风险分析师识别投资组合中的漏洞。风险分析师可以创建假设情景，也可以使用事后压力事件作为情景的基础，如2015年人民币贬值、2013年“缩减恐慌”或2008年雷曼破产。

尽管系统交易中的职业道路看起来很不一样，但一些核心技能适用于所有角色。数学和编程技能是必修的，同时还要了解市场结构，熟悉资产类别及其可交易工具。

软技能同样重要。跨团队协作、以连贯和清晰的方式自信地表达想法、向同事提问相关问题以及用可靠的数据捍卫想法的能力都是值得培养的重要职业技能。

Algos和人工智能肯定会继续取代工作，但也会创造新的机会。保持对技术发展方向的灵活看法，并相应地调整你的技能组合，将是未来几年员工和企业家的关键优势。

在未来的文章中，我们将探索目前最突出的系统交易策略，以及建立交易公司的不同结构。