114
09月，我们走过三场校招宣讲，和同学们面对面聊量化、谈行业。
在这个过程中，我们也注意到同学们对于量化都有很多好奇：
新入行的研究员如何面对竞争压力？
没有量化实习，能过简历吗？
灵感枯竭怎么办？
做量化会有中年危机吗？
……
那么最近的龙旗小宇宙，我们就整理了一些同学们最关心的问题，以及我们资深研究员非常真诚详尽的解答，希望能给寻找校招或者实习机会、以及还在择业希望了解量化的同学们一些帮助，也祝愿同学们都能在这一年中，都能收获满意offer，实现自我价值！
本期我们截取的是北大宣讲会上的一些问题，解答的是我们的三位资深研究员。其中既有我们的策略团队负责人，也有校招就进入龙旗一路走来的同学，还有从互联网跨行而来依旧十分大佬的研究员——希望他们从不同视角带来的解答，能让你对量化有更全面的了解！
当然，关于量化，关于龙旗，如果你还有想要了解的问题，非常欢迎留言评论与我们交流！说不定，你的问题，就是我们下期播客的主题哦~
【精彩片段】
00:04 因为现在实盘上已经有许多策略了，所以新的策略要上实盘是很难的，因为baseline太强比不过。特别是对新人来说，策略上实盘之前的这一两年可能是压力非常大的，而且即使想转行或者跳槽的话，如果没有做出好的成果，别的公司也不会认可你。作为量化研究员，要怎样面对这些压力呢？
02:00 确实这行竞争是非常激烈的，你必须要做一些低相关性的东西，才能够做到一些产出，这的确是一个挑战。但是我觉得时也是一个机遇，我们常说站在巨人的肩膀上才会看得更高。进入公司之后，首先第一年可能你所接触到的知识学习就是别人需要两到三年才积累的，你的学习成长曲线是比较高的，然后你再考虑做一些相关性的研究。同时关于你前两年的待遇，我们设计新人考核，肯定不会在于业绩怎样，而会更看重这一年研究过程中他所展示出来的综合素质、研究态度、研究潜力这些。毕竟如果你第一年就能轻松上实盘，那说明我们公司之前做的研究也不怎么样。
然后你问的跳槽时候的竞争能力，我觉得对于量化行业，你如果有实盘成果，那是非常直截了当的核心竞争力。但你在研究过程中的一些思想、一些行为习惯也很重要。
04:21 我再稍微补充两点吧，首先就是我觉得上实盘这个事情，不一定是完全线性的、阶梯式的东西，比如说你一个东西必须到100%才能上实盘，有一些上实盘的可能是一些边边碎碎的，比如说你算法很强，把某一个算法的某个步骤可能缩短到了几十毫秒，这一块上就能上实盘。
然后第二点的话，我觉得其实第一年可能整个打工生涯创造力最强的一年，因为你之前是一张白纸，刚刚从学生到了职场，你的上司不会给你很多限制，你会有非常高的自由度，你可能是未来几年里的创造力最巅峰的时刻，大部分人还是能非常迸发出非常多的研究成果的。这一点我觉得是完全不用担心。
我再稍微补充一点，我觉得去任何一个公司、任何一个行业可能都会面临这个问题，尤其对于应届生来说，去一个新的地方，可能头一两年就是积累的过程啊，但我觉得我们这边相比其他地方的优势，一个是环境非常自由，再一个是可以从很多地方得到学习。
然后再有一个，我觉得可能是快钱跟慢钱的区域，比如说你去某些公司，前两年可能加班很猛，然后底薪很高，你可能赚了一票钱，但是可能马上就会面临这个公司或者是业务不行，或者大环境不行，但量化是逐渐积累、厚积薄发的过程，你说的问题很有可能会碰到，就很可能上不了实盘，但只要对自己有信心，尤其是我觉得，进了龙旗的也是经过了很严格的筛选，对吧，那就认为一方面你对自己有信心，另一方面我们公司对你也有信心，这种情况下大概率你通过积累跟学习是可以做出来东西的，所以我觉得这一点不用担心。
另外一点就是像前面同事说的，实盘的方式有非常多种，在我看来量化还是处于一个比较初期的阶段，中间有非常多可以做的，比如说你把数据质量提高了、把延迟降低了、还是把收益提高了，还是做出低相关的东西，其实都是OK的，我觉得相比互联网来说有非常多的东西可以去做的，而且这个东西是会非常直接地反映出来，比如说在互联网做一个模型，它这可能没有业务场景，那我也是干着急，没有办法，就它的链路太长了。但在量化，但凡缩短了延迟，或者提高了准确率、提高了收益率，那直接就可以上实盘，这已经比其他公司要短很多了，甚至在科研机构，你做出来这个东西，你还要去发论文，有的时候还得看审稿人等等非常多的东西，这个链路会更长。
08:33 博士生没有实习，会直接被刷掉简历吗？
首先我们遇到过很多这样的简历，我们其实是非常喜欢博士生的简历的，因为博士生在学校里面经过的研究训练，其实已经能够论证一些能力，所以我们不会太去挑你是否有一些什么实习。在对于博士面试的时候，我们更多关注于他在做自己研究方面的一些细节，包括一些创新的能力，我们其实也有很多比如做量子通信的简历，也是非常满意，直接发放offer的。
我现在是博一，对于就业市场还不太了解，想问这位从互联网跳到量化的师兄，对互联网和金融的量化思路的对比，可以再说一下吗？
其实你刚博一的话，不用这么着急，可以先在课程还有科研方面多花时间。
然后我说的意思是互联网，因为业务非常繁杂，有些业务是主营业务，有些业务可能是实验性质的业务或者支持性的业务，比如你看到淘宝是做出来了，但在淘宝之前可能有非常多的淘宝一淘宝二淘宝三可能都死掉了，就我想表达的意思是互联网公司非常看业务的，你跟着这条业务线好可能就好，跟着这条业务线不好可能就不好。然后也很看老板，也很看各个方面的其他东西，但是量化可能会单纯一些，你只要技术牛逼，你就能做出东西，不会有那么长的链路。不过你现在博一，可以先去接触各个行业吧，都去看一些，慢慢自己就会有感觉。
我是应届生，在量化方向的实习一直是做模型方面，但我个人感觉做因子也是比较重要的，想往这方面转。但我有一个疑问，做因子总有思路枯竭的那一天，你们会不会遇到一个瓶颈期，想不出来一个全新的思路？如果是有遇到过，怎么样打开新的思路？
这是很正常的事情，没有人永远有灵感。
首先说一下数据源，我们公司你能做的数据是非常多的。然后当你出现阶段性的瓶颈或者思维枯竭的时候，我个人是会去做比较大量的阅读，包括一些paper、书籍、研报之类的，而且不一定是量化相关的，比如你可以去看一些信息论、或者代数几何的东西，可能也会有帮助。
实公司对你的那个容错率还是非常高的，你一个月做不出来东西是很正常的事情，考核上的压力不太会有。
我补充一点啊，就是做因子的话，可能有两个阶段，一个阶段是用新的数据或者去广泛阅读去，出现新的idea，做出来新的因子。第二阶段的话，其实你有时候你做完之后，可以回顾一下，很多因子你初步做的时候，其实都没有那么精细，随着你对数据感觉越来越强，其实在你之前的因子基础上，可能有叠加改善的空间。其实包括我们因子库入库的话，也存在一个条件，如果你跟现成的因子相关性比较高，那只要你的表现比它更好，去做迭代更新，也是会替代入库的。
然后就我还想讲一点，当灵感枯竭的时候，其实你可做的事情太多了，因为不同的研究领域、不同的方向，比如中频、高频所需要用到的特征可能都不太一样，你这个时候你完全可以结合自己的应用场景去选择不同的特征，所以这块我觉得倒不用担心。
我也补充一点，因为我也是从其他行业转来做量化，刚开始也遇到同样的困惑，但是我做到后面，越做发现想法越多，当你做完一个想法之后，你会发现这些想法变形一下，还可以有类似的想法，我现在to do list已经记了好多，可能都没有时间去做。
然后我再打个比方，就是大家可能看过那张图，博士生的专业研究就像是从一个球面上扎出来一个尖的东西，然后往那个深度上去研究。我觉得这张图非常形象，就是当你周围都是黑的的时候，其实你不知道往哪个方向走，但只要你往前面走一点之后，你周围可走的路就会非常多。
大家把它想象成一棵树的话，一开始可能只有二叉树，但当你站在左边那个节点上，再叉出来一个，你就发现节点数就乘二了，你就可以不断乘下去，这个树会越走越复杂，你能探索突破的方向会越来越多。
我有两个问题，第一个问题是，作为优秀的量化研究员，不知道各位学长在平时的科研或者项目中有没有什么比较重要的经验？第二个问题是，在可预见的未来，量化研究会不会遇到和互联网或者其他风口行业一样的年龄问题，比如说遇到中年危机遭到行业淘汰这种？
我先回答第一个问题，优秀研究院应该具备的品质主要是两点吧，第一点就是要有效率，就产生一个idea要去快速的去验证。第二点就是你的创新能力，我觉得这是非常核心的竞争力，同样一个项目，有的人可能就停留在比较正常的方向，但有的人就能发散开思维做一些不一样的东西。
我再补充一点，我觉得细致也是这个行业非常重要的一点，一些细节数据处理不好、代码的一点点瑕疵、或者比如说用到一点点未来数据，这个其实都可能在实盘上造成毁灭性的打击，所以严谨程度也是我们非常关注的一个点。
我觉得一个是学习能力要强，再一个我觉得是好奇心跟探索欲。然后我觉得可能要有一些坚持跟执着，因为research不是做一次就能成功的，你可能心脏要稍微强大一点，不停去做，可能失败了99次才成功这一次。
第二个问题的话，我觉得每个行业都可能会存在这样的中年危机，只是不同行业严重程度可能不太一样，如果你的核心竞争力是需要用时间来去堆的话，那你肯定不如刚毕业入职的人。但我觉得我们这一行相对来讲还是比较偏研究类型的，并不是纯工程、靠体力去堆的，其实你多年积累下来的研究经验，并不一定说一个应届生就能够通过他非常卷的工作模式去获得的。第二点的话就是，如果你在你比较早期的时候能做出来能挣钱的策略，只要这个策略还挣钱，你就不太会有中年危机。同时不是所有量化研究员一辈子都会在量化研究的这个岗位上待着，有时候可能也会逐渐成长为团队管理这或者PM的角色，那其实做研究并不是你工作的全部，你可能要考虑其他方面的一些能力，比如怎么去带团队这种。
我觉得危机不危机，不在于你的年龄是不是到了中年，而在于前面说的这几点条件是不是还都满足，如果你到了中年还是很有产出的话，那其实你在哪都很牛逼。还有一点就是随着经验的积累，效率会越来越高，这就是积累下来的一套自己的一个方法论，比如我现在有十个想法，可能九个想法就能work，或者说有一种特别快速的尝试方法，总之你的效率是要越来越提高的。以及还有一点，我觉得前期如果大家非常努力，积累了不少财富的话，那其实可以体前退休，就也不会遇到这种问题。
我再补充一点，就是量化这个行业固有的一个优势是你对市场的理解，虽然研究员基本上每天大部分时间是在写代码，但还是会有一部分时间跟市场去打交道，去思考最近市场的变化，思考你的策略怎么去适应市场。然后经历过三到五年，你对市场的理解会远远高于新的研究员，这个是甚至钱都买不到的一种经验吧，其实这个经验对于更高层面的策略研究也是非常有帮助的，也算是你的壁垒或者护城河这样子。
我想问一个比较抽象的问题，就是在各位眼中工作的自我价值是什么？
我觉得自我价值就是你认为什么东西是有价值，或者能够得到认可。以我为例，就我当时做模型在互联网已经做到非常牛逼，至少在集团内是TOP1的水准，但哪怕是在这种情况，业务要不要用我的算法，也不是由我来决定的，所以我认为自我价值没法实现。
但是在量化的，就我刚才说的，做的好那一定会被使用，这个路径是极其简单的。以及我说的自我价值，就是包括你是想要赚钱呢，量化可以实现，想要做最厉害的模型的，也可以实现，以及你想要work balance，就是我六点就下班，也可以实现。
我就非常很实际的说，对我来讲，能够在竞争这么激烈的市场、这么纷繁复杂的数据里面找到规律，会有成就感，第二的话就赚钱那也很开心。同时因为现在公司规模越来越大，还有一种自我价值，就是伴随着公司逐渐做大，整个业务体系走上正轨，这中间也会有一定的自我价值的实现。
