103
0在越来越卷的就业形势之下，很多有志于量化的同学也会开始在学校阶段就卷实习、刷履历。但是，也会有一些同学以0实习之姿斩获量化研究员的正职offer，他们是怎么做到的？
我们第八期“龙旗小宇宙”播客，邀请到的就是这样一位同学。
做为刚刚收获龙旗转正offer的新人，王同学的简历上没有在其他公司做过的任何量化实习——那么，他是如何获得龙旗策略研究团队的认可的呢？
本期我们就来和王同学聊聊——
独立开发项目，也能成为量化敲门砖吗？
策略研究工作，也可以直接从模型上手吗？
从独立开发到在龙旗的合作研究，体验怎么样？
当然，如果大家还有其他问题，也非常欢迎留言与我们分享——说不定你的问题就会出现在之后的播客中哦！
【精彩内容】
我了解到你本科其实是学物理的，研究生时候转到了人工智能方向，所以比较好奇，这个专业的选择当时是出于怎么样的考虑呢？
其实本科时候我虽然是物理专业，但是做的东西是有一点物理和人工智能的交叉学科——我做的是天文数据的处理，然后天文数据处理，其实和量化还蛮像的，也是信噪比极低的数据，模型很难在上面去学习。
然后夏令营的时候，考虑到既然都是做算法，其实不如直接步子迈大一点，转到AI这边做一个更加系统化的学习，所以就选择转到这边来继续研究。
包括本科还有研究生阶段，其实你一直都产出过很多很好的学术成果，但你现在算是选择从学术界跨入了量化圈，我也比较好奇为什么你会选择来做量化，而不是继续从事学术生涯呀？
我觉得其实做量化和做学术有很多非常相似的点，都是需要去做大量的阅读，发现一些自己的idea，去做大量的实验验证它，我觉得这个过程还是蛮快乐的，而且我做的东西可以非常快地落地，这个也会让我比较有成就感。
那你会觉得之前的学术研究，对于当下做量化研究会有哪方面的帮助，或者说影响吗？
其实做量化是需要非常广泛的知识面的，所以在研究的时候，我们也需要进行大量的文献阅读，在不同的一个方向去找到一些不同的idea，我觉得这个还是蛮有帮助的。
因为王同学的背景其实和很多来投简历的应届同学是不太一样的，就是之前其实是没有做过量化实习的，而是独立完成了两个研究项目。所以我比较好奇当时你为什么要选择独立做项目，而不是来找公司实习呀？另外可以简单介绍一下，你当时的研究项目对现在做量化有哪些帮助吗？
关于为什么没有去找实习，是因为其实以前我并没有准备好硕士毕业直接过来工作，所以一直是在实验室做一些科研工作，直到今年上半年我才决定去找一份量化策略岗的工作。因为我今年上半年做了一个加密货币的策略，然后它在实盘上确实是能赚钱的，然后我就觉得就是非常的快乐，也就有了信心去做好这样一份工作。
所以我从今年四五月份开始找一份量化的实习，其实也挺感谢龙旗愿意给我这样一个没有实习经历的新人一个尝试机会的。
然后我之前做策略的话，其实动机非常单纯。第一段是在BigQuant平台上去做的，做了一个AI的策略。动机很简单，就是因为我自己炒股亏钱了，然后就想用我的所学去做一些市场预测，看能不能赚回来。然后第二段经历的话是加密货币的一个策略，其实也是因为当时在关注加密货币的市场，然后发现一些标的，它们成交量比较大，但流动性比较差，所以可以做一个这种做市的策略，这个当时也是蛮赚钱的，所以后面就过来实习了。
你现在在公司里可能更多地会有一些合作、或者说大家可能是分流程分环节去做一些东西，但你独立开发项目其实是自己来完成整个流程，所以比较好奇，自己独立开发项目需要做哪些步骤或者工作？这中间有没有什么比较有意思的体验可以分享的？
是的，在公司里做和自己做还是有蛮大差别的。在公司里做的话，可能我的绝大多数精力都专注于策略研究。然后自己做的话，会涉及到很多工作，比如数据收集，这期间会遇到很多bug，然后数据清洗，然后比如说你还要去做一个自动化的快速下单程序，其实有蛮多这样的工作的。
然后一些小插曲吧，就可能我在测试的时候，我发现比如说现在网络延时是五毫秒到七毫秒，这种情况下我的策略是可以稳定盈利的，但实际上我去实盘部署的时候发现，有的时候网络延时会因为单量过大，会突然暴增到100毫秒，这个时候可能策略就不赚钱了。其实我觉得个人开发的过程，虽说工作量会很大，但是也能加深对这市场的理解吧。
你刚才提到之前做策略是在BigQuant平台上，所以也想问为什么当时会想到使用这个平台来做策略？然后其实现在市面上也能看到非常多的平台供量化入门者来做策略或者挖因子，也想请你简单做一个评价，对于入门同学来说，有哪些比较推荐使用的平台？
现在市面上这些量化平台就是各有各的特点，比如说当时为什么我选BigQuant，是因为当时想做一个AI的策略，然后比如JoinQuant、RiceQuant之类的平台，自由度比较高，但是如果做AI策略的话可能相对比较麻烦一些。然后BigQuant的话，其实是一个模块化的策略，开发过程代码量会很低，然后很容易就可以做一个AI策略。所以第一段策略是在那里去做的。
如果大家想做一些AI策略的话，我觉得还是蛮推荐这个的，然后如果想做一些自由度更高的一些策略，也可以尝试一些其他的平台，比如JoinQuant、RiceQuant这些。
接下来聊聊在龙旗的实习吧。因为实习生在龙旗会每个月度做一些分享，然后你和大家分享的会很不一样，绝大多数实习生分享的是因子层面的东西，但是你刚来就一直在做机器学习的模型，所以想问你当时为什么会选择这个方向？你现在留下来做研究员，之后可能会更偏向往哪个方向去深耕呀？
其实因为我第一份项目就是做了A股的机器学习模型嘛，所以对这个方向也是比较了解的。然后我研究生也一直在做基于深度学习的模的研究，所以我觉得在模型层面去做，能最大程度发挥自己的优势，所以选择来做模型。
后面的话，我应该还是会继续在这个方向去探索一些，在低性噪比数据下的比较鲁棒的模型训练的方法吧。
你在龙旗实习的体验和感受怎么样，为什么会考虑留用呀？或者说对龙旗会感觉有哪些比较特别的地方呢？
我觉得龙旗和其他公司最大的不同点其实是，龙旗的选址是在西溪湿地里面的，环境会比较优美，每天吃完饭出去走一圈，心情还是比较放松的，在这里面实习，我感觉是非常的自由和愉悦的。
自由是在于，我可能在探索的过程中会产生各种各样不同的idea，我可以按照我的想法去做各种不一样的尝试，在这个过程中，其实我的mentor也会给我一些很有帮助的讨论。然后其实阿姨做饭也蛮好吃的。
还有一个点就是我觉得龙旗的企业文化还是蛮好的，我在公司可以感受到整个公司对员工的尊重，就比如说我可以随时随地和老板或者和一些负责人去沟通，这个会让我感觉到工作就比较愉快。
很多信任会担心比较难打败比较难打败之前的benchmark，你现在作为刚刚转正的同学，会有这种顾虑吗？或者说觉得要怎么去做出来更多新的东西呢？
其实我觉得在这种数据上一步步去探索的过程，其实就是比较愉快的事情，然后其实我也能看得到，随着我一点一点的努力，我的模型性能在一点点地提高，所以我还是比较有信心不断提高性能，去打败这个比较强的benchmark。
