131
0本期，我们好久不见的播客又回归啦！这次我们邀请到的是龙旗的新人研究员，完美诠释了“不能长途骑行的脱口秀演员不是好研究员”的P同学。除了聊聊这次离谱中透着合理的长途骑行经历，本期我们也会分享：
如何进入竞争日趋激烈的量化行业？
学术研究和实习经历中有哪些学习与成长？
如何规划作为量化新人的职业发展？
如何看待量化未来的发展方向？
从事量化行业的核心竞争力有哪些？
【精彩片段】
可以分享一下从上海到杭州的骑车经历吗？
这个事情的起因是我平时就喜欢骑车，前年在上海买了一辆山地车，平时喜欢往上海的郊区骑一骑，但最多也就100km。现在来杭州这边工作了，那这辆车要么是当二手车卖给别人，要么是叫货拉拉跨城运送。
但我这辆车才买了一年多，我有点舍不得卖，然后货拉拉呢其实是骑车党最后的倔强，不到万不得已是不会请它出马的，所以我就萌生了骑车从上海到杭州的想法。
我看了一下地图，大概200km，公路车或许可以一天刷完，但山地车有点难。我就计划用清明假期，花两天来完成，然后中途在嘉兴来一个特种兵的速通旅游。
那第一天呢，我从上海骑车到嘉兴总共95km，路上总体是比较顺利的。我记得大概骑到到一半、就是四五十公里的时候，当时是进入了上海的郊区，一直连续30km都是农田，路上没有任何补给。就有一段时间，其实我的水是足够的，但食物不太够，就一根巧克力，当时其实有点想放弃了，但是当时我一想，如果放弃了，那我骑回上海的话，好像又是50km。
这有点难，所以最后还是坚持下来了，到嘉兴市区吃了饱饱的一顿饭。
第二天就在嘉兴旅游嘛，第三天从嘉兴骑车到杭州。第三天天气不太好，下小雨，我也是想要不放弃，但我觉得如果放弃的话，我车就只能留在嘉兴，然后又得周末坐高铁从杭州到嘉兴，把它骑回来，这样还是太麻烦了。于是最后就冒雨从嘉兴骑车到杭州，前半程我全身几乎都湿了，但后面进入杭州以后就没有下雨了，那天风也比较大，其实当我骑回杭州的时候，我的衣服已经干了，就也算是很神奇的一件事情吧。
龙旗也一直很强调work-life-balance的生活方式，会有很多运动社团。那说回来，除了骑车你还有哪些放松休闲的爱好呢？
首先运动方面的话，我还比较喜欢打乒乓球、游泳，虽然可能都不太擅长。然后除了运动之外，我平时还喜欢玩一些桌游，主要是一些策略类的桌游，比较偏博弈，我觉得和金融做交易也比较像的，就是玩这些桌游可以让大脑活跃起来，锻炼自己快速决策的能力。
那龙旗的策略游戏相信你也已经加入过了。那我们言归正传聊聊量化，我了解到你本科是数学方向的，研究生转到金融科技方向，你当时转专业是出于怎样的考虑呢？为什么会对金融感兴趣？
我从数学到金融其实是一个逐渐转变的过程。我本科是数学专业，大一大二前两年学的都是数学的一些基础课，大二升大三的时候会面临一个专业分流。当时我们分流方向比如有统计计算、金融大数据这些方向，分方向之后就会学一些更细化、更明确的课程，那我当时是在这几个方向当中，考虑了很久最后选择了金融方向，我觉得金融和数学之间的联系是非常紧密的，那我的数学知识呢在金融中也有非常大的用处，特别是量化这个方向，我觉得量化就是金融和数学结合最完美的一个例子，
后来我是保研到金融科技专业，它也和量化是非常相关的，我们学的课程都是一些非常前沿的技术，比如大数据、云计算这样技术，我相信在量化领域会有非常多的应用。
那这个过程中，有没有哪些比较有趣的研究呢？
我印象最深的其实是在大三的时候，我们第一门金融的课程，在这之前我对金融是完全没有了解的，这门课相当于为我打开了金融大门。当时这门课期末的一个任务是要求我们自己写一个简单的交易策略。
现在来看，当时的策略真的很简单，只是一个简单的回测，但当我和同学合作做出这个策略，画出回测曲线那一刻真的是成就感爆棚，就看到笔直向上的曲线，真的觉得就像完成了一项创举。不过现在看来，因为当时我们做的是很简单的回测，实际交易当中还是会遇到不少的问题，还是需要继续努力吧。
除了学术研究之外，你其实也有着非常丰富的量化实习经历，所以想知道你最早是从哪开始对量化感兴趣的？
我最早了解量化呢，是当时我们学校办了一场量化文化节，主办方组织了一些博弈游戏，可以模拟真实的交易环境，那我在这些游戏中也体会到了参与市场的感觉，
当时我们每个参与者会获得一些初始积分，然后我们用这些积分去选择参加的游戏，这些游戏要么是两个人之间的博弈，要么是两个人合作的。获胜者就可以获得积分，失败者会输掉相应的积分，在玩这些游戏的过程中需要用自己的数学知识来进行一些简单快速的计算吧，这是有助于自己决策的。那我在获胜的时候，取得积分的那一瞬间，成就感非常爆棚。
在这些游戏环节结束之后，主办方也是举办了一场讲座，邀请到了量化界非常资深的嘉宾来给我们详细介绍这个行业，我也是在这次讲座中第一次详细了解了量化，后来就想去自己试一试，就开始去实习吧。
我觉得实习的成长的是循序渐进的，每一段实习都让我对量化的理解上了一个台阶，比如我第一段实习是关于基本面和宏观数据的，就让我对金融市场的一些概念和运行规律有了基本的理解，开始了我从数学到金融的过渡。
那后来的实习呢，我就开始接触高频数据，发现高频研究中需要用到很多数学知识，比如统计方法和随机过程建模，所以其实又回到了数学，那我也是在这个不断实习的过程中，实现了数学和金融的融合吧。
那你现在来到龙旗工作也有几个月了，在龙旗工作会有怎么样的感受呢？
我觉得龙旗的工作氛围是非常nice的，主要有两点吧。第一点是工作环境比较特别，没有在大城市的高楼大厦里面，而是在环境非常优美的西溪湿地，在这里我们可以跟大自然有更多的接触，那比如我工作一段时间以后，如果觉得比较劳累的话，就会去门口那个池塘看看风景，觉得心旷神怡，也恢复饱满的工作状态。
第二呢，就是我们的研究团队非常自由，没有给大家限定研究方向，只要我们对哪个方向感兴趣的都可以研究。并且每周还有投研例会，会有研究员轮流给大家分享自己最近工作的一些想法，然后大家一起讨论，进行思想上的碰撞和交流。在与别人的交流当中，也能给自己的研究带来一些灵感，我相信这样的模式呢，更有利于整个团队的合作，让我们能够有更多的策略产出。
你作为量化行业的新人，对未来可能会有哪些规划？怎么看待这个行业未来的发展？
我现在是在mentor指导下做一些因子的研究，按照我们的规划呢，第一年会更多做一些研究上的工作，第二年开始做更接近实盘的内容。
那关于量化行业未来发展的问题，我觉得最近确实在政策方面会对一些变动，我觉得这个既是机遇也是挑战嘛。总体上看，我还是相信我国未来量化发展的前景的，因为比如像美国比较成熟的市场，在量化投资的占比是有50%的，但是在中国这个数字只有20%，我觉得还有很大的发展空间。
并且从同行业来看，其他很多机构，比如主观的私募还有公募近两年都开始布局量化这个赛道，组建相应的团队，那其实也说明量化投资它作为金融投资的一种方法，也是得到广泛认可的。
你觉得量化有什么比较有潜力的发展方向或者技术方向吗？
我觉得大模型在量化投资领域是一个非常有潜力的方向吧，比如我在公司做研究的时候，也会用到很多chat-GPT，它给我们写代码、还有平时策略研究提供了很多方便。比如我们研究因子的时候，要写很多辅助函数，包括数据处理的一些细节，其实像Python的细节是非常复杂的。如果在以前的话，可能需要去CSDN上搜一些函数的使用细节，其实是比较耽误时间的，现在有了chat-GPT呢，它作为一个工具，能够给我们写代码带来很多方便，让我们更多把自己的精力放在策略研究上。
最后一个问题，你是否可以跟对量化行业感兴趣的朋友们分享一下，在这个竞争越来越激烈的行业中，要怎么样才能更好地进入到量化行业？有哪些值得分享的经验呢？
量化的确是当下比较火热的赛道，我想说的是，量化机构在招聘的时候，看重的是增量和创新性，也就是你过往的经历或者想法，要对现有的策略有边际贡献。
我觉得大家在量化求职的过程中，最重要的是体现自己独特的一面，展现出你的差异化竞争力，而不是千篇一律的模板。比如很多同学在量化机构实习，那不管是做因子还是做模型。其实业界都有一套完整的方法论，那如果你是沿着这条方法论去研究的话，其实你整个成长路径是比较常规的、有迹可循的。
那这种呢，当然如果你的实际经历足够丰富，也会有很充足的积累，但是呢如果你想要真正进入这一行，你要创造自己的边际贡献，那你必须要思考自己跟别人不一样的地方是什么？
就比如说因子吧，目前业界通常有两种方式，人工挖因子和机器挖因子，那么机器挖因子通常会用一些标准化的算子来进行批量生成因子，那你可以思考一下，在集体生成因子的过程当中，你的边际贡献是什么？比如你对算子的选择，或者迭代层数的改进，有没有做过什么创新的研究？这些才是你的工作有价值的地方。
因为如果你只是简单复现这些机械化的算法，那是很简单的，大家都能做，只要算力足够就行。所以其实最有价值的是你的思考和你的改进。
另外大家在研究过程中可以尝试对某些细节做改进，这方面其实能做的工作还是挺多的。比如数据处理的细节，它里面的学问非常深。比如你在对因子进行截面处理的时候，是否进行处理？如果进行处理，是Z-score标准化还是standard的标准化，这些都会对结果有很大的影响。再比如对因子评价的指标做改进，这些都是可以尝试的方向。
我相信只要敢于尝试，敢于创新，在研究过程中多思考，多总结，那一定能够找到你的边际贡献，最后取得自己满意的结果。
BGM：
Golden Light - Peder B. Helland
流行的云 - 岸部押尾
Time - Depapepe
