工作岗位

Trexquant
公司:Trexquant | 一亩三分地 (1point3acres.com)
职责
开发预测未来股票回报的市场中性中频阿尔法
调查和实施最近的学术研究
开发算法来过滤和组合阿尔法
解析用于未来alpha开发的数据集
将机器学习技术应用于alpha发现和投资组合构建
工作内容
- 指导我的full-time员工推荐几篇经典的量化领域paper，通过自己阅读后理解这篇paper里提出的alpha来源然后据此自行加以修改+测试，直到产生了各项指标都通过测试的信号。。。好像我身边也是
- 在团队里，由researcher贡献各种各样的alpha idea，pm自己一般不会亲力亲为挖因子，而是只负责提供初步的方向，指导reseacher做研究，并且负责挑选、组合和管理researcher贡献的信号，类似于教授和博士生。这种模式的弊端就是每个团队的researcher要负责从idea generation, data colletion, back-testing甚至下单的整个投资流程，用来挖因子的时间精力不够，挖出的因子有限（但好处是researcher发展更全面，对策略的理解更深刻，长期来看更容易成长为pm）。
- 工作类型相当于最底层的信号挖掘机。他家的模式和worldquant相同，一个full-time员工会同时指导多个这种远程搬砖的alpha researcher，后者在他们的内部回测系统上实验自己的信号。我的个人看法是，纯粹的数据挖掘肯定是存在的，据说干的事类似于把一堆指标和运算符号扔进池子里，然后返回各种可能组合里表现最好的信号，但是应该是只有部分组做这种事，或者是某些员工project的一种而已。至少我工作的时候，模式都是由指导我的full-time员工推荐几篇经典的量化领域paper，通过自己阅读后理解这篇paper里提出的alpha来源然后据此自行加以修改+测试，直到产生了各项指标都通过测试的信号。一般地，通过不断的尝试和开脑洞修修补补，一篇paper的idea其实能用来自创七八个相关度不高的信号。我刚干的时候不太懂，有时候强行测试大量参数，最后选了一个看起来没有任何道理（比如1.684, 37.523）之类的数值，指导我的人还会谆谆告诫曰我们找的信号一定要有很强的经济含义，不能靠强行fit。所以纯粹的数据挖掘应该不至于，大多数signal都是产生于读一些资料得到的idea。我的猜想是即使那些纯数据挖掘的组，得到的信号也都会进行一系列robustness test，并且能用经济学解释的才会真的上实盘。顺带一提，在提交这些alpha的时候，是被要求每周写一个研究报告，介绍自己如何得到这个alpha，背后的经济含义如何给研究员看的，可见公司对于alpha背后的经济含义非常在乎。