近日，社交媒體上一則文章引發(fā)關(guān)注：有量化私募發(fā)了5000萬(wàn)元的年終獎(jiǎng)！
12月14日，中國(guó)證券報(bào)·中證金牛座記者從幾家頭部量化私募人士處證實(shí)了該情況。但據(jù)記者了解，只有個(gè)別核心員工能拿到這種級(jí)別的年終獎(jiǎng)，而對(duì)于非頭部量化私募來(lái)說，千萬(wàn)獎(jiǎng)金就已是天花板。
機(jī)構(gòu)證實(shí)5000萬(wàn)年終獎(jiǎng)
近日，一位博主在社交媒體上發(fā)帖稱：“同事的同班同學(xué)做量化，今年獎(jiǎng)金超過5000萬(wàn)元……今年做量化的二級(jí)私募確實(shí)厲害了，業(yè)績(jī)大爆表，震蕩市中，模型的確優(yōu)于人腦?！?/span>
圖片來(lái)源：社交媒體

還有爆料稱，去年某量化私募給兩位員工各發(fā)出3000萬(wàn)元年終獎(jiǎng)：“北京某量化私募，一位28歲的基金經(jīng)理給兩名下屬員工一人發(fā)了3000萬(wàn)元年終獎(jiǎng)。圈里人都知道他是誰(shuí)。”

不少網(wǎng)友表示酸了：“除了羨慕還是羨慕！一年就掙5套別墅，一下就財(cái)富自由了！”

不過，也有網(wǎng)友“冷靜”看待：“做量化拿5000萬(wàn)元的人，我并不認(rèn)為比買彩票中5000萬(wàn)元的人要多，這樣的人在全國(guó)一只手?jǐn)?shù)得過來(lái)，還是干好自己的事情?！?/span>
來(lái)源：社交媒體

如此高額獎(jiǎng)金，是否屬實(shí)？中國(guó)證券報(bào).中證金牛座記者從機(jī)構(gòu)人士處得到證實(shí)，其表示這一年終獎(jiǎng)水平在業(yè)內(nèi)并不夸張。

”某頭部量化人士說，其所在的量化私募通常在節(jié)前發(fā)放年終獎(jiǎng)，這一時(shí)間點(diǎn)正是搶人高峰期，公司出于對(duì)被“挖墻腳”的擔(dān)心，所以今年發(fā)得更早。

“對(duì)于非頭部量化機(jī)構(gòu)，千萬(wàn)級(jí)別就已經(jīng)是薪資的天花板。”另一量化私募人士表示。

核心員工價(jià)值幾何

一位*量化投資人士表示，5000萬(wàn)元的年終獎(jiǎng)只有量化私募的核心員工才能拿到。

他表示，在規(guī)模足夠大的情況下，比如某頭部量化私募的自營(yíng)盤規(guī)模為300億元-500億元，若核心投研員工的模型提升整體策略收益，哪怕只提升1個(gè)點(diǎn)，收益就會(huì)增加3億元到5億元，分10%給團(tuán)隊(duì)中的核心員工正常。

“在當(dāng)前量化講究深度學(xué)習(xí)的階段，跟以前‘工廠式’的傳統(tǒng)線性量化模型不同。以前一個(gè)模型有十幾二十個(gè)研究員一起研究，模型收益提高，大家就一起平均分錢。但現(xiàn)在深度學(xué)習(xí)，也就是所謂的神經(jīng)網(wǎng)絡(luò)，沒辦法合作，主要依靠核心的一兩名員工，核心員工產(chǎn)生收益的權(quán)重*高，收益的大頭肯定是分給他們?！彼忉尩馈?/span>

今年，站在風(fēng)口上的量化私募業(yè)績(jī)也同樣“豪橫”。據(jù)某第三方平臺(tái)的數(shù)據(jù)，截至12月初，26家百億量化私募今年收益全部為正，平均收益達(dá)到21%。其中，凡二投資、鳴石投資、天演資本、金戈量銳、世紀(jì)前沿私募基金等量化私募公司整體業(yè)績(jī)靠前。表現(xiàn)*的百億量化私募代表產(chǎn)品，今年以來(lái)收益率超50%，部分頭部量化私募代表產(chǎn)品今年來(lái)的收益率集中在20%-35%之間。

金融科技支持量化投資前景廣闊

在過去近十年中，ABCD等一系列技術(shù)全面應(yīng)用于支付清結(jié)算、借貸融資、財(cái)富管理、零售銀行、保險(xiǎn)各大金融領(lǐng)域，新技術(shù)正在重塑金融產(chǎn)品、金融活動(dòng)流程，甚至金融組織架構(gòu)。而在投資領(lǐng)域，隨著金融機(jī)構(gòu)大量運(yùn)用人工智能、機(jī)器學(xué)習(xí)的方法并成為趨勢(shì)，市場(chǎng)越來(lái)越有效，將為量化投資帶來(lái)更多的機(jī)會(huì)，也將推動(dòng)機(jī)構(gòu)更多地依賴大數(shù)據(jù)、人工智能等金融科技領(lǐng)域技術(shù)。

中泰證券金融科技委主任兼科技研發(fā)部總經(jīng)理、智能投研技術(shù)聯(lián)盟副秘書長(zhǎng)何波曾表示，量化投資的決策過程中要大量應(yīng)用金融科技手段，人工智能在量化投資方面是很好的工具。“我看好人工智能的長(zhǎng)久發(fā)展，它是一個(gè)工具，幫助解決傳統(tǒng)技術(shù)手段不能解決的問題，但前提要清晰定位。”

可見，對(duì)于想進(jìn)入量化金融領(lǐng)域發(fā)展的人士來(lái)說，深度學(xué)習(xí)金融科技師領(lǐng)域知識(shí)很有必要。在一級(jí)課程中有大量與量化投資相關(guān)的內(nèi)容，今天我們先介紹一下《金融學(xué)基礎(chǔ)》與《機(jī)器學(xué)習(xí)原理與應(yīng)用》這兩門與量化金融關(guān)系更為密切的課程，也可以參考量化金融領(lǐng)域CGFT學(xué)員的真實(shí)評(píng)價(jià)。



CGFT 特許全球金融科技師 (一級(jí)）
《金融學(xué)基礎(chǔ)》
課程目錄
第 一章 什么是金融？

第五章 公司金融基礎(chǔ)

  • 什么是金融？

  • 現(xiàn)值與貼現(xiàn)


  • 凈現(xiàn)值（NPV）與投資決策

第二章 貨幣體系

  • 內(nèi)部收益率（IRR）與投資決策

  • 貨幣與貨幣制度

  • 資本預(yù)算

  • 中央銀行

  • 公司融資與分紅

  • 貨幣供給和貨幣需求

  • 資本結(jié)構(gòu)和WACC

  • 通貨膨脹和通貨緊縮


  • 貨幣政策及其目標(biāo)

第六章 證券估值基礎(chǔ)

  • 固定收益證券和利率

第三章    金融機(jī)構(gòu)

  • 債券估值

  • 商業(yè)銀行

  • 債券風(fēng)險(xiǎn)分析

  • 信托公司與影子銀行

  • 股票估值模型 (I)

  • 保險(xiǎn)公司

  • 股票估值模型 (II)

  • 投資銀行與證券公司

  • 風(fēng)險(xiǎn)和回報(bào)

  • 投資基金公司


  • 金融監(jiān)管

第七章 資產(chǎn)管理基礎(chǔ)

  • 資產(chǎn)組合的風(fēng)險(xiǎn)分散

第四章 金融市場(chǎng)

  • 資產(chǎn)組合優(yōu)化配置

  • 貨幣市場(chǎng)與債券市場(chǎng)

  • 資本資產(chǎn)定價(jià)模型(CAPM)

  • 股權(quán)市場(chǎng)

  • 阿爾法和貝塔收益

  • 大宗商品市場(chǎng)

  • 市場(chǎng)有效性

  • 衍生品市場(chǎng)--期貨

  • 行為金融

  • 衍生品市場(chǎng)--期權(quán)


第八章 總結(jié)與展望


一級(jí)《金融學(xué)基礎(chǔ)》由嚴(yán)弘教授主講，出身浙大少年班的嚴(yán)教授不僅擁有金融博士學(xué)位還獲得獲得了密歇根大學(xué)所授予的*個(gè)應(yīng)用物理學(xué)博士學(xué)位。嚴(yán)弘教授的研究領(lǐng)域包括資產(chǎn)定價(jià)（公司決策與股票報(bào)酬、股票與債券的信用風(fēng)險(xiǎn)與投資回報(bào)、市場(chǎng)流動(dòng)性、金融衍生品與風(fēng)險(xiǎn)管理、投資組合決策）、金融中介（共同基金、對(duì)沖基金、金融分析師）、新興市場(chǎng)（尤其是中國(guó)的金融市場(chǎng)發(fā)展、外國(guó)/機(jī)構(gòu)投資者在其中的作用），其研究成果發(fā)表于國(guó)際*學(xué)術(shù)期刊，如 Journal of Finance，Journal of Financial Economics，和 Review of Financial Studies等。其中對(duì)CDS的研究于2007年獲美國(guó)Q-Group獎(jiǎng)，而關(guān)于公司財(cái)務(wù)困境對(duì)股票收益的影響的研究于 2010 年獲得 Crowell 獎(jiǎng)。


CGFT 特許全球金融科技師 (一級(jí)）
《機(jī)器學(xué)習(xí)原理與應(yīng)用》
課程目錄
第 一章：機(jī)器學(xué)習(xí)基礎(chǔ)

  • 什么是機(jī)器學(xué)習(xí)？

  • 貝葉斯統(tǒng)計(jì)推斷

  • 優(yōu)化簡(jiǎn)介

  • 優(yōu)化簡(jiǎn)介(續(xù))

  • 機(jī)器學(xué)習(xí)理論基礎(chǔ)

  • K-近鄰

  • 樸素貝葉斯 (Naive Bayes)

  • 衡量分類問題好壞的統(tǒng)計(jì)指標(biāo)

  • 用于模型選擇的交叉驗(yàn)證方法, 正則化

第二章：邏輯回歸，樹模型和集成學(xué)習(xí)

  • 邏輯回歸

  • 特征選擇, 文本統(tǒng)計(jì)處理

  • 圖像識(shí)別

  • 決策樹，基尼不純度

  • 商, 決策樹的建立

  • 決策樹: 模型參數(shù)

  • 回歸樹

  • 集成學(xué)習(xí): 隨機(jī)森林

  • 集成學(xué)習(xí): GBM，XGBoost

第三章：支持向量機(jī)，無(wú)監(jiān)督學(xué)習(xí)

  • 支持向量機(jī): 線性分類

  • 軟邊際，和邏輯回歸的比較

  • 支持向量機(jī): 非線性和核函數(shù)

  • 支持向量機(jī): 幾何解釋

  • 無(wú)監(jiān)督學(xué)習(xí)：降維， 主成分分析 (PCA)

  • 特征降維在監(jiān)督學(xué)習(xí)中的應(yīng)用

  • 無(wú)監(jiān)督學(xué)習(xí)：聚類

第四章：神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)

  • 神經(jīng)網(wǎng)絡(luò)：從邏輯回歸到 MLP

  • 激活函數(shù)

  • 目標(biāo)損失函數(shù)，反向傳播

  • 多層感知器例子

  • Keras / TensorFlow 和神經(jīng)網(wǎng)絡(luò)

  • 深度學(xué)習(xí)中的優(yōu)化

  • 卷積神經(jīng)網(wǎng)絡(luò) CNN

  • 卷積神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用

  • 循環(huán)神經(jīng)網(wǎng)絡(luò) RNN

  • 循環(huán)神經(jīng)網(wǎng)絡(luò) LSTM

  • LSTM 在自然語(yǔ)言處理中的應(yīng)用


《機(jī)器學(xué)習(xí)原理與應(yīng)用》由殷志浩教授主講，他是美國(guó)麻省理工學(xué)院物理學(xué)博士，曾任美國(guó)摩根大通銀行董事總經(jīng)理，也曾擔(dān)任中金基金總經(jīng)理 ..... 在量化投資分析方面超過 20 年經(jīng)驗(yàn)！

CGFT學(xué)員說



【特許全球金融科技師學(xué)員風(fēng)采】準(zhǔn)高金EMBA校友、湘財(cái)證券金融科技項(xiàng)目負(fù)責(zé)人，為何*特許全球金融科技師？



【特許全球金融科技師學(xué)員風(fēng)采】金證股份產(chǎn)品總監(jiān)凌楚蕃：會(huì)計(jì)專業(yè)“逃課大王”的量化精英之路