近日，社交媒體上一則文章引發(fā)關注：有量化私募發(fā)了5000萬元的年終獎！
12月14日，中國證券報·中證金牛座記者從幾家頭部量化私募人士處證實了該情況。但據(jù)記者了解，只有個別核心員工能拿到這種級別的年終獎，而對于非頭部量化私募來說，千萬獎金就已是天花板。
機構(gòu)證實5000萬年終獎
近日，一位博主在社交媒體上發(fā)帖稱：“同事的同班同學做量化，今年獎金超過5000萬元……今年做量化的二級私募確實厲害了，業(yè)績大爆表，震蕩市中，模型的確優(yōu)于人腦?！?/span>
圖片來源：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3000萬元年終獎：“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3000萬元年終獎。圈里人都知道他是誰?！?/span>

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，一下就財富自由了！”

不過，也有網(wǎng)友“冷靜”看待：“做量化拿5000萬元的人，我并不認為比買彩票中5000萬元的人要多，這樣的人在全國一只手數(shù)得過來，還是干好自己的事情?！?/span>
來源：社交媒體

如此高額獎金，是否屬實？中國證券報.中證金牛座記者從機構(gòu)人士處得到證實，其表示這一年終獎水平在業(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，這一時間點正是搶人高峰期，公司出于對被“挖墻腳”的擔心，所以今年發(fā)得更早。

“對于非頭部量化機構(gòu)，千萬級別就已經(jīng)是薪資的天花板。”另一量化私募人士表示。

核心員工價值幾何

一位*量化投資人士表示，5000萬元的年終獎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個點，收益就會增加3億元到5億元，分10%給團隊中的核心員工正常。

“在當前量化講究深度學習的階段，跟以前‘工廠式’的傳統(tǒng)線性量化模型不同。以前一個模型有十幾二十個研究員一起研究，模型收益提高，大家就一起平均分錢。但現(xiàn)在深度學習，也就是所謂的神經(jīng)網(wǎng)絡，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，站在風口上的量化私募業(yè)績也同樣“豪橫”。據(jù)某第三方平臺的數(shù)據(jù)，截至12月初，26家百億量化私募今年收益全部為正，平均收益達到21%。其中，凡二投資、鳴石投資、天演資本、金戈量銳、世紀前沿私募基金等量化私募公司整體業(yè)績靠前。表現(xiàn)*的百億量化私募代表產(chǎn)品，今年以來收益率超50%，部分頭部量化私募代表產(chǎn)品今年來的收益率集中在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)全面應用于支付清結(jié)算、借貸融資、財富管理、零售銀行、保險各大金融領域，新技術(shù)正在重塑金融產(chǎn)品、金融活動流程，甚至金融組織架構(gòu)。而在投資領域，隨著金融機構(gòu)大量運用人工智能、機器學習的方法并成為趨勢，市場越來越有效，將為量化投資帶來更多的機會，也將推動機構(gòu)更多地依賴大數(shù)據(jù)、人工智能等金融科技領域技術(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)盟副秘書長何波曾表示，量化投資的決策過程中要大量應用金融科技手段，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久發(fā)展，它是一個工具，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，對于想進入量化金融領域發(fā)展的人士來說，深度學習金融科技師領域知識很有必要。在一級課程中有大量與量化投資相關的內(nèi)容，今天我們先介紹一下《金融學基礎》與《機器學習原理與應用》這兩門與量化金融關系更為密切的課程，也可以參考量化金融領域CGFT學員的真實評價。



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

第五章 公司金融基礎

  • 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

第六章 證券估值基礎

  • 固定收益證券和利率

第三章    金融機構(gòu)

  • 債券估值

  • 商業(yè)銀行

  • 債券風險分析

  • 信托公司與影子銀行

  • 股票估值模型 (I)

  • 保險公司

  • 股票估值模型 (II)

  • 投資銀行與證券公司

  • 風險和回報

  • 投資基金公司


  • 金融監(jiān)管

第七章 資產(chǎn)管理基礎

  • 資產(chǎn)組合的風險分散

第四章 金融市場

  • 資產(chǎn)組合優(yōu)化配置

  • 貨幣市場與債券市場

  • 資本資產(chǎn)定價模型(CAPM)

  • 股權(quán)市場

  • 阿爾法和貝塔收益

  • 大宗商品市場

  • 市場有效性

  • 衍生品市場--期貨

  • 行為金融

  • 衍生品市場--期權(quán)


第八章 總結(jié)與展望


一級《金融學基礎》由嚴弘教授主講，出身浙大少年班的嚴教授不僅擁有金融博士學位還獲得獲得了密歇根大學所授予的*個應用物理學博士學位。嚴弘教授的研究領域包括資產(chǎn)定價（公司決策與股票報酬、股票與債券的信用風險與投資回報、市場流動性、金融衍生品與風險管理、投資組合決策）、金融中介（共同基金、對沖基金、金融分析師）、新興市場（尤其是中國的金融市場發(fā)展、外國/機構(gòu)投資者在其中的作用），其研究成果發(fā)表于國際*學術(shù)期刊，如 Journal of Finance，Journal of Financial Economics，和 Review of Financial Studies等。其中對CDS的研究于2007年獲美國Q-Group獎，而關于公司財務困境對股票收益的影響的研究于 2010 年獲得 Crowell 獎。


CGFT 特許全球金融科技師 (一級）
《機器學習原理與應用》
課程目錄
第 一章：機器學習基礎

  • 什么是機器學習？

  • 貝葉斯統(tǒng)計推斷

  • 優(yōu)化簡介

  • 優(yōu)化簡介(續(xù))

  • 機器學習理論基礎

  • K-近鄰

  • 樸素貝葉斯 (Naive Bayes)

  • 衡量分類問題好壞的統(tǒng)計指標

  • 用于模型選擇的交叉驗證方法, 正則化

第二章：邏輯回歸，樹模型和集成學習

  • 邏輯回歸

  • 特征選擇, 文本統(tǒng)計處理

  • 圖像識別

  • 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

  • 集成學習: 隨機森林

  • 集成學習: GBM，XGBoost

第三章：支持向量機，無監(jiān)督學習

  • 支持向量機: 線性分類

  • 軟邊際，和邏輯回歸的比較

  • 支持向量機: 非線性和核函數(shù)

  • 支持向量機: 幾何解釋

  • 無監(jiān)督學習：降維， 主成分分析 (PCA)

  • 特征降維在監(jiān)督學習中的應用

  • 無監(jiān)督學習：聚類

第四章：神經(jīng)網(wǎng)絡和深度學習

  • 神經(jīng)網(wǎng)絡：從邏輯回歸到 MLP

  • 激活函數(shù)

  • 目標損失函數(shù)，反向傳播

  • 多層感知器例子

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

  • 深度學習中的優(yōu)化

  • 卷積神經(jīng)網(wǎng)絡 CNN

  • 卷積神經(jīng)網(wǎng)絡在圖像處理中的應用

  • 循環(huán)神經(jīng)網(wǎng)絡 RNN

  • 循環(huán)神經(jīng)網(wǎng)絡 LSTM

  • LSTM 在自然語言處理中的應用


《機器學習原理與應用》由殷志浩教授主講，他是美國麻省理工學院物理學博士，曾任美國摩根大通銀行董事總經(jīng)理，也曾擔任中金基金總經(jīng)理 ..... 在量化投資分析方面超過 20 年經(jīng)驗！

CGFT學員說



【特許全球金融科技師學員風采】準高金EMBA校友、湘財證券金融科技項目負責人，為何*特許全球金融科技師？



【特許全球金融科技師學員風采】金證股份產(chǎn)品總監(jiān)凌楚蕃：會計專業(yè)“逃課大王”的量化精英之路