Mga spotlight
Quantitative Analyst, Quantitative Researcher, Quantitative Developer, Quantitative Strategist, Financial Engineer, Risk Model Developer, Algorithmic Trader, Quantitative Investment Analyst, Data Scientist (na may pagtuon sa quantitative modeling), Financial Quantitative Developer
Ang isang Quantitative Model Developer o "Quant" ay isang indibidwal na gumagamit ng computer modeling upang magproseso ng data. Ang data na ito ay ginagamit upang gumawa ng mga desisyon para sa isang kumpanya o financial firm upang matukoy ang mga pagtatasa ng panganib, pagpepresyo, o mga pagkakataon sa pamumuhunan. Maaaring mayroon silang iba't ibang partikular na tungkulin depende sa kanilang kumpanya o industriya, ngunit lahat ay gumagamit ng mga siyentipikong pamamaraan upang pag-aralan ang data.
- Napakahusay na kabayaran
- Lumalago ang field – isang pagkakataon na maging bahagi ng lumalagong larangan.
- Magagawang magtrabaho nang nakapag-iisa at maghatid ng data kung kinakailangan.
Ang isang karaniwang araw ay maaaring nakadepende nang malaki sa kung saan gumagana ang isang Quant. Ang bawat kumpanya o kumpanya ay maaaring may iba't ibang pang-araw-araw na inaasahan para sa mga indibidwal na ito. Gayunpaman, maaari mong asahan ang mga sumusunod:
- Pakikipagpulong sa iba pang mga analyst sa pamamagitan ng text, telepono, teleconference, email, o nang personal upang matukoy ang pinakamahusay na paggamit ng data.
- Lumikha ng mga programa upang iproseso ang data ng kasaysayan at pamumuhunan - kabilang ang pagkolekta ng data.
- Pag-aralan ang mga uso sa mga pamilihan sa pananalapi at industriya.
- Gumamit ng data upang tumulong sa pagtatasa ng iba pang miyembro ng koponan
- Gumawa ng mga ulat at presentasyon.
Karamihan sa gawain ng isang Quant ay nakabatay sa computer at dapat na sanay ka hindi lamang sa pananalapi kundi pati na rin sa computer programming.
- Kritikal na pag-iisip
- Mahusay na pag-unawa sa pagbasa at aktibong pakikinig.
- Kumplikadong Paglutas ng Problema
- Math – sa pamamagitan ng statistics at calculus.
- Kaalaman sa engineering.
- Analytical Software tulad ng MATLAB
- Coding Software at Language gaya ng Visual Basic, Python, C++
- Pagpaplano ng software para sa mga kumpanya
- Software ng database
- Mga Bangko sa Pamumuhunan
- Hedge Funds
- Mga kumpanya sa panig ng pagbebenta
- Mga Insurance Firm
- Mga Nag-develop ng Financial Software
Maaaring tumagal ng ilang taon ng edukasyon at karanasan ang pagiging isang Quantitative Model Developer. Ang emphasis ay kadalasang nasa bahagi ng programming ng equation, ngunit mahalaga na maging mahusay din sa pananalapi.
Inaasahan na magiging matatas ka sa mga programming language tulad ng C++ at Python at makakagawa ka rin ng software para sa iyong kumpanya. Ang mga programa sa pagsusuri ay madalas na binuo sa bahay at pagmamay-ari. Nangangahulugan ito na maaari kang gumugol ng ilang taon sa pag-fine-tune ng isang programa para sa isang kumpanya at mawala ang lahat ng access kapag umalis ka – hindi mo pagmamay-ari ang iyong nilikha.
Maaari mong asahan na gumugol ng maraming oras sa pagpapahusay ng iyong computer programming at mga kasanayan sa software bago maghanap ng trabaho sa mga financial market bilang isang dami.
Ang quantitative development ay isang trend sa Pananalapi sa sarili nitong. Ang mga pamilihan sa pananalapi ay higit na umaasa sa pagsusuri ng data at mga solusyon sa software sa pagbuo ng mga plano sa pamumuhunan at mga produkto para sa kanilang mga kliyente. Habang lumalaki ang diin, hindi pa rin alam kung mas maraming programmer ang kakailanganin upang higit pang bumuo ng software, o kung mas kaunti ang kakailanganin upang mapanatili.
- Computer programming
- Naglalaro ng video games
- Math sa school
- Paglutas ng mga logic puzzle
- Bachelor's Degree – Computer Programming, Software Development, Math
- Ang mga Financial Class ay isang plus
- Master's – MBA, Financial Engineering, Quantitative Financial Modeling
- Ang karanasan bilang data analyst at may data mining ay maaaring isaalang-alang sa halip na edukasyon.
- Ph.D – Kung umakyat sa industriya, maraming indibidwal ang nakakuha ng Ph.D
- Dapat ding magkaroon ng praktikal na edukasyon ang Mga Nag-develop ng Modelong Dami sa pamamagitan ng ilang taon ng karanasan sa trabaho upang matutunan ang tungkol sa: mga derivatives, mga programa sa hedging, mga modelo ng pagpepresyo ng derivatives, pagpoproseso ng data sa merkado, mga numerical na pamamaraan, mga opsyon sa hindi pamantayang pagpepresyo, advanced na quantitative application development, database programming, algorithm, siyentipikong computing, inilapat na matematika, istatistikal na modelo, advanced na konsepto ng pananalapi, at istruktura ng data
- Kasama sa mga karaniwang programming language na maaaring kailanganin mong matutunan ang C++ / C#, Python, SQL, R, at VBA
- Malamang na pamilyar din ang mga manggagawa sa automation ng Microsoft Office, NumeriX Cross Asset o SDK, PolyPaths, Bloomberg, Calypso, at Tableau
- Kasama sa iba pang tool sa pagmomodelo at diskarte sa pangangalakal ang Maygard, Quantcode, Rosetta code, Quantconnect, Quandl, Quant Lib, at JQuantLib
- Dapat bumuo ng isang hanay ng mga teknikal na kasanayan ang Mga Nag-develop ng Modelong Dami na nauugnay sa pagbuo ng software, programming, machine learning, at deep learning. Kumuha ng mga klase, self-study, at sumali sa mga computer club para matutunan ang lahat ng iyong makakaya
- Mag-sign up para sa mga klaseng nauugnay sa komunikasyon gaya ng English, writing, speech, at debate
- Pag-aralan ang mga karaniwang modelong ginagamit sa quantitative development, gaya ng consolidation, option pricing, forecasting, Discounted Cash Flow, at merger
- Mag-apply para sa mga internship ng Quant Developer para magsimulang makakuha ng hands-on na karanasan sa trabaho
- Pag-aralan ang mga naaangkop na programming language at mga tool sa pagmomodelo/pangkalakal (tingnan ang seksyong Kinakailangan ng Edukasyon)
- Mag-sign up para sa mga maikling kurso tulad ng Quantra's Automated Trading gamit ang Python & Interactive Brokers o Machine Learning & Deep Learning sa Financial Markets
Karamihan sa Quants ay hindi direktang nakakakuha ng kanilang trabaho mula sa undergraduate. Asahan na gumugol ng ilang taon sa pagtatrabaho sa data research o software development. Ang pagtatrabaho sa larangan ng pananalapi ay hindi kasinghalaga ng pagpapakita ng kasanayan sa pagsusuri ng data. Mahalagang buuin ang iyong network sa panahong ito dahil maaaring magkaroon ng maraming crossover sa pagitan ng financial data modeling firm at ng software development firm.
Inirerekomenda din na makakuha ng Master's Degree. Ang Financial Engineering ay isang kapaki-pakinabang na larangan, gayundin ang Business Administration. Ang ilang mga paaralan ay nag-aalok din ng isang degree sa Quantitative Analysis. Kakailanganin mong ipakita ang kaalamang ito pati na rin ang pagpayag na makipagsapalaran at matugunan ang mga hinihingi ng mga mangangalakal sa pananalapi. Nangangahulugan ito ng mahabang oras at nakababahalang mga kondisyon.
Depende sa iyong edukasyon at karanasan, maaari mong asahan na magtrabaho bilang isang kasama sa loob ng ilang taon. Kung mayroon kang Master's o Ph.D, mas malaki ang tsansa mong umakyat sa posisyong Bise Presidente. Higit pa riyan, maaari mong pakinabangan ang iyong posisyon upang magtrabaho sa ibang kumpanya o ma-promote bilang executive director o Bise Presidente.
Maraming indibidwal ang mananatili sa antas ng VP, ngunit maaari kang umakyat sa Managing Director o higit pa batay sa iyong ambisyon.
Mga website
- kay Barron
- Bloomberg
- CNBC Breaking Business News
- Fiduciary at Investment Risk Management Association
- Financial Times
- Negosyo ng Fox
- Geeks para sa Geeks
- International Association of Quantitative Finance
- Investopedia
- MarketWatch
- Quantinsti
- Dami
- Quantocracy
- QuantStart
- Stack Overflow
- Kalye ng mga Pader
- Ang kalye
- Wall Street Journal
Mga libro
- Machine Learning para sa Algorithmic Trading: Mga predictive na modelo upang kunin ang mga signal mula sa market at alternatibong data para sa mga sistematikong diskarte sa pangangalakal gamit ang Python, ni Stefan Jansen
- Algorithmic Trading: Isang Gabay ng Practitioner, ni Jeffrey M Bacidore
- Algorithmic Trading: Step-By-Step na Gabay upang Bumuo ng Iyong Sariling Panalong Diskarte sa Trading Gamit ang Financial Machine Learning Nang Hindi Kailangang Matuto ng Code, ng Investors Press
- Software Engineer o Developer
- Pag-optimize ng Supply Chain
- Pagsusuri ng Data sa Pangangalagang Pangkalusugan o Pagpapaunlad ng Gamot
- Cyber Security
- Pamamahala ng Panganib
Newsfeed
Mga Tampok na Trabaho
Mga Online na Kurso at Tool