碼農(nóng)轉(zhuǎn)量化金融：我的目標(biāo)是提前“躺平”

我，坐標(biāo)北京，中年大叔，人生上半場(chǎng)碼農(nóng)，從最早的VC6.0、MFC、逆向工程、網(wǎng)絡(luò)編程，到中期的Java、React，到近期的大數(shù)據(jù)、AI一路走下來，在一次又一次的技術(shù)革新浪潮中，疲于奔命，始終缺少方向感、歸屬感。在迷茫和徘徊中，終于熬到了不惑之年，碰巧遇見了疫情，可以靜下心來想想人生下半場(chǎng)如何開始。

最初的想法是讀PhD，圓了年輕那會(huì)兒的夢(mèng)想，也能為人生下半場(chǎng)發(fā)展做好鋪墊，個(gè)人興趣是人工智能和金融相結(jié)合的方向，畢竟人工智能是IT行業(yè)的熱點(diǎn)和趨勢(shì)，有無窮無盡的潛力和發(fā)展方向，按整個(gè)行業(yè)發(fā)展來看，正處于大的變革期。而金融更是萬年青行業(yè)，幾乎是所有行業(yè)的基石，對(duì)于個(gè)人而言，通過理財(cái)、投資等方式，也可以實(shí)現(xiàn)財(cái)富穩(wěn)定增長(zhǎng)，沒準(zhǔn)可以提前退休，實(shí)現(xiàn)“躺平”這個(gè)人生最高目標(biāo)。
OK，方向有了，下一步是學(xué)習(xí)路徑。最初選擇的是CFA，可能就是因?yàn)槊麣獯?。CFA大概學(xué)了半年，Level 1課程跟老師系統(tǒng)過了一遍，比較肯定的是CFA作為金融入門課程不錯(cuò)，范圍廣比較系統(tǒng)，但總感覺距離自己原先的目標(biāo)還差點(diǎn)意思，尤其是老師拿著計(jì)算器講課，AI用在哪里啊，難道要替代老師講課么。不過機(jī)會(huì)總是努力之后才能遇到，參加幾次公開課之后，我了解到CQF課程體系，并報(bào)名了22年1月的CQF課程。

目標(biāo)明確之后，開始準(zhǔn)備CQF課程。開課之前老師發(fā)來了前導(dǎo)課，我也參考了幾款主流量化交易平臺(tái)，多因子模型也能初步跑起來，就是結(jié)果達(dá)不到預(yù)期，也不知道哪里出錯(cuò)，加了很多很多量化交易群，圍觀各路神仙吵架，從一個(gè)量化小白走上量化學(xué)徒之路。開課第一個(gè)月，我發(fā)現(xiàn)之前的前期準(zhǔn)備幾乎清零，上來就是隨機(jī)偏微分方程；課程節(jié)奏很快，兩周時(shí)間就把整個(gè)金融數(shù)學(xué)講了一遍；1節(jié)課3小時(shí)課程，我看回放需要8個(gè)小時(shí)才能跟上，稍不留神就跟不上，還得反復(fù)的看；上完課也就是了解老師講的是什么，距離融會(huì)貫通學(xué)以致用，估摸和銀河系一樣遙不可及，難怪CQF協(xié)會(huì)提供終身學(xué)習(xí)，知識(shí)內(nèi)容屬實(shí)豐富了些。
再聊聊對(duì)量化金融的個(gè)人理解，CQF課程比較系統(tǒng)的介紹了量化金融相關(guān)的方方面面，可以將量化細(xì)分以下幾個(gè)部分：
1、數(shù)學(xué)部分：CQF涉及到的數(shù)學(xué)內(nèi)容，應(yīng)該是最低入門要求，大概是可以用偏微分方程對(duì)股票、利率、期權(quán)等金融產(chǎn)品進(jìn)行數(shù)學(xué)建模，以及求解最優(yōu)解。
2、金融部分：至少能達(dá)到CFA、CQF的要求，金融工程應(yīng)該是入門要求，理解常用的金融模型，當(dāng)然，最好有實(shí)戰(zhàn)經(jīng)驗(yàn)，即使是韭菜經(jīng)驗(yàn)也是非常好的。對(duì)了，CQF對(duì)金融衍生品特別重視，很大篇幅介紹衍生品定價(jià)背后的數(shù)學(xué)原理和公式推導(dǎo)。
3、AI部分：1990年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)，資產(chǎn)定價(jià)模型，被稱為現(xiàn)代投資組合理論，而2017年谷歌提出的Transformer深度學(xué)習(xí)模型，已經(jīng)被業(yè)內(nèi)稱為上古技術(shù)，一個(gè)是現(xiàn)代，一個(gè)是上古，可見AI領(lǐng)域比金融領(lǐng)域相比，簡(jiǎn)直是日新月異。最難的是，如果沒有系統(tǒng)學(xué)習(xí)過AI，都不清楚該領(lǐng)域的邊界范圍，或者最優(yōu)方案，沒準(zhǔn)自己很自豪忽悠甲方用到的是遠(yuǎn)古技術(shù)。CQF可以帶我們快速入門AI領(lǐng)域，并有能力快速的找到解決問題的方案，如果需要最新的前沿的AI模型，還需要大量翻閱論文。
4、編程部分：這里有個(gè)誤區(qū)，很多從事金融的大牛瞧不上碼農(nóng)，總覺得雇人就能搞定；很多IT精英卻又瞧不上Python腳本編程，總覺得很容易看看就會(huì)?？陀^評(píng)估，即使這兩類牛人合體，至少需要2-3年孜孜不倦的學(xué)習(xí)提高，才有可能將量化平臺(tái)落地實(shí)戰(zhàn)，而且有極高的時(shí)間成本風(fēng)險(xiǎn)。關(guān)于選擇開發(fā)語言，目測(cè)用Python實(shí)現(xiàn)概率大一些，畢竟涉及到的模型、AI算法、數(shù)據(jù)處理，Python提供很好的支撐，但是Python天生不足缺少大型工程支撐，需要自己實(shí)現(xiàn)大量代碼和性能調(diào)優(yōu)。如果用C/C++或者Java實(shí)現(xiàn)，真有可能望山跑死馬，雷聲大雨點(diǎn)小，效果達(dá)不到預(yù)期。
最后總結(jié)一下，量化領(lǐng)域是零和博弈、你死我活的戰(zhàn)場(chǎng)，CQF給了戰(zhàn)場(chǎng)的邊界和范圍，并督促、鞭策我們系統(tǒng)學(xué)習(xí)、終身學(xué)習(xí)，從無腦梭哈，努力轉(zhuǎn)變成靠自己實(shí)力虧錢，在韭菜成長(zhǎng)之路茁壯成長(zhǎng)。也許，唯有投入更多，才能在高度競(jìng)爭(zhēng)環(huán)境下建立自己理論和技術(shù)優(yōu)勢(shì)，才能逐步實(shí)現(xiàn)人生小目標(biāo)。
對(duì)于個(gè)人職業(yè)生涯，CQF只是入門課程和啟蒙老師，給我們量化發(fā)展方向和持續(xù)學(xué)習(xí)的能力。前沿論文精讀復(fù)現(xiàn)和量化系統(tǒng)設(shè)計(jì)開發(fā)，應(yīng)該是學(xué)完CQF課程的每位學(xué)員破繭成蝶的重要過程。