1樓：AGStalker
是。但不是唯一的，如果你認識很多資金方，那也是可以的
2樓：愛喝茶的基金經理
2、能賺錢的策略，不是乙個人開發出的。這是團隊分工合作的結果，不是讓你乙個人開發一套賺錢策略。
3樓：期權小白
數學，計算機還是要具備的，金融反而不一定
4樓：酉道火
程式設計都不熟練，想法再好，核心不是自己寫出來的，多乙個人經手就多了乙個洩密風險
5樓：任任任經理
當然！不光是底子要硬，自身實力強，也需要在實戰中有經驗
6樓：
對於頭部量化私募來說，
如果是應屆生，最看重的是學歷背景、數理分析及程式設計能力、智商等。其中學歷背景：基本只要清北復交浙中科大等幾所頭部學校，有些甚至只要清北，理工類專業，最好是數學、物理、計算機、AI等，如果有各種競賽金牌加持就更好了，沒辦法，現在這個行業就是卷成這樣了。
如果是有經驗的，就看你手裡是否有策略是否跑過實盤業績如何以及是否和公司現有策略互補等。
小點的量化私募要求可能會稍微低一些，但是也不離其宗。
7樓：AlphaMaker
如果是應聘量化私募的話，確實是需要技術功底的，就像敲門磚，你會的正是他們需要的，才可能促成合作。
研究出賺錢的策略，恐怕光技術功底紮實還不太夠，還需要經驗、應變力、對市場的理解和規律的總結，好的心態。目的是賺錢嘛，沒有綜合實力不容易辦到。
8樓：
頭部的基本不在乎動不動金融，金融工程或者金融數量分析的功底紮實，在實操環節更多的是早期期權交易會有一定的優勢，為什麼是早期，因為即使是不懂這些的人進入，但是數理功底非常紮實，很快就能掌握這些內容。
量化私募研究員最重要的便是數學功底，其他的金融工程、基本面分析都是相對來說比較簡單的。而且現在主流都是挖掘機器學習，數學要足夠紮實，很多演算法你才能掌握其根本，單純用python調個包是玩不溜的。
至於程式設計，最好是熟練掌握python的大多資料分析功能就行，實在不行MATLAB或者R也OK（實際上我平常python、MATLAB和R混用，純看具體問題的具體使用環境，例如涉及到一些蒙特卡洛模擬的問題時，我最早用MATLAB寫的，後來懶得重寫，就一直用MATLAB跑）。在大公司C++一般而言是用來作為底部交易框架的，這部分會有專門的IT負責。至於小作坊的話，C++還是必要的，涉及到一些T0交易，C++的速度優勢非常明顯。
數學和程式設計的底子比較好，頂多是能讓你開發策略的速度變快，然後更早的發現能夠賺錢的策略，畢竟沒有乙個模型是可以永久不失效的，我自己見過的有效性最久的模型是差不多維持了兩年，兩年之後明顯下滑。更為重要的能力是持續發現策略的能力以及挑選策略的能力。這就是說你的底子越好，越能在前乙個策略失效之前進行更新迭代。
紮實的基礎並不能100%讓你開發出策略，只是加大了你研發出策略的可能性，我也見過一些基礎非常紮實的研究員努力了很久都沒有什麼成果，最終被迫轉行的例子。畢竟在開發過程中，運氣也是重要的環節。
9樓：
已有的回答都是什麼鬼，一看就沒在一線私募幹過。
一線量化私募才不在乎你懂不懂金融，看重的是你的數理基礎，程式設計能力和腦子好不好。尤其是應屆生校招的。
乙個普通985學金融工程的，有過3年實盤經驗的人，和清北本科QS前十完全不懂金融的的物理博士，只有後者有可能進頭部量化私募。
10樓：風控餘
我自己都想去應聘，都不知道那些金主看中的是什麼能力。
不過我目前已經憑自己研究的策略可以穩定真正收益，上班的願望就不那麼迫切了
量化策略研究員成長之路？
有一些做matlab的私募，也在開始使用python做量化了 VNPY 量化交易上的效能對比分析 由於VNPY架構的不合理，導致架構效能和生產環境還有較大差距 guobz 個人覺得，先找到乙個領域，自己的能動性 可發揮的空間大些，從模型開始，接受市場的考驗，然後逐漸從收益慢慢關注到風險 成本 交易整...
量化研究員需要具備些什麼？
量小匯 根據我們多年來服務過的量化機構對量化研究員的招聘需求看，針對你的幾個問題，我的回答是 1.有沒有背景資源，不是最核心的因素。最本質的競爭力，是在滿足基本功後，基於你對於市場的理解，所挖掘的因子對策略有促進作用並獲得收益。另外，目前國內管理規模幾十億到上百億的量化私募機構創始團隊成員，小到我們...
為什麼很多量化私募大佬痴迷於微觀結構？
青風乘翼 把巨集觀落實到實踐就是微觀結構，微觀結構是操作的方向和理解表述。操作手法要形成閉環或者有市場競爭力的邏輯體系，那麼研究微觀結構是最直接最省力最有啟發意義的目標了。當然這種微觀結構是要有市場有效性，可檢驗性的。 貓貓貓道夫 大佬是否痴迷我不知道，然而市場微觀結構至少在這本金融計量教科書中被認...