00:00 / 01:25
连播
清屏
智能
倍速
点赞2076
00:00 / 01:27
连播
清屏
智能
倍速
点赞3131
00:00 / 02:17
连播
清屏
智能
倍速
点赞2697
作為留學生想進華爾街做量化,理解這4個階段都清楚就怎麼辦了 第一階段:手工活自動化 🔸 真實案例:交易員每天早上手工下單太累,找人寫程式自動執行「開盤跳空策略」 🔸 本質:把主觀做法程式化,但從未驗證過歷史有效性 🔸 求職定位:實習生水平,會寫程式碼但不懂為什麼賺錢 第二階段:用數據說話 🔸 真實案例:發現「下雨天外送平台股票會漲」?拉3年數據一比對,下雨天55%上漲,晴天也有53%,根本沒差 🔸 本質:不再相信直覺,任何策略先用歷史數據檢驗 🔸 求職定位:初階量化研究員,懂統計會回測,但策略較簡單 第三階段:複雜模型挖訊號 🔸 真實案例:某對沖基金預測油價,餵給模型原油庫存、中東新聞情緒、油輪衛星定位,發現「新聞負面+油輪閒置」組合預測準確率75% 🔸 本質:用機器學習找非線性規律,容易踩坑「過度擬合」 🔸 求職定位:資深量化研究員,頂尖理工背景,懂ML/AI 第四階段:捕捉市場本質 🔸 真實案例:文藝復興科技早期發現「連漲三天後第四天往往小跌」,背後是人性獲利了結的行為偏差,每年重複發生 🔸 本質:模型極簡,但抓到市場底層統計規律 🔸 求職定位:基金合夥人/核心PM,看到的是別人看不見的定價錯誤 求職建議: 面試時與其說「我懂機器學習」,不如說「我發現某個統計規律經過回測穩定有效」。華爾街要的不是程式碼寫得漂亮的人,而是能用數據找到賺錢邏輯的人。 你有沒有自己懷疑過某個市場規律?留言告訴我,幫你分析能不能做成策略👇 #美國求職 #Quant #留學美國 #金融求職 #面試技巧
00:00 / 04:43
连播
清屏
智能
倍速
点赞1689
00:00 / 02:14
连播
清屏
智能
倍速
点赞645
00:00 / 02:20
连播
清屏
智能
倍速
点赞378
00:00 / 01:25
连播
清屏
智能
倍速
点赞10
00:00 / 04:55
连播
清屏
智能
倍速
点赞9
00:00 / 02:51
连播
清屏
智能
倍速
点赞681
00:00 / 02:07
连播
清屏
智能
倍速
点赞4
00:00 / 00:57
连播
清屏
智能
倍速
点赞178
00:00 / 01:51
连播
清屏
智能
倍速
点赞2