@伏陆圣 我们是一个公司，内涵不是做交易的，内涵是做技术的，交易只是技术下的一种应用。你对量化的知识已经很丰富，我只能说，量化的核心还是人，不是机器学，机器学我本身道行不深，我不做评价，我们目前没涉及到机器学，如果聚类也算机器学，这只是很多边界定义问题。
核心是特征，特征是交易场景的定量化描述的连接，是认知和冰冷模型之间的桥梁，也是模型的灵魂所在。
这里假定讨论的交易场景是打板，否则对对话就会呈现鸡同鸭讲，我个人赞同使用线性回归，逻辑归回太粗糙。
没错，本质上，模型结构是一颗树，模型只是挂在上面的一颗颗果实，任何的想法，经验都可以转化成果实，来对这颗树做增益。
建模的本质是，想清楚实物的本质，创造特征最核心。深度学只是工具，之后我们会打算招一些此类工具人才到团队中。
我最早的背景是做
通信系统，很早之前，我能感知如果你有想法并且为之
行动准备，这些知识结构切入
金融量化是有一定的优势，老实说，量化模型的难度是远远小于通信系统的，那么多年，我也早已从具体的写代码转换到架构的角色。
量化模型跟一些纯IT类系统等的不同是非常明显的，后者有国际标准做基准，无非在已经明确的目标上做优化或者微创新，目标是恒定的，有锚定的；而前者是没有目标的，虽然说净值曲线能稳定向上就是目标，落地需求是什么，如何驱动进出场，如何计算效率，如何证明已做的潜在客观最优的？这些都是具体工程落地的问题，因此如果一个量化团队特长只是都会写代码，高概率是走不远。必须要有对交易有深刻认知的角色，并且知道如何转换成工程问题，就像每个人面临一块土地，必须设定目标，是种
苹果还是香蕉，如何种，这些都是大的目标设定问题，即使有很多人会开耕地的机器，他们也只能静静的等待计划的出现，否则具体做什么呢？
因此稀缺的不是写代码的，也不是做执行的，稀缺的是可以设定业务场景的人，因为不知道目标是什么，你浑身就会感觉力气不知道使向哪里。
基于这个理解，多年的认知和思考，我彻底转化成这个角色，考虑的不是狭义的某种工具的问题，考虑的是之前 现在 今后各种想法如果塞入现有的模型，总是流畅的，顺滑的，因此必须保留广义模型的自由度。当你做一件事情，能想的很清楚，实际上还没开始做，这件事情已经成功了一大半。
考虑到职业生涯，每个人都会面临迷茫，不清楚目标时，总是觉得什么东西都想掌握，慢慢的，你会发现更加混乱，不管是在企业里工作还是独立经营，总是面临一个问题，我到底最擅长什么？这里大部分都是独立经营的个体，这个目标实际上要比出去工作难度高很多，潜意识的认为：业务、流程、模型、代码、底层逻辑、落地执行，一个人全部能搞定，不排除有这样的人，概率呢？否则全球包括国内的大型对冲基金，也不会有
庞大的团队。
金融市场就像一个未经装修的空空的沿街商铺：要不要租、做什么、怎么做、竞争优势在哪里、为什么别人无法复制..................估计有几十个问题都得想清楚，而不是直接说我很会算账、我笑容很迷人很会招揽客户，这些都没意义。
去认识市场，去认识市场的本质，去理解交易，去设定交易场景，然后结构会慢慢浮现在你的眼前，至此，该使用什么工具，你会发现实际上工具就是工具，都可以。如果你没有榔头，你会找块砖去敲打你要敲打的钉子，你也必须明白砖也可以起到如此作用。
工具并不能带给你价值，认知才可以。
系统和我
18
评论(596)
收藏
展开
