能聊聊国内和国外做量化有什么不同吗？比如华尔街工作内容和国内工作内容的差异？海外量化策略能直接移植到国内吗？策略需要做什么调整等

1. 我之前在投行做的都是sell side的工作 给trader打下手，更注重derivative pricing，现在的quant更多时候都在做coding了，而hedge fund才是大家认为的量化 像DE Shaw, Citadel, Tower这些
2. 即使去了fund 大概率可能也是在做backtest和optimization 真正的那些alpha是在PM手里 很难能接触到核心内容 大家现在都搞成了World Quant和九坤那样 你自己去找一些factor 扔到一个black box里 返回的结果是什么其实根本不知道
3. 策略能直接移植到国内的我觉得只有高频可以 而高频跟策略其实一点关系都没有 比的只是谁的infrastructure搭的更好 CTA fund大部分连S&P都跑不过 所以搬回来能不能work也很难说。。。
4. 想在量化上做出成绩来还是需要自己潜下心来去研究 多读paper多读书 从头做起 否则只是在用别人写好的框架 根本get不到这个技能

今天下午面试了一个人 又有些新的想法 也和大家分享一下

如果你想做量化 统计(time series & linear regression(OLS, Lasso, Ridge)) 还有Linear Algebra一定要学的扎实 不能只会套公式 因为做signal construction的时候 不光需要你对market有一定的sense 更需要知道你的这个factor为什么是这样的 需要做什么样的变换blah blah 如果随随便便扔几个factor进去就能赚钱 那做machine learning那帮人早都财富自由了

就好比说你做PCA 想降维 首先你要对降维之后的eigenvector代表了什么 有一个大概的理解 否则即使它work了 你还是不知道你赚钱的来源是什么 换一个市场可能直接就GG了 因为很有可能只是你运气好 或者你的model有严重的overfitting

（纯个人愚见，因为我也走过这段弯路）RiceQuant和JointQuant这样的平台上(完全没有黑的意思) 我看到很多人想找到万能的策略 甚至对某一技术指标情有独钟 想不断优化达到最完美 出发点是好的 但这偏离了做量化的本质 其实这些个技术指标 只是做了一种变换f(x) 不管它的公式有多fancy 重点是你要理解他为什么做这么个变换

抛开高频和套利不说（因为这两个更多的是对infrastructure的要求），想要做好CTA和Mean Reversion策略 要的是你前期搭好一个回测的Framework 然后花大量的时间把N个指标也好 信号也好 全部扔进去 研究他们之间的相关性 然后再把time horizon切成不同的周期 30min 1h 2h 4h 统统展开 这些都做完了 再去找有没有其它cross-sectional的标底可以加进来 最后形成一个巨大的portfolio 在portfolio level上做mean-variance optimization 任何单一CTA的策略都无法做到高回报 低回撤 无论你怎么优化 这是趋势本身的drawback 但一个portfolio就可以很好地解决这个问题

谢谢你的分享，很实在

多谢楼主，这本书以前看过，确实不错，值得推荐~