“年薪50萬+”、“本碩國內TOP2”、“QS前10”、“國際高頻交易競賽前9%”、“國際頭腦奧林匹克競賽三等獎……
在金融科技領域的技術團隊中，算法團隊往往能集齊很多令人仰慕的閃亮標簽，人們只知道他們厲害，卻很少知道他們怎么個厲害法。
今天，我們就來揭秘金融科技圈內的神秘物種——算法交易工程師。
數(shù)據(jù)智能時代，算法與我們的生活緊緊相擁。
比如資訊端的內容推薦、防疫健康碼、入門或者支付時的人臉識別、智慧政務、購物時的喜好推薦等等，可以說，算法幾乎無處不在。
金融業(yè)內，算法也正發(fā)揮著魔法棒的效應，具體應用場景為算法交易，尤其是在量化領域。
隨著量化交易規(guī)模不斷擴大，算法交易作為量化交易的一類工具，在機構交易的過程中發(fā)揮著越來越重要的作用。
與此同時，隱藏在背后的算法交易工程師日漸浮出水面。
他們使用高超的算力、富有價值的數(shù)據(jù)和優(yōu)化策略為投資者打造 “掘金鏟”。
算法交易崗吸引優(yōu)秀的年輕人
在大廠招聘中，算法崗是高薪崗位中的主力軍，但總體來說目前國內算法崗還處于坑多蘿卜少的狀態(tài)。而與金融業(yè)務交叉相關的算法交易崗，其稀缺程度則更加明顯。
許多優(yōu)秀的年輕人對算法交易崗心生向往，主要原因為前景廣闊以及具有挑戰(zhàn)性。
隨著國內量化交易規(guī)模不斷擴大，算法交易的藍海已然清晰可見。相關統(tǒng)計顯示，國外通過算法交易占市場占比80%~90%，國內占比10%左右，預計未來算法交易金額將達到千萬億規(guī)模。
另外，從實現(xiàn)的維度來分析，算法交易是將計算機科學、統(tǒng)計學、金融、AI、大數(shù)據(jù)、高性能等不同領域的知識結合在一起所形成的一門綜合性學科，相關技術更是已成為新人們爭相涌入的、行業(yè)內最熱門、技術最前沿的一個領域，同時也極具挑戰(zhàn)性。
小S是恒生電子旗下子公司金納科技算法團隊的一名成員，主要負責執(zhí)行交易算法開發(fā)。本碩期間他主要研究統(tǒng)計學習和機器學習在金融領域的應用，對統(tǒng)計和最優(yōu)執(zhí)行optimal execution非常感興趣。
他對算法崗由表敬意：“想要將人的交易行為模型化其實是一件非常困難的事情，理論上雖然是可行的，但是在實際操作過程中卻充滿了未知的挑戰(zhàn)。在這種挑戰(zhàn)中成長，是一件很有成就感的事情。”
挑戰(zhàn)帶來的機遇和成就感，是算法交易崗吸引優(yōu)秀的年輕人的又一重要原因。
一流算法交易工程師有哪些特點？
金融業(yè)本就是一個知識壁壘非常高的領域，加之算法對個人的計算機素養(yǎng)和邏輯思維能力要求極高。強強相加，一個算法交易工程師的綜合素質便可想而知。
最典型的例子便是算法交易之父吉姆·西蒙斯。吉姆·西蒙斯（Jim Simons）是歷史上最成功的對沖基金經理之一，他曾是一位天才數(shù)學家、哈佛大學數(shù)學教授，后來借助對電腦技術的先知先覺，與數(shù)位天才數(shù)學家、計算機牛人合力創(chuàng)辦文藝復興科技公司，發(fā)明了算法交易系統(tǒng)。
數(shù)學天才加投資高手的合體模式下，他所管理的基金不扣除管理費的年復合收益是66%，扣除后是39%。目前為止投資界還沒有人能接近這個數(shù)字，包括沃倫·巴菲特，喬治·索羅斯，彼得·林奇，史蒂夫·科恩和雷·達里歐。
懂“金融策略”加“計算機技術”成為后來每個算法交易工程師必備的底色。但如今算法交易工程師身上最“搶鏡”的特色，恐怕要數(shù)他們的個人履歷。
但“紙上談兵終覺淺”，通過恒生這個平臺在業(yè)務場景中經歷過真正的“沙場”實戰(zhàn)后，一個算法交易工程師們的修煉能得到一個完整的閉環(huán)。
一流算法交易團隊該如何打造？
算法交易屬于一個復雜的交易系統(tǒng)，它需要數(shù)據(jù)工程師、模型工程師、算法研究員、投資總監(jiān)、投資經理、交易員、IT工程師、運維人員等角色，同時需要建立一體化的工具平臺，提供投前研究、投中決策、投后分析等各類型的工具，多維度反饋算法的表現(xiàn)以支持算法快速迭代。
作為國內算法交易發(fā)展中的核心支流，恒生目前已經搭建起一支極具實力的算法隊伍，從業(yè)務到技術架構再到研發(fā)，一站式涵蓋完整的交易系統(tǒng)需要的所有角色。
算法交易主要解決用戶的交易成本和風險控制方面的需求，交易成本主要包括：交易費用、沖擊成本、機會成本、擇時風險、延時成本等。風險控制主要包括合規(guī)控制，系統(tǒng)性風險控制，每個投資者都有各自的交易場景和交易需求。
恒生在算法交易領域深耕多年，目前算法中心可根據(jù)不同的交易場景提供不同的算法，例如：G-DMA (快速執(zhí)行）、G-Sniper (盤口捕捉)、G-Pair(調倉策略)、G-VWAPAI（成交量加權增強）等，投資者可以根據(jù)自己的需求來決定使用哪些算法進行交易。
當然，一支一流的算法交易團隊必須需要有前沿學術理論帶領和支持。
恒生旗下金納科技公司的算法團隊通過校企合作的模式，將AI的一些前沿的理論知識導入，指導金工研究方向往實際場景實現(xiàn)最終落地。
目前恒生和清華交叉團隊成立了子公司，與金納科技強強聯(lián)合，一起開拓算法交易領域的新征程。
不久的將來，該算法團隊將打造一個一體化研究平臺，不僅提供因子開發(fā)、模型研究、算法開發(fā)等工具，還支持回測和模擬撮合、仿真等功能，以實現(xiàn)不同角色可以在平臺上進行獨立研究的目的，同時可為開發(fā)人員提供分布式的機器學習框架提升金工投研的效率。
關于如何成長為一名優(yōu)秀算法交易工程師，我們向算法團隊幾位優(yōu)秀的小伙伴發(fā)起了以下提問。
你的算法工程師之路分為那幾個階段？
“從技術成長路徑來說，我是沿著開發(fā)因子、開發(fā)模型、開發(fā)策略一條路成長，這既是分工區(qū)別，也是不同層次。初級的就是分析數(shù)據(jù)規(guī)律，構建因子，目標是提高IC、IR；然后是開發(fā)模型或投資組合，建立模型，不同行情下，選擇怎么樣因子，怎么樣的投資組合；然后，模型需要考慮更全、更靠近量化基金了，需要考慮倉位管理、風控管理，就是完整策略。“
“從個人成長來看，到目前為止應該是兩個階段。我本科數(shù)學畢業(yè)后先進入到了傳統(tǒng)的金融行業(yè)中工作，工作過程中接觸到了量化基金的管理，對量化基金有了初步的認識。進入研究生階段后，因為對機器學習和統(tǒng)計的興趣，讓我接觸到了算法交易這個行業(yè)，因為機器學習對于大數(shù)據(jù)處理的天然優(yōu)勢，以及高頻金融數(shù)據(jù)的特點，二者可以在很多方面很好的結合，但同時因為高頻金融數(shù)據(jù)的低信噪比以及高自相關性以及不規(guī)則分布的特點讓機器學習在高頻金融領域里充滿了挑戰(zhàn)，讓我產生了很大的興趣，并在畢業(yè)后進入到了算法交易這個行業(yè)中。”
推薦幾本對你的成長有過較大幫助的書。
分業(yè)務和工具類書籍，《暗池》、《advances in financial machine learning》、《期權、期貨及其他衍生產品》、《統(tǒng)計學習方法（第2版）》這幾本書對我均有啟蒙作用和解決問題的功能。
有人說，只有“高智商”的人可以做算法工程師，你怎么看？
“我一直覺得‘以絕大多數(shù)人的努力程度還不到拼天賦的地步’這句話很對。對于算法來說也是一樣的，我們大部分人都是普通人，沒有必要去和真正的天才比智商，但想要在算法領域站住腳我覺得光憑努力也能實現(xiàn)，更重要的是學習方法和認知能力。”
“算法工程師對人的要求是多方面的，智商高在學習效率上會比較高，但算法工程師這條路還是比較長的，需要不斷積累，只要有這份恒心，最終是會成功的。”
上LeetCode這個網站刷題是目前很多想進入算法領域的同學的學習路徑，你有好的經驗分享給他們嗎？
“我覺得刷leetcode對于面試來說是個不錯的選擇，也可以從一個更宏觀的角度去了解算法。但我覺得更重要的是在刷完之后可以舉一反三，或者真正理解算法背后的邏輯，這樣才能真正的用在實際生產中。”
金融市場是一個復雜系統(tǒng)，得到正確答案，我們得到的結果一定是可證偽的，如何才能使我們的成果盡量逼近真實的市場演繹？
“從我的角度來看，越少的假設，越多的數(shù)據(jù)，越頻繁的更新才能更接近真實的市場吧，從這個角度來看，機器學習確實是一個很適合金融市場的工具，但他們之間還需要更長時間的磨合。”
