头部私募技术大咖：不喜欢钻牛角尖的技术不是好技术

分享人：头部量化私募技术负责人

采访人：Selena

从业时间：6年

点击阅读《量化众生相》第一篇分享：独家重磅！头部量化CTO：从业8年，交易科技仍让我兴奋！成就感来自主动解决行业重要问题！

点击阅读《量化众生相》第二篇分享：独家：从顶级黑客到头牌私募CTO，守正出奇的技术狂人

点击阅读《量化众生相》第三篇分享：抛弃互联网大厂，他是“离经叛道”的量化算法工程师

点击阅读《量化众生相》第四篇分享：当回撤来临：一个头部量化策略人员的日常

从困惑到认同

和许多同行一样，C误打误撞加入量化行业之前，对这个行业了解很少。那时他25岁。成为一名量化工程师后，C花了很长时间去理解和思考三个问题：量化是什么？它对社会创造了什么价值？我在量化领域有什么价值？

这几个问题很具代表性，可以说每一个量化从业者在不同阶段都对这几个问题有过自己的思考。

“我当时搞不懂量化到底做什么，为什么能有这么高的收益，价值产生点在哪里”？虽然C在学校里学过“劳动产生价值”的道理，但他不太明白为什么量化能产生这么大的回报。另外，C入行时，量化投资行业还很新兴。哪怕是现在，量化行业和互联网比，在普通人的心目中感知度和认知度都更低。

那时C很疑惑这个行业会不会干两年就消失了。还有人在他耳边吹风，说量化投资“投机倒把，没有社会价值”。C也曾因这种说法而困惑。

别人的意见固然重要，C认为最重要的还是自己去理性辨别和判断。入行后，他在实践中去感知和了解量化行业。

他首先注意到的是同事们优秀的背景。和互联网和其他行业比，C身边牛人的浓度相当高，国内和海外名校的顶尖专业毕业，许多还是奥赛奖牌选手。这些同事都有超强的自驱力，和他们在一起，C也不知不觉被感染。

通过和身边优秀的同事伙伴交流，C慢慢地加深了对量化行业的理解。他明白了量化并非投机倒把，而是在为市场提供流动性，提高资源的配置效率，给社会提供了巨大价值。

C还发现，相比于同龄人，自己在量化行业的付出能带来更高的回报。他入行时心中的疑惑都逐一驱散。他确认了自己可以把量化作为自己职业，并开始在技术领域给自己找定位、寻发展。

扁平化管理

进入量化私募后，C最直观的感受是这个行业对技术人员的产出有严格的要求。量化领域要用真金白银去交易，对代码质量要求特别高，对出错的容忍度低。互联网可以把代码回退来反复修改，但他团队的态度是争取一次上架，不然就别上了。

另外，代码一旦上了实盘，如果因为有bug对交易造成亏损，也可能会影响研究团队对技术的看法，进一步影响团队士气。

为了更好地提升自己的技术能力，C养成了在工作中做“预研”的习惯。他会把国内、日本和纽约等交易所的最新文献研究一番，预估国内未来发展需要用到哪些国外成熟技术，对比之后再去学习和准备。

这样做的优势是，一旦有新的技术上线，他可以在别人没准备好之前吃到红利。

讲到这，C提到了一个量化行业技术人员比较容易踩的坑。他说，国内期货交易所有时会比较频繁地更新要求，如果技术人员开发效率低，就会吃亏。如果开发人员效率高、上新早、质量高，收益就越好。

因为他提前做研究，就能比别人提前吃到红利。“这个红利不会无缘无故来的，肯定是有人没吃到我们才吃得到。”他说。

量化行业的一大特点是技术上的改进可以快速反馈在结果上。但这也是双刃剑。用C的话说，需要做得比较出类拔萃，才可能有成就感，要不然得到的就是挫败感，会发现策略不赚钱或者成交不太好。

C在传统行业工作过，对比之下量化有一个不同：没有明确的上下级区别。公司扁平化管理让他舒服。“大家不需要去通过行政获取支持，或去畏惧一个人，干活发挥自己的价值就行了”。

C举例说，如果在工作中，他如果认为一件事不应该做，会直接提出来。但如果在传统行业，上面让做什么就必须做，可能都不知道是谁下来的命令。

钻牛角尖的精神

现在取得成绩和C的耐心和坚持分不开。C每天早上8点起床，做一些交易前的准备。然后从开盘一直忙到开盘结束。如果行情缓慢就会做一些开发，做一些研究。

下午收完盘，他就要做交易总结，交易数据分析，分析看交易有没有不好的地方，需要去解决什么问题。

工作告一段落，C会稍微花点时间健身。吃了晚饭，夜盘又开始了，他会一直持续忙到11点。11点以后，再稍微过一下收盘的数据，才能睡觉。一周5天，C基本都是这么过。不能去中断这个节奏。

一些技术人员喜欢周末来写代码，平时做运维做测试，这是因为他们工作性质要求他们需要盯盘，实盘如果出现一些异常的话，不断被打断，就很容易写一些bug，解bug的过程可能花的时间更久，所以还不如就选非交易时间来集中精力写代码。

C观察，市场上有一些技术很牛的人，性格都很不一样，但有两个共性，第一是兴趣，第二个是责任心。有的技术人员，喜欢钻牛角尖，就确实能钻出来很多东西。

“如果任何事情浅尝辄止，很有可能就做不成了。一旦你自己想去做某个事，就要抱着一个‘我一定要做好’的态度。”

提到薪资的满意度，他的回答很诚实，“我觉得人生每一个阶段，我们都有主要矛盾和次要矛盾。如果薪资是主要矛盾，现在勉勉强强还行，但目前我认为它是次要矛盾，我就很满足了。”

他认为从业者必须要对自己有清晰的定位。

“你一定要先对自己有一个清晰的认识和定位，再去思考你的行业，你的诉求和薪资，如果你对自己都认识不够清晰，有就会期望过高或过低，造成你职业生涯不那么顺利。”

C认为量化未来技术发展，要么是拼低延迟，要么就是拼算力。具体公司选择什么方向，要看业务的驱动，公司所处阶段等。

如果技术人员立志于延迟技术的研究，要有比较深入研究的能力，算力研究更前沿，更需要有拓展精神的人。“在大公司提供的平台基础上，把自己的东西揉进去，估计效率会更高”。他说。

C认为，量化投资的终点就是技术。现阶段大家还能八仙过海，各显神通，发挥自己，到最后可能就会趋同拼技术。可能再发展个几年，每一个公司的因子表现差不多，可能新人只需要使用现成的因子库，组合一套可以赚钱的模型出来就行。

“所以未来拼的就是技术以及公司搭建基础设施，也就这些因子库以及算力的一个状态。”他说。

干货分享

Q：作为技术人员，怎样让自己更有竞争力？让自己研究深入的东西是能保持市场前沿？

量化这一块在国内的一些应用场景非常有限的，不是那么普及。尤其算超算，如果你搭个超算中心出来，这个也是个巨大的成本，也很难有这样的一些经验。所以你只能利用一些现有的框架，一些比如像Google搭出来的一些开源平台。他的技术也在更迭。需要你对这块有兴趣，愿意去更新去了解市场上的一些变化。

像我们前几年用的框架，现在就不适用了，就怎么去管理集群，因为你的机器容量越来越大，你很快就会遇到你之前的瓶颈，这一块你是不得不去升级。如果你想自己懂的话，其实你之前就要去做一些预研，这个东西可能以后为我们所用，我提前去熟悉它，去玩一下。

另外基于自己对这个行业的一些理解，可以去了解一些已经成熟的交易所，他们大概往哪些方向在走。然后可能我们要用到哪一些。因为有些东西是确定的，你公司要往前走，你肯定你的算力要求就更高。然后基于现在在用的这一套管理，所以这个框架其实大家都是知道它会在什么阶段遇到瓶颈的，这个需要你们提前可能就去布局，做预研。里面可能因为从0到1的一个过程，肯定有很多的可以要查，相当于这个阶段会帮你去把一些技术性的坑都踩一遍。

Q ：请推荐一些新人的学习的资料。

我比较喜欢看那跟CPU相关的资料，我会去看英特尔的开发手册。如果某个开源软件，我会去看它的源码跟它的一些比较原始的资料。我不太喜欢去看别人加工过的书籍，或者已经掺杂了他思想在里面的一些东西，可能我会去看最原始的那份资料。

Q：量化的技术创新难度是不是很高？

应该先把“创新”这两个字的定义弄明白。如果应用科学也叫“创新”的话，那量化确实会有很多创新。如果应用科学不叫创新，比如你有一块生铁已经烧好了，你把它打成一把刀，这把刀算是创新吗？如果这把刀当成创新的话，确实量化它会用很多比较前沿一点的东西去做一些事情。

基础设施搭好要用起来，至于用在哪个方面，100个人有100个用法。

Q：量化的技术方向，比如说低延迟、算力、后端支撑这三个方向，如果说在大家是有兴趣的前提下，什么样的人自身素质或者特质，能匹配这三个不同方向的呢？

这个有点看兴趣。低延迟这研究的技术比较深入，但它这种深入的技术是计算机一些比较根本的东西，这个会比较难啃，毕竟市场上的保有量比较低，人才方向的标的也不会有那么多人，能手把手带你们整资料，虽然有的资料确实是比较丰富的。

后台支撑这一块要求不那么高，因为一般互联网公司它也有后台支撑，你只是业务不一样，然后算力这一块算是比较前沿的，可能有那种拓展精神的人，因为经常一些大的公司或者大的平台，它会出一些大的支撑。就支撑平台性质的一些基础，它会出一个新的框架出来给你，你基于这些新的框架去把你们的东西揉进去，可能效率能提高。

*（如果你希望分享你的量化职场故事和经历，欢迎到文末扫码与我们联系）

量化众生相系列分享

当回撤来临：一个头部量化策略人员的日常

抛弃互联网大厂，他是“离经叛道”的量化算法工程师