转眼间，在多伦多做Quant也快两年了。从刚开始的紧张摸索到现在逐渐从容，这段经历让我对FinTech和量化这一行有了更深的理解。今天就想随意聊聊日常workflow和一些成长心得，给感兴趣的朋友一点参考。
我一般早上9点多到office，第一件事永远是手冲一杯black coffee，算是开启一天的小仪式。然后check一下昨晚跑的research pipeline，打开 Jupyter 开始新一轮的模型迭代。去年我们组主要在优化volatility forecasting model，从Python做数据清洗、feature engineering到model training，整个流程跟下来，对quant research有了更立体的认识。有时候也会用R做残差诊断，这种从建模到验证一步步落地的感觉，比在学校赶deadline做project实在多了。
我们team主要做quant research和model optimization，节奏比较稳，没有trader那种需要实时盯盘的压力。有一次我负责的mean reversion strategy在backtest里一直overfitting，怎么调都提升不了OOS performance。我正想着要不要熬夜调参，TL直接说：“Sometimes stepping back is the best way forward. 状态好多明天再看。”这种理性又包容的文化，真的让我学会在坚持和放手之间找平衡。
说到Quant的入门门槛，我觉得可以分成这几个维度：
- Tech Skills：Python是必须的，pandas、numpy、sklearn这些库要熟；SQL也很重要，毕竟数据都得自己 query；数学基础像time series、stochastic processes、optimization都是日常用的。
- Analytical Thinking：能不能把复杂的市场问题拆成可量化的模型框架，并且在backtesting里持续验证和迭代。
- Industry Insight：对不同asset classes的理解，以及把市场直觉融入到模型设计里。
我当时的面试挺顺利的，投完简历第二天就收到HR screening，整个流程更像深度的技术对话，没什么脑筋急转弯，主要是聊我做过的course project和模型逻辑，整体氛围更像是在确认能不能一起合作。
从去年开始，我申请了hybrid work，每周三和周五WFH。这种模式反而提升了我的效率，在家可以更专注地做 model development，在办公室则更适合team collaboration 和 knowledge sharing。公司业务也比较稳定，不用太担心像一些startup那样突然有org changes。
这两年下来，我算是从一个量化新人慢慢成长为能独立负责research project 的分析师。这条路challenge不少，但收获更多。我们组偶尔还有 Quant Research、Data、Risk 相关的 op ening，match的话可以帮re.fer。
最新评论 1
: R语言好学吗？想转行 R语言好学吗？想转行