内外盘期货反向对冲系统介绍

一、概念

投资者在金融市场投机过程中，由于各种因素会导致大部分人群最终亏损，少部分人盈利的现象，遵循着二八定律。期货市场交易的产品设有多空T+0交易制度，我们可以通过获取期货柜台接口投资者交易多空操作实时数据，与其账户利用计算机跟单系统进行相反方向程序化交易，既投资者交易亏损越多，反方向交易获取利润越多。

二、起源

反交易的雏形引入是2002年诺贝尔经济学家卡曼尼及史密斯行为经济学及实验经济学测试中得到启发，多数交易者在测试行为心理结果中均以失败告终。2017年芝加哥大学理查德·塞勒教授“通过探究有限理性、社会偏好和缺乏自我控制的后果, 展示了这些人类特征是如何系统地影响个人决策和市场结果。”获得了2017年度诺贝尔经济学奖。

塞勒的主要研究领域是行为经济学、行为金融学与决策心理学。在行为金融学方面，塞勒研究人的有限理性行为对金融市场的影响，在理论研究中，他对反常行为、经济人假设、禀赋效应、跨期选择、心理账户和股票市场等方面研究做出重大贡献；塞勒认为人们在投资决策过程中对利害的权衡是不均衡的，对“避害”的考虑远大于对“趋利”的考虑。

这么说，可能还是太抽象，那么让我们来看一下行为经济学领域一个比较著名的认知偏差，看看这个认知偏差是如何影响个人决策的。

1.损失厌恶（loss aversion）

因为理论太抽象，我们先来做个小测试：

测试1

如下两个方案让你选，你会选哪个？

方案1：确定赚1000元

方案2：有 50% 的可能性会赚到2000元，另有 50% 的可能性没有赚到钱

经过心理学实验的测试，大部分人选方案1。

测试2

方案1：确定损失1000元

方案2：有 50% 的可能性会损失2000元，另有 50% 的可能性没有任何损失

经过心理学测试，大部分人选方案2。

其实不论是测试1还是测试2，两种方案都是等价的。那为啥大家往往在测试1采用保守策略，但却在测试2中采取激进策略呢？原因就是损失厌恶，人们在面对等量的收益和损失时，更加难以忍受损失。这反映了人们的风险偏好并不是一致的。当涉及的是收益时，人们往往趋于保守，入袋为安；当涉及的是损失时，人们往往愿意冒险，老子赌一把。反应在金融交易市场上绝大多数投资者会处于亏损状态，而且亏损的速度往往比盈利的速度要快的多。

三、目前市场情况

在理论上看无懈可击，对既往的数据进行分析研究并做回测，也可以发现是一个完美的盈利模式，但是在我们接触的实际运行中却发现与想象的有些差距，有些没有坚持几个月就倒下了，因为作为一个公司需要涉及到各类成本，在交易上虽然无需有过多的交易经验但是需要有合理的资金管理。有些反向客户却能把跟单交易做的风生水起，当大多数在悔恨自己在市场的贪婪恐惧的时候，这些人却能够在这个残酷的市场里的分得一杯羹。

四、问题产生的简单原因分析

1、样本选择

样本也就是我们反向跟单的信号源，它是大数据跟单模式成功的秘诀，也是根源。样本越大，波动越小，结果越稳定，这是统计学上的规律。

关于在跟踪样本的选择上有两个关键的点：一是要有足够数量的交易信号样本，交易者进进出出导致了不稳定，就给足够数量增加一定难度，如何拥有大量、稳定的信号源是第一步；二是样本筛选，对海量交易数据过滤和分析，采用哪些指标才能提炼出真正优良的样本，对大数据信号源跟单的账户风险控制，需要专业的人才来处理。

2、软件选择（跟单交易首选金钥匙跟单平台）

由于期货的交易机制是以价格优先、时间优先的顺序来进行单量的匹配。因此下单的速度越快，那么对于整体交易滑点的下降就越有利。如若每次下单都能快哪怕1毫秒，那么长期累积下来，能节约一笔客观的滑点成本。不要小看这区区的数毫秒，一年下来跟单账户能否实现盈利，很有可能就取决在这毫厘之间。

在跟单的过程中，务必要确保跟单软件的稳定运行。不能出现卡机，死机，或者交易断线的情况。若在跟单的时候出现交易断线、卡机死机，那么就会给跟单账户造成极大的风险。如客户单子平仓了，我们的账户由于交易断线没有及时平仓。那么我们的账户就暴露在风险之中。

3、信号筛选

在拥有大量的交易数据前提下，怎么样做好优质样本信号筛选是锁喉的招数本领了，首先对这类客户进行一个基本特征的界定，比如：具有稳定的连续亏损、交易频率较高，但仅仅这些是远不够的，需要更多的指标做辅助，比如：净值曲线、浮动盈亏曲线、手续费/亏损比等，通过这些我们可以具体分析客户的交易手法和习惯，在后续给具体客户配置信号时做到风险可控下的收益最大化。

市面上这个最着重的点，缺少专业人才来做，甚至有的公司没有把关处理，导致资金出现亏损，或者资金大部分消耗成点差和手续费。

4、资金配置

我们所说的配置是指下单账号的资金，这个选择我认为可以是双向的，一个是先选择样本再决定跟单的资金，另外一个是根据客户的资金来匹配样本。举例来说，在这个配置中涉及到一跟多，多跟多等如何去配比二者的资金哪，简单说下要考虑的点，一是多个账号的交易时间习惯，二是两方总资金比例，三是研究多账号中的最大回撤率，四是风险应急方案，五是多个账号的跟单系数设置，这些综合考虑后再进入实盘跟单阶段。

从我们了解的情况，很多公司是没有配置方案的，只简单考虑一个因素就开始执行跟单，又或者是在出现盈利后，过分膨胀，出现偏激行为，增加单个客户跟单倍数，最终出现亏损。

五、总结

以上的内容是对反向跟单起源，跟单问题原因和经验做了简述，还指数了看到的问题，没有成功的原因。但这些并不妨碍做的非常好的，收益要远比大家想象的要高的同行，在这里也不便于具体透露盈利水平。

可想而知在期货市场，没有套利对冲、程序化、跟单等好的交易工具，只是靠基本技术面判断获得大的收益是困难的，二八定律中的2之所以盈利，是有方法和工具的，在零和博弈中盈利了多少，算一算8亏损了多少就一目了然。

反向跟单目前是是一个冷门交易，我们赚取的也不是客户的亏损，客户亏损的资金是亏到了市场，我们只不过和目标客户做反向单这种方法和工具，在资本市场上博取收益，仅此而已。这对于个人投资者来说规避了心理上的风险，对于期货私募机构来说也增加了新的一种量化对冲交易模式。

最后祝投资者投资顺利，年年发财。但前提是 保住本金。

做量化交易一天的工作：

8:00~9:00： 打开交易策略，设置一些运营参数

9:00~9:30： 观察策略运转，确保没有问题

9:30~15:30: 解决已有策略的问题并研究新策略，测试新想法

15:30~17:00: 分析交易记录， 确定第二天的交易计划

17:00~18:00: 运动

岗位职责：
分析金融市场（期货、股票等）数据，寻找可利用的机会；开发与维护量化交易策略；提供机器学习/数据挖掘相应的技术支持；

岗位要求：
1.熟练计算机编程能力，熟练掌握至少一门编程语言，python优先；

理工科背景，具有良好的数理统计、数据挖掘等相关知识储备，熟悉机器学习方法（分析科学问题和相应数据，建立模型和方法，验证模型和方法，应用模型和方法并分析结果，改进模型和方法）；

有处理分析大量数据的经验，并能熟练选择和应用数据挖掘和机器学习方法解决科研和工作中的实际问题；良好的自我学习和快速 学习能力，有工作激情，喜欢金融行业；两年及以上实验室研究经验或研发类工作经验优先；

扩展资料

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，

极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

参考资料：百度百科--量化交易介绍

在中国，做量化交易一天的工作是怎样的？

【Edward.Fu的回答(265票)】:
谢邀。
作为一个管理规模超5亿的CTA基金经理，回答这个问题简直是义不容辞。
一般来说，所有quant trader的日常工作分2块，1是对现有策略的管理和维护，2是开发新策略。
而回答这个问题，又可以分为2个版本，一个是屌丝版，一个是高大上版。
+++++++++++++++++++++++++++++++华丽分割线+++++++++++++++++++++++++++++++
屌丝版
首先，是屌丝小A对于现有策略管理和维护：
1. 早上开盘前半小时，小A手忙脚乱开启各种交易软件，包括文华财经、大智慧、同花顺、快期、万德、TB、MC等，随后七手八脚手工调整各账号、各策略在各品种上的资金比例、标的合约、隔夜shibor利息等；
2. 开盘后，小A人工盯盘N个品种，开启8、16、32个行情窗口，确保程序正常交易，无明显bug，无乱发单现象，中途对行情提心吊胆，然后当扯淡的行情超越小A心理承受底线，撕毁小A自尊后小A果断停掉策略，修改参数，再迫不及待再把新策略丢进实盘，结果盘中突现行情，新策略没有发单，回溯时惊喜的发现老版策略早已满仓并盈利满满，小A心想，草，原来老版比新版更好；
3. 收盘后，小A开始用excel统计今日盈亏、发单、滑点等情况，然后做交易记录和净值图，惊喜的发现上周净值创新高之后的连续一周回撤后今天终于开始略有盈利，暗爽了一把，随后发给客户交易记录。期间最大的土豪客户B突然打电话过来，责问为何最近回撤太大，模型是否失效，是否需要减仓。小A淡定的各种解释波动率，ZF维稳，神华调价，乌克兰动乱。经过1个小时的不断解释后土豪B终于被说服，反过来安慰略显急躁的小A，表示如果下次再创新高后会考虑在加一倍的资金。小A长嘘一口气之后，看了下表，已经下午5点，遂开始自我打鸡血，为自己制定了新策略开发的进度和计划，但又考虑到目前策略盘中仍需跟踪观察，于是把计划中的deadline又延迟了1倍。在看表，已经6点，于是整理了下自己的老式联想手提，关机，心想下次提成后是不是该换个苹果，但又担心Mac各种软件的兼容性。回家的路上，在路边的永和吃完了晚餐，疲惫的面容下却依然掩饰不了小A内心的狂热与自豪；
第二天，在确保各交易数据和信息无误后，小A开始了新策略开发之旅：
1. 各种看K线，希望自己的火眼金睛能从纷杂混乱的走势中扑捉到些许信息，绞尽脑汁后突发灵感，于是埋头写代码2小时，写完后小A的内心开始无限憧憬牛逼新策略的绩效曲线，恨不得马上丢进去回溯绩效。结果发现新策略的盈利因子PF平均只有1.1，夏普0.8，年化收益风险比1.2。小A傻眼了，顿时赶脚不可能，开始怀疑数据不对，或者数据周期太短，内心实在无法接受这么牛逼的新策略怎么可能绩效如此鸡肋。在无比蛋疼的接受了这个狗血的事实后，小A出门在楼下的全家买了2个包子，决定下午再战；
2. 吃完午饭后，小A伸了个懒腰，扭了2下僵硬的脖子，再次投入到上午未完成的代码之旅。苦苦思索了4个小时后，依然毫无收获。小A表示压力山大，决定下楼透透气，走一走，放松下自己那纷杂无章的思绪。上海的4月，虽然有点小小的阳光，但依旧乍暖还寒。小A感受到些许的凉意后，拉上了下自己身上泛黄的adidas外套的拉链，然后漫无目的的走过1条街，到了一个十字路口。小A望着前面穿梭的各种车辆，终于等到了绿灯，而就在小A决定过马路那电光石火的瞬间，突然，小A有了一个崭新的想法：既然在全样本统计下，新策略没有明显效果的话，那我可不可以做一个类似红绿灯的机制，选出特定的模式作为绿灯，把不符合的行情作为红灯，做一个类似于模式识别的开关，来决定策略是否交易呢？想到这，小A开心的咯咯笑了出来，立马回头一路飞奔到办公室，在原有策略的基础上加了一个类似于KNN的模式识别。这次，小A不急着回溯了，因为他的内心，已经灰常淡定，他很自信这次的改进能让新策略脱胎换骨。果然，回溯报告验证了小A的想法。好几个品种测试下来，绩效都非常满意。而更让小A内心奔腾、无比狂热的是当他把新策略在20多个品种上来回测试后，吃惊的发现原来新策略的普适性如此之强，20多个品种上，几乎没有一个亏损，平均盈利因子PF有2.0，夏普2.5，年化收益风险比5.3。经过3年的摸索，终于，小A依靠最新开发的策略成功逆袭，接下来，便有了高大上的版本；
+++++++++++++++++++++++++++++++华丽分割线+++++++++++++++++++++++++++++++
一觉醒来，发现知乎上这篇拙文已被20多位大内高手连续点赞，深感惶恐。接下来讲的是小A逆袭变身高大上后的故事，各位请不要以为高大上必然就是权二代或富二代的大概率事件。在量化投资领域，只要你能静下心2-5年如一日的研究，每个人都可以逆袭。你的内心，必须要能做到即便在喧闹的菜市场依然能不被卖菜大妈七寸不烂之舌忽悠买发芽的土豆，即便在脱光的吉泽明步+波多野结衣+濑亚美莉3人面前一想到新的idea必须打开电脑，且鼻血狂飙且狂敲代码。
淡泊明志，宁静求远。一定要相信70分的智商+100分的努力+70分的背景+100分绝对深入和专注的细节研究可以完败100分的智商+100分的背景+80分努力+BS/GARCH/DL/SVM/HMM/machine learning(这个打ML会让人误会,不太好)样样精通的学霸。
这个领域，个人认为未来是比互联网金融的更火的热门,而最最最重要的是，这个行业，还没有3巨头。
如果您有幸从事这个领域，那恭喜你，如果你够努力，够钻研，大概率你还是会被历史滚滚的车轮压过你的尸体，不过回首往事，你依然可以给你的后辈讲述那一个个或宏伟或悲壮的大佬故事和一路走来自己伴随这个行业成长的心酸过程。要相信，这个行业目前在中国的现状，绝对是一群聪明绝顶的geeks抢占技术制高点的群雄逐鹿。而大部分从业人员，终将成为历史的尘埃，就像当年那一批批的互联网创业者炮灰。但是，如果你已尽自己全力一搏，那之后的成与败，于你来说，真的那么重要么？大丈夫生于乱世，当带三尺之剑，立不世之功。至于后话，永远是留给后人说的。
如果你年过30，有房贷车贷，而未从事这个行业，个人建议不要尝试轻易转行，要知道风险和收益本身便是一回事 。
如果你是个只图安稳，只听父母之言的襁褓之儿，请你不要选择这个行业。要知道若你的性格缺少血性，没有屡败屡战的勇气，你的淘汰率将会是100%，这个行业不适合弱者，也不相信关系，更不相信眼泪。有的只是优胜劣汰，胜者为王。
如果你是个初出茅庐的热血少年，对这一行有点兴趣，也愿意倾其功于一役，那请你颤抖吧，鸡东吧，怒吼吧。若你背景和经验都不错，我说的不错是至少国外重点大学本科以上或国内10大名校本科以上，请选择一个相对的高起点，去目前已略有名气的山寨，搬搬砖，打打下手，谦虚好学，跟个愿意教你的师傅，千万千万不要觉得自己牛逼。这一行，不图名气，默默赚钱的实力派到处都是。而假若你非上述此类，请你先没事自学点编程，高数和金融工程，少看点岛国片和跟朋友鬼扯，静下心安安静静为自己未来充电，不要妄自菲薄。这个行业，只相信绩效和实力，不关心你的出身。我自己的背景，非十大名校，也非211，更非985，属于典型的后者。
+++++++++++++++++++++++++++++++华丽分割线+++++++++++++++++++++++++++++++
感谢各位看官的经常光顾和点赞，有段时间没上知乎，突然发现拙文已经被点赞100+。想来周末闲来无事，于是在此为各位继续奉上高大上版。 楼下的@kuhasu前辈，不是我本人，他下面的回复确实已经蛮接近高大上的真相。不过不得不让我感叹的是世界真的好小，因为当时我也在伦敦的时候，还跟这位前辈@kuhasu有过一面之缘。不过，那时候，我还只是个刚入行的菜鸟而已，而@kuhasu 前辈早已经功成名就了。
+++++++++++++++++++++++++++++++华丽分割线+++++++++++++++++++++++++++++++
高大上版：
1. 早上8点10分，闹钟响第二下还没结束，小A迅速按停闹钟。蹑手蹑脚、小心翼翼地起床，生怕不小心吵醒了还在睡觉的老婆。随后开始洗漱，煮了点燕麦，从冰箱里拿出牛奶，倒好后放到冰箱外面，边吃还边为老婆水煮了一个土鸡蛋，这样老婆起床后就能吃到热腾腾的燕麦、鸡蛋和牛奶了。
小A看了下表，8点50分，这时手机响了一下，一个叫“交易小助手”的APP收到了一条提示：今天上海气温15-25度，有小雨，请带伞。**证券、**期货、IB、万德、Bloomberg五大数据源数据已正常订阅，策略组合矩阵已根据2014/6/13最新行情自动调整。看到这，小A心满意足的笑了笑。之所以选择三星，就是为了在安卓下更方便的为自己写一个交易监控的APP，确保每日的日常交易无误。这时候小A带上伞出门，走了大概15分钟，到达公司，随后便开始了一天的交易：
1. 早上9点开盘，小A新买的工作站+UPS已自动开启所有交易相关的软件。像往常一样，这个时候小A人工开始核对他的策略组合矩阵，确保所有策略所分配的头寸比例一切正常；
2. 开盘后，小A便投入到最近手头上的一些研究课题，如遗传算法在策略组合上的应用，做市商类高频策略的开发，隐马尔科夫在下单算法上的应用，以下省略1000字......现在的小A，已经没有之前的那种高强度的压力了。因为就算这些课题失败了，那也无所谓，毕竟像这类难题的攻克又不是一朝一夕的事情。再说，目前现有的策略体系前期都已经构建完成，至少在目前的1-2年，国内的环境还不至于让小A之前的老策略这么快淘汰掉。不过，出于未雨绸缪考虑，小A最近和公司的管理层一直有在协商，是否需要从google、百度、物理实验室等这些工业界再挖几个做算法的人过来。小A这个想法已经存在有一段时间了，虽然目前的老策略仍在继续盈利，但是已经可以很明显的感觉到传统策略的盈利能力一直在下降。若非最近半年新研发成功的一些策略，也许今年的年化收益风险比就不能像往年一样上3了吧；
3. 收盘后，系统已将今日所有的绩效统计数据自动生成，包括滑点、成交概率、委托到成交的平均回报时间等等。比较后发现**公司的速度相对略慢，于是给**公司老总打了个电话，要求其尽快对IT部门技术升级。打完电话后小A还在逼叨叨逼叨叨、自言自语地说尼玛连个行情端口都这么慢，明年我们自己买个小点的经纪公司得了，这样还能省下验证保证金这档子事。不过小A想了想还是还是算了，一是这个风险好像还是蛮头痛，毕竟去年光大事件还历历在目；二是这年头经纪商也赚不了几个钱，要不是交易所返个佣，估计十有八九的经纪商都得饿死；
2014年6月23日新出来热乎的工作岗位，请各位有合适的朋友多多推荐，有意的请在下面留自己的邮箱，合适的话我会私信大家：
CTA投资研究员（数据挖掘分析师）
岗位职责：
1.分析金融市场（期货、股票等）数据，寻找可利用的机会；
2.开发与维护量化交易策略；
3.提供机器学习/数据挖掘相应的技术支持；
岗位要求：
1.熟练计算机编程能力，熟练掌握至少一门编程语言，python优先；
2.理工科背景，具有良好的数理统计、数据挖掘等相关知识储备，熟悉机器学习方法（分析科学问题和相应数据，建立模型和方法，验证模型和方法，应用模型和方法并分析结果，改进模型和方法）；
3.有处理分析大量数据的经验，并能熟练选择和应用数据挖掘和机器学习方法解决科研和工作中的实际问题；
4.良好的自我学习和快速 学习能力，有工作激情，喜欢金融行业；
5.两年及以上实验室研究经验或研发类工作经验优先；
6.硕士以上学历，各校本科相关专业特别优秀可考虑。
CTA高级研究员（投资经理）
岗位要求：
1. 理工科背景，良好的数理统计功底，硕士或博士学历。
2. 三年左右相关（CTA程序化交易统计套利数据分析量化策略开发）研发或投资工作经验
（请在简历中详细描述过往工作岗位、职责、工作成果）。
3. 良好的编程能力，熟悉python/linux者最佳。
4. 良好的学习能力和执行力。
岗位职责：
1、研究期货市场价格规律，寻找可量化的交易机会。
2、开发与优化量化策略模型，制定交易方案。
3、构建与维护投资组合，最大化绩效。
4、配合团队优化投研流程，提高投研效率。
薪酬待遇：
固定年薪25万起，外加优厚业绩提成和年终奖金。推荐的朋友有奖，请扩散。
【kuhasu的回答(40票)】:
谢邀。
作为一个管理规模超30亿美金对冲基金从业者，回答这个问题简直是义不容辞。
一般来说，所有quant trader的日常工作分2块，1是对现有策略的管理和维护，2是开发新策略。
而回答这个问题，又可以分为2个版本，一个是屌丝版，一个是高大上版。
+++++++++++++++++++++++++++++++华丽分割线+++++++++++++++++++++++++++++++
高大上版
首先，是高富帅小A对于现有策略管理和维护：
1、早上开盘前，电脑系统自动开启，然后进行自检，并进入交易状态，小A这时候在刷微博和微信朋友圈；
2、开盘后，电脑自动交易。小A在看书，游泳，跑步，游园，逛街，看书是前几年的状态，省下的是后几年的状态，小A闲着无聊的时候会去上班，搞一级市场，所以有时候在做并购谈判。如果出现了极其特殊的情况，比如海缆断、交易所停电、地震和火山爆发，前几年的时候小A的手机会第一时间收到消息切换到人工操作，而后来根本就不用切换到人工操作了，所以小A有时候也为自己插不上手而黯然神伤；
3、收盘后，电脑自动维护，对于非全天24小时交易的电脑，自己关机休息了，24小时交易的机器会根据情况定期自检。十几前年的时候，小A会时不时看看交易结果报告，没过几年就发现这是多么没有意义的事情了，于是想起来才会看一下报告。
自从上马了事件驱动系统之后，新闻事件、社区舆情、突发情况等等都被爬虫和自然语言分析取代了，大数据处理能力比人脑快还准。本来小A可以五马长枪地点评波动率，ZF维稳，神华调价，乌克兰动乱，但是最后的结果却常常是在电脑那边基于的参考权重相当的低，低得甚至可以忽略不计，这一次次地挫败了小A本来爆棚的自信心和自我陶醉感，开始意识到开放心是多么的重要，然后日常活动中加入了冥想（就是坐在那里像个屌丝一样什么也不想）。前年的时候，小A服务的公司又上马了一套新系统，可以直接分析CNN，BBC，路透，彭博，CCTV的新闻频道报道，小A坚信，随着物联网的发展，用不了多久，他们公司就可以分析出主播中午是不是吃的韭菜馅的包子了。
+++++++++++++++++++++++++++++++华丽分割线+++++++++++++++++++++++++++++++
淡泊明志，宁静求远。一定要相信这个领域出身根本不重要，学历学校、学习成绩、智商、年龄、工作经验、继承的财富，等等其他行业的制胜法宝都是浮云。
这个领域，个人认为未来是比互联网金融的更火的热门,而最最最重要的是，这个行业，巨头绝对没兴趣露头，因为巨头不需要融资，不融资就没有必要做广告。
如果您有幸从事这个领域，那恭喜你，如果你够努力，够钻研，大概率你还是会被历史滚滚的车轮压过你的尸体，不过回首往事，你依然可以给你的后辈讲述那一个个或宏伟或悲壮的大佬故事和一路走来自己伴随这个行业成长的心酸过程。要相信，这个行业目前在中国的现状，绝对是一群聪明绝顶的geeks抢占技术制高点的群雄逐鹿。而大部分从业人员，终将成为历史的尘埃，就像当年那一批批的互联网创业者炮灰。但是，如果你已尽自己全力一搏，那之后的成与败，于你来说，真的那么重要么？大丈夫生于乱世，当带三尺之剑，立不世之功。至于后话，永远是留给后人说的。（呃～这段实在是模仿不下去了，太文艺青年范儿了我说不出来，赞！）
如果你年过30，有房贷车贷，而未从事这个行业，那恭喜你，西蒙斯40岁才创建的大奖章基金，索罗斯33岁才投资入门43岁才创建的索罗斯基金。外界的信息都是错的，就算你早接触，哪怕是证券基金从业者，也不一定对路。而对于财务现金流稳健的你来说，即便不辞职，利用业余时间从事交易也可以实现财务自由，条件成熟了就可以辞职单独成立基金。这是二级市场作为公平市场的优势。
这个行业不适合弱者，也不相信关系，更不相信眼泪。有的只是优胜劣汰，胜者为王。国内目前的机构基本上都有严重的缺陷，风险爆发是迟早的事儿，而且会越来越多，这跟之前的经验、管理框架体系、选人用人都有关系，无论是券商自营、资管、还是私募机构,我们作为市场的直接参与者要感谢他们无私地为市场提供了流动性。

如果你是个初出茅庐的热血少年，对这一行有点兴趣，也愿意倾其功于一役，那请你颤抖吧，鸡东吧，怒吼吧。即便你背景和经验都不错，即便至少国外重点大学本科以上或国内10大名校本科以上，即便你先努力自学了编程，高数和金融工程，考取了CFA等证（CFA不是必需的），即便。。。先去锻炼吧！我们不招新手！^_^
+++++++++++++++++++++++++++++++华丽分割线+++++++++++++++++++++++++++++++
上面回复纯属好玩儿，无任何指向性，对其他回复者的热心回复，尤其被模仿的回复者衷心感谢！
如有虚假纯属巧合，切莫对号入座。:P
【JamesGe的回答(8票)】:
不邀自来，终于见到一个自己能答的了，不能放过！！！
鄙人现在管理2个亿的套利策略账户，至于什么套利，呵呵，圈子真心小。反正市场容量20亿上下这种吧。。。。
+++++++++++++++++++++++++++++++我素疯哥线+++++++++++++++++++++++++++++++
盘前：大概8:20到公司，做各种盘前准备，主要是启动一下交易软件啦，话说公司自己研发的系统启动起来真是麻烦，以后一定要找个运维做这种事情！！关注一下早间新闻（99%的概率是没什么用），刷个微博，泡咖啡，吃面，然后给其他交易员开个晨会，嗯，其实就是扯扯淡。
早上开盘时间：进入紧张而又无聊的开盘时间。做我这个事情，一天大概只有半个小时是在成交的，其他时间就是看着。看看行情是不是正常，程序有没有乱发单，手动调整一下参数，手感来了可以开张多单玩玩，不要超过风控上限哦亲~~ 这个时候主要有两件事情：1. 监控程序和持仓，2. 观察市场，为策略开发寻找灵盖。
午休： 出去跟大家吃个饭呗。。。什么？！你以为交易员会谈论很高大上的内容？？！！我会告诉你我们只是服务员面前装13吗？不过，那个女孩的确有点像某岛女神。。。
下午开盘时间：基本跟上午一样，不同是的收盘前一个小时是仓位调整阶段，这个时候如果仓位不合适，就要紧张一下了。最纠结的就是收盘前30分钟出行情。。。尼玛，我刚调好仓位，要不要这样啊。。。
收盘后一个小时：算账（当之无愧最重要的事情），盘后处理工作（记录持仓，算一下波动率，统计滑点），想想明天的交易策略（大概率时间要做微调，大调的时候也时有发生），打电话给其他公司交易员扯扯蛋（赚钱的时候）。复盘总结会，也是扯淡。
之后的时间：交易员盘后的时间非常灵活的，当然，我也去过很变态的公司，每天待到7,8点，不过这绝13不是常态。做研究这种事情。。。有了灵感想不做都难受，但是没灵感的时候硬做，一般做出来都是废的。一般一周中研究和学习的时间一半一半吧。我很佩服每天能固定时间做研究的人，鄙人绝对是三天打渔两天晒网那种。 没办法。。。只能去女澡堂找找灵感咯~
+++++++++++++++++++++++++++++++我素疯哥线+++++++++++++++++++++++++++++++
最后说一句，见了很多量化交易员之后，我的感觉就是每个人都有自己的风格，有那种20年如一日做研究的，也有像我这样赚了钱就要去旅游三个月的，也有吃斋念佛的。上次交流会见了一个60岁的老爷爷，做TB的程序化，真心佩服。所以没有必要太在乎别人做什么，跟交易本身一样，只要自己舒服就行啦~
【杨影枫的回答(6票)】:
谢邀，但其实没啥好答的。。。
量化的主要特点就是自动化，一旦自动化就极大的减少了人为干预，所以每天流程性的工作只是打开程序，然后监视行情和报单观察有没出错。（程序自动下单、自动记录交易结果、自动完成、甚至自动回测演算出交易参数）
其他主要工作是在开发新的策略，或者对已有策略的回测以及实现。
基本不需要与客户接触，基本很少事务性的工作，甚至有些极致的连经济类新闻都不是很关心。。。
【吴敌的回答(5票)】:
谢谢Vas Brandon的邀请， 目前在run一个HFT， 每日基本流程如下：
8:00~9:00： 打开交易策略，设置一些运营参数
9:00~9:30： 观察策略运转，确保没有问题
9:30~15:30: 解决已有策略的问题并研究新策略，测试新想法
15:30~17:00: 分析交易记录， 确定第二天的交易计划
17:00~18:00: 运动
另外，贴一个比较欣赏的国外量化交易员Ernie Chan对这个问题的回答。
——知乎本回答被提问者和网友采纳

我觉得量化交易最简单的就是程序化操作，像原学就是全自动量化交易的。