量化金融职业介绍
量化金融作为一门学科出现在 1980 年代。它也被称为金融工程、金融数学、数学金融,或者,正如卡内基梅隆大学所说的那样,计算金融。它使用数学、统计学和计算机科学的工具来解决金融问题。计算方法已成为金融业不可或缺的一部分。最初,数学建模在计算金融中起主导作用。尽管这仍然很重要,但近年来数据科学和机器学习变得更加突出。使用数学、统计学和计算机科学在金融行业工作的人被称为量化分析师。
量化分析师最初在金融公司中为边缘角色,现在已经占据了中心位置。交易者不再仅凭直觉做出决定,顶 级交易者依靠复杂的数学模型,以及对当前经济和金融格局的分析,来指导他们的行动。交易者不是坐在“跟随市场”的显示器前做出瞬间决策,而是编写算法来为他们做出这些瞬间决策。银行急于聘请了解或准备学习这门手艺的量化交易员。
虽然交易可能是金融公司中最引人注目的活动,但它并不是这些公司的唯一关键职能,也不是量化分析师可以找到职业回报的唯一场所。在下面对金融业进行概述,强调量化技能发挥作用的领域。
PART.02 金融业概况
在市场经济中,没有中央计划者来决定资本应该流向何处以最好地支持生产,相反这就是金融体系的作用。
金融业以分散的方式执行资本配置功能,许多活动部分各自做出局部最优决策。一个运作良好的金融体系的特性如下。首先,储户的资本由生产者投入使用。此外,储户被告知与其资本分配相关的风险,并因承担这些风险而获得奖励。向生产者提供经济激励,以从事经济活动。各方都可以根据自己的选择以合理的价格降低风险,也可以不降低风险。最后,金融体系本身从经济中提取的资本相对于促进的经济活动量来说是很小的。
这些都是运作良好的金融体系的目标。政府制定法律和法规来建立这种金融体系。但除了法律法规之外,该系统还需要具有高道德标准、良好沟通技巧、远见卓识的人,并且越来越具有数学科学的才能和知识。对于许多年轻人来说,正是他们的数学科学设施提供了进入金融业的机会。
卖方:Sell-Side Firms
美银美林(Bank of America Merrill Lynch)、花旗集团(Citigroup)、高盛(Goldman Sachs)、摩根大通(J. P. Morgan Chase)和摩根士丹利(Morgan Stanley)等投资银行创建金融产品并将其出售给机构、散户投资者以及彼此。因此它们被称为卖方公司。
这种金融产品的一个例子是利率掉期 (Interest Rate Swap,简称:IRS)。虽然不像股票和债券那样为公众所熟知,但利率掉期在世界经济中的资本配置中发挥着重要作用。IRS是一种合同,根据该合同,一方同意定期支付特定本金的固定利率,通常为数亿美元,以换取同一本金的可变利率。以浮动利率借款但出于规划目的希望获得固定利率贷款的公司可以与投资银行进行利率互换。利率掉期的效果是,投资银行最终为公司的贷款支付浮动利率,而公司则向投资银行支付固定利率。
金融产品的另一个例子是汇率期权 exchange rate option。计划在国外建厂的某公司知道,在未来的某一天,它将需要该国的大量货币。它现在不想花费资金购买该货币,但它担心当购买该货币时,汇率会朝着“错误的方向”移动,货币会花费更多。另一方面,汇率可能会朝着“正确的方向”移动,货币的成本会降低。为了保护自己免受前一种情况的影响,同时保留后一种情况的利益,公司可以从投资银行购买汇率期权,使其有权在未来以今天的价格或未来价格购买外币,以较低者为准。
卖方公司创造这些产品和许多其他产品,并将它们出售给客户。在任何时候,投资银行的账面上都会有数十万笔正在进行的交易。量化分析师决定这些产品的价格以及如何抵消与销售这些产品相关的风险。
买方:Buy-Side Firms
并非所有从卖方公司购买产品的人都是从事生产的公司。许多是机构投资者,包括养老基金和保险公司。这些实体从客户那里收取退休储蓄或保险费,并且必须将这笔钱投资于金融产品,这些产品将产生受益人要求时所需的收入。其他是资产管理基金,他们从投资者那里获得资金,承诺以某种方式进行投资,并从卖方公司购买产品以履行这些承诺。还有一些是对冲基金,它们正在进行有计划的下注。一些著名的对冲基金是 AQR Capital Management、Citadel 和 David Tepper 的 Appaloosa Management。还有数以千计的小型、不太知名的对冲基金。购买资产的金融公司统称为买方公司。
对冲基金的话题值得详细阐述。一些对冲基金对市场持看法。例如,假设一家对冲基金确信由美国住房抵押贷款支持的债券将违约。如果这是正确的,它应该进行什么交易来获利?它可以去投资银行购买信用违约掉期 credit default swap,这种合同要求对冲基金定期支付溢价,但如果美国住房抵押贷款支持的债券违约,它将向对冲基金支付一大笔钱。信用违约掉期本质上是违约保险,但对冲基金即使不拥有被保险的抵押贷款支持债券,也可以购买保险。这样的交易发生在2007-2010年金融危机之前,它们在电影《大空头 The Big Short 》情节中占有重要地位。
其他对冲基金观察资产价格的信号,并进行交易以从他们认为这些信号预测的内容中获利。过去交易的数据可以通过电子方式收集并使用机器学习方法进行分析。量化分析师决定购买哪些金融工具以及购买多少金融工具,以实施对冲基金策略。
交易所和清算所:Exchanges and Clearing Houses
1990 年,在纽约证券交易所交易的买卖价差为八分之一美元,交易由专家提供,他们愿意花 400 万美元在纽约证券交易所获得一个席位。这些专家可以捕获每天交易的数百万股股票的价差。在本世纪初,纽约证券交易所的席位损失了75%的价值。今天基本上纽约证券交易所和其他地方的所有交易都是由计算机完成的。现在,公司不再在纽约证券交易所拥有席位,而是被邀请成为做市商。做市商必须公布其愿意购买股票的价格和愿意卖出的价格。这些价格通常只相差一美分,而不是八分之一美元。作为这项服务的交换,做市商可能会为每笔交易支付少量费用。即使没有指定的做市商,高频交易者也经常扮演做市商的角色,在毫秒内决定发布什么价格以及其他人发布什么价格接受。
交易所用于交易股票、股票期权和多种类型的期货合约。对于期货头寸,交易所要求交易者提供现金保证金,以保证他们能够履行其持有的期货合约项下的义务。
向电子交易的转变迫使交易所开发软件,制定管理交易的政策,并执行这些政策。为了监控交易,交易所收集和分析数 TB 的数据,这都属于量化领域。
其他类型的合约,包括上述利率掉期和信用违约掉期,不在交易所交易,而是在场外交易。两个交易对手之间同意签订其中一份合同。然而,监管机构通常要求这些交易对手将该合同带到清算所,在那里记录交易,交易对手发布现金抵押品,以确保他们能够履行合同规定的义务。与交易所一样,清算所负责监控绩效和执行规则,同样这也涉及量化。
数据提供商和软件供应商:Data Providers and Software Vendors
所有金融机构都依赖于数据。有些公司专门提供这些数据,除了数据之外,他们通常还提供可用于分析数据的财务软件。彭博社(Bloomberg)是一家知名公司。FactSet是一家规模较小但意义重大的竞争公司。也有一些公司只提供软件,Numerix就是其中之一。
尽管数据提供商和软件供应商雇用了许多信息技术专家,但他们还需要了解金融市场、监管环境以及他们提供的软件背后的数学模型。
监管机构:Regulators
监管机构有责任确保金融公司留出足够的资本来保护自己免受重大损失,从而保护金融体系免受破坏。为此必须衡量公司头寸的风险。金融公司进行这种衡量,监管机构对公司进行监督,以验证其风险衡量系统是否准确。因此,监管机构必须了解所使用的数学模型为交易定价并评估风险。监管机构的关键雇员不再是律师,如今监管职能的前沿是由量化分析师执行的。
保险公司:Insurance Firms
保险公司面临着一个难题。他们收取保险费,使他们能够弥补受益人的损失,但这些损失发生在未知的时间和大小。在收取保费和损失发生之间,保险公司投资保费。就人寿保险单而言,这项投资可能超过几十年。在如此长的一段时间内,金融市场的回报存在巨大的不确定性。保险公司应如何投资,以使其已知资产与不确定负债相匹配?它应该持有哪些类型的资产,无论是目前存在的资产,还是它可能要求投资银行创造的资产?由于金融市场在资产/负债匹配问题中发挥了巨大作用,这不仅仅是一个精算科学问题,这也是一个需要量化分析师专业知识的问题。
评级和咨询:Rating and Consulting
穆迪(Moody's)和标准普尔(Standard & Poor's)等评级机构使用数学模型来评估公司债务违约的可能性,为此他们也聘请量化分析师。
安永会计师事务所(Ernst & Young)等咨询公司的职能之一是协助那些内部没有完全成熟的量化团队的公司开发和/或评估他们用来管理与金融市场互动的数学模型。换句话说,一些公司选择“租用”咨询公司的量化团队,而不是建立自己的团队。
金融科技:Fintech
最近进入需要量化分析师专业知识的金融公司是金融科技公司,其中许多是初创公司。他们试图利用数据的可用性和计算能力的进步来破坏传统的金融流程。为了与这些公司竞争,投行也在技术上投入巨资。初创公司所需的是商业头脑、强大的计算机科学背景以及处理和分析大型数据集的能力。
PART.03 量化和数学模型
量化和数学模型:
数学模型是关于研究对象的一组理想化假设,它允许人们得出有意义的结论,特别是获得定量和定性结果。现实世界的现象很复杂,为了建立数学模型,有必要做出仅近似正确的假设。要以一种捕捉现象本质并导致可管理模型的方式做到这一点,需要高水平的技能和经验。并非每个量化分析师都需要创建新模型,但量化分析师需要了解她或他正在使用的数学模型,这意味着要了解它们的局限性。
布莱克-斯科尔斯模型:
金融界最成功的数学模型要归功于 Fischer Black、Myron Scholes和Robert Merton, 1973 年布莱克-斯科尔斯期权定价公式发布。基于BS模型的发布,斯科尔斯和默顿获得了1997年诺贝尔经济学奖。(该奖项只颁发给活着的人,布莱克过早地去世了。)
布莱克-斯科尔斯公式告诉如何计算在未来某个日期以该日期之前商定的价格购买股票的期权价格。虽然这些期权本身就很重要,但布莱克、默顿和斯科尔斯的工作更重要的方面是,它启动了关于如何为衍生证券定价的一整套研究,衍生证券的价格来自其他一些标的证券的价格。
布莱克-斯科尔斯公式的发明使期权交易得以广泛增长,它还引发了对更复杂的衍生证券和布莱克斯科尔斯假设不成立的模型的类似公式的搜索,这在很大程度上彻底改变了金融业。
资产管理:
大多数人进入金融市场时都着眼于进行良好的投资,而不是为衍生证券定价。1952年,随着哈里·马科维茨(Harry Markowitz)的工作,数学模型融入金融,为确定与股票投资组合相关的风险和预期回报的数学模型奠定了基础。也许是因为与衍生证券定价相比,马科维茨的均值-方差分析的数学原理很简单,马科维茨的想法很快被资产管理公司采用,并成为MBA课程的标准课程。马科维茨与默顿·米勒和威廉·夏普一起获得了1990年诺贝尔经济学奖。从马科维茨的想法首次被接受到诺贝尔奖获得之前,用于资产管理的方法几乎没有变化。
近年来我们看到管理资产的公司采用了更复杂的数学方法。其中一个原因是,除了股票和债券之外,现在还有一大堆可用于投资的衍生证券,但为了明智地投资这些证券,必须了解它们。另一个原因似乎是许多从衍生证券定价和交易开始职业生涯的人后来进入了资产管理领域,在那里他们应用了与卖方相同水平的量化专业知识。对冲基金当然是这种情况,但更保守的资产管理公司正在建立模型,开发算法来指导他们的交易,并对这些算法进行统计回溯测试。这项工作由量化人员进行。
风险管理:
自 2008-2010年金融危机以来,具有系统重要性的金融机构的风险管理职能发生了巨大变化。
交易业务和投资组合管理所承担的信用和市场风险的计算增加了复杂性和重要性。例如,考虑《多德-弗兰克法案》规定的信用估值调整 (CVA) 的确定。对于银行投资组合中的每笔交易,CVA都会考虑交易对手违约的风险以及发生此类违约时的潜在损失。这必须针对银行的整个投资组合完成,其中可能包含数十万笔长期交易。CVA必须定期计算,银行必须根据CVA随时间波动的程度留出风险资本。一些银行进行交易以抑制这些波动,确定此类交易的性质和规模是一项重大挑战。
PART.04:总结
量化金融领域涵盖了多种不同类型的工作,对于那些希望进入这一领域的人来说,探索各种可能性至关重要。他们需要进行自我评估,了解自己的兴趣和技能,以及在哪些领域可能表现出色。成功的职业生涯始于将个人与工作岗位相匹配,而要找到合适的匹配,个人需要深入了解自己。
量化金融学的学习远不止于课堂上所学。在《我的量化人生》(My Life as a Quant)一书中,高盛合伙人伊曼纽尔·德曼(Emanuel Derman)记录了他的本科学习经历。计算金融吸引了那些积极进取的人,他们研究了许多非传统的领域。德曼的书籍涵盖了他在高盛工作时的经历,对于了解量化金融的各个方面都提供了很多信息。
社会对于才华横溢、受过良好训练的量化金融专业人士有着极大的需求。各种类型的公司都在招聘量化分析师,因为他们需要解决各种复杂的问题,而这些问题的解决方案需要量化分析师的技能。量化金融职业提供了与聪明人共事的机会,这些工作涉及到数学、统计学、金融学和计算机科学等具有挑战性的重要任务。量化分析师利用这些技能来分析金融数据并制定交易策略。他们可以在各种金融机构工作,并有机会获得丰厚的薪水。量化金融领域的发展将继续推动金融创新和市场效率的提高。
- 擅长申请:
- 研究生