FRM與CQF不同的點在于,F(xiàn)RM可以作為金融工程的基礎(chǔ)學科,而CQF以傳統(tǒng)的金融工程為基礎(chǔ),疊加前沿的金融領(lǐng)域的課程,考試以編程項目為主,實戰(zhàn)操作性非常強。
逐步踏入覆蓋廣泛且比較前沿的領(lǐng)域,比如課程中會介紹如何用自然語言處理去預測,也有簡單的量子計算機的編程及實現(xiàn)編程的途徑。接觸到全球金融各類方向的從業(yè)者,終生學習并且能近距離接受國際前沿學者的理論,偶爾會和國內(nèi)外的協(xié)會成員溝通他們在做的事情,從事的方向。
人的認知是不斷需要拓寬的,同時信息能產(chǎn)生價值,協(xié)會經(jīng)常有很多國際上知名的教授開展的關(guān)于量化的一些觀點會議,能近距離接觸到前沿學者的理論。
而CQF的課程雖然也可以用R寫程序代碼,但是主要還是python語言作為主要教學語言。因此在學習過程中,有很多時間都是在python代碼查錯中度過。剛開始經(jīng)常因為一個報錯的問題要花一天的時間來解決。
剛開始學習數(shù)學部分的時候,聽起來經(jīng)常感覺似懂非懂,微分方程、偏微分方程、二項模型、泰勒展開、BSM、維納過程、概率密度函數(shù)、伊藤引理、布朗運動、隨機微積分、隨機偏微分、kolmogorov等式、鞅、fubinni’s定理等。
學數(shù)學部分那段時間,經(jīng)常是伴隨著數(shù)學公式入睡,醒來第一個想法就是打開學習視頻。
就像我的畢業(yè)論文的主題選的是金融時間序列的深度學習,使用長短期記憶神經(jīng)網(wǎng)絡(luò)去預測股票價格趨勢。整個論文研究的脈絡(luò)是從特征工程系統(tǒng)開始,到長短期記憶神經(jīng)網(wǎng)絡(luò)學習結(jié)束。
相對比較確定的是會繼續(xù)把CFA和FRM證書考下來,完善金融知識體系,相對不太確定的選擇是想要考金融人工智能方向的博士。雖然目前是在金融科技領(lǐng)域創(chuàng)業(yè),但也會想要體驗不同團隊的做事風格,探索職業(yè)道路的可能性。
在我們整個學習的過程中,最開始看到的是露出水面部分的冰山一角,而在冰山之下,通常還有著難以預計的冰山全貌。
known the known,known the unknown,unknown the known and unknown the unknown。
在講馬爾可夫過程Markov Decision Process這一塊的知識點時講到:
The future is independent of the past given the present.
這雖是馬爾科夫過程的解釋,同時也感覺蘊含人生的一些道理。此去經(jīng)年,愿風光霽月。