第一次對于數(shù)學(xué)的符號,均值可以代表收益,方差代表風險,然后整個投資組合給定目標收益比如10%(年化),風險波動(5%),然后去計算資產(chǎn)配置的比重。這個非常有意思的,算是FOF研究的實習(xí)的一部分內(nèi)容,以后如果有想去做FOF的同學(xué),可以結(jié)合這個題目,最后的final去選第一個資產(chǎn)配置的選題,我們那一期呢限定用black-litterman模型去做資產(chǎn)配置,就是在馬科維茨馬老爺子的CAPM模型的基礎(chǔ)上進行優(yōu)化。會用到一部分偏微分方程去算拉格朗日參數(shù),這個正課都是有講的,難度還好。主要是用Excel也可以做不影響評分,所以對我這類代碼不是很強的選手來說還比較友好。
一個月之后迎來第三次,因為這次呢題目很費解,讀題就花了差不多一周。所以果斷延期了。2周的考試時間延長到了四周。這次考試是啟發(fā)做量化交易策略。機器學(xué)習(xí)有一個特點,非常吃因子,所以因子的有效性,時效性,都需要去做研究。這個后來了解到做量化的朋友才知道,這是實習(xí)生日常挖因子的工作。在機構(gòu)里面有人工因子,有機器挖因子,機器挖因子的算法很多,曾經(jīng)火了一段時間的遺傳算法,大多數(shù)是比較常規(guī)的技術(shù)指標的參數(shù)研究。我當時的題目是用SVM去做,因為股票數(shù)據(jù)不好拿,就果斷用了ETH的。最后模擬交易的收益率年化40%+,很多同班的同學(xué)做成了“避雷針”索性在試卷中明確標注了,策略的虧損不參與考試評分。
兩個月之后考試做final。四個選題,第一個是資產(chǎn)配置,是延續(xù)第一次考試內(nèi)容下來的,我的數(shù)據(jù)沒有那么容易找,果斷pass;第二個題目是pair trading,雖然很感興趣,奈何代碼可能跟不上,也pass;第三個題目是time series in deep learning,可以延續(xù)第三次考試深入去做,ok就你了。在做final的時候主要是把核心算法從SVM做成了LSTM,CNN,RNN等簡單的深度學(xué)習(xí),效果比單純的SVM要好一些。還是非常激動從零基礎(chǔ)來時學(xué)代碼,學(xué)數(shù)學(xué)然后遇到了一群非??蓯鄣腃QFer,大家都非常上進,中間因為難度一度也想過退縮,CSDN直接充了會員,GitHub,kaggle為了這倆網(wǎng)站直接買了一年的梯子,被大神(人家考試拿滿分的)鼓勵了很多,最后還是堅持下來了,索性自己也成功持證,也認識了比較多量化圈子的選手,從最初的仰慕到可以聊聊相關(guān)的話題,切實感覺到了自身的提升,這個項目的知識體系還是非常棒的。