CQF持證后，聊聊內(nèi)心真實感受…

我是在2022年上半年參加的CQF項目，人在上海。最開始做IBD，但是沒法長期熬夜了，所以想著給自己找個退路。平時自己有做交易，國內(nèi)的量化資管在20年，21年都是融資大年，所以想著儲備下技能，看看后面有沒有機會去量化私募基金或者投行的自營部門。因為是商科的本碩，所以最初在接觸CQF項目的時候內(nèi)心不是很有底氣，所以提前看了普林斯頓的三劍客教材，比較有啟發(fā)。在某站上白嫖了MIT的線性代數(shù)，布朗運動，金融數(shù)學(xué)，隨機過程，伊藤積分，鞅等，算是稍微有點基礎(chǔ)了。

沒記錯的話是從3月中旬開始考試的。第一次考試的內(nèi)容相對簡單，憑借商科的底子還是可以應(yīng)對大部分題目的。對于做資產(chǎn)配置，就是投行的資管部或者PB，family office這些業(yè)務(wù)，之前沒有接觸過，學(xué)起來非常有意思。
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(fēng)險，然后整個投資組合給定目標(biāo)收益比如10%（年化），風(fēng)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。
第一次考試結(jié)束之后一個月，迎來第二次考試。考題就一道題，這個題目在final里面應(yīng)用的話推薦想去投行做期權(quán)的選手深耕一下。因為題目就一道題，給奇異期權(quán)定價。種類呢每年都會換。其次還要研究對期權(quán)價值影響最大的希臘字母（Greeks）。希臘字母不需要全都做分析，選自己感興趣的去研究，可視化，得出結(jié)論就可以了。曾經(jīng)畏懼金工沒敢選衍生品定價的選修課，CQF項目會介紹三種衍生品定價的方法，分別是利率二叉樹，有限差分，蒙特卡洛模擬?？荚嚰s束只能用蒙特卡洛模擬來做。這次考試就必須上代碼了，后面的也全都是代碼了。當(dāng)時的狀態(tài)是白天看視頻課，晚上回去敲代碼，具備這種條件是因為上海封城了。家里沒有足夠的吃的，但是精神是吃的很飽。手動Doge。

學(xué)姐可以把當(dāng)時上岸的備考規(guī)劃給你。少走1個月的彎路，同時我把備考的資料分享給大家，都是課程的內(nèi)部資料，大家需要的可以戳下面卡片領(lǐng)取↓↓↓ 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(biāo)的參數(shù)研究。我當(dāng)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(biāo)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(rèn)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。