تحلیلگران و بازرگانان

انواع مختلف تحلیلگران کمی چیست؟

انواع مختلف تحلیلگران کمی چیست؟

موقعیت های کمی در امور مالی را می توان به طور گسترده ای به چهار نوع اصلی طبقه بندی کرد. آنها معامله گر کمی ، محقق کمی ، مهندس مالی و توسعه دهنده کمی هستند. همه آنها مواضع اساسی در جامعه مالی هستند ، اما در مورد اهمیت درک شده ، سطح دستمزد و پیشرفت شغلی از ویژگی های بسیار متفاوتی برخوردار هستند.

معامله گر کمی

معامله گر کمی به طور معمول "بالای زنجیره غذایی" در جامعه مالی کمی است. این امر به این دلیل است که آنها در حال ایجاد درآمد معاملاتی برای شرکت استخدام کننده خود هستند - یا یک بانک (در یک میز معاملاتی) یا یک صندوق پرچین کمی/منظم.

بازرگان Quant وقت خود را صرف طراحی الگوریتم هایی می کند که در جستجوی آلفا هستند ، بازده های گریزان بالاتر از مواردی که به عنوان مؤلفه ای از نوسانات استاندارد بازار سهام باز می گردند. این الگوریتم ها اغلب دارای شخصیت اقتصادی سنگین ، آماری یا یادگیری ماشین هستند ، بنابراین معامله گران کوکتی اغلب دارای دکترای هوش مصنوعی یا ریاضیات کاربردی هستند.

اگر این شرکت (و گروه تجاری!) دارای سالهای معاملاتی خوب باشد ، می تواند به عنوان یک معامله گر کوانتین بسیار پرسود باشد. غیر معمول نیست که بهترین معامله گران در اواسط دهه بیست و یکم بازنشسته شوند!

محقق کمی

محقق کمی معمولاً یک ریاضیدان خالص یا دکترا در حساب تصادفی است ، که تصمیم گرفته است نقش کاربردی تری نسبت به آکادمی داشته باشد. آنها اغلب در شرکت های تحقیقاتی جایگزین یا برخی از صندوق های پرچین بزرگتر یافت می شوند و روی رویکردهای "آسمان آبی" بیشتر برای بازده بازار کار می کنند. با این حال ، محققان کمی نیز در بانکهای سرمایه گذاری شاغل هستند - اما معمولاً در یک "دفتر میانه" ، زیرا این محققان بیشتر وقت خود را صرف اجرای مدل های اجرای خود نمی کنند - آنها معمولاً کار خود را بر روی یک مهندس مالی یا توسعه دهنده کمی منتقل می کنند.

مهندس مالی

مهندسان مالی به طور کلی افرادی هستند که هنگام استفاده از اصطلاح "تحلیلگر کمی" به آنها مراجعه می کنند. آنها وظیفه دارند محصولی را تهیه کنند ، که اغلب توسط تیم های فروش به مشتریان در بانک های بزرگ فروخته می شود و می دانند که چگونه به درستی قیمت آن را می دهند. این امر شامل ابزارهای حساب تصادفی و قیمت گذاری بی طرفانه و همچنین امکان اجرای مدل در یک کتابخانه موجود ، ساخته شده با زبانی مانند C ++ ، C# یا جاوا خواهد بود.

مهندسان مالی اغلب در کلاسهای دارایی درآمد ثابت و ارزی یافت می شوند ، جایی که محصولات مشتق شیوع دارند. یک مهندس مالی غالباً زمینه ای در فیزیک یا مهندسی خواهد داشت - با استفاده از مهارت های مدل سازی خود برای اجرای محصولات مالی جدید.

توسعه دهنده کمی

به طور کلی دو نوع توسعه دهندگان کمی یا مقدار کمی در صنعت مالی وجود دارد. نوع اول برای پیاده سازی و بهینه سازی مدلهای مالی خود با سایر تحلیلگران کمی همکاری خواهد کرد. در عمل ، این به معنای گرفتن کد نمونه اولیه از Matlab ، R یا Python و بازنویسی آن به زبان دیگری مانند C ++ یا جاوا است. این Quants اغلب به پول نزدیک خواهد بود و در دفتر مقدم یک بانک سرمایه گذاری ساکن می شوند.

نوع دوم توسعه‌دهنده کمی با داده‌های قیمت‌گذاری مالی و معماری سیستم‌های معاملاتی سروکار دارد. آن‌ها زیرساخت‌های خام را کدگذاری می‌کنند که به تحلیل‌گران/تجار کمی اجازه می‌دهد مدل‌های خود را اجرا کنند و درآمد کسب کنند. در عمل، این به معنای اتصال پایگاه‌های داده به «منطق تجاری» و APIهای کارگزاری است. در بانک‌های سرمایه‌گذاری، این می‌تواند به معنای کار بر روی تعمیر و نگهداری سیستم‌های قدیمی در مقیاس بزرگ باشد یا، اگر در یک صندوق به کار گرفته شود، کار بر روی پروژه‌های "گرین فیلد" مرتبط با یک الگوریتم تجاری جدید باشد. در بانک ها، این معمولاً یک نقش دفتر میانی خواهد بود.

نقش بسیار پردرآمدی که در عرصه توسعه کمی قرار دارد، نقش توسعه‌دهنده ستاره C/C++ است که برنامه‌نویسی شبکه یونیکس، سیستم‌های با تأخیر کم و نکات خروجی Linux Kernal را درک می‌کند. این افراد را اغلب می توان در دنیای مخفی تجارت با فرکانس فوق العاده بالا (UHFT) یافت که در آن سفارشات تجاری در میکروثانیه اندازه گیری می شوند. اگر فردی این مجموعه مهارت خاص را داشته باشد، می تواند بسته های غرامت پایه 250 هزار دلاری و بالاتر را سفارش دهد!

QSAalpha

به پلتفرم تحقیقاتی QSAlpha بپیوندید که به پر کردن خط لوله تحقیقات استراتژی شما کمک می کند، سبد سهام شما را متنوع می کند و بازدهی با ریسک را برای افزایش سودآوری بهبود می بخشد.

کوانت آکادمی

به پورتال عضویت Quantcademy بپیوندید که به جامعه خرده‌فروشی که به سرعت در حال رشد هستند پاسخ می‌دهد و یاد بگیرید که چگونه سودآوری استراتژی خود را افزایش دهید.

تجارت الگوریتمی موفق

چگونه با استفاده از یک موتور بک تست مبتنی بر پایتون، ایده‌های استراتژی معاملاتی جدید را پیدا کنید و به طور عینی آنها را برای سبد سهام خود ارزیابی کنید.

تجارت الگوریتمی پیشرفته

نحوه پیاده سازی استراتژی های معاملاتی پیشرفته با استفاده از تجزیه و تحلیل سری های زمانی، یادگیری ماشین و آمار بیزی با R و Python.