OK，方向有了，下一步是學習路徑。最初選擇的是CFA，可能就是因為名氣大。CFA大概學了半年，Level 1課程跟老師系統(tǒng)過了一遍，比較肯定的是CFA作為金融入門課程不錯，范圍廣比較系統(tǒng)，但總感覺距離自己原先的目標還差點意思，尤其是老師拿著計算器講課，AI用在哪里啊，難道要替代老師講課么。不過機會總是努力之后才能遇到，參加幾次公開課之后，我了解到CQF課程體系，并報名了2022年1月的CQF課程。
目標明確之后，開始準備CQF課程。開課之前老師發(fā)來了前導課，我也參考了幾款主流量化交易平臺，多因子模型也能初步跑起來，就是結果達不到預期，也不知道哪里出錯，加了很多很多量化交易群，圍觀各路神仙吵架，從一個量化小白走上量化學徒之路。開課第一個月，我發(fā)現(xiàn)之前的前期準備幾乎清零，上來就是隨機偏微分方程；課程節(jié)奏很快，兩周時間就把整個金融數(shù)學講了一遍；1節(jié)課3小時課程，我看回放需要8個小時才能跟上，稍不留神就跟不上，還得反復的看；上完課也就是了解老師講的是什么，距離融會貫通學以致用，估摸和銀河系一樣遙不可及，難怪CQF協(xié)會提供終身學習，知識內容屬實豐富了些。
再聊聊對量化金融的個人理解，CQF課程比較系統(tǒng)的介紹了量化金融相關的方方面面，可以將量化細分以下幾個部分：
01
數(shù)學部分
再聊聊對量化金融的個人理解，CQF課程比較系統(tǒng)的介紹了量化金融相關的方方面面，可以將量化細分以下幾個部分：
CQF涉及到的數(shù)學內容，應該是最低入門要求，大概是可以用偏微分方程對股票、利率、期權等金融產品進行數(shù)學建模，以及求解最優(yōu)解。
02
金融部分
至少能達到CFA、CQF的要求，金融工程應該是入門要求，理解常用的金融模型，當然，最好有實戰(zhàn)經驗，即使是韭菜經驗也是非常好的。對了，CQF對金融衍生品特別重視，很大篇幅介紹衍生品定價背后的數(shù)學原理和公式推導。
03
AI部分
1990年諾貝爾經濟學獎，資產定價模型，被稱為現(xiàn)代投資組合理論，而2017年谷歌提出的Transformer深度學習模型，已經被業(yè)內稱為上古技術，一個是現(xiàn)代，一個是上古，可見AI領域比金融領域相比，簡直是日新月異。最難的是，如果沒有系統(tǒng)學習過AI，都不清楚該領域的邊界范圍，或者最優(yōu)方案，沒準自己很自豪忽悠甲方用到的是遠古技術。CQF可以帶我們快速入門AI領域，并有能力快速的找到解決問題的方案，如果需要最新的前沿的AI模型，還需要大量翻閱論文。
04
編程部分
這里有個誤區(qū)，很多從事金融的大牛瞧不上碼農，總覺得雇人就能搞定；很多IT精英卻又瞧不上Python腳本編程，總覺得很容易看看就會?？陀^評估，即使這兩類牛人合體，至少需要2-3年孜孜不倦的學習提高，才有可能將量化平臺落地實戰(zhàn)，而且有極高的時間成本風險。關于選擇開發(fā)語言，目測用Python實現(xiàn)概率大一些，畢竟涉及到的模型、AI算法、數(shù)據(jù)處理，Python提供很好的支撐，但是Python天生不足缺少大型工程支撐，需要自己實現(xiàn)大量代碼和性能調優(yōu)。如果用C/C++或者Java實現(xiàn)，真有可能望山跑死馬，雷聲大雨點小，效果達不到預期。
最后總結一下，量化領域是零和博弈、你死我活的戰(zhàn)場，CQF給了戰(zhàn)場的邊界和范圍，并督促、鞭策我們系統(tǒng)學習、終身學習，從無腦梭哈，努力轉變成靠自己實力虧錢，在韭菜成長之路茁壯成長。也許，唯有投入更多，才能在高度競爭環(huán)境下建立自己理論和技術優(yōu)勢，才能逐步實現(xiàn)人生小目標。對于個人職業(yè)生涯，CQF只是入門課程和啟蒙老師，給我們量化發(fā)展方向和持續(xù)學習的能力。前沿論文精讀復現(xiàn)和量化系統(tǒng)設計開發(fā)，應該是學完CQF課程的每位學員破繭成蝶的重要過程。
最后總結一下，量化領域是零和博弈、你死我活的戰(zhàn)場，CQF給了戰(zhàn)場的邊界和范圍，并督促、鞭策我們系統(tǒng)學習、終身學習，從無腦梭哈，努力轉變成靠自己實力虧錢，在韭菜成長之路茁壯成長。也許，唯有投入更多，才能在高度競爭環(huán)境下建立自己理論和技術優(yōu)勢，才能逐步實現(xiàn)人生小目標。對于個人職業(yè)生涯，CQF只是入門課程和啟蒙老師，給我們量化發(fā)展方向和持續(xù)學習的能力。前沿論文精讀復現(xiàn)和量化系統(tǒng)設計開發(fā)，應該是學完CQF課程的每位學員破繭成蝶的重要過程。
