近日,社交媒体上一则文章引发关注:有量化私募发了5000万元的年终奖!
12月14日,中国证券报·中证金牛座记者从几家头部量化私募人士处证实了该情况。但据记者了解,只有个别核心员工能拿到这种级别的年终奖,而对于非头部量化私募来说,千万奖金就已是天花板。
机构证实5000万年终奖
近日,一位博主在社交媒体上发帖称:“同事的同班同学做量化,今年奖金超过5000万元……今年做量化的二级私募确实厉害了,业绩大爆表,震荡市中,模型的确优于人脑。“
图片来源:社交媒体

还有爆料称,去年某量化私募给两位员工各发出3000万元年终奖:“北京某量化私募,一位28岁的基金经理给两名下属员工一人发了3000万元年终奖。圈里人都知道他是谁。”

不少网友表示酸了:“除了羡慕还是羡慕!一年就挣5套别墅,一下就财富自由了!”

不过,也有网友“冷静”看待:“做量化拿5000万元的人,我并不认为比买彩票中5000万元的人要多,这样的人在全国一只手数得过来,还是干好自己的事情。”
来源:社交媒体

如此高额奖金,是否属实?中国证券报.中证金牛座记者从机构人士处得到证实,其表示这一年终奖水平在业内并不夸张。

“部分头部量化私募的核心员工可能还不止5000万元。北京某头部量化私募去年就有员工年终奖拿千万元级别了,起码在3000万元以上,今年量化业绩整体不错,超5000万元也比较正常。”某头部量化人士说,其所在的量化私募通常在节前发放年终奖,这一时间点正是抢人高峰期,公司出于对被“挖墙脚”的担心,所以今年发得更早。

“对于非头部量化机构,千万级别就已经是薪资的天花板。”另一量化私募人士表示。

核心员工价值几何

一位资深量化投资人士表示,5000万元的年终奖只有*量化私募的核心员工才能拿到。

他表示,在规模足够大的情况下,比如某头部量化私募的自营盘规模为300亿元-500亿元,若核心投研员工的模型提升整体策略收益,哪怕只提升1个点,收益就会增加3亿元到5亿元,分10%给团队中的核心员工*正常。

“在当前量化讲究深度学习的阶段,跟以前‘工厂式’的传统线性量化模型不同。以前一个模型有十几二十个研究员一起研究,模型收益提高,大家就一起平均分钱。但现在深度学习,也就是所谓的神经网络,没办法合作,主要依靠核心的一两名员工,核心员工产生收益的权重*高,收益的大头肯定是分给他们。”他解释道。

今年,站在风口上的量化私募业绩也同样“豪横”。据某第三方平台的数据,截至12月初,26家百亿量化私募今年收益全部为正,平均收益达到21%。其中,凡二投资、鸣石投资、天演资本、金戈量锐、世纪前沿私募基金等量化私募公司整体业绩靠前。表现*的百亿量化私募代表产品,今年以来收益率超50%,部分头部量化私募代表产品今年来的收益率集中在20%-35%之间。

金融科技支持量化投资前景广阔

在过去近十年中,ABCD等一系列技术全面应用于支付清结算、借贷融资、财富管理、零售银行、保险各大金融领域,新技术正在重塑金融产品、金融活动流程,甚至金融组织架构。而在投资领域,随着金融机构大量运用人工智能、机器学习的方法并成为趋势,市场越来越有效,定价也将会越来越*,将为量化投资带来更多的机会也将推动机构更多地依赖大数据、人工智能等金融科技领域技术。

中泰证券金融科技委主任兼科技研发部总经理、智能投研技术联盟副秘书长何波曾表示,量化投资的决策过程中要大量应用金融科技手段,人工智能在量化投资方面是很好的工具。“我看好人工智能的长久发展,它是一个工具,帮助解决传统技术手段不能解决的问题,但前提要清晰定位。

可见,对于想进入量化金融领域发展的人士来说,深度学习金融科技师领域知识很有必要。在一级课程中有大量与量化投资相关的内容,今天我们先介绍一下《金融学基础》与《机器学习原理与应用》这两门与量化金融关系更为密切的课程,也可以参考量化金融领域CGFT学员的真实评价。



CGFT 特许全球金融科技师 (一级)
《金融学基础》
课程目录
第 一章    什么是金融?

第五章    公司金融基础

  • 什么是金融?

  • 现值与贴现


  • 净现值(NPV)与投资决策

第二章    货币体系
  • 内部收益率(IRR)与投资决策

  • 货币与货币制度

  • 资本预算

  • 中央银行

  • 公司融资与分红

  • 货币供给和货币需求

  • 资本结构和WACC

  • 通货膨胀和通货紧缩


  • 货币政策及其目标

第六章    证券估值基础

  • 固定收益证券和利率

第三章    金融机构
  • 债券估值

  • 商业银行

  • 债券风险分析

  • 信托公司与影子银行

  • 股票估值模型 (I)

  • 保险公司

  • 股票估值模型 (II)

  • 投资银行与证券公司

  • 风险和回报

  • 投资基金公司


  • 金融监管

第七章    资产管理基础

  • 资产组合的风险分散

第四章    金融市场
  • 资产组合优化配置

  • 货币市场与债券市场

  • 资本资产定价模型(CAPM)

  • 股权市场

  • 阿尔法和贝塔收益

  • 大宗商品市场

  • 市场有效性

  • 衍生品市场--期货

  • 行为金融

  • 衍生品市场--期权


第八章  总结与展望


一级《金融学基础》由严弘教授主讲,出身浙大少年班的严教授不仅拥有金融博士学位还获得获得了密歇根大学所授予的*个应用物理学博士学位。严弘教授的研究领域包括资产定价(公司决策与股票报酬、股票与债券的信用风险与投资回报、市场流动性、金融衍生品与风险管理、投资组合决策)、金融中介(共同基金、对冲基金、金融分析师)、新兴市场(尤其是中国的金融市场发展、外国/机构投资者在其中的作用),其研究成果发表于国际*学术期刊,如 Journal of Finance,Journal of Financial Economics,和 Review of Financial Studies等。其中对CDS的研究于2007年获美国Q-Group奖,而关于公司财务困境对股票收益的影响的研究于 2010 年获得 Crowell 奖。


CGFT 特许全球金融科技师 (一级)
《机器学习原理与应用》
课程目录
第 一章:机器学习基础
  • 什么是机器学习?

  • 贝叶斯统计推断

  • 优化简介

  • 优化简介(续)

  • 机器学习理论基础

  • K-近邻

  • 朴素贝叶斯 (Naive Bayes)

  • 衡量分类问题好坏的统计指标

  • 用于模型选择的交叉验证方法, 正则化

第二章:逻辑回归,树模型和集成学习
  • 逻辑回归

  • 特征选择, 文本统计处理

  • 图像识别

  • 决策树,基尼不纯度

  • 商, 决策树的建立

  • 决策树: 模型参数

  • 回归树

  • 集成学习: 随机森林

  • 集成学习: GBM,XGBoost

第三章:支持向量机,无监督学习
  • 支持向量机: 线性分类

  • 软边际,和逻辑回归的比较

  • 支持向量机: 非线性和核函数

  • 支持向量机: 几何解释

  • 无监督学习:降维, 主成分分析 (PCA)

  • 特征降维在监督学习中的应用

  • 无监督学习:聚类

第四章:神经网络和深度学习
  • 神经网络:从逻辑回归到 MLP

  • 激活函数

  • 目标损失函数,反向传播

  • 多层感知器例子

  • Keras / TensorFlow 和神经网络

  • 深度学习中的优化

  • 卷积神经网络 CNN

  • 卷积神经网络在图像处理中的应用

  • 循环神经网络 RNN

  • 循环神经网络 LSTM

  • LSTM 在自然语言处理中的应用


《机器学习原理与应用》由殷志浩教授主讲,他是美国麻省理工学院物理学博士,曾任美国摩根大通银行董事总经理,也曾担任中金基金总经理 ..... 在量化投资分析方面超过 20 年经验!

CGFT学员说



【特许全球金融科技师学员风采】准高金EMBA校友、湘财证券金融科技项目负责人,为何*特许全球金融科技师?



【特许全球金融科技师学员风采】金证股份产品总监凌楚蕃:会计专业“逃课大王”的量化精英之路