定量线程
我们可以得到一个线程MBA不允许Weenies?只有特价。
您的学业是什么?博士还是MS?哪些领域最好?CS,数学,金融工程,物理,信号处理?
您如何准备找到工作或实习?
WSO虚拟训练营看到所有
总平均补偿
2021年12月对冲基金
排行榜看到所有
1 |
|
99.3 |
2 |
|
99.2 |
3 |
|
99.1 |
4 |
|
99.1 |
5 |
|
99.1 |
6 |
|
99.0 |
7 |
|
99.0 |
8 |
|
99.0 |
9 |
|
98.9 |
10 |
|
98.9 |
注释 (71)
ba。我认为CS,数学和物理都非常扎实。今天我会说,无论您的专业/领域如何,编码技能都非常重要,因此,如果您不学习CS在那里上一些课是一个好主意。不喜欢金融工程,但其中一些孩子的表现不错,尤其是来自普林斯顿的。
对于PREP,我认为了解您的基本统计数据和概率很重要,并使您的线性回归公式降低。一些公司还进行编码屏幕,这些屏幕与FAANG所做的屏幕并不相同(但在算法/数据结构上也许不那么重)。除此之外,我的经验是,问题将根据您的优势量身定制。如果您声称自己是MLWhiz,您可能会相应地得到一些问题。另外,如果您是经验丰富的候选人,您显然会在过去从事的策略方面有问题。
我应该知道多少统计数据/概率是否要担任定量开发人员(SWE)角色?
开发一侧可能不需要太多CS技能(编码,算法,数据结构)更为重要。我认为了解Stat 101级别可能很重要,您将想知道如何以在线方式计算差异之类的事情。
我听说研究统计数据比数学更有价值
统计数字的使用远远超过纯数学,但后者通常是更严格的培训。与研究统计数据相比,IMO甚至物理专业/博士学位更受欢迎。
这些天的ML是否仍然很流行?每当我提到它时,感觉就像降低了面试官的意见。并不是因为我无法处理技术问题。
我认为这些天仍然很流行,并且ML对于数量交易没有用的叙述被夸大了。将深入的NN适合每日收益肯定不会(至少很容易),但是在某些领域可以增加价值,例如用于投资组合构建的层次结构集群,用于成绩单/新闻的NLP等。
但是,ML/Data Science周围有太多的绒毛和炒作,因此,有许多Subpar候选人用LSTM,注意力等流行语填补其简历。数据科学课程也往往是很多不如说明马丁那理论严格。因此,我怀疑那些访调员进行了准贝叶斯计算P(良好的研究人员| ML热情)
我支持这个线程。为扭曲的力量!
我探索一次定量。正在考虑获得数学博士学位。在统计数据中有一些博士学位的朋友。我是吉姆·西蒙斯(Jim Simons)和其他量化公司的粉丝。我读过其中一些书。好东西。我认为我的前室友是一个量子D B并有一些在Desco工作的朋友。祝所有人最好的祝愿
谢谢!
大家好,我有一个有兴趣成为量子的朋友,并要求我寻求建议。我会参加IB并且不知道如何帮助他,有人可以给我一些我可以与他分享的资源。manbetx3.0手机客户端
我认为数学和/或物理学是量子的重要专业。最好是自我学习编码
所以CS少校需要太多的工作来赶上数学方面吗?
我认为一般的叙述是你可以学习CS独自一人(我知道的一些最好的SWE是自学的),但是使用数学来做到这一点要困难得多。这样想:数学激发了做什么和为什么做某事,CS只是让您这样做的工具。
“一笔钱的一笔钱,最好的绿色3 4-甲基二甲基甲基苯丙胺” - M.F.厄运
嘿,嘿,大博,不要在MBA。而且,甚至不要自称为lmao。你们大多数人是CS不是真正的念头的瘾君子。除非您知道Ornstein-uhlenbeck操作员是什么,甚至是半明天是什么,您是一个CS瘾君子,不是量子。
西蒙斯不雇用任何有财务背景的人,他们知道这些东西是什么。关键是能够研究和实施新的想法,从物理学家到信号处理工程师。
看,您甚至都不知道基本数学。但是,您渴望将自己称为定量。
西蒙斯也不雇用像您这样的人。他喜欢学者。你好主席先生CS像这里大多数其他人一样的瘾君子。物理学采用了从基本差异几何形状到无限尺寸随机分析的大量使用。良好的物理博士学位精通数学。
对于那些认为这些术语纯粹是财务而不是极大的数学兴趣的人来说,您肯定知道很多!
OU和Semimartingales是标准的票价,尽管除非您选择选项,否则不太有用。
成为一个没有错的CS瘾君子,在机器学习和随机算法等领域中存在高度非平凡的数学。同意,这听起来像是新手。
同意你的看法,成为一个没有错的CS瘾君子,但是成为一个MBA从事传统/基本角色。
但是,一旦OP开始打击MBA,它变成了公平的游戏。认为你比MBA同时是一个CS瘾君子错了。
并非如此。...从经验上讲,任何知道一些高中数学的金融中的任何人都是量子。
来自英国IB的化学数学目标足够好了吗?学习python是否有帮助并愿意自我研究的概率模块
什么类型的学位?BS,MS,博士
哦,BSC,我认为PG在这里担任某些定量角色的PR。如果不是,那是我的学位罚款交易?
很多顶CS计划通常与数学部门共享教师/计划。我的学校CS落在数学下。真正的数学/OPS研究或CS路径没有什么不同,因为所有顶级学生都受到治疗,只是学习他们喜欢的任何学者。
也知道一些做的MBA在“量化研究人员”的数学本科生之后,也许就是CS瘾君子路径。那就是我遇到的大多数Quants是数学博士学位。
来自#1程序的MS。
研究重点是蒙特卡洛和信号处理。
准备IB通过观看实习保证金电话在交替使用HIIT,撕开本土并扔掉我的大部分个人财产时。
不是定量,但我有一个CS背景和基本股票团队的工作。我们部门的实际量化团队更多地了解数学背景。显然,编程在该团队中很重要,但我的看法是,对真正的数学的强烈理解在量化研究和信号生成方面比(可能)在编程方面更好,但在理解基本统计数据之外的数学方面最糟糕。我会说定量的数学背景更好,尤其是在高级算法设计方面。在我的一门研究生课程中,其他学生之一在其中的一次交流中很高,并且在量化世界中的买卖方面有很多关系。有人问了班上一个类似的问题,那也是他的看法。
我公司的量化团队更专注于相关/跨资产研究/资本市场假设/投资组合构建/等。结果,他们可能专注于不同的事情,而不是说量子研究人员在hft基金。
ML肯定在金融中炒作了 - 我喜欢使用它来创建自己的分析类型,包括替代数据,或者衡量ML ALGO如何权衡许多输入的重要性,而不是如何定性地权衡它们。
最终,我将其用来建立进一步的证据作为整体研究决定的一部分,我个人认为这更有用。我敢肯定,与某些量化团队相比,我所做的事情非常基本,但是很难说我不在那个世界。有人在上面写了有关使用NLP/ML进行成绩单的文章。我做到了。尽管第三方提供商很昂贵并且超出预算,但对我来说有益,但最终,这是一种普遍的产品,以至于它可能提供的任何优势都被第三方平台的可用性所淹没了。
您或您的同事每天使用哪些数学知识?它只是对基本统计,计算等的知识吗?能够理解和实施论文的内容吗?
随机演算
均值 /中位数 /模式 /性病偏差相当基本的东西。一些基本回归。不完全是火箭科学。就像我说的那样,我从事基本股票团队的工作重点是学习公司的业务企业经营指标 /什么会导致他们加以加班 /重新 /重新 /市场期望的是什么,而不是管理层指导什么……他们的市场规模等。它取决于团队成员的不同,但这仍然不太注重数学。再次……量化团队完成了真正的数学。
BSCS+数学。多发性硬化症CS。如果我能回到学校,我会更多地专注于我参加的课程深度,而不仅仅是要磨练并获得更多学位。我认为CS+统计或CS+应用数学是一个不错的起点。从个人角度来看,我认为拥有MS/P.D并不是必需的,但是只要您有一个习惯1)每隔一周不断赶上新论文,而2)对定义,实施和验证有体面的经验/理解研究问题将使您陷入困境。
与学习数学和CS的人相比,如何研究金融的人如何看待金融?我知道吉姆·西蒙斯(Jim Simons)说,他永远不会雇用与财务有任何联系的人
如果您在谈论像文艺复兴时期这样的公司(老实说,我们知道您和我都无法进入那里,因为我们在这里写评论),是的,可能他们不想雇用具有财务背景的人(现实:这就是不正确。有少数人与以前的银行/其他HF/Prop Shop经验如果您查看LinkedIn及其员工)。
但是总的来说,如果您足够聪明(在这里,不仅是聪明,而且是真正的知识分子/聪明的书。除了雇用您。
定量公司不介意雇用没有财务背景的人的原因/不想雇用具有财务背景的人的原因是因为这些人已经对普通人的看法“污染”。他们宁愿找到“原材料”,并从一开始就以自己的方式教导人们。同样,没有事先财务经验的人往往对市场思考的思维方式较少,因此他们可以更具创造力。
底线:如果您真的足够聪明并且可以证明,那么您的背景就不会真正重要。
在道具公司或对冲基金之外,智者可以贸易以赚钱。我现在与外汇交易,想知道他们是否会让您停下来。感谢任何答案,谢谢
在获得单身汉时,该机构建立财务联系是否很重要?
目前是一名数据科学家,他正在完成数学学士学位。
不确定在达拉斯(Dallas)的SMU是否值得在一所更便宜的学校和更糟糕的数学系中。
锻炼自动odit harum quas。Quo voluptas odit aut锻炼Quis。Voluptas facilis quaerat blanditiis dolorum ut。独特的Vitae et Aliquid doloribus nihil。
ipsum tuermibus porro et rougsti voluptatem。障碍物萨佩(Saepe)。
查看所有评论 - 100%免费
WSO取决于每个人都知道某事时能够参与进来。解锁您的电子邮件并获得奖金:6财务建模课程免费($ 199的价值)
或者想要开锁通过签署您的社交帐户?
Veritatis voluptatem enim es suscipit adipisci。Maiores Fugit Quo Laboriosam Dolore Deserunt。Labore Veritatis voluptas quidem aliquam。自动的Laudantium ex Illo Recusandae Ut。
Sunt Quis Ut Tempore Blanditiis Aut Qui Expedita错误。Culpa Eum Saepe adipisci aut。均匀的颞叶鼻子suscipit et fugiat molestiae。
预览和下载评论作为图像
您可以使用浏览器的上下文菜单下载此屏幕截图或复制到剪贴板