
面临“黄金机遇” ,量化投资人才急缺
进入2018年,量化投资策略在A股市场上的表现有所回暖,不少基金公司开始密集布局量化产品,量化投资基金再次成为市场宠儿。
然而,在市场一片暖意浓浓之下,也当看到,基金管理及其投研的高质量人才的队伍建设并没有与行业发展相匹配。
如何才能摆脱“人才荒”的困局,继续前行,成为值得行业上下思索的关键问题。
黄金时代将临经历2017年的整体受挫,公募基金市场上再度掀起量化产品发行热,量化基金发行规模及成立速度明显回升。
同花顺iFinD数据显示,截至2月27日,今年前两月共有18只(A、C份额合并计算)量化基金成立,而去年同期量化基金产品成立数量仅有5只。
从新成立量化基金首募规模来看,今年2月成立的景顺长盛量化小盘股票基金首募规模超17亿元,成为今年发行最大规模体量量化基金。另外,嘉实润泽量化定期混合基金也以超10亿元募集规模榜上有名。此外,还有多只量化基金产品首募规模超5亿元。
业内认为,今年以来量化基金超七成产品收益率跑赢同类产品行业平均的表现,是造成这一火热势头的最主要原因。今年以来,多只量化基金业绩表现优异。如天弘量化A、C份额年内收益率分别为8.53%、8.46%,高于同期普通股票基金-0.73%的收益率,长盛量化红利混合基金、信诚量化阿尔法均高于平均水平6.67、5.84个百分点。
在40多年的发展历程中,虽然历经反复和挫折,崛起和衰退,得益于近年来对于各种算法投资策略兴趣的持续升温,华尔街量化投资的规模和交易量占比持续上升。
对冲基金研究机构HFR数据显示,美国量化对冲基金管理的资产金额在2017年10月底超过了9400亿美元,几乎是2010年水平的两倍,2018年这一数字将超过1万亿美元。
规模方面,截至2017年末,我国各类量化基金总规模已超过5000亿元,在权益类基金中占比接近35%。
但从目前国内整个公募基金市场的比例分布看,量化基金目前占比4.35%,还算不上主力品种。同时,和国外动辄管理规模数百亿美金的基金相比,国内最大的不过是几十亿人民币,量级相差百倍。
在东方基金量化投资部总经理刘志刚看来,随着A股股票数量的逐步增加,量化方法会被更多引入到上市公司研究和投资决策流程中,更加有助于提高选股效率,也能在更大程度上分散投资风险,在国内有十分广阔的发展前景。
人才瓶颈待解经过十余年的培养,量化投资理念逐渐为国内投资者所接受,市场上也不缺乏敢于承担风险的资金。在金融改革加速、金融效率提升、衍生品市场新品不断等因素的叠加下,中国式量化对冲基金的黄金时代,大幕正在开启。
据深圳一位量化基金经理透露,不管是在公募基金还是在专户业务,中小基金公司都更愿意发展量化。量化人才的价值正在逐渐体现出来,薪酬开始有上升的趋势。
在某知名招聘网站上,券商、基金、险资等对量化投资经理、分析师等人才的需求十分旺盛,两个职位的待遇都高达25000元以上。
各招聘企业十分看重人才的综合素质。基岩资本副总裁黄明麒认为,在国内量化投资行业还是在起步时期,所以对从业人员的要求是,不仅要会编程,还要懂金融,同时要有一定的金融投资经验。
对于将来的投资中先进的计算机技术是否会取代人工的问题,黄明麒持否定的观点,“可能会取代小量的人工操作,可是机器绝对不会完全的顶替人工”。
这是因为,建立量化模型需要拥有方向正确的交易思想的人才来完成,只有这样写出来的程序才有可能盈利。而且,量化模型是需要不断修正的,并不是具有一个可以创造正收益的量化模型就意味着具有了一部能够印钞票的机器。市场每一天都在变化,想要确保量化模型可以适应市场的变化,就一定要具有一支研究队伍不断地捕捉新的信息,同时添加到模型中去。
目前,国内的量化人才主要有两个来源:一是从海外成熟市场归国的海归人才,这类人才拥有丰富的经验,但对国内市场缺乏了解;二是国内培养的人才,因国内量化发展还处于萌芽期,对这类人才的培养起步也比较晚,因此这类人才往往比较年轻,缺乏经验。
相比于美国等量化投资已成为市场主流的国家和地区,国内在量化人才培养方面已经展开探索,但尚无成熟的经验。如何满足产品成立和发行带来的人才缺口问题已被摆上日程。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08