京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25