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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09