【闲聊CQF的门槛,个人观点,不喜勿喷,欢迎交流指导 (后传)】

发布时间:2024年01月24日

我已递交CQF FINAL PROJECT

我这个CQF考得实在是一波三折,下面我来跟大家分享一下我这一年来的学习旅程和经验。

前传

E1 - Portfolio Optimization

E1 相对来讲还是比较好拿高分的,但是我剑走偏锋太自信了,最后只拿到了88分。课程当中会有一些关于知识点的Tutorial课程,然后呢老师会发放一些Excel表格,表格里都是给大家设计好的关于Garch和波动率的一些相关学习内容。考试的时候大家直接就可以使用,换一下数值就可以交上去了。我为啥低了几分呢,因为我全是用Python做的,难免里面会出现一些什么小插曲之类的。这也只是我的猜测哈,也有可能我是Optimization那里没有做好扣分的。但是想拿高分的确不难,不用太有压力。两周的考试时间还是比较富裕的。
然后我想说的是关于数学方面的内容,如果你跟不上数学,尽量跟,并不是特别的难,考试基本上不考,但是如果你想在期末的Distinguishi Exam上有所表现的话,建议还是多学习学习。2023年春季Claire L大神一举拿下98的高分荣获Wilmott奖,其在业余时间学习数学的努力是得到了应有的回报,将近100小时的学习(复习)时长。

E2 - BSM (Black Scholes Merton)

E2 可不跟你开玩笑了,可以说是CQF的核心中的核心,而且教授是我最喜欢的教授之一,Dr. Riaz。他是一名印度裔的数学教授,他的要求标准是极高的,所以大家一定要做好充分的准备。两周的交卷时间将非常的紧凑,建议把Extension用在E2上,如果你的时间不够用的话。 我的成绩还是比较满意的,85分,top 10 percentile, 我们这届最高分是94分。我的代码可以说是比较扎实的,我还是比较有自信的,能拿到高分也是得益于我的代码功底。另外老师要看到你的Observation,这点很重要,主要是考验学生的Critical Thinking,不管你是怎么想的,看到啥了,觉得什么有趣,就一定要表述出来,这是能拿高分的关键。E2的考试内容也是很罡的,首先就是BSM模型,然后就是蒙特卡洛的几种模拟,不同的参数导致价格的波动,这都是需要观察描述的。Numerical Method也是重要的考点,考不考看老师了,这玩意儿对于我来讲挺难的,我觉得比BSM还难,毕竟我的数学功底有限。

E3 - Machine Learning

我不得不说,我在E2承受了巨大的压力,考完试也有点放飞自我了,因为我对ML和DL的内容相对比较有把握的(迷之自信),我在六月份安排了很多的行程,家里面孩子也生病了,这是我没有准备好的,结果最终没有能够按时间完成E3的考试,直接转到了2023年秋季来完成学业。

《 老子 》第五十八章:“祸兮,福之所倚;福兮,祸之所伏。

我在春季的M4(ML)M5(DL)的中文授课当中并没有体验到很好的授课体验,可能是我对突然换老师的这个操作没有及时的适应,并没有和当时的Steven老师有很多的互动与共鸣,但是在M1 M2 M3的授课当中,我与Sukey和Anna老师都有很好的体验,尤其是Anna老师的风格让我非常的舒服,这也有可能是能在E2拿到85分的高分的缘由。2023秋季的M4 M5 M6课程统统都是由Sukey老师接手了,真的是让我非常开心的一个安排,这也让我在一些知识点上有了更好的理解与消化。最终我在E3的考试拿到了91.5的分数,而且我只用了5天的时间就交卷了,可以说是非常的有效率。2023年秋季教程把M4和M5给分离开了,只是考了M4机器学习的内容,而且知识点很集中,这也是我能拿到高分的原因吧。因为Final的其中一个课题就是关于DL深度学习的,所以CQF觉得没必要考两次,所以就把M4单独摘出来单考了。
E3(M4 - Machine Learning)机器学习这里呢,老师是口音很重的Dr. Singararelu, 他的教学方针是机关枪式突突,覆盖内容很多,建议大家多听听Sukey老师的讲解会好很多。另外考试内容教授也只是问的很简单含蓄,举例:what do you think of voting classifier, and how does it work?, 别大意,千万别觉得一两句话就能敷衍了事,你觉得你可以的话,那就那么干,分数能拿多少我就不知道了。我可以很负责任的告诉你,voting classifier在CQF的教程里面根本没教过,是需要大量的课外辅助的,不是几句话就能说明白的,你是要举例说明的。基本上E3的提问风格都是如出一辙,谨慎哟!

Final Project

Final不出意外的话,这6个Topics应该每年都会提及覆盖的,要求可能会大同小异,如下:

  • Credit Spread for a Basket Product (CR)
  • Deep Learning for Financial Time Series (DL) – 也是我选择的课题
  • Pairs Trading Strategy Design & Back test (TS)
  • Portfolio Construction using Black-Litterman Model and Factors (PC)
  • Optimal Hedging with Advanced Greeks (DH)
  • Blending Ensemble for Classification (ML)

国内大多数同学的选择一般都是DL TS PC居多,因为ML是今年老师发掘的一个新的有趣的课题。请大家不要觉得ML比DL差什么,ML在预测领域也是有其一席之地的,毕竟DL是个黑盒子,很多事儿是说不清的。CR和DH这俩国内接触的人应该不会太多,主要的局限是因为咱大天朝并没有开放太多这方面的交易,即使是掌握这俩领域知识的人,我觉得他们应该也不会来考CQF这玩意儿了吧,个人感觉,勿喷。DH我其实挺想尝试的,我个人而言我再E2拿到了一个特别不错的成绩,而且我也把CQF的代码通过Tushare的平台数据接口对接上了我们A跌市场,但是吧,我对Advanced Greeks(高阶希腊字母)的理解还尚浅,不敢妄自菲薄,最终还是放弃了。但是,看看最近傻A的表现,我就问问大家,你还敢单边投资么?咱们的主流ETF可都是提供了场内期权交易了的。

最后呢我来聊聊我写Final Project的经历:

  • 2023年12月份我把不稳定的主板给换了,折腾3周(换俩主板),系统刷了10次以上才稳定;
  • 2024年1月第一周,调试JetBrains和Python,装了将近100G的TensorFlow,Cuda / cuDNN各种选择,代码各种不兼容,到底是用CPU还是GPU,这是个问题 经典的且永不过时的哈姆雷特;
  • 2024年1月第二周,决定用CPU加速,开始收尾代码,并开始着手写论文(从0开始,之前一个字都没有来得及写);
  • 2024年1月第三周,写完论文初稿,代码进入调试阶段,优化参数,做实验:1个完整的训练用时1~2小时左右;
  • 2024年1月20日,事毕,整理打包文件,递交,共上传600M。
  • 2024年1月21日,母公司乔迁之喜,必须出差深圳参加;
  • 2024年1月22日,最终提交日,我还醉醺醺的在深圳机场呢,还好提前安排好了,要不然又要等半年!!!

最后想告诉大家的是:

在关键节点来临的时候,千万别没事儿折腾你的电脑,因为付出的时间将成为巨大的成本,从而造成心理上的压力。别给自己没事找事哟!

结语

CQF的分量

CQF介于硕士博士中间的一个咖位,还是有一定的含金量的。
这玩意儿没那么简单,除非你的数学很优秀,才会可能觉得简单。
但是你还是需要投入大量的时间和经历的。

我的优势:
  • 英语过关:我从10岁就开始学英文了,留学工作11年;CQF学员只要能跟得上全英文上课,能与老师有互动,跟得上节奏就行。
  • 代码过关:我自学了5年Python;CQF学员建议有两年左右的计算机代码基础,这玩意儿没那么简单,我5年被摧残的哟。
  • 数学过关:我最高数学水平是偏微方程,辅修应用数学,说实话我不是很明白随机微积分,但是也还能跟得上。
  • 金融过关:本科就是金融系的,工作20年也是围绕金融展开的,但是和CQF并不是特别的相关,能听得懂就行。
  • 电脑过关:我建议哈,你至少是懂电脑的,懂多少自己衡量分辨吧,我属于电脑的狂热分子。为什么呢,假如电脑出问题了,我自己是有一定的解决问题的思路和方法的,如果处在自己的知识盲区,我知道去哪里能找到解决问题的方法和方案。
  • 思维灵活:一定要多琢磨多折腾,你花的钱有很大一部分是买CQF的书籍和代码,要读要看要应用起来燥起来!!!
我的建议:
  • 准备好一个专供学习的梯子,不再赘述其关键性和重要性;
  • 各大python库的官网要知道如何使用,csdn,StackOverflow,kaggle,zhihu,等学习网站,知道如何使用来排查问题;
  • 要有最前沿的学习引擎,我说的是AI,它是你最好的学习伴侣,全方位覆盖;
  • 多看多学习你关注的相关领域的知识,为你的final做好充分的准备,我能1周写完35页5500字的论文不是偶然。

心态

一定要安排好自己的工作生活学习时间的安排,总会有一些突发事件发生的。
如果你还年轻,也感兴趣量化,趁早考,时间还是你的朋友。

就业

还是那句话,年轻人觉得还想拼拼,那就撸起袖子加油干!
只要你的数学和计算机过硬,量化基金满世界投简历去吧!
虽然没有那么简单,但是要自信,要相信自己,给自己多一条退路,多一条选择!
即使没能去量化基金,咱CQF出来的人也可以说是一名Data Scientist了!
还是那句话,要自信,活出个样来!!!

Final Project

文章来源:https://blog.csdn.net/weixin_44736043/article/details/135814178
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。