ml learning金融界有人赚有人不赚。和hft有人赚有人不赚一样, 和long/short对冲基金有人赚有人不赚一样。devil is in the details. broad concept大家都懂, 可是就是细节方面有些人不懂有些人懂。所以啊,你想法那么简单就谦虚点,井底之蛙。说出来的话让人发笑! 你越怼,拿不出来任何逻辑来backup就显示你越无知,幼稚。 撒泼打闹自己啥都说不出来你在丢你自己脸。你难道不知道吗?大家都在看着!
一般投行里三大块:business, quants, IT。现在真正有意义的和trading有关的ML一般是被quant team把持,你如果没有很强的数理和写码(注意要同时具有)能力,大概轮不到你来写。你现在在中台,数理比较好,也有比价好的coding知识,比较好的出路是做 business analyst,负责沟通和管理 business side 的 IT projects. 你在中台,应该会有这种需求。
是的,我一直对fintech感兴趣,想进个小startup感受一下。大厂我是肯定进不去的,看了他们的job posting都要专攻算法的phd,我水平不够。
我想象中的这条路是上个masters(主要学ml应用), 然后找小公司或二线公司积累几年经验。我主要是好奇ml在金融里能做出什么样的产品,我现在能想到的只有robo advisor这种比较简单的。能否请过来人回答一下,我这样的背景能够masters毕业直接做product manager吗?
真能用来做trading的别说master,好的phd program出来的也要和很多人竞争才能脱引而出,所以我说要么你找个pay好的要么不如考虑非technical path算了
我觉得能调用api调参数做个结果出来就可以了,我希望偏应用,不追求自己develop算法
要是随便拿个东西调个参就能赚钱那大家都做了啊,market有这么不efficient么
develop算法的,是大厂里面的research组 而且是名校科班PhD,有着若干top paper的人 也只有大厂才有钱养这些人,因为他们的研究很可能是浪费钱 不是广大转行的和master的人所能强求的
普通人做ML,就是调参数,做deployment,或者也可以称为稍微懂一点模型的码农
感谢,这个link很及时,贴主mm状态和诉求跟我很像,读回帖收益良多。
我个人感觉金融里面AI可以帮助找各种financial product组合在不同环境下的correlation,毕竟是adaptive的。有名的hedge fund感觉已经是走那条路的。
如果你说做product manager只是管管人和Microsoft project各种进程是没问题的。谷歌和脸书这种管理层的product manager不少。如果要hands on的manager,没有experience是不会consider你的。
睿大妈一张口就露怯,还是孜孜不倦地瞎扯,我服了
单纯学习asset classes在不同市场下的behaviour, 用quant就可以,不需要上ml啊。
你说的完完全全是门外汉不懂的想法。先要选择用哪种AI engine适合这个project。还要写code 把AI API和buiness logic 的interface连起来,还要做各种serialization。然后调参数,先用数据组做training/learning, 然后要做各种testing。ML花时间的地方是training和running test. 最可怕的地方是exception很难catch。譬如说李世石围棋第三局AI判断完全错误,有一个着子点它完全没有考虑,然后就崩了。这个expcetion可以说是train的不够或者engine 参数不够,要各种细调才能改正这个错误。
用NN还是不一样的,你用quant的方法去找,用的各种logic和formula是人写的,可以说找correlation是用你写的方式去找。NN是它自己把input的各种数据自己用各种千奇百怪的自创logic来形成。如果找到pattern,backtesting工作,有可能是data fitting, 也有可能在一定时间里将来是会发生。
而且市场上比较简单的是一个股票和另一个股票的correlation,或者asset class. 这些都是非常简单的,大家都知道的没有油水可赚。难一点的是股票basket和另一个股票basket的correlation,每个股票basket里面还有各种千奇百怪的formula和参数。这个就是NN比较强的地方。
我惊呆了
别惊呆,哪里说错了,请指出来。别个个都跳大神,结果就是挑字眼,而不是逻辑。
你可能想这个个人brokerage不是都有了,干嘛还请那么多人做?你知道一个大公司有多少trading desk和business entity吗?middle office每天要做各种business的consolidation和adjustment。back office要连多少个system来confirm official data. 我做金融20年了。啥说错了讲出来。
你看不懂中文吗,我说的是要这么容易用ml trading赚钱大家早都做了,麻烦你就别装了,以为自己再top fund做过吗
围棋你也懂吗,是不是还定过段啊
你真打算和一个把nn翻译成脑神经网络模拟的人聊ml么
行了你就别装自己知道真正的fund咋做的啦,我这种不做quant的都看着笑掉大牙
ml learning金融界有人赚有人不赚。和hft有人赚有人不赚一样, 和long/short对冲基金有人赚有人不赚一样。devil is in the details. broad concept大家都懂, 可是就是细节方面有些人不懂有些人懂。所以啊,你想法那么简单就谦虚点,井底之蛙。说出来的话让人发笑!
你越怼,拿不出来任何逻辑来backup就显示你越无知,幼稚。 撒泼打闹自己啥都说不出来你在丢你自己脸。你难道不知道吗?大家都在看着!
data fitting 服了你 你真是每天都在发明新词 那个叫overfitting或者data snooping 你还是少讨论点technical的东西不然笑话太多就不好笑了
你这金融20年我看明白了。 就像别人问说JPM 做啥的,你说是个储蓄所,你看我干了开户20年我能不了解?
她做金融的意思是每天去买过期过鸡腿要刷福利卡吧 还得刷两张不同的卡
我说的是front,middle 和 back office的区别,回答别人问这几个字眼是啥。说jpm business做啥的,和我说的这个是一回事吗?挑啥骨头啊?看不懂是两个不同的问题吗?
哈哈哈,你真是丢脸,你不会大家工作都像你这么交流吧
还说‘backtesting工作’,你这是翻译软件没用好本来想说backtesting work吧 丢人丢到姥姥家了
quote你说的来看看多有意思 ‘如果找到pattern,backtesting工作,有可能是data fitting, 也有可能在一定时间里将来是会发生。’
围棋没定段,是在美国学的。在中国小时候没时间学。我一直喜欢动脑子的事物。
OMG, 你中文太差了。工作在这里是说成功的意思!先拿一部分data做data Fitting,然后剩下的data做backtesting. “如果backtestIng工作”是啥意思?就是成功的话!你上过班吗?if thé backtesting works... 懂吗!?
笑死,你居然能从standardized面试题看出公司做什么,干脆改行算命吧。Leetcode上一堆基础概念的面试题,无非就是string,list,array,dictionary,你的天眼能看出那些公司职位是做什么的吗?
谢谢分享 请不要再怼了,这是个干货帖,楼主和很多回帖都让我受益非浅。
问问层主,如果是做transaction类的在数字化环境下怎么突破自我?
睿大妈的“金融”就像法拉盛银行的柜员都自称banker呢
。。。。。。。 不但一台机子可以 一个gpu 就可以 除非你训练gpt3 大家用云的主要原因是自己搞gpu服务器比较麻烦 不如按时间租云上的 cpu 也可以 就是慢一点 感觉妹子是还是懂concept 态度也很客观中立 别吵了吧
是的 mle 只有这个要求 自己开发算法的一般在research
MLE 也不需要考虑market的 产品需求由产品经理定义
谢谢,现在云计算也有gpu功能的。不光可以跑ML的training,而且也可以跑游戏。谷歌的stadia跑cyberpunk 2077听说画质非常好。
妹妹纠正一下machine learning不是一个language。很多language现在有专门的platform支持ML.
I think you are right......
不值得。
Andrew NG的machine learning课程只是普及兴趣的。注意,我是说普及“兴趣”,连普及machine learning的都不够。现在machine learning圈子,你没有几篇顶级会议(icml, nips, kdd, sigir等)的一作文章,根本是打不进这个圈子的。对于你来说,machine learning只是一个工具,就好比一个算法包一样,拿来用就是了,不存在什么转不转的。好好干好自己的本行把。如果需要用到machine learning,再学习。
非常同意,数学的本质得理解的非常清楚,否则做工作会有方向性的错误。不是随便什么算法试一试就行了的。
同意,NG那个距离实用,能做工作解决问题还差一点,得上MIT或者stanford的open course. Coursera上的速成课不系统。
哈哈.......我觉得这个也许分公司,我知道的公司这样是肯定不行的
同意,现在人明显比坑多了
理解,特理解。说服自己挺重要的,有时候觉得自己混的不容易,不能放弃,还是要争
要看你对自己的估计啦,如果一边上学一边转行,2-3年你觉得可以接受不?
will you please provide more info about "MIT或者stanford的open course". Thank you very much!
可以接受,母校的ML硕士program就是两年的,帮助找实习