“年薪50萬+”、“本碩國內TOP2”、“QS前10”、“國際高頻交易競賽前9%”、“國際頭腦奧林匹克競賽三等獎……
在金融科技領域的技術團隊中，算法團隊往往能集齊很多令人仰慕的閃亮標簽，人們只知道他們厲害，卻很少知道他們怎么個厲害法。
今天，我們就來揭秘金融科技圈內的神秘物種——算法交易工程師。
數據智能時代，算法與我們的生活緊緊相擁。
比如資訊端的內容推薦、防疫健康碼、入門或者支付時的人臉識別、智慧政務、購物時的喜好推薦等等，可以說，算法幾乎無處不在。
金融業內，算法也正發揮著魔法棒的效應，具體應用場景為算法交易，尤其是在量化領域。
隨著量化交易規模不斷擴大，算法交易作為量化交易的一類工具，在機構交易的過程中發揮著越來越重要的作用。
與此同時，隱藏在背后的算法交易工程師日漸浮出水面。
他們使用高超的算力、富有價值的數據和優化策略為投資者打造 “掘金鏟”。
算法交易崗吸引優秀的年輕人
在大廠招聘中，算法崗是高薪崗位中的主力軍，但總體來說目前國內算法崗還處于坑多蘿卜少的狀態。而與金融業務交叉相關的算法交易崗，其稀缺程度則更加明顯。
許多優秀的年輕人對算法交易崗心生向往，主要原因為前景廣闊以及具有挑戰性。
隨著國內量化交易規模不斷擴大，算法交易的藍海已然清晰可見。相關統計顯示，國外通過算法交易占市場占比80%~90%，國內占比10%左右，預計未來算法交易金額將達到千萬億規模。
另外，從實現的維度來分析，算法交易是將計算機科學、統計學、金融、AI、大數據、高性能等不同領域的知識結合在一起所形成的一門綜合性學科，相關技術更是已成為新人們爭相涌入的、行業內最熱門、技術最前沿的一個領域，同時也極具挑戰性。
小S是恒生電子旗下子公司金納科技算法團隊的一名成員，主要負責執行交易算法開發。本碩期間他主要研究統計學習和機器學習在金融領域的應用，對統計和最優執行optimal execution非常感興趣。
他對算法崗由表敬意：“想要將人的交易行為模型化其實是一件非常困難的事情，理論上雖然是可行的，但是在實際操作過程中卻充滿了未知的挑戰。在這種挑戰中成長，是一件很有成就感的事情。”
挑戰帶來的機遇和成就感，是算法交易崗吸引優秀的年輕人的又一重要原因。
一流算法交易工程師有哪些特點？
金融業本就是一個知識壁壘非常高的領域，加之算法對個人的計算機素養和邏輯思維能力要求極高。強強相加，一個算法交易工程師的綜合素質便可想而知。
最典型的例子便是算法交易之父吉姆·西蒙斯。吉姆·西蒙斯（Jim Simons）是歷史上最成功的對沖基金經理之一，他曾是一位天才數學家、哈佛大學數學教授，后來借助對電腦技術的先知先覺，與數位天才數學家、計算機牛人合力創辦文藝復興科技公司，發明了算法交易系統。
數學天才加投資高手的合體模式下，他所管理的基金不扣除管理費的年復合收益是66%，扣除后是39%。目前為止投資界還沒有人能接近這個數字，包括沃倫·巴菲特，喬治·索羅斯，彼得·林奇，史蒂夫·科恩和雷·達里歐。
懂“金融策略”加“計算機技術”成為后來每個算法交易工程師必備的底色。但如今算法交易工程師身上最“搶鏡”的特色，恐怕要數他們的個人履歷。
但“紙上談兵終覺淺”，通過恒生這個平臺在業務場景中經歷過真正的“沙場”實戰后，一個算法交易工程師們的修煉能得到一個完整的閉環。
一流算法交易團隊該如何打造？
算法交易屬于一個復雜的交易系統，它需要數據工程師、模型工程師、算法研究員、投資總監、投資經理、交易員、IT工程師、運維人員等角色，同時需要建立一體化的工具平臺，提供投前研究、投中決策、投后分析等各類型的工具，多維度反饋算法的表現以支持算法快速迭代。
作為國內算法交易發展中的核心支流，恒生目前已經搭建起一支極具實力的算法隊伍，從業務到技術架構再到研發，一站式涵蓋完整的交易系統需要的所有角色。
算法交易主要解決用戶的交易成本和風險控制方面的需求，交易成本主要包括：交易費用、沖擊成本、機會成本、擇時風險、延時成本等。風險控制主要包括合規控制，系統性風險控制，每個投資者都有各自的交易場景和交易需求。
恒生在算法交易領域深耕多年，目前算法中心可根據不同的交易場景提供不同的算法，例如：G-DMA (快速執行）、G-Sniper (盤口捕捉)、G-Pair(調倉策略)、G-VWAPAI（成交量加權增強）等，投資者可以根據自己的需求來決定使用哪些算法進行交易。
當然，一支一流的算法交易團隊必須需要有前沿學術理論帶領和支持。
恒生旗下金納科技公司的算法團隊通過校企合作的模式，將AI的一些前沿的理論知識導入，指導金工研究方向往實際場景實現最終落地。
目前恒生和清華交叉團隊成立了子公司，與金納科技強強聯合，一起開拓算法交易領域的新征程。
不久的將來，該算法團隊將打造一個一體化研究平臺，不僅提供因子開發、模型研究、算法開發等工具，還支持回測和模擬撮合、仿真等功能，以實現不同角色可以在平臺上進行獨立研究的目的，同時可為開發人員提供分布式的機器學習框架提升金工投研的效率。
關于如何成長為一名優秀算法交易工程師，我們向算法團隊幾位優秀的小伙伴發起了以下提問。
你的算法工程師之路分為那幾個階段？
“從技術成長路徑來說，我是沿著開發因子、開發模型、開發策略一條路成長，這既是分工區別，也是不同層次。初級的就是分析數據規律，構建因子，目標是提高IC、IR；然后是開發模型或投資組合，建立模型，不同行情下，選擇怎么樣因子，怎么樣的投資組合；然后，模型需要考慮更全、更靠近量化基金了，需要考慮倉位管理、風控管理，就是完整策略。“
“從個人成長來看，到目前為止應該是兩個階段。我本科數學畢業后先進入到了傳統的金融行業中工作，工作過程中接觸到了量化基金的管理，對量化基金有了初步的認識。進入研究生階段后，因為對機器學習和統計的興趣，讓我接觸到了算法交易這個行業，因為機器學習對于大數據處理的天然優勢，以及高頻金融數據的特點，二者可以在很多方面很好的結合，但同時因為高頻金融數據的低信噪比以及高自相關性以及不規則分布的特點讓機器學習在高頻金融領域里充滿了挑戰，讓我產生了很大的興趣，并在畢業后進入到了算法交易這個行業中。”
推薦幾本對你的成長有過較大幫助的書。
分業務和工具類書籍，《暗池》、《advances in financial machine learning》、《期權、期貨及其他衍生產品》、《統計學習方法（第2版）》這幾本書對我均有啟蒙作用和解決問題的功能。
有人說，只有“高智商”的人可以做算法工程師，你怎么看？
“我一直覺得‘以絕大多數人的努力程度還不到拼天賦的地步’這句話很對。對于算法來說也是一樣的，我們大部分人都是普通人，沒有必要去和真正的天才比智商，但想要在算法領域站住腳我覺得光憑努力也能實現，更重要的是學習方法和認知能力。”
“算法工程師對人的要求是多方面的，智商高在學習效率上會比較高，但算法工程師這條路還是比較長的，需要不斷積累，只要有這份恒心，最終是會成功的。”
上LeetCode這個網站刷題是目前很多想進入算法領域的同學的學習路徑，你有好的經驗分享給他們嗎？
“我覺得刷leetcode對于面試來說是個不錯的選擇，也可以從一個更宏觀的角度去了解算法。但我覺得更重要的是在刷完之后可以舉一反三，或者真正理解算法背后的邏輯，這樣才能真正的用在實際生產中。”
金融市場是一個復雜系統，得到正確答案，我們得到的結果一定是可證偽的，如何才能使我們的成果盡量逼近真實的市場演繹？
“從我的角度來看，越少的假設，越多的數據，越頻繁的更新才能更接近真實的市場吧，從這個角度來看，機器學習確實是一個很適合金融市場的工具，但他們之間還需要更長時間的磨合。”
