量化金融研究生

01. 学员信息02. 导师复盘L同学早在大一就下定决心要成为一名金融分析师，但无奈本科录取的所有学校都没有商科专业。沮丧的L同学最终选择了基础学科和综排都不错的UCD。本科没能接受系统性的金融教学让L同学下定决心要在美研申请时弥补本科留下的遗憾。在大一升大二的暑假，L同学便咨询了戴伯教育，并在大二第一学期与戴伯签约。充裕的准备时间和明确的职业目标让戴伯导师在L同学的规划上有了更多发挥的空间。L同学非常勤奋和聪明，只要能够从众多竞争者中脱颖而出，再苦再累他也愿意去做。在帮助L同学的背景添砖加瓦的过程中，我们也更有信心能够让他进入顶尖的量化金融项目。在接下来的几年里，戴伯导师帮助L同学找到了四份国内外实习（证券公司、对冲基金、电子货币）。在大三暑假L同学还成为了经济学教授的助理研究员，并协助发表了一篇股市行为分析的研究报告。量化金融最看重的就是学生的数学、编程和金融知识。虽然戴维斯没有金融专业，但好在经济学专业可以选修不少金融学相关课程。不怕吃苦的L同学毫不犹豫地完成所有金融相关的选修课，并都取得了A或A+的好成绩。此外戴维斯的数学专业会强制要求学生完成指定的计算机和数学课程，因此在这两个方面我们是完全满足量化金融的申请要求，但L同学和戴伯导师并不满足于课内知识，于是我们决定再补充一些额外的编程网课来突出L同学在计算机领域的能力及兴趣。最终功夫不负有心人，通过长期的申请规划和申请过程中对文书的吹毛求疵，L同学成功斩获了三所顶尖大学的量化金融项目，并选择攻读哥伦比亚大学的金融数学项目，成功弥补了本科申请时留下的遗憾。希望L同学在哥大继续保持初心，将来可以成为一名优秀的金融分析师。以下是L同学所录取的项目平均成绩：伯克利IEOR硕士（Fintech分支要求更高）GPA：3.7GRE V：72%（156左右）GRE Q：91%（167左右）GRE A：3.5麻省理工金融硕士麻省理工金融硕士GPA：3.75GRE V：155 - 164GRE Q：166 - 170GMAT：700-770GPA：3.75GRE V：155 - 164GRE Q：166 - 170GMAT：700-770哥大金融数学硕士GPA：3.8GRE V：160GRE Q：169.1GRE A：3.9哥大金融数学硕士GPA：3.8GRE V：160GRE Q：169.1GRE A：3.903. 学员采访问题1：申请季圆满结束，你对申请的结果还满意吗？最终为什么会选择哥大的金数呢？总体来说对申请的结果还是非常满意的，毕竟我录取的都是量化金融比较TOP的项目了。选择哥大的主要原因还是看中它比较优秀的学长学姐资源，而且到时候找纽约的金融工作也会比较方便一点。问题2：3.71的GPA已经非常不错，但对于我们录取的项目而言并不是特别突出。在GPA只有平均水平或略逊于平均水平的情况下，你是通过什么方法让自己在众多申请者中脱颖而出的？相比于其他哥大金数的申请者，自己GPA方面可能会显得比较弱势，所以能够在这些人当中被选中感觉也比较幸运。我觉得我能成功的最重要因素还是导师，导师的专业度非常高，在我大二大三的时候都很有针对性地帮我做背景提升和，而且之后在选课、制作简历和撰写文书的时候针对性也比较强，所以非常感谢导师能够帮我将自己的优点更完整地展现给admission的人看。问题3：金融类项目有很多，那你为什么最终会选择申请金融数学、金融工程、金融科技这些方向呢？选择量化金融这个方向，主要也是和自己的背景比较相符吧。自己本身就是理工科，所以念这类专业会给自己带来更大的优势，更何况量化金融还是这些年一直比较火热和吃香的专业，所以能够就读哥大金数，我是非常开心的。问题4：申请是一个比较长期的过程，那在这个过程中有没有遇到什么困难或担忧？有的话是如何克服的？当然有遇到一些困难了，首先感觉是时间安排吧。因为自己不仅要做实习和学GRE，还要准备申请的东西，所以时间安排方面是自己最大的困扰。好在导师在其中也愿意为我梳理规划，自己也没有那么stressed了。还要一个方面可能和申请本身没有太大关系，更多的是我自己内心的担忧吧。我申请的专业出结果都比较慢，看到朋友圈很多同年申请的朋友都早早拿到了offer，心里也很着急，不过导师们也一直安慰我，让我耐心等待，并且也积极和校方沟通，最后申请的结果还是比身边的朋友都要好的。04. 文书亮点05. Offer展示

来源：证券日报本报记者刘会玲近日，由上海财经大学金融学院下属量化金融研究中心（以下简称“上财量化金融研究中心”）推出了全新的期货量化实盘交易高级研修班。该课程由上财量化金融研究中心研发，国泰君安期货公司支持，共同对外发布。上财量化金融研究中心是上财金融学院成立的专业研究中心之一，重点是研究金融科技在量化投资、智能风控、智能投研中的应用，致力于打通高校学术研究和企业需求之间的隔阂。国泰君安期货有限公司是国泰君安证券股份有限公司的全资子公司。具有商品期货经纪业务、金融期货经纪业务、期货投资咨询、资产管理业务资格。针对本课程国泰君安期货提供程序化报备和交易的服务支持。据悉，该课程面向机构及专业投资者，涵盖了计算机编程、数据库技术、机器学习、交易策略、舆情监控、量化软件等主题，将原有的人工交易经验转化为量化策略并提升改进。实现期货交易的自动化和智能化，大大降低量化交易门槛。与市场其他量化课程不同，该课程并非单纯强调技术分析策略和人工智能算法，而且提供量化实盘交易软件以及程序化交易报备等一站式服务支持。针对本课程的开设，上财量化金融研究中心主任曹啸教授表示：目前宏观环境导致新一轮的私募机构大洗牌，只有积极拥抱金融科技，主动转型的机构才有机会脱颖而出。同时，量化投资在国内还属于起步阶段，交易量占比非常低。为此，上财量化金融研究中心愿意携手国泰君安期货，推动量化投资普及，促进金融行业发展。（编辑白宝玉）

量化金融(QuantitativeFinance)，又称金融工程/金融数学，无疑是当今最热门的研究生项目。申请人数逐年增长，已经高得离谱的录取标准却还在不断变高。那到底是什么原因让这个专业如此火爆呢？首先高收入必定是首当其冲的理由。根据知名求职网站显示，量化金融工作者的平均年薪高达10万美元，这还不包括额外的奖金。量化金融的升职潜力也是众多热门行业中数一数二的。华尔街遍布着三十岁出头的百万和千万富翁。另一个原因是其就业面非常广，风控、对冲基金、资管公司、衍生品定价等工作岗位都与量化金融高度对口。由于该专业对编程技术的超高要求，量化金融毕业生的就业领域甚至可以延伸到科技公司的软件工程师和数据分析师等。这些职业在美国可都是H1B收割机呀!话不多说，赶紧来看看这份最新排名吧！摘下头名的又是我们的老大哥 Princeton University，100%的学生刚毕业就能立刻找到全职工作真的是太香了。普林斯顿大学的金融硕士录取难度极大，每年只招收20人左右，个个都有极强的学术背景和科研能力，只有强者中的强者才能占得该项目的一席之地。紧随其后的Baruch College名声可能没有那么响亮，没在金融圈子混过的人可能都没听说过这所学校。但是内行人都知道这所学校在金融界的权威，许多量化金融的面试材料都是由该学校的教授撰写的。在项目顶尖的同时，该学校的学费却相对低廉，是当之无愧的性价比之王。常年占据第三名的伯克利金工掉到了第五的位置，排名降低的原因也许是近几年的略微扩招，以及就业方面的不便利（相较于东部名校）。拿到纽约公司super day，却要坐飞机横跨美国参加面试，这确实是无法摆脱的劣势。前十名的榜单中也有了新面孔(NYU Financial Engineering)，在Peter Carr进入该项目后，实力瞬间强大，排名也是不断网上窜。虽然QuantNet被认为是最权威的量化金融排名之一，但也只是一个参考。不同的排名方法所呈现的排名也会相差甚远，适合自己的学校才是最好的。为了方便同学们比较不同的排名，我们也附上了TFE Times和Risk.net的排名供同学们参考。TFE Times排名Risk.net排名

MSc Computational Finance计算金融硕士项目信息所在系所：计算机科学学院系所特色：在英国最新的“卓越研究框架”（REF2014）中，UCL的计算机科学和信息学研究质量所占比例最高（96％），是计算机科学研究的全球领导者。系所网址：https://www.ucl.ac.uk/computer-science/项目内容：学术背景：申请人必须拥有强大的定量背景，且数学和统计学等科目的分数不低于英国2.1（或国际同等水平）。有关计算金融硕士的课程设置（就业方向）/申请要求/申请资料/申请时间等详细信息，请参考下方官网：https://www.ucl.ac.uk/prospective-students/graate/taught-degrees/computational-finance-msc/2019/拓展阅读（UCL研究生）1. 申请指南：https://www.ucl.ac.uk/prospective-students/graate/taught-degrees/how-apply-step-step-guide2. 学习模块网页：https://www.ucl.ac.uk/mole-catalogue/3. 语言要求：https://www.ucl.ac.uk/prospective-students/graate/applying-international-student数据解读数据说明● 总录取率=总录取人数/总申请人数●中国学生申请率=中国学生申请人数/总申请人数● 中国学生录取率=中国学生录取数/总申请人数● 中国学生成功率=中国学生录取数/中国学生总申请人数总体情况分析从整体申请数量来看，在2016-2020这5年间，总申请人数持续上涨，从2016年的288稳升至2019年的366，且在2020年骤升至522;反观录取人数，2016-2019年的录取人数在85-100的区间上下浮动，但在申请人数突涨的2020年，录取人数也升到153人，为近五年最高值，推测学校可能因申请人数增加而提高了录取数量。中国学生数据分析再看中国学生的情况，现有2016年到2018年数据显示，中国学生申请该专业的人数分别194/184/239，录取人数是33/38/37，虽然申请人数上升，但录取人数却较为稳定，甚至在2018年，申请人数大增的情况下，录取人数反而减少。在录取比率方面，近5年数据显示，整体录取率的走势波动较大，最高录取率在2017年，为33.55%，最低录取率在申请人数第二高的2019年，为23.22%，其他年份的录取率基本徘徊在25%-29%。具体观察中国学生的数据比率，申请比率自2016-2018分别为67.36%、60.53%、66.02%，与录取人数的浮动相反，在2017年申请率最低的情况下，录取率却达到最高值，为12.50%。但总体上中国学生录取率还是较为平稳，在10%-12%之间浮动。在中国学生的成功概率方面，近3年数据分别是：17.01%、20.65%、15.48%，成功率在2017年变化幅度较大，其他年份基本持平并有些微的下降。总体而言，虽然总体申请人数和中国学生申请人数增加，录取人数有所浮动，但对比总体录取率和中国学生录取率，可知中国学生申请该专业的结果还是较为乐观的。申请建议计算金融专业的设置有别于往期分析的商科科目，该专业属于商科与工科的交叉学科，结合了金融，数学，统计学和计算机科学的知识，且授课内容主要是以量化、模型、编程技能为主，所以对申请者是否拥有定量背景有着严格的要求。虽然学校未给出明确的专业背景限制，但一般鼓励具有数学，统计学，物理学，计算机科学，工程学，经济学和金融学背景的个人申请。同时，由于学校对统计学、数学等科目分数有所要求，因此申请者也要努力提高这类科目的分数，从而向学校展示出自己在定量知识方面的水平。假如学生在语言与专业背景、工作经验都相对薄弱的情况下，建议先咨询摆渡学人，专业为学生分析当下具体情况，并根据实情，建议学生需要在哪个环节提高竞争力，如何提高竞争力，例如是需要通过接受相关专业背景课程，还是先制定科学可行的职业规划，才能更有效地提高录取几率，这些都可以从我们的咨询中得到更为直接有效的答复。

“你们想象中，自带主角光环的学生是什么样的？——一个目标明确、信念坚定的学霸。”明德立人X同学喜获毕业生百万年薪，专排第一的加州大学伯克利分校金融工程硕士（Master of Financial Engineering）录取！加州伯克利金融工程有多牛？该项目设在加州伯克利的哈斯商学院（Haas School of Business），在2021年的US News全美最佳商学院排名中，哈斯商学院高居全美第7。而金工（MFE）项目被誉为全美最好的金融工程项目之一，另外一个是巴鲁克的金融工程。加州伯克利的金融工程项目与华尔街的金融业界保持长期的合作关系，毕业生在工作方面有着得天独厚的资源优势，毕业后三个月就业率达到94%。2018年选择就业的毕业生中，所有人都拿到了Offer，第一年的平均工资为159,402美元。凭借声望极好的商学院和金融领域，吸引了众多顶尖的申请者，申请竞争非常激烈，是金工项目中最难申请的，但是我们的X同学在老师的专业指导下，还是顺利的拿到了这个大牛offer！X同学：本科学校：2+2（国内本+美本）本科专业：供应链管理三围成绩：GPA3.9；免托；GRE325+实习科研：JPMorgan/卡梅计算机服务老师：JUMentor : Peng(芝加哥大学)/Cheng(哈佛大学)从大二签约，到现在提交两个月拿到offer，X同学收获的不仅仅只有名校offer，还有整个申请规划过程中的历练和成长，相信这对他今后的学习生活都是宝贵的财富。下面我们就一起来回顾一下X同学的申请历程~自带“主角光环”的X同学你们想象中，自带主角光环的学生是什么样的？在明小德的想象中，应该就是X同学这样的——一个目标明确、信念坚定的学霸。X同学在大二找到我们时，就已经明确了申请方向和目标院校，希望能够找专业老师帮他规划，助他走进梦校、学习金工。老师在给X同学做了背景评估后，发现虽然GPA很高，是个名副其实的学霸，但是除此之外，申请金工还有很多劣势需要补充和规划。比如：缺少数理背景和科研实习项目等。于是老师开始一个一个的介绍了X同学想选的项目，帮助他分析优劣势和申请可能性。正是老师专业、认真的态度，使X同学毫不犹豫地选择了我们。但学霸的申请之路也并非一路坦途，同样需要凭借专业老师的指导和自己的毅力来克服。最不能缺的，是这两大学科背景！金工专业申请更看重学生的量化背景。虽然X同学的GPA很高，但是由于本科学的是供应链管理，本科的课程对于申请金工来说并没有什么优势，缺少的量化背景是必须要补足的。于是JU老师指导学生，在国外本科的2年辅修了数学和计算机专业，增加量化课程。X同学非常优秀，在这两个专业也拿到了满G。这对后面成功申请到UC-Berkeley的MFE奠定了基础。小贴士商科申金工专业，学生都会面临的就是选课的问题。因为金融工程很注重学生的量化课程背景，而这点正是商科课程缺少的，所以申请前一定要提前选修一些数学、计算机相关的课程。科研、实习资源重中之重申请UC-Berkeley的MFE，有高含金量的项目是很大的加分项。X同学起初并没有任何高含金量的实习科研项目。JU老师整理了我们的实习科研资源，选择了适合X同学的两段高含金量的项目，一个是J.P.Morgan的实习，另一段是CMU的计算机科研。这两段项目增加了X同学的项目经历，同时在编程背景、深度学习方面做了很大提升。小贴士我们都知道，申请商科非常重视实习/工作，申请理工科非常重视科研。高质量的实习科研项目更是加分项，所以一定要重视科研、实习项目资源。“赞爆了”的文书UC-Berkeley的MFE更喜欢招有工作经验或Master学位的学生，甚至有不少博士生，也会转头申请该项目，每年招收的应届生很少。因此除了X同学的项目规划，JU老师最重视的就是如何通过文书体现X同学的个人技能。JU老师首先在文书上帮助学生进行了提升，用大量的时间将学生实习、科研经历讲述的更加细致，尤其是J.P.Morgan的经历，充分体现学生实习过程中的重要作用。还请了芝加哥大学金数专业的mentor Peng给X同学N次修改，直至满意为止。X同学在本科阶段就选修了研究生的金融相关课程，作为班级里唯一一位本科生，最终拿到满绩的成绩，体现了X同学超强的学习能力。这位研究生老师还帮他写的推荐信，帮助很大。小贴士无论本科还是研究生申请，文书在申请中都是至关重要的，招生官需要通过文书了解学生的经历感受与成长体验，了解学生是不是学校想要的人。（服务细节）最“贴心”的面试指导申请提交后的一个月，学生收到了学校的面试邀约。要知道，伯克利和巴鲁克的金工是美国最强的两个金工项目，面试是全技术面，非常专业。我们专门联系了量化工作经验非常多的哈佛的导师Cheng为X同学做面试指导。学生手中没有绿宝书（面试指导书），导师就拍照片发给学生，一个一个的帮助学生记知识点。还从面试官的角度，逐字逐句告诉学生如何具体回答，非常细致。X同学最终没有让我们失望，顺利通过面试。小贴士面试也是美研申请一个很重要的方面，是学校想要更直观的了解学生的重要手段，甚至直接影响录取结果，一定要重视起来。导师说X同学最终能拿到这么好的录取，既是意料之中，也是意料之外。因为UC-Berkeley的MFE项目竞争非常激烈，录取也存在一定的运气成分，这使我们心怀不确定性。但是，X同学真的就是那种自带“主角光环”的学生，有主见、有毅力，自律且执行能力非常强。在辅修多门课程时做了详细的时间表，最终拿到几乎满G的成绩，又让我们对他保有很大的信心。同时，X同学还充分信任我们，无论是学校、专业的选择还是项目背景的规划，都高度配合，同时超额完成，这也是X同学拿到顶尖名校录取的重要原因。所以，即使自己的背景一般，只要能够明确努力的方向，并且一直努力去做，相信最终都能离自己的梦校近一点，更近一点。最后再简单介绍一下这个让金工申请者们挤破头的项目吧。加州伯克利金融工程专业介绍加州大学伯克利分校简称加州伯克利，位于美国旧金山湾区伯克利市，是世界著名公立研究型大学、在学术界享有盛誉，在2021年US News美国大学排名中排名#22，在2021年QS世界大学排名中排名#30。加州伯克利金融工程专业设立在哈斯商学院（Haas School of Business），该学院成立于1898 年，现已经成为美国最顶尖的商学院之一，在金融，国际商务，非赢利机构管理，创业等方面颇具特色。MFE是商学院下唯一的普硕课程，区别于大部分院校的硕士课程，此项目的开学时间设在每年3月，整个课程时长12个月。MFE教授学生如何将现代投资理论与计算方法相结合，同时提供很多机会，使学生可以直接学习如何将这些理论与方法应用于现实情况。学生必须要有很强的定量背景，丰富的数学统计知识，熟练计算机计算和管理工具，并对量化金融领域有强烈的兴趣。先修课方面，要求学过微分方程，微积分，线性代数，概率论，统计学，计算机编程（C，C ++，Python）等课程。毕业生的就业行业包括资产管理、投资银行、金融科技、贸易公司、对冲基金等。工作职能包括量化分析、数据科学、投资组合管理等。大部分毕业生毕业后留在美国工作，工作机构有美国国际集团（AIG）、美国银行（Bank of America）、贝莱德集团（BlackRock）、花旗（Citi）、瑞士信贷（Credit Suisse）、高盛（Goldman Sachs）等。最后，期待X同学还能拿到更好的录取，也期待每一个努力的同学都能有所收获。

提到量化基金，相信很多老基民都不陌生。因为在2016年之前，量化基金的整体表现还是可圈可点的。不仅平均收益率能跻身公募基金行业的上游，甚至有部分量化基金的业绩跑到了市场的前列。数据显示，在2013年12月31日至2016年6月30日期间，A股的23只主动管理的量化基金中，有17只基金的业绩跑赢了同期的沪深300和中证500指数，占比达到了73.5%。在这23只主动管理的量化基金中，更是有超过半数的基金跑赢了同期的创业板指数。然而到了2016年以后，这23只量化基金的业绩却来了个大变样。比如曾经业绩排名第一的长信量化先锋基金(519983)，从2016年6月30日至今的收益率为-24.32%。由上图可知，在2016年6月30日至2018年9月18日期间，只有交银阿尔法(519712)和华泰柏瑞量化(000172)基金的表现尚可，其他基金的表现都很一般。那为什么会出现这种情况呢？其实要回答这个问题，笔者认为，就不得不说下当时的市场。在2015年之前，A股市场一直有炒作小市值股票的传统。只要公司股票的总市值小(小盘股)，那么它就是很多投机者的首选标的。因为小盘股的盘子小，要想拉动股价所需要的资金也不多。所以在这种背景下，以创业板为代表的小盘股，其上涨幅度远超同期的大盘股。基金公司作为专业的机构投资人，肯定也看到这一点。所以也就纷纷成立只投资小盘股的量化基金。比如上文提到的长信量化先锋基金(519983)。由上图可知，从2013年至今，这只基金主要是投资小盘股，投资大盘股的比例很少超过30%。这种只投资小盘股的量化基金并非个例，比如还有大摩多因子策略基金(233009)。由上图可知，从2013年至今，这只基金也是主要投资小盘股，投资大盘股的比例就没有超过20%。所以通过押宝“小盘股”，这些量化基金都获得了不错的收益率。可是随着沪港通、深港通等海外资金的不断流入，A股兴起了一股投资大蓝筹股的炒作风潮。这时候，那些押宝“小盘股”的量化基金日子就不好过了。当然，风格切换只是很多量化基金表现不好的其中一个原因，更多的原因还包括了量化基金的各种量化策略，以及决定这种策略的量化因子，这里我们就不深究了。看到这里，可能有些基民会问，既然量化基金不行了，那么是不是意味着大家可以抛弃这个品种了呢？其实完全没有这个必要。因为在过去几年，也有业绩表现很好的量化基金(主动型)。这些业绩表现好的量化基金，显然是吸取过去只押宝“小盘股”量化基金的经验。因此其投资策略或量化模型可能就变的更加合理了。本文源自麻利二铺

2018年12月27日,由清华金融评论与量化云战略合作的“2018全球量化金融峰会”将在北京清华大学正式举办。与以往各届全球量化金融峰会相比,“2018全球量化金融峰会”将在承袭往届峰会诸多优点的基础上,从峰会主视觉、峰会内容等多个方面开展别具匠心的革新。目前,峰会相关筹备工作正紧张而有序地推进,一场专为投资者精心打造,集传承与创新于一体的高品质量化金融盛会呼之欲出。全球量化金融峰会致力于发展为亚太顶尖、世界一流、具有全球影响力的量化金融峰会。大会邀请业界权威、商界领袖和学界专家,在深入解读国家法律和监管政策的同时,分享量化投资的成功经验,秉承“高品质、高规格、高口碑”的宗旨,打造量化投资界交流互动平台,助力量化投资在传统金融领域和互联网金融中的相互融合,促进国内外资本市场的创新与繁荣。“2018全球量化金融峰会”将邀请权威的政策制定者、业界专家学者以及金融机构高管,为投资者深度剖析量化行业发展现状。在清华大学国家金融研究院资产管理研究中心、清华大学国家金融研究院民生财富管理研究中心、清华大学深圳研究生院量化投资研究中心的大力指导下,量化云作为战略合作伙伴将参与清华金融评论《全球量化金融行业2018年度回顾》发布,该报告通过专题讨论、企业调研走访、专家访谈、闭门研讨等多种形式,对量化投资领域政策、实践及发展现状等展开讨论和研究总结,力争为投资者呈现最前沿、最全面的量化金融行业研究信息。在“2018全球量化金融峰会”期间,量化云将于清华五道口金融学院旗下清华金融评论签订战略合作协议,量化云将正式成为清华金融评论战略合作伙伴。自量化云与清华金融评论达成战略合作意向至今,双方已共同合作举办了“2017全球量化金融峰会”、“2018全球量化金融峰会”深圳专场、“2018全球量化金融峰会”上海专场。量化云与清华金融评论战略合作伙伴关系的达成,是双方在量化投资领域产学结合的体现。截至“2018全球量化金融峰会”开办前,全球量化金融峰会已连续成功举办三届共计五场,会址遍及北京、深圳、上海,先后累计邀请证券、期货、私募、保险等行业嘉宾70+位,现场互动嘉宾4000+位,远程在线互动嘉宾200000+人次,参与媒体150+家,建立主峰会+区域峰会的模式,以最大强度辐射影响各大金融市场,在量化金融及金融科技领域建立了广泛的群众基础和权威品牌。张伟中央财经大学经济学学士,中国人民银行研究生部(现为清华大学五道口金融学院)经济学硕士,中国人民银行研究生部经济学博士。清华大学五道口金融学院副研究员(副教授),CFP认证培训资深讲师,金融风险管理师(FRM),全球风险管理师协会正式会员。现任清华校友总会理事,《清华金融评论》副主编兼编辑部主任,清华大学五道口金融学院校友办主任。张伟博士曾任中国人民银行研究生部教研处副处长、中国金融教育发展基金会金融理财标准委员会教研部主任、中国人民银行研究生部行政处副处长(主持工作)、清华校友总会副秘书长。主要从事宏观经济、货币政策、汇率体制、股票投资、外汇投资、金融稳定机制、金融危机预警机制等方面研究。张晓燕现任清华大学五道口金融学院鑫苑金融学讲席教授,清华大学五道口金融学院副院长,清华大学金融科技研究院副院长,兼任鑫苑房地产金融科技研究中心主任。张晓燕教授毕业于北京大学经济学院,并于2002年获哥伦比亚商学院金融学博士学位。她曾任美国康奈尔大学约翰逊管理学院金融学助理教授、普渡大学克兰纳特管理学院金融系讲席教授兼金融系主任。2014年,她被财富杂志评为“全球40岁以下40位最佳商学院教授”之一。张晓燕教授2017年被任命为证监会第十七届发行审核委员会委员。张晓燕教授主要的研究领域包括资产管理,机构投资,以及应用计量经济学。张教授关于波动率对股价的影响研究,以及做空行为研究多次获得国际论文奖。陈卓现任清华大学五道口金融学院助理教授,民生财富管理研究中心副主任。陈卓博士于2014年毕业于美国西北大学凯洛格商学院,获得金融学博士学位。在此之前,他获得了美国杜克大学的经济学硕士学位和北京大学工程学与经济学双学士学位。他曾经在中信证券的产品与策略部实习,主要从事全球资产配置和风险管理的研究工作。曾在花旗集团的投资银行部实习,参与了一家中国工程机械制造企业的香港IPO募集工作。姚余栋英国剑桥大学经济学博士、清华大学五道口金融学院硕士、博士生导师,中国人民银行金融研究所前所长,现任大成基金管理有限公司副总经理兼首席经济学家,中小银行发展论坛秘书长、直销银行联盟秘书长、金融街88号论坛秘书长,中国养老金融50人论坛首席经济学家等。在《经济研究》和《金融研究》等国内外顶级学术刊物上发表了多篇文章。专著《学习经济》、《重燃中国梦想》、合著《通胀预期与货币政策》、参与编著《新供给:经济学理论的中国创新》。2015年 9月 8日,与杨涛博士首次共同提出“共享金融”的理论。吴超量化云创始人、CEO,金融学博士,CCTV证券资讯频道特约嘉宾,福建电视台新闻观察员。曾在国际顶尖投行担任大中华区副总裁,拥有18年证券和期货从业经验,10年国际量化对冲基金经理生涯。管理单只基金规模超过20亿元。2000年开始从事股票、现货与期货套利交易,在现货、期货和股票的联动交易上颇有研究和投资收获。经历多轮熊牛转换,对金融投资领域有深刻认识,对股票、期货和外汇市场投资均有丰富的经验。林健武现任国金基金量化投资总监,清华大学深圳研究生院金融学客座教授,量化投资研究中心主任。林博士在华尔街从事金融投资十多年,曾经在美国50大对冲基金之一的迈格尼塔投资公司担任全球量化投资战略交易总监,负责数十亿美元全球量化基金的金融投资交易。在这之前,他就职于美国摩根史坦利和高盛等国际一流投资机构近十年,曾担任高盛投资战略副总裁。林先生是国际金融工程师协会(IAFE)风险管理委员会委员。曾荣获国际IEEE论文奖,兼任美国学术刊物审稿专家,《中国证券期货》杂志主编。陈曦主要负责量化策略模型开发和检验、投资组合管理及风险管理。曾经先后任职于汇丰银行、国信证券等多家金融机构,熟悉国内外金融市场和各种金融及衍生产品。在多家高校担任校外研究生导师,管理的量化投资基金业绩在国内同类型策略中长期排名居前,2016年获得新财富评选的中国TOP50对冲基金经理。【峰会日程】【主办单位】清华金融评论【战略合作伙伴】量化云【学术指导单位】清华大学国家金融研究院资产管理研究中心清华大学国家金融研究院民生财富管理研究中心【承办单位】北京清控金媒文化科技有限公司【时间】2018年12月27日(星期四) 13:30-17:30【地点】清华大学【主题】量化投资新机遇:聚焦监管、共商发展13:00-13:30嘉宾签到13:30-13:35主持人开场13:35-13:45主办方致辞13:45-14:35主旨演讲(含全球量化金融行业2018年度回顾)张晓燕清华大学五道口金融学院教授、副院长,清华大学国家金融研究院副院长姚余栋大成基金副总经理兼首席经济学家,中国人民银行金融研究所原所长14:35-14:45 2018中国量化投资风云榜颁奖典礼(一)14:45-15:35主题论坛一:大资管与量化投资主持人:陈卓 清华大学五道口金融学院助理教授、清华大学国家金融研究院民生财富管理研究中心副主任曾杰 华宝证券资产管理部总经理吴超 量化云创始人、CEO获奖私募机构领导15:35-15:45清华金融评论与量化云战略合作签约仪式15:45-16:35主旨演讲聂庆平中国证券金融股份有限公司董事长余剑峰清华大学五道口金融学院建树金融讲席教授、清华大学国家金融研究院资产管理研究中心主任16:35-16:45中国量化投资风云榜颁奖典礼(二)16:45-17:25主题论坛二:金融科技与量化投资主持人:何丽峰嘉实基金智能投研平台高级经理林健武国金基金量化投资总监,清华大学深圳研究生院客座教授、量化投资研究中心主任沈毅 银河期货有限公司技术总监陈曦 凯纳资本创始合伙人17:30活动结束

大名鼎鼎的麻省理工，给人的印象仿佛只有偶像剧里的男主才能是从这个学校毕业的。而每次打开Sloan商学院的主页，总能给人一种“我很厉害哦”的感觉。Sloan商学院的master项目，除了MBA，就只有Master of Finance和Master of Business Analytics两个。我们今天的主角，就是Master of Finance。MIT的金融硕士有多么让人心驰神往已无需多言，进入2018年，大家对它的关注多了一个点，它是不是扩招了？为什么会有这个疑问？分析往年MIT所招大陆本学生，主要集中在清北+华东五校。但在2018申请季，紧跟这七校的985学生拿到的录取陡然增多了，这在往年是没有发生过的事情。所以大家就有了一个疑问，是不是MIT的金融硕士扩招了？这个问题在MIT公布了最新一届金融硕士Class Profile后揭开疑团。以下是MIT 金融硕士最新的Class of 2019（即2018入学）统计数据。光看这张图还看不出来它是否扩招了，还要配合下面这张图。这是2017年的入学统计。可以看到2017年的入学人数比2018年还要多了几个。答案很明确了，2018年MIT金融硕士并没有扩招。其实这几年MIT金融硕士的入学人数基本稳定在120人以内，官方也明确说明其每年招生人数都是计划在115-120人。如果你盘算着趁扩招增加自己录取的机会，暂时是行不通了。2018年出现国内部分学校录取数量大幅增加的情况，可能跟MIT调整了针对某些学校招生政策有关，毕竟出现录取增加的本来也是很好的学校。还有另一种可能是，此前在这些学校所招的学生表现都很优秀，让MIT对来自同一所学校的学生的认可度增高。完成了招生人数的解密，我们再来看看2018入学统计中其他值得注意的信息。1. 平均工作经验2018入学的学生平均工作经验是17个月，2017入学的是17.4个月，都是包含了实习的数据。可见MIT金融硕士是招了不少应届生和只有少量工作经验的学生的，从录取案例中也可以得出相似结论。MIT金融硕士对工作经验要求不严格。2. 女性比例女性比例是37%，男生更多一点。这应该MIT金融硕士的招生要求有关，它自己定位是一个比较量化的项目，比较喜欢数理比较好的学生。官方推荐学生拥有以下数理背景：线性代数、微积分、概率论、随机过程、统计学或计量经济学、编程（R, Python, C或C++等）。在数理背景方面男生往往比女生表现得更好。3. 硬件分数这是2018入学的分数统计，看起来并没有很厉害是不是，但如果是把大陆本单独抽出来统计的话，相信会是另外一番景象，所以这个数据还是看看就好了。大陆本想要有竞争力的话，还是得往托福110左右，GMAT750左右，GRE330左右这种层次去靠。4. 专业背景数理+工程+计算机超过了60%，进一步验证了这个项目对数理背景的重视。所以大家想要冲刺这个项目的，尽早把自己的数学、统计、计算机编程这些背景提升上去吧。本期的“数据看留学”就为大家分析到这里，希望能够帮助到你。

金融科技（FinTech）的风口下，想进入核心岗位找到自己的机会，在这个风口中起飞，却不懂数据和编程？你正在失去机会……1. 金融行业中数据和python技能的重要性金融行业天然要跟数据打交道，它基本是全世界各个行业中最依赖于数据的，而且也最容易实现数据的变现，越来越多传统投资银行正在开始逐步转型成为科技公司。大数据在金融行业中已经不是一个多么新鲜的技术了，如今的FinTech中，基本就是大数据技术与人工智能技术，应用极其广泛，比如：①风险定价：定价永远是金融市场中最核心的部分之一，绝大部分金融活动都涉及到风险和收益的平衡。大数据技术，可以让金融产品的颗粒度精确到每个人。②信息优势：无论对于一级市场还是二级市场投资，拥有更早更多更准确的信息，会让投资人获得先发优势而最终转化为投资回报。大数据技术，正可以从庞大的数据中获得别人看不见的信息③量化投资：可以从大量数据中，利用科学的方法认识市场波动，通过实证方法验证投资假设，有效控制风险暴露，提高投资效率。凡此种种，不胜枚举。需要频繁处理大量数据的岗位，就必然需要借助得心应手的工具，这样可以让工作效率大大提高。虽然数据科学领域中有大量语言和工具可供选择，但多家引领行业的Top Tier公司们却不约而同的用上了Python：在JPMorgan、BoA等，不管是做CoreStrategist或中台后台，都是需要工作人员具备Python技能做数据处理。据英国《金融时报》报道，摩根大通分析师和员工中，有三分之一已经接受过Python编程培训。高盛集团对全球2500名高盛夏季实习生进行调查， 当问到“你认为哪个语言在未来会更重要”时，在被调查的全球2500名80、90后优秀年轻人中，72%选了Python。可以看到，Python所代表的数据科学分析能力和编程能力正成为年轻人乃至整个世界最看好的热门或者说必备技能。我们也从各大招聘网站，摘录了一些金融行业核心热门职位的技能要求：这类结合了金融、数理统计、编程能力的核心职位，受行业周期波动影响小，未来发展前景明朗，是一个让人想想就有点小激动的工作领域。2. 目前大家普遍的差距，是挑战更是机会然而，与市场需求极度不匹配的是，金融相关专业的人才虽然不少，但同时掌握数据分析技能的复合型人才却极度紧缺。《2018中国人才招聘趋势报告》称数据分析人才最稀缺，供给指数最低。猎聘、智联招聘等多个网站对于数据分析岗位的人才需求每年以37.1%的速度激增，但基础性大数据分析人才缺口高达1400万，严重跟不上市场需求。3. 数据分析=编程，晦涩难学？大数据，量化，Fintech，Python，这些关键词在过去几年中热度不断提升，网络上各种资源也是层出不穷。但之前有不少同学跟我们反馈：☆ 网上的很多课程对于非理工科背景，没有很好编程基础的小白来说，并不是很友好，大量晦涩难懂的专业术语、复杂高深的知识点罗列，实际的入门门槛并不低。☆ 金融行业的Python学习，不同于以IT系统开发、运维等为目的的Python学习，我们并不需要达到程序员的水平，更需要关注的是金融数据的处理分析方法，而不是大而全的Python知识以及针对程序员的题海战术。☆ 仅仅是编程知识点学习，学完之后，依然不知道在金融行业中应该怎么应用，我们真正更加需要的是，掌握如何通过Python来处理金融数据，来实现技术分析，来进行量化投资策略回测等实际操作，要进行这些，金融业务的逻辑也是我们必须要了解的，而大多课程中并不涉及。☆ 在传统的、非项目制的编程语言学习之后，简历中也只能单薄地写上“熟悉python”这一句，没有实战项目经历支撑，说服力和竞争力都并不足够。4、学习金融行业数据分析技能的正确姿势目标金融行业核心岗位，真正有效的学习方式，还是核心技能+实战。以未明学院往期一位金融专业学员为例，其完成的《业绩预告效应及影响因子研究》项目经历，就完整地体现出其在数据获取、数据处理、数据分析、金融基础、工具使用等各方面的能力。数据获取能力：数据是现在几乎所有金融类项目的支撑，所以多渠道的数据获取能力非常关键。该项目可以反映出该同学良好的数据获取能力。金融基础：通过金融量化项目，可以表现自己坚实的金融基础，对金融市场，Markowitz，CAPM，有效市场等等基础知识有所应用，让招生官或HR了解自己与专业的匹配度。数学基础：描述统计和推论统计分析是金融/金工等专业的重要基础，利用量化项目可以很直观地展示出自己在这些领域的能力。数据处理能力：金融实践离不开数据处理能力，对异常值、重复值、缺失值等的熟练处理，都可以通过项目经历来表现。 数据分析能力：面对大量数据，能从数据中发现规律和趋势，是招生官和HR都极为看重的能力，而通过项目实战，这一能力亦可展示出来。工具使用：能熟练使用分析工具是定量研究的核心能力之一，项目过程中所使用的统计软件及可视化工具等，也能作为重点在简历中提及。最后，该同学也凭借这段经历，成功拿到了兴业证券的全职offer。以金融为基础，数学和编程为手段，进行实际量化项目操作呈现相关报告，这样的经历将会成为整个简历的亮点。我们往届学员的经历，都在不断重复证明着这一点。01中山大学 信息管理与信息系统研究生offer：哥伦比亚大学金融工程 量化项目经历：员工持股计划（ESOP）事件驱动策略研究◆ 梳理ESOP的主要流程及相关信息披露规定；◆ 通过金融终端收集历年（2011-2017）ESOP事件相关数据，按年份、申万行业、所属板块、公司属性等多个角度，对数据进行分类统计和可视化展示；◆ 对ESOP事件的股价效应进行统计分析，从不同类别角度，详细分析由此产生的投资机会，并撰写研究报告。02华东师范大学 金融学实习offer：申万宏源证券固收总部量化项目经历：多因子研究系列之成长类因子测试◆通过Wind终端提取因子测试所需的个股基本面、行情序列数据，以及市场指数数据；◆运用Python等软件工具，将ST股票、上市不满1年的股票、以及无法交易的股票数据进行剔除；对基本面和行情数据进行去极值、标准化、滞后匹配等数据处理；◆从收益率分析、IC分析及换手率，分别测试成长类因子在A 股整体、不同市场阶段以及不同风格/行业/成分股选股的有效性；◆参与报告撰写。03四川大学 经济学全职offer：工行总部数据中心量化项目经历：基于回归模型的行业轮动策略研究◆选取28个申万一级行业中除国防军工和综合之外的行业，构建六大板块，使用choice金融终端进行数据采集，并进行数据清洗；◆对周频对数收益率序列进行去极值、中心化、标准化等预处理操作，提升回归效果；◆使用主成分回归法，利用六大板块当期收益率序列对各板块下期收益率序列做回归，构建定价方程，并对每个截面生成下一期各行业收益率预测值，指导最终配置。